В.И. Посметьев, В.О. Никонов, В.В. Посметьев
Скачать
№ 3 (39)
Лесоинженерное дело
Обосновано перспективное направление, повышающее эффективность функционирования лесовозного автомобильного транспорта при вывозке лесоматериалов, основанное на разработке и использовании в его конструкции различных рекуперативных механизмов. Выполнен анализ зарубежной литературы и описаны имеющиеся у авторов разработки и полученные результаты исследований в данной области. Проведена на основе математического моделирования параметрическая оптимизация восьми типов исследуемых рекуперативных энергосберегающих систем. Представлена схема вариантов оптимизации конструктивных параметров энергосберегающих систем, включающая в себя однофакторную, двухфакторную и многофакторную оптимизацию. Приведены алгоритмы многофакторной оптимизации конструктивных параметров и равномерного распределения заданного количества точек компьютерного эксперимента в многофакторном пространстве. Разработан математический аппарат равномерного распределения точек в многофакторном пространстве. Обоснован выбор нейросетевой аппроксимации для решения задачи многофакторной оптимизации. Представлена схема топологии искусственной нейронной сети. Разработан алгоритм исследования факторного пространства с помощью аппроксимирующей радиальной нейронной сети. Предложен метод многофакторной оптимизации, позволяющий обеспечить минимум компьютерных экспериментов, равномерно покрывающих многофакторное пространство при одновременно высокой детализации представления поверхностей отклика, и обеспечить поиск оптимальных областей факторного пространства. Выполнена оптимизация параметров восьми исследуемых рекуперативных энергосберегающих систем для лесовозного автомобильного транспорта.
лесовозный автомобильный транспорт, многофакторная оптимизация, энергосберегающие системы, рекуперация энергии, энергия рабочей жидкости, энергия сжатого газа, конструктивные параметры, вывозка лесоматериалов, нейронная сеть
Посметьев, В. И. Результаты многофакторной оптимизации параметров исследуемых энергосберегающих систем, применяемых в лесовозном автомобильном транспорте / В. И. Посметьев, В. О. Никонов, В. В. Посметьев // Лесотехнический журнал. – 2020. – Т. 10. – № 3 (39). – С. 104–123. – Библиогр.: с. 121–123 (20 назв.). – DOI: 10.34220/issn.2222-7962/2020.3/11
1. Modeling and Optimization Design of Hydraulically Interconnected Energy-regenerative Suspension / Chen Long, Zhang Chenglong, Wang Ruochen [et al.] // Nongye Jixie Xuebao. – 2017. – Vol. 48. – Iss. 1, January 25. – P. 303–308. – Bibliogr.: 20 titles. – DOI: 10.6041/j.issn.1000-1298.2017.01.040.
2. Simulation research of a hydraulic interconnected suspension based on a hydraulic energy regenerative shock absorber / Junyi Zou, Xuexun Guo, Lin Xu [et al.] // SAE Technical Paper 2018-01-1582, 2018. – 9 p. – Bibliogr.: 29 titles. – DOI: 10.4271/2018-01-0582.
3. Miss Adhav Madhuri Vilas. Modal analysis and investigation of torsion bar strength based on layer orientation angle using composite material / Miss AdhavMadhuri Vilas, D. S. Galhe, Hredaya Mishra // International Journal for Research in Applied Science Engineering Technology (IJRASET). – 2018. – Vol. 6. – Issue VII, July. – 16 p. – Bibliogr.: 8 titles. – DOI: 10.22214/ijraset.2018.7002.
4. Silva Bravo, R. R. Design and analysis of a parallel hydraulic-pneumatic regenerative braking system for heavy-duty hybrid vehicle / R. R. Silva Bravo, V. J. De Negri, A. A. M. Oliveira // Applied Energy. – 2018 – Vol. 225. – P. 60–77. – Bibliogr.: 55 titles. – DOI: 10.1016/j.apenegry.2018.04.102.
5. Energy efficiency analysis of drive integrated and energy recuperation system for hydraulic excavator boom / L. Xia, L. Quan, L. Ge, Y. Hao // Energ. Convers. Manage. – 2018. – Vol. 156. – P. 680–687. – Bibliogr.: 36 titles. – DOI: 10.1016/j.enconman.2017.11.074.
