Статті

DOI: https://doi.org/10.31713/vt2202620

Анотація

У роботі досліджено можливості використання штучного інтелекту для діагностування стартерних свинцево-кислотних акумуляторних батарей транспортних засобів. Запропоновано інтегральний критерій оцінювання залишкового ресурсу, який враховує стан здоров’я (SoH), стан заряду (SoC), внутрішній опір, напругу холостого ходу (OCV) та струм холодного запуску (CCA). Вагові коефіцієнти показників визначено за допомогою платформ штучного інтелекту ChatGPT, Gemini та DeepSeek, використаних як експертні системи. Експериментальні дослідження проведено на акумуляторних батареях різного технічного стану із застосуванням тестера Foxsur FBT-300. Встановлено, що найбільший вплив на інтегральний показник мають стан здоров’я батареї та внутрішній опір. Отримано високий рівень кореляції між інтегральним критерієм і показником SoH, що підтверджує достовірність запропонованого підходу. За значенням інтегрального критерію батареї поділено на три групи: придатні до надійної експлуатації (0,60–1,00), придатні з обмеженнями (0,30–0,60) та непридатні для використання як стартерні (менше 0,30). Граничне значення показника залишкового ресурсу становить 0,287. Запропонована методика забезпечує комплексне оцінювання технічного стану акумуляторних батарей і може бути використана для автоматизації процесів діагностування на підприємствах автомобільного транспорту та станціях технічного обслуговування.

Біографії авторів