ОСОБЛИВОСТІ ТЕХНІЧНОЇ РЕАЛІЗАЦІЇ ШТУЧНОГО НЕЙРОНА ДЛЯ РОЗВ’ЯЗАННЯ ЗАДАЧ КОНТРОЛЮ І ДІАГНОСТИКИ ТЕХНІЧНОГО СТАНУ АВІАЦІЙНОГО ДВИГУНА ТВ3-117
Анотація
Розглядаються питання математичного моделювання нейрона і можливості його технічної реалізації, оскільки штучний нейрон – є базовою ланкою будь-якої нейронної мережі, зокрема, нейронної мережі, що використовується для контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах. Запропоновано шлях, що базується на розрядно-паралельної обробці числових даних (синапсів) з метою отримання точності вихідного сигналу нейронної мережі. Розроблена схема взаємодії операторів паралельного підсумовування потоків числових даних із загальною організацією обробки багаторозрядного перенесення, на якій базується безпосередньо алгоритм підсумовування чисел. Розглянуто принципи та запропоновано структуру побудови пристроїв паралельного підсумовування масивів числових даних в операційному базисі «пошук–вибірка» з обробкою та розбивкою загального перенесення на основний і додатковий і в операційному базисі «пошук–вибірка–запис–читання» з конвеєрним способом обробки багаторозрядного перенесення. Запропонований пристрій реалізації нейрона може служити новою елементною базою побудови нейрокомп’ютерів з більш високою швидкістю обробки біологічної інформації, розроблених на базі 64-розрядного міні-комп’ютера Raspberry Pi NanoPi M1 Plus з чотириядерним процесором Allwinner H3. Визначено, що за необхідності підвищення точності алгоритмів і ускладнення їх структури може призвести до збільшення числа штучних нейронів, і, відповідно, до збільшення кількості виконуваних обчислювальних операцій. У такому випадку доцільною є реалізація запропонованих алгоритмів на базі більш швидкісних обчислювальних пристроїв порівняно зі штатним мікроконтролером, що можуть бути реалізовані на основі цифрових сигнальних процесорів, програмованих логічних інтегральних схем або спеціалізованих процесорів.
Ключові слова: авіаційний двигун, нейронна мережа, штучний нейрон, розрядний зріз
Повний текст:
58-69 PDFПосилання
Ntantis E. L., Li Y. G. The impact of measurement noise in GPA diagnostics analysis of a gas turbine engine. International Journal of Turbo & Jet Engine. 2013. Vol. 30 (4). P. 401–408.
Liu X., Shi J., Qi Y., Yuan Y. Design for aircraft engine multi-objective controllers with switching characteristics. Chinese Journal of Aeronautics. 2014. Vol. 27. Issue 5. P. 1097–1110.
Васильев В. И., Жернаков С. В. Контроль и диагностика технического состояния авиационных двигателей на основе интеллектуального анализа данных. Вестник УГАТУ. 2006. Т. 7, № 2 (12). С. 71–81.
Жернаков С. В., Васильев В. И., Муслухов И. И. Бортовые алгоритмы контроля параметров ГТД на основе технологии нейронных сетей. Вестник УГАТУ. 2009. Т. 12, № 1 (30). С. 61–74.
Жернаков С. В. Применение технологии нейронных сетей для диагностики технического состояния авиационных двигателей. Интеллектуальные системы в производстве. 2006. № 2. С. 70–83.
Исмаилов Ш.-М. А., Поздняков Н. В. Математическая модель нейрона и возможности его технической реализации. Мониторинг. Наука и технологии. 2011. № 2. С. 63–72.
Колесниченко К. В., Колесниченко И. П. Математическая модель нейрона. Лесной вестник. 2005. № 4/2005. С. 107–116.
Диагностика состояния двигателя вертолета Ми-8МТВ с применением нейронных сетей / Ю. Н. Шмелев, С. И. Владов, С. Н. Бойко, Я. Р. Климова, С. Я. Вишневский. Вісник Хмельницького національного університету : науковий журнал. 2018. № 3.2018. С. 165–170.
Метод підвищення робасності нейромережевої моделі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 в польотних режимах / С. І. Владов, Ю. М. Шмельов, С. А. Грибанова, О. В. Гусарова, Н. В. Подгорних. Вісник Кременчуцького національного університету імені Михайла Остроградського. 2020. Вип. 1/2020 (120). С. 113–119.
Исмаилов Ш.-М. А. Вопросы организации вычислительных процессов в ЭВМ, функционирующих в комплексе систем счисления. Мониторинг. Наука и технологии. 2010. № 1. С. 49–55.
Исмаилов Ш.-М. А. Алгоритмы и устройства разрядно-параллельной обработки потоков числовых данных в недвоичных системах счисления. Мониторинг. Наука и технологии. 2010. № 3. С. 59–66.
Implementation of neural network algorithms for monitoring and diagnosing the technical condition of the aircraft engine TV3-117 using modern onboard computing devices / Y. Shmelov, S. Vladov, O. Kryshan, A. Tsarenko, A. Lashko, L. Chyzhova, L. Ivanchenko. 2019 IEEE 2nd Ukraine Conference on Electrical and Computer Engineering (UKRCON-2019), Lviv, Ukraine, 02–06 July 2019. 2019. Pp. 876–882.
Владов С. І. Розробка штучного нейрону для розв’язку задачі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117. Новітні технології сучасного суспільства (НТСС-2019) : матеріали Всеукраїнської науково-практичної конференції, 12 грудня 2019 р., Чернігів. 2019. С. 148–149.
https://doi.org/10.35546/kntu2078-4481.2020.3.7
Посилання
- Поки немає зовнішніх посилань.