6. Lu, L. Energy-saving adaptive robust control of a hydraulic manipulator using five cartridge valves with an accumulator / L. Lu, B. Yao // IEEE T. Ind. Electron. – 2014. – Vol. 61(12). – P. 7046–7054. – Bibliogr.: 27 titles. – DOI: 10.1109/TIE.2014.2314054.
7. Посметьев, В. И. Результаты компьютерного моделирования движения лесовозного автопоезда с рекуперацией энергии в его подвеске / В. И. Посметьев, В. О. Никонов, В. В. Посметьев // Лесотехнический журнал. – 2018. – № 3. – С. 176–187. – Библиогр.: 17 назв. – DOI: 10.12737/article_5b97a15dc46998.19876487.
8. Посметьев, В. И. Результаты компьютерного моделирования рекуперативного тягово-сцепного устройства лесовозного автомобиля с прицепом / В. И. Посметьев, В. О. Никонов, В. В. Посметьев // Лесной журнал. – 2019. – № 4. – С. 108–123. – Библиогр.: 20 назв. – DOI: 10.17238/issn0536-1036.2019.4.108.
9. Результаты компьютерного моделирования функционирования пневматической подсистемы рекуперативного гидропривода лесовозного тягача с полуприцепом / В. И. Посметьев, В. О. Никонов, В. В. Посметьев, В. А. Зеликов // Лесотехнический журнал. – 2020. – № 1. – С. 233–243.– Библиогр.: 12 назв. – DOI: 10.34220/issn.2222-7962/2020.1/17.
10. Nikonov, V. O. The results of simulation modeling of the operation of the regenerative fifth wheel hitch of a timber trailer / V. O. Nikonov, V. I. Posmetev, V. V. Posmetev // IOP Conference Series: Materials Science and Engineering 656 (2019) 012039, 8 p. – DOI: 10.1088/1757-899X/656/1/012039.
11. Аренс, Х. Многомерный дисперсионный анализ / Х. Аренс, Ю. Лёйтер ; пер. с нем. – Москва : Финансы и статистика, 1985. – 230 с. – Библиогр.: с. 221–225.
12. Дегтярев, Ю. И. Методы оптимизации : учеб. пособие для вузов / Ю. И. Дегтярев. – Москва : Советское радио, 1980. – 272 с. – Библиогр.: с. 262–263.
13. Адлер, Ю. П. Планирование эксперимента при поиске оптимальных решений : учеб. пособие / Ю. П. Адлер, Е. В. Маркова, Ю. В. Грановский. – Москва : Наука, 1976. – 279 с. – Библиогр.: с. 92.
14. Осовский, С. Нейронные сети для обработки информации / С. Осовский. – Москва : Финансы и статистика, 2004. – 344 с. – Библиогр.: с. 330–339.
15. Горбань, А. Н. Нейронные сети на персональном компьютере / А. Н. Горбань, Д. А. Россиев. – Новосибирск : Наука, 1996. – 278 с.– Библиогр.: с. 258–272.
16. Еремин, Д. М. Искусственные нейронные сети в интеллектуальных системах управления / Д. М. Еремин, И. Б. Гарцеев. – Москва : МИРЭА, 2004. – 75 с. – Библиогр.: с. 73–75. – ISBN 5-7339-0423-2.
17. Круглов, В. В. Искусственные нейронные сети: Теория и практика / В. В. Круглов, В. В. Борисов. – Москва : Горячая линия – Телеком, 2001. – 382 с. – Библиогр.: с. 377–378.
18. Нейросетевые системы управления / В. А. Терехов, Д. В. Ефимов, И. Ю. Тюкин, В. Н. Антонов. – Санкт-Петербург : Издательство С.-Петербургского университета, 1999. – 265 с. – Библиогр.: с. 260–263.
19. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – 2-е изд. – Москва : Вильямс, 2006. – 1104 с. – Библиогр.: с. 996–1069.
20. Потапов, А. С. Распознавание образов и машинное восприятие: Общий подход на основании принципа минимальной длины описания / А. С Потапов. – Санкт-Петербург : Политехника, 2007. – 548 с. – Библиогр.: с. 527–548.