Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003965, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи ЛЕГКОВІСНИЙ БАГАТОМАСШТАБНИЙ ЗГОРТКОВИЙ ТРАНСФОРМЕР ДЛЯ ДІАГНОСТИКИ НЕСПРАВНОСТЕЙ ЛІТАЛЬНИХ АПАРАТІВ ЗА ДОПОМОГОЮ ВІБРАЦІЙНОГО АНАЛІЗУ Автор Діденко Андрій Є.Діденко Артем Є.Субботін С. О.Didenko Andrii Y.Didenko Artem Y.Subbotin S. A. Дата публікації 10-04-2025 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/324172 Видання National University "Zaporizhzhia Polytechnic" Опис 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 Додано в НРАТ 2026-02-26 Закрити