Registration Number
2125U003966, Article
popup.category
Опубліковано, Стаття
Title
APPROACH TO DATA DIMENSIONALITY REDUCTION AND DEFECT CLASSIFICATION BASED ON VIBRATION ANALYSIS FOR MAINTENANCE OF ROTATING MACHINERY
popup.author
Молчанова М. О.
Дідур В. О.
Мазурець О. В.
Molchanova M. O.
Didur V. O.
Mazurets O. V.
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/324317
popup.publisher
National University "Zaporizhzhia Polytechnic"
Description
Актуальність. Вирішується актуальна проблема ефективної інтелектуальної діагностики несправностей обертового обладнання. Об’єктом дослідження є процес зменшення розмірності даних та класифікації дефектів за аналізом вібрацій для технічного обслуговування обертових машин. Предметом дослідження є методи зменшення розмірності та класифікації дефектів за аналізом вібрацій.Мета роботи – створення підходу до зменшення розмірності даних та класифікації дефектів за аналізом вібрацій для технічного обслуговування обертових машинМетод. Запропоновано комплексний підхід до зменшення розмірності даних та класифікації дефектів за аналізом вібрацій, що вирішує задачу зменшення розмірності даних для навчання класифікаторів та класифікації дефектів, а також вирішено задачу побудови нейромережевого класифікатора, що спроможний забезпечити швидкість класифікації несправностей без втрати точності на даних зменшеної розмірності. Підхід відрізняється від існуючих можливістю застосування опційних операторів об’єднання та перетину при формуванні множини значущих ознак, що надає гнучкість та дозволяє адаптуватись до різних контекстів та типів даних, забезпечуючи ефективність класифікації у випадках даних великої розмірності.Метод для очищення від шуму дозволяє зберігати важливу інформацію, уникаючи надлишковості та покращуючи якістьданих для подальшого аналізу. Він передбачає обчислення співвідношення сигнал/шум, встановлення порогових значень та застосування швидкого перетворення Фур’є, що забезпечує виокремлення релевантних ознак від шумів. Використання методу LIME до множини моделей машинного навчання дозволяє визначити значущі ознаки з більшою точністю та інтерпретованістю. Це сприяє отриманню надійніших результатів, оскільки LIME допомагає зрозуміти вплив кожної ознаки на кінцеве рішення моделі, що особливо важливо при роботі з великими датасетами, де важливість окремих ознак може бути неочевидною. Впровадження опційних операторів об’єднання та перетину значущих ознак надає додаткову гнучкість у виборі підходу до визначення важливих ознак. Це дозволяє адаптувати метод до різних контекстів та типів даних, забезпечуючи ефективність навіть у випадках з великою кількістю ознак.Результати. Розроблений метод реалізовано програмно і досліджено при вирішенні задачі класифікації дефектів за аналізом вібрацій для технічного обслуговування обертових машин.Висновки. Проведені експериментальні дослідження підтвердили високу ефективність та працездатність запропонованого підходу для зменшення розмірності даних та класифікації дефектів за аналізом вібрацій в аспекті технічного обслуговування обертових машин. Перспективи подальших досліджень будуть направлені на пошуки альтернативних нейромережевих архітектур та їх навчання для зниження часу навчання.
popup.nrat_date
2026-02-26
