https://ir.lib.vntu.edu.ua//handle/123456789/50320 2026-04-10T04:13:14Z https://ir.lib.vntu.edu.ua//handle/123456789/50591 Вибір діагностичних методів та аналіз чинників впливу на довговічність деталей транспортних засобів для забезпечення максимального залишкового ресурсу Бурлака, С. А.; Митко, М. В.; Burlaka, S. A.; Mytko, M. V. Under modern conditions of the automotive industry development, one of the key tasks is to ensure the durability and reliability of vehicle parts. To achieve this goal, it is important to choose the right diagnostic methods, allowing timely detection of defects, predicting the residual resource and preventing premature failures. The use of a systematic approach to technical diagnostics contributes to increasing the efficiency of technical maintenance, optimizing repair processes and ensuring the safety of vehicle operation. Particular attention is paid to the analysis of factors that affect the durability and reliability of parts. Among them are the quality of materials, design features, manufacturing technology, operating modes and load conditions. Considering these aspects as a whole enables to more accurately determine the residual resource and form a maintenance strategy in accordance with the real technical state of components and assemblies, and not only according to regulatory deadlines. The article analyzes in detail modern diagnostic methods, including visual inspection, non-destructive methods (ultrasonic, magnetic, capillary, X-ray), as well as automated monitoring systems. Their advantages, disadvantages and possibilities of integration into the practice of car service enterprises are considered. Special emphasis is placed on the combination of the conventional and progressive technologies, which allows achieving maximum accuracy of diagnostic results and increasing the efficiency of repair processes. Based on the analysis, recommendations are proposed for optimizing the choice of diagnostic methods depending on the type of parts and their operating conditions. The results of the study can be used both in the educational process of training specialists in technical operation and repair of cars, and in the activities of car service enterprises. The practical implementation of the proposed approaches will ensure the extension of the residual resource of parts, reduction of repair costs and increase of the overall level of reliability and safety of vehicles.; У сучасних умовах розвитку автомобільної промисловості одним з ключових завдань є забезпечення довговічності та надійності деталей транспортних засобів. Для досягнення цієї мети важливим є правильний вибір методів діагностування, які дозволяють своєчасно виявляти дефекти, прогнозувати залишковий ресурс і попереджати передчасні відмови. Застосування систематичного підходу до технічної діагностики сприяє підвищенню ефективності технічного обслуговування, оптимізації ремонтних процесів та забезпеченню безпеки експлуатації автомобілів. Особливу увагу в статті приділено аналізу чинників, що впливають на довговічність та надійність деталей. Серед них — якість матеріалів, конструктивні особливості, технологія виготовлення, режими експлуатації та умови навантаження. Розгляд цих аспектів у комплексі дає змогу точніше визначати залишковий ресурс і формувати стратегію технічного обслуговування відповідно до реального технічного стану вузлів і агрегатів, а не лише за регламентними строками. У статті детально проаналізовано сучасні методи діагностування, зокрема візуальний контроль, неруйнівні методи (ультразвуковий, магнітний, капілярний, рентгенівський), а також автоматизовані системи моніторингу. Розглянуто їхні переваги, недоліки та можливості інтеграції у практику автосервісних підприємств. Акцентовано на поєднанні традиційних і прогресивних технологій, що дозволяє досягати максимальної точності результатів діагностики та підвищувати ефективність ремонтних процесів. На основі проведеного аналізу запропоновано рекомендації щодо оптимізації вибору діагностичних методів залежно від типу деталей і умов їх експлуатації. Результати дослідження можуть бути використані як у навчальному процесі підготовки фахівців з технічної експлуатації та ремонту автомобілів, так і в діяльності автосервісних підприємств. Практичне впровадження запропонованих підходів забезпечить продовження залишкового ресурсу деталей, зниження витрат на ремонт та підвищення загального рівня надійності й безпеки транспортних засобів. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50467 Адаптивне керування світлофорними об’єктами на основі нечіткої логіки з урахуванням пріоритету громадського транспорту Гандрибіда, В. О.; Севастьянов, В. М.; Gandrybida, O. V.; Sevastyanov, V. M. Adaptive traffic light control taking into account the priority of public transport requires a combination of technological flexibility and social sensitivity. The article analyzes the possibilities of using fuzzy logic as a basis for co9nstructing regulators capable of responding to traffic changes without rigid boundaries and fixed rules. Control using fuzzy rules enables to take into account transport delays, flow density, passenger capacity, and also minimize delays without disturbing the overall balance. Special attention is paid to the multi-agent approach, in which each intersection acts as an independent control unit capable of making decisions, based on local data and interaction with neighboring nodes. Such an architecture allows creating the adaptive control network where the priority for public transport is provided not episodically, but systematically — along the entire route. The article considers hybrid models where fuzzy logic is combined with elements of reinforcement learning and infrastructure communication (V2I). The effectiveness of the approach