Интернет конференция по проблемам теории и практики управленияНазвание: Применение полносвязной нейронной сети типа автокодировщик для диагностики технического состояния электромеханического привода
Автор: Георгий Максимович Авхименко
Аннотация:
. С начала 21-го века проводятся научные исследования в области автоматизированной диагностики электромеханических приводов различных летательных аппаратов. Производится разработка различных алгоритмов диагностики. Целью такого подхода является раннее обнаружение неисправностей в электромеханических приводах. Это позволяет избежать аварий и повысить безопасность полёта. Также это позволяет удеше-вить обслуживание летательных аппаратов. В настоящем научном исследовании пред-ставлена разработка алгоритма диагностики на основе нейронной сети типа автокоди-ровщик. Алгоритм позволяет анализировать техническое состояние электромеханическо-го привода беспилотного летательного аппарата. Алгоритм диагностики использует ме-тодику обнаружения аномалий и с точки зрения машинного обучения решает задачу обнаружения новизны. Вычислительные эксперименты проведены на данных, полученных в результате работы математической модели электромеханического привода. Применяемая модель позволила имитировать три вида неисправностей: люфт в соединительной муфте, недостаточное количество смазки и высокую силу сопротивления вращению. За степень неисправности отвечают три параметра деградации. Это позволило моделировать различные сценарии работы электромеханического привода. В статье приведено краткое описание классификации алгоритмов диагностики. Даны ссылки на научные работы по этим методам. Описаны используемая математическая модель, получаемые данные в результате её работы и рассматриваемой алгоритм на основе нейронной сети. Описана стратегия разделения данных на обучающую и тестовые выборки разных видов. Рассмотрена идея для создания диагностических признаков и описана методология их извлечения из многомерных временных рядов. Приведены результаты проверки качества работы ал-горитма на разных видах тестовых выборок и проведён анализ полученных результатов.
Ключевые слова:
обнаружение аномалий, автокодировщик, электромеханический привод, сервопривод, диагностика технического состояния, нейронная сеть
Автор: Георгий Максимович Авхименко
Аннотация:
. С начала 21-го века проводятся научные исследования в области автоматизированной диагностики электромеханических приводов различных летательных аппаратов. Производится разработка различных алгоритмов диагностики. Целью такого подхода является раннее обнаружение неисправностей в электромеханических приводах. Это позволяет избежать аварий и повысить безопасность полёта. Также это позволяет удеше-вить обслуживание летательных аппаратов. В настоящем научном исследовании пред-ставлена разработка алгоритма диагностики на основе нейронной сети типа автокоди-ровщик. Алгоритм позволяет анализировать техническое состояние электромеханическо-го привода беспилотного летательного аппарата. Алгоритм диагностики использует ме-тодику обнаружения аномалий и с точки зрения машинного обучения решает задачу обнаружения новизны. Вычислительные эксперименты проведены на данных, полученных в результате работы математической модели электромеханического привода. Применяемая модель позволила имитировать три вида неисправностей: люфт в соединительной муфте, недостаточное количество смазки и высокую силу сопротивления вращению. За степень неисправности отвечают три параметра деградации. Это позволило моделировать различные сценарии работы электромеханического привода. В статье приведено краткое описание классификации алгоритмов диагностики. Даны ссылки на научные работы по этим методам. Описаны используемая математическая модель, получаемые данные в результате её работы и рассматриваемой алгоритм на основе нейронной сети. Описана стратегия разделения данных на обучающую и тестовые выборки разных видов. Рассмотрена идея для создания диагностических признаков и описана методология их извлечения из многомерных временных рядов. Приведены результаты проверки качества работы ал-горитма на разных видах тестовых выборок и проведён анализ полученных результатов.
Ключевые слова:
обнаружение аномалий, автокодировщик, электромеханический привод, сервопривод, диагностика технического состояния, нейронная сеть