Класифікація нейронних мереж для технічного стану двоконтурного турбореактивного двигуна на основі гібридного алгоритму

Valentin Potapov

Анотація


Мета: Представлено метод діагностування технічного стану турбореактивного двоконтурного двигуна з використанням гібридного нейросетевого алгоритму на основі розробленого програмного забезпечення для аналізу даних отриманих в експлуатації. Методи: даний метод дозволяє виробляти діагностику двигуна з глибиною розпізнавання до конструктивного вузла при наявності як одиночних пошкоджень конструктивних вузлів проточної частини двигуна, так і багатогранних ушкоджень. Результати: представлені результати оптимізації структури нейронної мережі для вирішення завдань оцінки технічного стану проточної частини турбореактивного двоконтурного двигуна, при використанні її спільно з генетичними алгоритмами.


Ключові слова


діагностування; інтелект; проточна частина; турбореактивний двоконтурний двигун

Посилання


Panin V.V., Voznyuk A.P., Popov A.V., Sun Gaoyong (2005) Influence of gas turbine engine gar-air channel operational factors and damageability on its components. Proceedings of NAU. №2. P. 49-52.

Kulyk M. (2013) Method of formulating input parameters of neural network for diagnosing gas-turbine engines . M. Kulyk, S. Dmutriev, А. Popov, A. Yakushenko. Aviation – Vilnius: Technika, – №17(2). P. 52–56.

Korotka, L.I. (2012) Improving the efficiency of computational methods for modeling the behavior of constructions are the precipitated corrosion. Dis. of candidate of technical sciences: 01.05.02 . L.I. Ko¬rotka. Dnepr, 144 p.

Kuo J.-T., Wang Y.-Y., Lung W.-S. (2006) A hybrid neural-genetic algorithm for reservoir water quality management. Water Res.Apr. Vol. 40, no. 7. Pp. 1367-1376.

Saemi M., Ahmadi M., Varjani A. Y. (2007) Design of neural networks using genetic algorithm for the permeability estimation of the reservoir. Journal of Petroleum Science and Engineering. 2007. Vol. 59. Pp. 97-105.

Lotfi, E. (2014) A novel single neuron perceptron with universal approximation and XOR computation properties. E. Lotfi, M.-R. Akbar¬zadeh-T. Computational Intelligence and Neuroscience. Vol. 2014. P. 1–6.

Goldberg D.E., Lingle R. (1985) Alleles, Loci, and the Traveling Salesman Problem, Proceedings of the First International Conference on Genetic Algorithms and Their Application , pp. 154-159.

Wang L. (2005) A hybrid genetic algorithm-neural network strategy for simulation optimization. Applied Mathematics and Computation. Vol. 170. Pp. 1329-1343.

Morimoto Т., Ouchi Y., Shimizu M., Baloch M. S.(2007) Dynamic optimization of watering Satsuma mandarin using neural networks and genetic algorithms. Water Management. Vol. 93. Pp. 1-10.

Rutkovskaya D. (2006) Neural networks, genetic algorithms and fuzzy system per. from Polish. I.D. Rudinsky. D. Rutkovskaya, М. Pilinsky, L. Rutkowski. Hotline Telecom. 452 p.


Повний текст: PDF

Посилання

  • Поки немає зовнішніх посилань.


ISSN 2306-1472 (Online), ISSN 1813-1166 (Print)

Передплатний індекс 86179

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.

Ulrich's Periodicals DirectoryIndex CopernicusDOAJSSMРИНЦWorldCatCASEBSCOCrossRefBASEDRIVERНаціональна бібліотека ім. ВернадськогоНауково-технічна бібліотека НАУ