Search academic texts

Registration Number

0525U000207, Doctoral dissertation

Status

Доктор технічних наук, 01.05.03, Математичне та програмне забезпечення обчислювальних машин і систем

Date

16-05-2025

popup.evolution

o

Title

Methods and means of monitoring helicopter turboshaft engines based on neural network technologies during their operation.

Author

Serhii I. Vladov, Кандидат технічних наук

popup.opponent Oleh M. Dmitriiev
popup.opponent Bohdan P. Rusyn
popup.opponent Yevgeniy V. Bodyanskiy

Description

У дисертації вирішено важливу науково-прикладну проблему підтримки безпеки польотів вертольотів в реальному часі шляхом розробки математичного і програмного забезпечення моніторингу і управління експлуатацією ГТД вертольотів в умовах льотної експлуатації часі. У роботі запропоновано метод моніторингу технічного стану та управління експлуатацією ГТД вертольотів у режимі льотної експлуатації. Метод базується на аналізі сучасного математичного та програмного забезпечення, типової архітектури експертних систем моніторингу та їх адаптації до вимог сучасних технологій. Розроблено нейромережеву модель для класифікації, діагностики, прогнозування та аналізу параметрів двигунів, що забезпечує достовірність визначення можливості здійснення польоту на рівні 99 %. Удосконалено методи класифікації, контролю, діагностики, прогнозування, налагодження, тренд-аналізу технічного стану ГТД вертольотів на основі модифікованих алгоритмів навчання і архітектур нейронних мереж, в яких, на відміну від існуючих, застосовано гібридні комбінації адаптивних елементів, що дозволило досягти точності 99,5 % зі зменшенням абсолютної похибки до 4,5 разів. Розроблено модель триканальної адаптивної програми управління (АПУ) із додатковим каналом регулювання частоти обертів ротора, що дозволило покращити показники якості каналів управління до 64,29 % порівняно з традиційними системами. Розвинуто нейро-нечіткі методи моніторингу, які дозволяють з високою точністю визначати зміни параметрів двигунів, зокрема витрату палива (99,2 %) і зміну ККД компресора (99,62 %). Удосконалено методи відновлення даних у разі відмови сенсорів за допомогою РБФ-мереж та фільтра Калмана, що забезпечує реконструкцію параметрів у реальному часі з похибкою не більше 0,762 %. Розроблено програмний засіб «MONITOR» для оперативного аналізу стану двигунів і прототип експертної системи, яка поєднує адаптивні модулі моніторингу та управління. Її застосування дозволило досягти рівня прийняття рішень щодо можливості експлуатації двигунів у 99,2 %, сприяючи підвищенню безпеки та ефективності експлуатації авіаційної техніки.

popup.nrat_date

2025-04-25