NAU Harvester System
Розробка метода отримання даних для навчання нейронних мереж визначенню технічного стану газоперекачувальних агрегатів
Репозитарій Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Розробка метода отримання даних для навчання нейронних мереж визначенню технічного стану газоперекачувальних агрегатів
Development of data obtaining method for neuron networks under classification of the technical condition of gas compress units |
|
| Creator |
КУЛИК, М.С.
ЯКУШЕНКО, О.С. ПОПОВ, О.В. МІРЗОЄВ, А.ДЖ. ЧУМАК, О.І. ОХМАКЕВИЧ, В.М. |
|
| Subject |
діагностування
нейронна мережа навчальна множина контрольна множина газотурбінний газоперекачувальний агрегат |
|
| Description |
One of the promising ways to increase the efficiency of assessing the technical condition of gas pumping units is the use of means and methods of artificial intelligence based on neural networks. In order to start functioning of such network, it should be trained first using the pre-defined training sets. These data should fully characterize work of the object in a wide range of operating modes and at various technical states of the diagnosticated assemblies. In addition, it is necessary to have a similar data set to monitor quality of the neural network learning. To train the network to recognize faults of one type, a set of from twenty to two hundred or more training examples is required. Obtaining such information in operation or in full-scale tests is a rather long or costly process. A method for acquisition of training and control data sets was proposed. The sets are intended to train static neural networks recognizing single and multiple faults of the s structural units of air-gas channels of gas turbine engines and gas pumping units. The method enables obtaining sets of working process parameters describing operation of objects at various technical states of an air-gas channel, effect of measurement errors and object functioning in a wide range of modes and external conditions. Composition of the pumped gas is additionally taken into account for gas pumping units. To obtain the required parameters, a mathematical model of the working process of the object of the second level of complexity was used. The sets characterize work of operable objects and objects with significant malfunctions in spools of compressors and turbines and in a combustion chamber and for the case of a gas pumping unit, in its supercharger. Two variants of formation of sets were considered: using the measured parameters of the working process; deviations of the measured parameters from their reference values and the parameters used as regime parameters in the mathematical model of the working process. This approach is aimed at the classification of the technical state of the object to the constructive node. Одним з перспективних шляхів підвищення ефективності оцінки технічного стану газоперекачувальних агрегатів є використання засобів та методів штучного інтелекту на базі нейронних мереж. Для того, що б така мережа почала працювати, її необхідно попередньо навчити, використовуючи заздалегідь підготовлені навчальні приклади. Ці дані повинні повно характеризувати роботу об'єкта в широкому діапазоні режимів роботи та при різному технічному стані вузлів, що діагностуються. Слід зазначати. що, необхідно мати аналогічний набір даних для контролю якості навчання нейронної мережі. Для якісного навчання мережі розпізнанню одного типу несправностей необхідно мати набір, що містить від 20-200 і більш навчальних прикладів. Одержання такої інформації в експлуатації або при стендових випробуваннях є досить тривалим або дорогим процесом. Розроблено метод одержання навчального і контрольного наборів даних. Набори призначені для навчання статичної нейронної мережі розпізнаванню одиночних і множинних несправностей конструктивних вузлів проточної частини газотурбінного двигуна й газоперекачувального агрегату. Метод дозволяє одержувати набори параметрів робочого процесу, що характеризують роботу об'єкта з різним технічним станом проточної частини, вплив помилок виміру та функціонування об'єкта в широкому діапазоні режимів і зовнішніх умов. Для газоперекачувального агрегату додатково враховується склад газу, що перекачується. Для одержання необхідних параметрів використовується математична модель робочого процесу об'єкта другого рівня складності. Набори характеризують роботу справних об'єктів і об'єктів, що мають значні несправності каскадів компресорів, турбін і камери згоряння, а, у випадку газоперекачувального агрегату, і його нагнітача. Розглянуто два варіанти формування наборів: з використанням вимірюваних параметрів робочого процесу об’єкту; з використанням відхилень вимірюваних параметрів від еталонних значень та параметрів, які використано як режимні у математичній моделі робочого процесу. Даний підхід дозволяє здійснювати класифікувати технічний стану об’єкту з глибиною діагностування до конструктивного вузла. |
|
| Date |
2019-09-30T07:07:56Z
2019-09-30T07:07:56Z 2019-09 |
|
| Type |
Article
|
|
| Identifier |
Кулик М. С. Розробка методу отримання даних для навчання нейронних мереж визначенню технічного стану газоперекачувальних агрегатів / М. С. Кулик, О. С. Якушенко, О. В. Попов, А. Дж. Мірзоєв, О. І. Чумак, В.М.Охмакевич// Вісник двигунобудування. Зб. наук. пр. –Запоріжжя: ОАО Мотор-Січ. – 2019. – № 2. –С. 70-81
http://er.nau.edu.ua/handle/NAU/40334 УДК 629.735.083.03.004.58:004.801.3(045) |
|
| Language |
uk
|
|
| Format |
application/pdf
|
|