NAU Harvester System
Використання штучного інтелекту для прогностичного обслуговування літальних апаратів
Репозитарій Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Використання штучного інтелекту для прогностичного обслуговування літальних апаратів
|
|
| Creator |
Галушко, Єгор Віталійович
|
|
| Subject |
штучний інтелект
прогнозування літак дипломна робота технічне обслуговування технології |
|
| Description |
Робота публікується згідно наказу ректора від 29.12.2020 р. №580/од "Про розміщення кваліфікаційних робіт вищої освіти в репозиторії НАУ" . Керівник проекту: доцент, к. т. н. Хімко Андрій Миколайович.
У процесі експлуатації повітряних суден (ПС), можливе виникнення несправностей різного характеру, які можуть спричинити непередбачувані наслідки, у результаті чого можливе виникнення аварійної або катастрофічної ситуацій. Тому гостро стоїть питання безпеки польотів (БП). Існує ряд факторів, які впливають на БП літальних апаратів (ЛА), такі як: характерні та не характерні несправності системи або систем ПС, якість технічного обслуговування (ТО) та рівень майстерності екіпажу, тощо. Завдяки статистиці появ непередбачуваних польотних ситуацій, можливо відокремити, як найвагоміші, фактори несправності систем та якості проведення ТО. Відсутність діагностування, ігнорування, невчасне усунення несправностей ПС може призвести до певних відхилень від нормальних параметрів роботи систем та обмежити або зменшити термін служби агрегатів та обладнання. Отже, вчасне виявлення та усунення несправностей – це необхідна умова забезпечення БП з нагальним пріоритетом. Для забезпечення покращення якості та ефективності діагностування та моніторингу технічного стану (ТС) агрегатів та систем ПС використовують штучний інтелект (ШІ), спеціалізовані системи прогнозування ТС ПС. Тому важливим напрямком досліджень у сфері ШІ є створення концепції самонавчальних моніторингів стану ПС з метою прогнозування їх подальшого стану. Така концепція заснована на двох різних процесах (моніторинг стану і прогнозування стану), які працюють разом. Обидва процеси використовують дерева рішень для прийняття рішень. У процесі моніторингу стану завдання полягає в тому, щоб вирішити, який стан представляють дані датчика, а в процесі прогнозування стану завдання полягає в тому, щоб вирішити, як саме прогнозувати точки даних. Обидва завдання вирішуються деревом рішень. |
|
| Date |
2021-03-15T11:04:56Z
2021-03-15T11:04:56Z 2020-12 |
|
| Type |
Learning Object
|
|
| Identifier |
https://er.nau.edu.ua/handle/NAU/48716
|
|
| Language |
uk
|
|
| Format |
application/pdf
|
|
| Publisher |
Національний авіаційний університет
|
|