XIV Міжнародна наукова інтернет-конференція ADVANCED TECHNOLOGIES OF SCIENCE AND EDUCATION

Русский English




Научные конференции Наукові конференції

Самуляк С.Т. ВИКОРИСТАННЯ НЕЙРОМЕРЕЖ ДЛЯ ДІАГНОСТУВАННЯ ГАЗОТУРБІННИХ ДВИГУНІВ

ІВАНО-ФРАНКІВСЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ НАФТИ І ГАЗУ
Самуляк Степан Тарасович
Аспірант кафедри комп’ютерних систем та мереж

ВИКОРИСТАННЯ НЕЙРОМЕРЕЖ ДЛЯ ДІАГНОСТУВАННЯ ГАЗОТУРБІННИХ ДВИГУНІВ

Сьогодні принципи штучних нейромереж широко застосовуються у різноманітних галузях. Нейромережі являють собою алгоритмічні системи, що використовуються у вигляді апаратного або програмного забезпечення. В основу їх концепції полягло те, як біологічний мозок обробляє інформацію.
Нейромережа складається з нейронів та зважених зв’язків між ними. Нейрони обробляють інформацію на вході за допомогою передавальної функції та передають результат по вихідних зв’язках. Типово нейрони організовані в шари – кожний шар має власні входи і виходи, по яких інформація передається від попереднього і до наступного шару. Перший і останній шари штучної нейромережі називають вхідним і вихідним відповідно, оскільки вони отримують інформацію поза межами нейромережі і виводять дані за її межі. Усі проміжні шари називають прихованими – вони взаємодіють лише з іншими шарами нейромережі [1].
Одним з найпоширеніших методів навчання нейромережі є навчання за допомогою зворотнього зв’язку. Нейромережа обробляє набір даних і фактичний результат її роботи порівнюється із очікуваним результатом. Виходячи із різниці між ними робиться налаштування зважених зв’язків починаючи з кінцевого шару нейронів, яке триває до тих пір, поки різниця між результатами не буде мінімізована до потрібних значень.
Нейромережі досить часто фігурують у наукових проектах та розробках вітчизняних та закордонних науковців, які стосуються проблеми діагностування газотурбінних двигунів.
Аналіз відмов компонентів двигуна можна проводити, використовуючи традиційні методи газового аналізу. Проте, через те, що типи і види відмов різноманітні і складні, використання тільки одного підходу газового аналізу для виявлення помилок недостатньо. Тому, для вирішення цієї проблеми доцільно комбінувати газовий аналіз із використанням нейромереж, які можуть сприймати інформацію та оновлюватися по мірі навчання [2].
Для навчання нейромережі необхідно сформувати всеохоплюючий і реалістичний набір даних, який повинен містити інформацію про нормальний, а також усі можливі дефектні машинні стани. Під час тривалих досліджень було встановлено, що дефектні умови повинні відповідати наступним критеріям:
- умови повинні бути реалістичними і зустрічатися при експлуатації індустріальних газотурбінних двигунів;
- відмови повинні розповсюджуватися на головні компоненти двигуна, тобто компресор, камеру згорання і турбіну;
- відмовами можуть бути звичайне погіршення машинної роботи, а також машинні поломки;
- помилки можуть фактично бути змодельовані за допомогою доступних інструментальних засобів і реалістичним способом.
Після завершення процесу навчання, нейромережа в змозі продіагностувати стан газової турбіни за новими даними, які не використовувалися під час навчання.
Засновані на нейромережах системи діагностування відмов здатні ідентифікувати і виділяти помилку з високою імовірністю успіху. Крім того, такі системи також здатні ідентифікувати багато типів дефектів на ранній стадії, перш, ніж вони будуть повністю розвинені і стануть очевидними. Також було встановлено, що нейромережі більш ефективні для діагностування відмов в газотурбінних двигунах при повному навантаженні, ніж при частковому у зв'язку з нелінійною зміною стану компонентів установки [3].
Але не дивлячись на розвиток теорії нейромереж та методів газового аналізу, втручання досвідченого інженера все ще робить процес діагностики більш гнучким і збільшує можливості розпізнавання відмов як при повному, так і при частковому навантаженні.
Література:
1. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика.
2. J. Arriagada, M. Genrup1, A. Loberg, M. Assadi. Fault Diagnosis System For An Industrial Gas Turbine By Means Of Neural Networks.
3. C. Kong, J. Ki, M. Kang, S. Kho. A Study On Intelligent Performance Diagnostics Of a Gas Turbine Engine Using Neural Networks.

e-mail: scipion.st@gmail.com


Залиште коментар!

Дозволено використання тегів:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <code> <em> <i> <strike> <strong>