Search academic texts

Information × Registration Number 2125U003965, Article popup.category Опубліковано, Стаття Title LIGHTWEIGHT MULTI-SCALE CONVOLUTIONAL TRANSFORMER FOR AIRCRAFT FAULT DIAGNOSIS USING VIBRATION ANALYSIS popup.author Діденко Андрій Є.Діденко Артем Є.Субботін С. О.Didenko Andrii Y.Didenko Artem Y.Subbotin S. A. popup.publication 10-04-2025 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/324172 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Діагностика несправностей обертових механізмів, особливо в авіації, відіграє важливу роль в системахмоніторингу стану. Своєчасне і точне виявлення несправностей може значно знизити вартість ремонту і збільшити термін служби механізму. Для ефективного виявлення несправностей використовуються інтелектуальні методи, які базуються на традиційних методах машинного та глибинного навчання. Об'єктом дослідження є процес виявлення несправностей в авіаційних апаратах на основі аналізу вібрацій.Метою роботи є розробка методу глибинног навчання для діагностики несправностей обертових машин з високою точністю.Метод. Запропонований метод використовує архітектуру трансформера. Першим етапом обробки сигналу вібрації є багатомасштабне вилучення ознак. Цей етап дозволяє моделі розглядати вхідні сигнали в різних масштабах і зменшити впливи шуму. Другий етап – згорткова нейронна мережа з трансормером. Згортка була додана до трансформеру, щоб поєднати локальність і вилучення ознак далеких залежностей. Механізм самоуваги трансормеру було змінено на механізм канальної уваги, що зменшує кількість параметрів, але зберігає силу уваги. Щоб підсилити цю ідею, аналогічні зміни були зроблені в позиційній мережі прямого поширення.Результати. Запропонований метод протестовано на наборі даних з вібраціями авіаційного апарату. Для тестування було обрано дві умови: обмеженість обсягу даних та зашумлене середовище. Обмеженість обсягу даних імітується шляхомвикористання невелої кількості вибірок до навчального набору даних (максимум 10 на клас). Умова зашумленого середовища імітується шляхом додавання гауссівського шуму до вихідного сигналу. Згідно з отриманими результатами, запропонований метод досягає високої середньої точності при невеликій кількості параметрів. Експерименти також показують важливість запропонованих модулів і змін, підтверджуючи припущення про процес вилучення ознак.Висновки. Результати проведених експериментів показують, що запропонована модель може виявляти несправності змайже ідеальною точністю, навіть при невеликій кількості параметрів. Запропонована легковісна модель є стійкою в умовах обмеженого обсягу даних та зашумленого середовища. Перспективами подальших досліджень є розробка швидких і точних нейронних мереж для діагностики несправностей та розробка методів навчання на обмежених обсягах даних popup.nrat_date 2026-02-26 Close