ВИКОРИСТАННЯ НЕЧІТКИХ НЕЙРОННИХ МЕРЕЖ В ЗАДАЧАХ КОНТРОЛЮ І ДІАГНОСТИКИ ТЕХНІЧНОГО СТАНУ АВІАЦІЙНОГО ДВИГУНА ТВ3-117 У ПОЛЬОТНИХ РЕЖИМАХ

Сергій Ігорович Владов, Віталій Михайлович Москалик, Надія Володимирівна Подгорних, Оксана Василівна Гусарова, Надія Петрівна Назаренко

Анотація


Предметом дослідження в статті є авіаційний двигун ТВ3-117 та методи контролю і діагностики його технічного стану. Мета роботи – обґрунтування використання нечіткої нейронної мережі Ванга-Менделя задля практичної реалізації нечітких експертних систем контролю і діагностики технічного стану авіаційних газотурбінних двигунів, зокрема, ТВ3-117, що ґрунтуються на використанні нечіткої логіки. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Висновки: Результати проведених досліджень показали, що штучні нейронні мережі і системи з нечіткою логікою схожі між собою, однак, кожна з них має свої переваги і недоліки. Даний висновок був узятий за основу при створенні нечітких нейронних мереж. Такі мережі будують рішення на основі апарату нечіткої логіки, проте функції приналежності налаштовуються за допомогою алгоритмів навчання штучних нейронних мереж. Крім того, такі мережі не тільки можуть навчатися, а й здатні враховувати апріорну інформацію. За своєю структурою нечіткі нейронні мережі схожі з багатошаровими мережами, наприклад, з мережею, яка навчається за алгоритмом зворотного поширення, але приховані шари в нечітких мережах відповідають етапам роботи нечіткої системи: перший шар виробляє введення нечіткості, виходячи із заданих ознак входів; другий шар визначає множину нечітких правил; третій шар виконує функцію приведення до чіткості. У кожному із зазначених шарів є набір параметрів, настройка яких проводиться так само, як і настройка звичайної нейронної мережі. Нечітка експертна система, реалізована за допомогою нечіткої нейронної мережі Ванга-Менделя, може бути використана в бортовій системі контролю і діагностики технічного стану авіаційних газотурбінних двигунів, зокрема вертолітних – ТВ3-117.
Ключові слова: авіаційний двигун, нейронна мережа, експертна система, нечітка логіка


Повний текст:

PDF 77-86

Посилання


Intelligent Control Systems / Vassilyev S. N., Kelina A. Yu, Kudinov Y. I., Pashchenko F. F. Procedia Computer Science. 2017. Vol. 103. Pр. 623–628.

Prokhorov D. V. Intelligent Control Systems Using Computational Intelligence. IEEE Transactions on Neural Networks. 2007. Vol. 18. Issue 2. Pp. 611–612.

Тармаев А. А. Обоснование способа идентификации и парирования характерных отказов и неисправностей аппаратуры автоматики двухдвигательной вертолетной силовой установки. Авиационная промышленность. 1999. № 1. С. 46–50.

Применение методов нечеткой кластеризации при решении задач диагностики авиационных двигателей / Афанасьевская В. Е., Радивоненко О. С., Соколов А. Ю., Угрюмов М. Л. Авиационно-космическая техника и технология. 2010. № 8 (75). С. 128–132.

Жернаков С. В. Интеллектуальный мониторинг и диагностика параметров газотурбинного двигателя гибридными экспертными системами. Автоматизация и современные технологии. 2001. № 12. С. 16–22.

Муслухов И. И., Жернаков С. В. Моделирование газодинамического тракта авиационного двигателя в бортовых условиях. Моделирование неравновесных систем 2006 : Сборник материалов всероссийского научного семинара, Красноярск, 2006. С. 75–76.

Жернаков С. В. Комбинированная диагностика и контроль параметров ГТД нейронечеткой гибридной экспертной системой. Радіоелектроніка, інформатика, управління. 2000. № 2. С. 55–67.

Єнчев С. В., Товкач С. С. Діагностування технічного стану авіаційних двигунів на основі нечіткої логіки. Науковий вісник Херсонської державної морської академії. 2013. № 1 (8). С. 216–224.

Васильев В. И., Жернаков С. В. Контроль и диагностика технического состояния авиационного двигателя на основе экспертных систем. Вестник УГАТУ. 2007. Т. 9. № 4 (22). С. 11–23.

Жернаков С. В., Равилов Р. Ф. Контроль и диагностика технического состояния авиационного двигателя на основе экспертной системы C-Priz. Вестник УГАТУ. 2012. Т. 16. № 6 (51). С. 3–11.

Жернаков C. B. Комплексная диагностика и контроль параметров ГТД в условиях неопределенности на базе нечеткой экспертной системы TILLShell 3+. Информационные технологии. 2000. № 8. С. 36–43.

Михайленко В. С., Харченко Р. Ю. Использование нечеткого алгоритма Такаги-Сугено в адаптивных системах управления сложными объектами. Штучний інтелект. 2011. № 2. С. 53–59.

Мищенко В. А., Коробкин А. А. Принципы нечеткой логики на примере нечетких нейронных сетей. Современные проблемы науки и образования. 2012. № 1. [Електронний ресурс]. – Режим доступу: https://www.science-education.ru/ru/article/view?id=5321 (дата звернення: 25.02.2021)

Mrowczynska M. Approximation abilities of neuro-fuzzy networks. Geodesy and Cartography. 2010. Vol. 59. № 1. Pp. 13–27.

Жернаков C. B. Параметрическая диагностика ГТД на базе гибридной нечеткой экспертной системы. Вестник Пермского государственного технического университета. Аэрокосмическая техника. 2000. № 5. С. 39–45.

Владов С. І., Шмельова Т. Ф., Шмельов Ю. М. Контроль і діагностика технічного стану авіаційного двигуна ТВ3-117 у польотних режимах за допомогою нейромережевих технологій : монографія. Кременчук : ПП Щербатих А. В., 2020. 200 с.

https://doi.org/10.35546/kntu2078-4481.2021.1.10


Посилання

  • Поки немає зовнішніх посилань.