Розробка нейромережевого підходу для управління ризиками при діагностиці технічного стану гелікоптерів
DOI:
https://doi.org/10.15587/1729-4061.2024.312345Ключові слова:
двигун гелікоптера, цифровий двійник (ЦД), управління ризиками, нейронна мережа, імітаційна модельАнотація
Об’єктом дослідження є якість технічного обслуговування гелікоптерів на основі цифрових засобів діагностики. Для забезпечення необхідної якості запропоновані моделі кількісної оцінки ризиків для системи поглибленої та експрес-діагностики газотурбінних двигунів гелікоптерів у нейромережевому середовищі. Оцінка ефективності діагностики ґрунтується на аналізі ймовірних ризиків контролю за середньоквадратичними відхиленнями, що відрізняє запропонований підхід від традиційного. Розглянуто два режими діагностики: експрес-діагностика на прикладі вібродіагностики та поглиблена діагностика, що включає як вібродіагностику, так і пірометричний контроль. Дані методи діагностики дозволяють реалізувати систему віддаленого моніторингу на авіаремонтних підприємствах, що суттєво знижує трудомісткість технічного обслуговування. В результаті було встановлено, що контрольні ризики залежать не тільки від метрологічного рівня засобів вимірювань, а й від сукупності статистичної природи засобів контролю в складі їх систем за такими характеристиками: статистичні параметри контрольованого показника, закони розподілу та значення похибки засобів вимірювань, а також похибка контрольних нормативів (допусків). У процесі моделювання ризики оцінювалися як функція відношення похибок засобів вимірювань до похибки контрольованого параметра за різних значень нормативу (допуску). Такий підхід дозволить на практиці створити більш ефективну систему моніторингу та збору статистичної інформації про експлуатаційну надійність двигуна гелікоптера Мі-8, де якість контролю прогнозується більшою мірою на основі метрологічних показників засобів та методів вимірювань
Посилання
- On approval of the Concept for the development of artificial intelligence for 2024–2029. Information and legal system of regulatory legal acts of the Republic of Kazakhstan. Available at: https://adilet.zan.kz/rus/docs/P2400000592
- Sreenatha, M., Mallikarjuna, P. B. (2023). A Fault Diagnosis Technique for Wind Turbine Gearbox: An Approach using Optimized BLSTM Neural Network with Undercomplete Autoencoder. Engineering, Technology & Applied Science Research, 13 (1), 10170–10174. https://doi.org/10.48084/etasr.5595
- Prommachan, W., Surin, P., Srinoi, P., Pipathattakul, M. (2024). Selection Criteria for Evaluating Predictive Maintenance Techniques for Rotating Machinery using the Analytic Hierarchical Process (AHP). Engineering, Technology & Applied Science Research, 14 (1), 13058–13065. https://doi.org/10.48084/etasr.6816
- Martins, J. A., Romao, E. C. (2024). Fracture Analysis of a Cycloidal Gearbox as a Yaw Drive on a Wind Turbine. Engineering, Technology & Applied Science Research, 14 (1), 12640–12645. https://doi.org/10.48084/etasr.6613
- Molina-Jorge, Ó., Terrón-López, M.-J., Latorre-Dardé, R. (2024). A Quantitative Assessment Approach to Implement Pneumatic Waste Collection System Using a New Expert Decision Matrix Related to UN SDGs. Applied Sciences, 14 (18), 8306. https://doi.org/10.3390/app14188306
- Fundamentals of Intelligent Neural Networks (2017). Available at: https://neural.radkopeter.ru/chapter/%D0%BE%D1%81%D0%BD%D0%BE%D0%B2%D1%8B-%D0%B8%D0%BD%D1%81/
- Nayt, F. H. (2003). Risk, Uncertainty, and Profit. Moscow. Available at: https://elib.hse.ru/incoming/docs/book5774903060.pdf
- EUROCHEM/CITAC Guide "Quantifying Uncertainty in Analytical Measurements" (2000).
- IEC 31010:2019. Risk management – Risk assessment techniques.
- Marzhan, Y., Talshyn, K., Kairat, K., Saule, B., Karlygash, A., Yerbol, O. (2022). Smart technologies of the risk-management and decision-making systems in a fuzzy data environment. Indonesian Journal of Electrical Engineering and Computer Science, 28 (3), 1463. https://doi.org/10.11591/ijeecs.v28.i3.pp1463-1474
- Alibekkyzy, K., Koshekov, K., Keribayeva, T., Akayev, A., Baidildina, A. (2023). Robust Data Transfer Paradigm Based on VLC Technologies. Trudy Universiteta. https://doi.org/10.52209/1609-1825_2023_2_397
- Ainakulov, Z., Pirmanov, I., Koshekov, K., Astapenko, N., Fedorov, I., Zuev, D., Kurmankulova, G. (2022). Risk Assessment of the Operation of Aviation Maintenance Personnel Trained on Virtual Reality Simulators. Transport and Telecommunication Journal, 23 (4), 320–333. https://doi.org/10.2478/ttj-2022-0026
- Negri, E., Fumagalli, L., Macchi, M. (2017). A Review of the Roles of Digital Twin in CPS-based Production Systems. Procedia Manufacturing, 11, 939–948. https://doi.org/10.1016/j.promfg.2017.07.198
- Tao, F., Zhang, H., Liu, A., Nee, A. Y. C. (2019). Digital Twin in Industry: State-of-the-Art. IEEE Transactions on Industrial Informatics, 15 (4), 2405–2415. https://doi.org/10.1109/tii.2018.2873186
- Jordan, M. I., Bishop, C. M. (1996). Neural networks. ACM Computing Surveys, 28 (1), 73–75. https://doi.org/10.1145/234313.234348
- Baumont, C., Ertur, C., Le Gallo, J. (2000). Convergence des régions européennes (une approche par l’économétrie spatiale). HAL. Available at: https://hal.science/hal-01526961/document
- Ainakulov, Z., Koshekov, K., Astapenko, N., Pirmanov, I., Koshekov, A. (2023). The experience of introducing digital twins into the educational process on the example of training in the repair of aircraft equipment units. Journal of Theoretical and Applied Information Technology, 101 (12), 5123–5134. Available at: http://www.jatit.org/volumes/Vol101No12/24Vol101No12.pdf
- Vintizenko, I., Tcherkasov, A. (2010). Diadich Quantitative Risks of Chains of Consecutive Economic Projects. Bulletin of the Adyge State University, 4, 63–69.
- Nahar, S., Inder, B. (2002). Testing convergence in economic growth for OECD countries. Applied Economics, 34 (16), 2011–2022. https://doi.org/10.1080/00036840110117837
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Kayrat Koshekov, Ildar Pirmanov, Saltanat Kenbeilova, Abay Koshekov, Rustam Togambayev, Beglan Toiganbayev
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