in reducing the delay time for transport by 12…18 % compared to non-adaptive methods is demonstrated. The formula for the priority index is described, enabling to integrate the factors of delay and vehicle weight. The comparison is made with other models, in particular of type 2 and learning based on GPS data. The conclusion is made about the suitability of the proposed approach for the implementation both at individual intersections and city-wide. In future, simulation testing, scaling to a multi-agent architecture and integration with barrier-free requirements and neural networks are considered. The proposed model not only improves transport efficiency, but also contributes to the formation of a socially- oriented infrastructure sensitive, to the needs of passengers.; Адаптивне керування світлофорними об’єктами з урахуванням пріоритету громадського транспорту потребує поєднання технологічної гнучкості та соціальної чутливості. У статті проаналізовано можливості застосування нечіткої логіки як основи для побудови регуляторів, здатних реагувати на зміни трафіку без жорстких меж і фіксованих правил. Керування з використанням нечітких правил дозволяє враховувати запізнення транспорту, щільність потоків, пасажиромісткість, а також мінімізувати затримки без порушення загального балансу. Окрему увагу приділено мультиагентному підходу, у якому кожне перехрестя виступає як самостійна керувальна одиниця, здатна ухвалювати рішення на основі локальних даних і взаємодії з сусідніми вузлами. Така архітектура дозволяє створювати адаптивну мережу керування, де пріоритет для громадського транспорту забезпечується не епізодично, а системно — вздовж усього маршруту. Розглянуто гібридні моделі, у яких нечітка логіка поєднується з елементами навчання з підкріпленням та інфраструктурною комунікацією (V2I). Продемонстровано ефективність підходу у скороченні часу затримки для транспорту на 12…18 % порівняно з неадаптивними методами. Описано формулу індексу пріоритету, що дозволяє інтегрувати фактори запізнення та ваги транспортного засобу. Здійснено порівняння з іншими моделями, зокрема типу 2 та навчанням на основі GPS-даних. Зроблено висновок про придатність запропонованого підходу до впровадження як на окремих перехрестях, так і в масштабі міської мережі. У перспективі розглядається симуляційне тестування, масштабування на мультиагентну архітектуру та інтеграція з безбар’єрними вимогами і нейромережами. Запропонована модель не лише підвищує транспортну ефективність, а й сприяє формуванню соціально орієнтованої інфраструктури, чутливої до потреб пасажирів. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50466 Залежність теплового потоку димових газів після парогенератора на біомасі від основних факторів впливу Березюк, О. В.; Паламарчук, М. О.; Bereziuk, O. V.; Palamarchuk, M. O. The development of renewable energy is consistent with the current requirements of modern energy policy and international standards, which provide for the reduction of emissions of harmful substances and the stimulation of the use of renewable energy sources. Study of the dependence of the heat flow of flue gases after a biomass steam generator on the main influencing factors was conducted using the second-order Box-Wilson experimental design using rotatable central composite planning using the developed software, which is protected by the Certificate for the work. The aim of the study is to determine, using experimental design, the regression dependence of the heat flow of flue gases after a biomass steam generator on the main influencing factors. Regression dependence of the heat flow of flue gases after a biomass steam generator on the main influencing factors was obtained: inlet gas temperature, inlet gas velocity. Using the Fisher criterion, it was established that the hypothesis regarding the adequacy of the obtained regression model is confirmed with a confidence probability of 95 %. The obtained value of the correlation coefficient, which is 0.97386, indicates a sufficient level of reliability of the obtained results. The obtained regression dependence can be used in the development of a methodology for engineering calculations of equipment parameters for energy-efficient biomass combustion. It was established that among the impact factors considered, the heat flow of flue gases after the biomass steam generator is most influenced by the temperature of the gases at the inlet, and the least by the velocity of the gases at the inlet. The response surface of the objective function — the heat flow of flue gases after the biomass steam generator and its two-dimensional section in the plane of the impact parameters — is constructed, which enables to clearly illustrate the obtained dependence and the nature of the combined impact of several factors on the objective function.; Розвиток відновлюваної енергетики має узгоджуватися з актуальними вимогами сучасної енергетичної політики та міжнародними стандартами, які передбачають скорочення викидів шкідливих речовин і стимулювання використання відновлюваних джерел енергії. Проведено дослідження залежності теплового потоку димових газів після парогенератора на біомасі від основних факторів впливу, з використанням планування експерименту другого порядку методом Бокса-Уілсона за допомогою ротатабельного центрального композиційного планування та застосовуючи розроблене програмне забезпечення, захищене свідоцтвом на твір. Метою дослідження є визначення за допомогою планування експерименту регресійної залежності теплового потоку димових газів після парогенератора на біомасі від основних факторів впливу. Отримано регресійну залежність теплового потоку димових газів після парогенератора на біомасі від основних факторів впливу: температури газів на вході, швидкості газів на вході. За допомогою