<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Щодо застосування нейронних мереж та систем штучного інтелекту для покращення характеристик елементів гідроприводів

Анотація

Розглянуто існуючі рішення, приклади впровадження нейронних мереж та систем штучного інтелекту для покращення характеристик та ефективності гідроприводів та їх елементів.
The existing solutions, examples of implementing neural networks and artificial intelligence systems to improve the performance and efficiency of hydraulic drives and their components are considered.

Опис

УДК

Тип документа

Мова

ISSN

Бібліографічний опис

Лозінський Д. О., Кавецький О. І., Сиротін О. А. Щодо застосування нейронних мереж та систем штучного інтелекту для покращення характеристик елементів гідроприводів // Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/all-fmt/all-fmt-2024/paper/view/20686.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (11)

  1. Особливості конструкцій гідророзподільників для гідросистем чутливих до навантаження [Текст] / Л. Г. Козлов, Д. О. Лозінський, В. А. Ковальчук, Ю. В. Дзісь // Промислова гідравліка і пневматика. – 2009. – № 1. – С. 80–84.
  2. Лозінський Д. О. Дослідження пропорційного електрогідравлічного розподільника з незалежним керуванням потоків та стежною системою [Текст] / Д. О. Лозінський, І. С. Михайловський, А. О. Наконечна // Вісник машинобудування та транспорту. – 2016. – № 1. – С. 52–58.
  3. Бурєнніков Ю. А. Оптимізація гідророзподільника для гідроприводів з пропорційним електрогідравлічним регулюванням [Текст] / Ю. А. Бурєнніков, Л. Г. Козлов, Д. О. Лозінський // Вісник Вінницького політехнічного інституту. - 2005. - № 6. - С. 225-229.
  4. Оптимізація електрогідравлічного розподільника з незалежним керуванням потоків / Д. О. Лозінський, Л. Г. Козлов, О. В. Піонткевич, О. І. Кавецький // Вісник машинобудування та транспорту/ – 2023. – № 1. – С. 87–91.
  5. Kozlov L. Optimization of Design Parameters of a Counterbalance Valve for a Hydraulic Drive Invariant to Reversal Loads / L. Kozlov, L. Polishchuk, O. Piontkevych, V. Purdyk, O. Petrov, V. Tverdomed, A. Tungatarova // Mechatronic Systems, W. Wójcik, S. Pavlov, and M. Kalimoldayev, eds., Vol. 1, Routledge, London, 2021 pp. 137–148. DOI: 10.1201/9781003224136-12
  6. Haitao Liu, Rui Wang, Feng Sun, Xuefeng Xing Adaptive self-structuring neural network control for full-state constrained hydraulic systems with disturbance compensation Applied Mathematical Modelling (IF 5), DOI:10.1016/j.apm.2024.01.003.
  7. Mechatronic hydraulic drive with regulator, based on artificial neural networks [Text] / Y. Burennikov, L. Kozlov, V. Pyliavets, O. Piontkevych // IOP Conf. Series : Materials Science and Engineering, 2017. – 2017. -Vol. 209 (012071). – P. 8. – doi :10.1088/1757-899X/209/1/012071.
  8. Filo, G. Artificial Intelligence Methods in Hydraulic System Design. Energies 2023, 16, 3320. https://doi.org/10.3390/en16083320
  9. M. Yu, “Intelligent neural network control strategy of hydraulic systemdriven by servo motor,” Int. J. Smart Sens. Intell. Syst., vol. 8, no. 2,pp. 1406–1423, Jun. 2015.
  10. B. Daachi, A. Benallegue and N. K. M'Sirdi, "Adaptive neural network force controller for a hydraulic actuator," 2001 European Control Conference (ECC), Porto, Portugal, 2001, pp. 1792-1797, doi: 10.23919/ECC.2001.7076181.