Development of an intelligent system for enhancing mechanic readiness for the operation and repair of injectors with visualization of their 3d models

Вантажиться...
Ескіз

Дата

Назва журналу

Номер ISSN

Назва тому

Видавець

Науковий вісник ХДМА

Анотація

The problem of enhancing the readiness of marine engineers for the operation and repair of ship technical systems is relevant due to the difficulty of detecting faults and the need for timely diagnostics. The aim of this research is to develop and implement an intelligent system that improves marine engineer readiness by visualizing 3D models of injectors and using fuzzy diagnostic methods. The research includes the formation of a conceptual system description, the creation of a formal-logical structure of injector diagnostic rules based on symptoms, the development of 3D injector models, and decision-support software. The research employed methods of machine learning, automation, and fuzzy logic to improve diagnostic accuracy. The main functional elements of the system include: data input, where symptoms of injector faults are entered as a set of parameters; rule evaluation, which assesses the input data based on threshold values to determine the severity levels of symptoms; recommendation generation, where the system automatically generates recommendations based on rule evaluation; visualization of membership functions through the construction of graphs for each diagnostic rule; and 3D modeling, which involves creating 3D models of injectors for visualizing damaged components and facilitating the diagnostic process. Experiments have shown that the developed system reduces the risk of errors and increases the efficiency of injector repairs. Testing demonstrated that the speed of operations in injector repairs increased by 22.5%. The system automatically evaluates symptoms and generates recommendations for the marine engineer, ensuring timely fault detection. The practical significance of the system lies in its ability to reduce the impact of human factors on the operation of ship technical systems, enhancing overall reliability and safety. The system ensures operational flexibility, allowing the marine engineer to visually identify damaged injector components. The implementation of the intelligent system contributes to reducing the risk of emergency situations and optimizing the repair process. The theoretical significance lies in the introduction of new approaches to injector diagnostics using machine learning, automation, and 3D visualization. The use of fuzzy logic for symptom evaluation and recommendation generation ensures more accurate and reliable fault detection. The proposed methods can be adapted for diagnosing other components of ship technical systems, opening new prospects for further research. Проблема підвищення готовності механіка до експлуатації та ремонту суднових технічних систем є актуальною через складність виявлення несправностей та необхідність своєчасної діагностики. Метою цього дослідження є розробка та впровадження інтелектуальної системи, що підвищує готовність механіка шляхом візуалізації 3D моделей форсунок і використання нечітких методів діагностики. Для вирішення поставлених завдань дослідження було проведено кілька ключових етапів. Спочатку було сформовано концептуальний опис інтелектуальної системи підтримки прийняття рішень механіка, який включає введення даних про симптоми несправностей, оцінку цих симптомів на основі заданих правил, генерацію рекомендацій та візуалізацію функцій належності. Основні елементи функціоналу системи включають: введення даних, де симптоми несправностей форсунок вводяться у вигляді набору параметрів; оцінку правил, які оцінюють вхідні дані на основі порогових значень для визначення рівнів серйозності симптомів; визначення рекомендацій, де система автоматично генерує рекомендації на основі оцінки правил; візуалізацію функцій належності через побудову графіків функцій належності для кожного правила діагностики; 3D моделювання, що включає створення 3D моделей форсунок для візуалізації пошкоджених компонентів та полегшення процесу діагностики. Наступним етапом було створення формально-логічної структури правил для ідентифікації несправностей форсунок на основі симптомів. Кожне з 15 правил оцінює симптоми на основі заданих порогових значень. На завершальному етапі було розроблено програмний засіб із функцією нечіткого висновку для підтримки прийняття рішень оператора-механіка. Програмний засіб автоматично оцінює симптоми та генерує рекомендації. Крім того, було візуалізовано функції належності для кожного правила діагностики, що полегшує розуміння результатів та дозволяє розробникам покращувати та гнучко налаштовувати систему. Експерименти показали, що розроблена система дозволяє знизити ризик помилок та підвищити ефективність ремонту форсунок. Тестування показало, що швидкість операцій при ремонті форсунок зросла на 22,5%. Система автоматично оцінює симптоми та генерує рекомендації для механіка, забезпечуючи своєчасне виявлення несправностей. Система забезпечує оперативність та гнучкість у використанні, дозволяючи механіку візуально ідентифікувати пошкоджені компоненти форсунок. Впровадження інтелектуальної системи сприяє зниженню ризику аварійних ситуацій та оптимізації процесу ремонту. Запропоновані методи можуть бути адаптовані для діагностики інших компонентів суднових технічних систем, що відкриває нові перспективи для подальших досліджень. Подальші дослідження передбачають інтеграцію з іншими системами моніторингу та управління судном, а також розширення функціоналу для діагностики інших компонентів суднових технічних систем. Планується впровадження динамічного відображення процесів ремонту та віртуальних засобів доповненої реальності для підвищення ефективності підготовки механіків.

Опис

Категорія журналу: Б

Бібліографічний опис

Nosov P., Hudz A., Ponomaryova V. Development of an intelligent system for enhancing mechanic readiness for the operation and repair of injectors with visualization of their 3d models. Науковий вісник Херсонської державної морської академії. 2024. № 1(28). С 134–151. DOI: https://doi.org/10.33815/2313-4763.2024.1.28.134-151

Endorsement

Review

Supplemented By

Referenced By