критерію Фішера встановлено, що гіпотеза щодо адекватності отриманої регресійної моделі підтверджується з довірчою ймовірністю 95 %. Отримане значення коефіцієнта кореляції 0,97386, вказує на достатній рівень достовірності отриманих результатів. Отримана регресійна залежність може бути використана під час розробки методики інженерних розрахунків параметрів обладнання для енергоефективного спалювання біомаси. Встановлено, що серед факторів впливу, які розглядалися, найбільше на тепловий потік димових газів після парогенератора на біомасі впливає температура газів на вході, а найменше — швидкість газів на вході. Побудовано поверхню відгуку цільової функції — теплового потоку димових газів після парогенератора на біомасі та її двомірний переріз у площині параметрів впливу, що дозволяє наочно проілюструвати отриману залежність та характер комбінованого впливу декількох факторів на цільову функцію. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50465 Підвищення якості короткострокового прогнозування обсягів генерування фотоелектричних станцій на основі рекурентних нейронних мереж Кулик, В. В.; Затхей, М. В.; Kulyk, V. V.; Zatkhei, M. V. This paper presents an in-depth study of modern approaches to forecasting electricity generation by solar photovoltaic plants (PVPs), which is an important element of the development of renewable energy in the context of decentralized energy supply and the growth of the share of "green" energy in the energy balance. Particular attention is paid to the Sensitivity-Enhanced Recurrent Neural Network (SERNN) model, which combines the advantages of recurrent neural networks with adaptive sensitivity to changes in input meteorological parameters. The proposed approach is based on taking into account key climatic factors, directly affecting the volume of solar energy generation, in particular global solar radiation, ambient temperature, cloudiness, and seasonal fluctuations. It is shown that, unlike classical models such as linear regression or traditional neural networks such as LSTM, the SERNN model demonstrates the ability to flexibly respond to rapid changes in weather conditions due to the built-in mechanism for dynamic adaptation of weight coefficients. The study examines in detail the stages of input data preprocessing that are critical for ensuring the quality of training and forecast accuracy, in particular: scaling (normalization) of indicators, encoding time features in the form of sinusoidal functions to reflect daily and seasonal cycles, as well as filtering or correcting anomalous values that may distort the model results. Based on the real observation data from several photovoltaic installations, the high efficiency of using SERNN in short-term forecasting tasks was experimentally confirmed. In particular, a significant reduction in the mean absolute error (MAE) and root mean square error (RMSE) was recorded compared to alternative approaches. The proposed model also demonstrated the stability of results during periods of high variability in weather conditions, which is especially important for energy planning and network optimization. Overall, the study confirms the potential of deep neural networks with a weather-sensitive mechanism as a promising tool for accurate forecasting of PV power generation. This opens up new opportunities for integrating renewable energy sources into the power system while minimizing technical and financial risks associated with imbalances.; Проведено поглиблене дослідження сучасних підходів до прогнозування генерування електроенергії сонячними фотоелектричними станціями (ФЕС), що є важливим елементом розвитку відновлюваної енергетики в умовах децентралізованого енергопостачання та зростання частки «зеленої» енергії в енергобалансі. Особливу увагу приділено моделі Sensitivity-Enhanced Recurrent Neural Network (SERNN), яка поєднує переваги рекурентних нейронних мереж з адаптивною чутливістю до змін вхідних метеорологічних параметрів. Запропонований підхід базується на врахуванні ключових кліматичних факторів, що безпосередньо впливають на обсяги вироблення сонячної енергії, зокрема глобальної сонячної радіації, температури довкілля, ступеня хмарності, а також сезонних коливань. Показано, що на відміну від класичних моделей, таких як лінійна регресія або традиційні нейромережі типу LSTM, модель SERNN демонструє здатність до гнучкого реагування на швидкоплинні зміни погодних умов завдяки вбудованому механізму динамічної адаптації вагових коефіцієнтів. В дослідженні детально розглянуто етапи попередньої обробки вхідних даних, які є критично важливими для забезпечення якості навчання та точності прогнозу, зокрема: масштабування (нормалізація) показників, кодування часових ознак у вигляді синусоїдальних функцій для відображення добових та сезонних циклів, а також фільтрація або корекція аномальних значень, які можуть спотворювати результати моделі. На основі реальних даних спостережень з декількох фотоелектричних установок експериментально підтверджено високу ефективність застосування SERNN у задачах короткострокового прогнозування. Зокрема, зафіксовано істотне зниження середньої абсолютної похибки (MAE) та кореня середньоквадратичної похибки (RMSE) у порівнянні з альтернативними підходами. Запропонована модель також продемонструвала стабільність результатів у періоди з високою мінливістю погодних умов, що особливо важливо для енергетичного планування та оптимізації роботи мереж. Загалом дослідження підтверджує потенціал глибоких нейромереж з чутливим механізмом до метеоумов як перспективного інструменту для точного прогнозування генерування ФЕС. Це відкриває нові можливості для інтеграції відновлюваних джерел енергії в енергосистему з мінімізацією технічних і фінансових ризиків, пов’язаних з небалансами. 2025-01-01T00:00:00Z