Пошук академічних текстів

Реєстраційний номер

0825U002861, Дисертація доктора філософії

На здобуття

Доктор філософії, 133, Галузеве машинобудування

Дата захисту

15-08-2025

Статус

Запланована

Назва роботи

Підвищення безпеки експлуатації баштового крану за допомогою використання штучного інтелекту у керуючих системах

Здобувач

Дзержинський Ігор Віталійович,

Керівник Стефанов Володимир Олександрович
Опонент Коваленко Валентин Олександрович
Опонент Горбатюк Євгеній Володимирович
Рецензент Мойсеєнко Валентин Іванович
Рецензент Бабенко Андрій Олександрович

Опис

Об'єкт дослідження – процеси підвищення безпеки експлуатації баштових кранів з використанням інтелектуальних систем моніторингу, прогнозування та сигналізації. Метою дослідження є підвищення безпеки експлуатації баштового крану шляхом застосування штучного інтелекту в системах керування для проактивного запобігання аварійним ситуаціям, зумовленим конструктивними дефектами, людським фактором та впливом зовнішніх чинників. Для вирішення науково-практичних задач, поставлених в дисертаційному дослідженні, було застосовано комплексний підхід, що поєднує методи системного аналізу, теорії штучного інтелекту та експериментальної перевірки. При створенні підсистеми предиктивної діагностики застосовано методи цифрової обробки сигналів для аналізу даних з датчиків, а для класифікації технічного стану та виявлення дефектів на ранніх стадіях – нейромережеві моделі, зокрема багатошарові персептрони. Для вирішення задачі прогнозування небезпечних вітрових навантажень було використано методи глибокого навчання, а саме адаптивні рекурентні нейронні мережі, що здатні аналізувати часові ряди метеорологічних даних. Для розробки підсистеми розпізнавання психофізіологічного стану оператора використано методи комп'ютерного зору, зокрема алгоритми детектування об'єктів (каскади Гаара) та згорткові нейронні мережі для класифікації стану втоми та сонливості. У дисертаційній роботі отримано нове рішення науково-технічної задачі по підвищенню експлуатаційної безпеки та надійності баштових кранів шляхом створення та інтеграції інтелектуальних підсистем предиктивного обслуговування, розпізнавання сонливості та втрати уваги оператора в режимі реального часу, прогнозування вітрових навантажень з урахуванням локальних метеорологічних умов та динамічних характеристик крана. Науковими результатами дисертаційної роботи є вперше отримані закономірності зміни діагностичних параметрів технічного стану механізму повороту баштового крану, які дозволили розробити підсистему предиктивного обслуговування з використанням технології глибокого навчання нейронної мережі. Удосконалена математична модель підсистеми моніторингу психофізіологічного стану оператора баштового крану на основі методів машинного зору та математична модель прогнозування небезпечних вітрових навантажень на основі глибокого навчання нейронної мережі. Набув подальшого розвитку метод підвищення безпеки експлуатації баштових кранів в частині удосконалення системи керування, яка враховує технічний стан крану, психофізіологічного стану оператора та зовнішні фактори і використовує технології штучного інтелекту. Практичне значення одержаних результатів полягає у розробці архітектури та алгоритмів системи безпеки. Було створено три функціональні програмно-апаратні модулі для розпізнавання сонливості, прогнозування вітру та предиктивної діагностики, які можуть імплементуватися як окремо, так і в складі єдиної системи.

Додано в НРАТ

2025-07-10