Диагностирование технического состояния объектов, выполняющих преобразования сигналов с использованием искусственных нейронных сетей | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 20 марта, печатный экземпляр отправим 24 марта.

Опубликовать статью в журнале

Авторы: ,

Рубрика: Технические науки

Опубликовано в Молодой учёный №38 (276) сентябрь 2019 г.

Дата публикации: 17.09.2019

Статья просмотрена: 33 раза

Библиографическое описание:

Букирёв, А. С. Диагностирование технического состояния объектов, выполняющих преобразования сигналов с использованием искусственных нейронных сетей / А. С. Букирёв, А. Ю. Савченко. — Текст : непосредственный // Молодой ученый. — 2019. — № 38 (276). — С. 67-69. — URL: https://moluch.ru/archive/276/62451/ (дата обращения: 07.03.2021).



Основной целью диагностирования технического состояния (ТС) является оптимальная организация процессов оценки ТС объектов и систем различной сложности. В настоящее время уменьшение экономических и трудовых затрат, сокращение времени поиска и установления причины отказа того или иного элемента системы, увеличение сложности алгоритмов и систем диагностики вызывает интерес к разработке методов и средств технической диагностики (ТД), требующих минимальных затрат на их проектирование и реализацию, а также простоту функционирования [1].

Наибольшей популярностью при решении задач ТД все чаще начинают пользоваться интеллектуальные системы, построенные на базе алгоритмов функционирования искусственных нейронных сетей (ИНС) различной архитектуры построения и специфики выполняемых задач. В данной работе рассмотрен принцип диагностирования объектов, выполняющие различные преобразования сигналов с использованием ИНС, суть функционирования которых заключается в построении неявно-выделенной функциональной зависимости данных выходных сигналов объекта контроля (ОК) от входных сигналов, тем самым решая неформализуемую задачу без априорного определения алгоритма функционирования. Рассмотрим модель выпрямительного устройства, реализованного в пакете «Simulink» среды объектно-ориентированного программирования Matlab, представленного на рисунке 1.

Рис. 1. Модель выпрямительного устройства: 1 — выпрямительные диоды; 2 — источник переменного тока; 3 — резистор; 4 — конденсатор; 5 — измерительные вольтметры; 6 — блок сбора обучающих входных данных; 7 — блок сбора обучающих выходных данных; 8 — осциллограф

В исправном состоянии модели выпрямительного устройства с помощью блоков «Inp» и «Out» осуществляется генерация массива эталонных обучающих данных в рабочую область Matlab при инициализации одного цикла функционирования, заданного временным рядом. После чего осуществляется обучение нейронной сети на основе обучающей выборки.

Далее производится создание двухслойной сети Элмана с массивом входов и диапазоном значений [minmax(p)], которая имеет 100 нейронов в скрытом слое и функцией активации tansig (гиперболический тангенс) и одним нейроном в выходном слое с линейной функцией активации purelin. При обучении был выбран обучающий алгоритм «Levenberg-Marquardt». Указанная сеть формируется с помощью команды:

net=newff([minmax(p)], [100 1]), затем выполняется обработка массивов обучающей выборки:

  1. Создание сети: Y=sim(net,Inp);
  2. Задание количества циклов обучения, после которых будет завершено обучение сети: net.trainParam.epoch=500;
  3. Задание интервала вывода информации: net.trainParam.show=100;
  4. Команда для выполнения процедуры обучения:
  5. net=train(net,Inp,Out);
  6. Моделирование спроектированной сети: Y=sim(net,Inp).

Завершив алгоритм обучения, структурный блок ИНС включается параллельно ОК для оценки расхождения преобразованного сигнала (рис. 2, 3).

схема

Рис. 2. Включение ИНС на параллельную работу ОК

134141а

Рис. 3. График эталонного сигнала, преобразованного ИНС

Анализ графика, представленного на рисунке 3, позволяет сделать вывод о том, что такая ИНС в полной мере воспроизводит и справляется с решением задач аппроксимации функциональных зависимостей.

При возникновении неисправности в модели выпрямительного устройства, наложение сигнала от выпрямительного устройства на сигнал от ИНС позволит зафиксировать и вычислить величину отклонения напряжения выпрямительного устройства от допустимой величины, в соответствии с формулой (1) и рисунком 4.

, (1)

где — верхняя (нижняя) граница сигнала от выпрямительного устройства; — установившееся значение сигнала, преобразованного ИНС.

СнимокЫВпывар

Рис. 4. Вычисление отклонения сигнала от эталонного значения

Таким образом, применение ИНС в задачах технической диагностики позволяет решать группы неформализуемых задач без априорного определения алгоритма решения с незначительной затратой трудовых и экономических ресурсов. В ближайшей перспективе интеллектуальные системы позволят осуществлять диагностику ТС объектов различной сложности и архитектуры, являясь унифицированными интеллектуальными диагностическими системами, инвариантными к любым классам и видам используемой информации.

Литература:

  1. Веселов О. В., Методы искусственного интеллекта в диагностике: учебное пособие / О. В. Веселов, П. С. Сабуров; Владимирский гос. ун-т им. А.Г. и Н. Г. Столетовых. ‒ Владимир: Изд-во ВлГУ, 2015. ‒ 251 с.
Основные термины (генерируются автоматически): выпрямительное устройство, блок сбора, обучающая выборка, ОКА, различная сложность, техническая диагностика.


Похожие статьи

Автоматизация технического диагностирования аналоговых...

Здесь сравниваются различные характеристики заведомо исправного изделия и не исправного. Сложность его применения заключается в необходимости присутствия «эталонного» блока и комбинации его применения с другими методами для оперативной диагностики.

Анализ способов выбора эффективного набора признаков для...

Многообразие признаков и их характеристик еще раз подтверждает сложность задачи выбора наиболее оптимальных и эффективных признаков, от успешного решения которой зависит и эффективность системы распознавания в целом.

Анализ методов распознавания образов | Статья в журнале...

Существует множество методов распознавания образов на изображениях. Понимание данных методов важно для решения различного рода задач. Во-первых, важно понимание теории распознавания образов.

Модульные принципы моделирования работы бортовой...

В статье описываются особенности постановки задачи автоматизированного анализа состояния бортовой радиотелеметрической системы космического аппарата. Рассматриваются принципы её решения, основывающиеся на реализации сетевых моделей типа «нейросетей»...

Системы встроенного контроля для интегрированного комплекса...

Разные ЭП требуют разных затрат на их реализацию и могут давать разную информацию о техническом состоянии объекта.

Согомонян, Е. С. Самопроверяемые устройства и отказоустойчивые системы / Е. С. Согомонян, Е. В. Слабоков.

Алгоритмы обработки информации в системе технического...

Среди различных способов очувствления промышленных роботов своей информативностью выделяются системы визуального очувствления, иначе системы технического зрения (СТЗ). Они могут выполнять различные функции: идентификацию объектов работы...

Автоматизация верификации блоков электронных устройств...

Все современные космические аппараты имеют в своем составе систему наведения антенн и систему поворота батареей солнечной. Различия между этими системами заключается в использовании различных двигателей и датчиков угла.

Разработка программного модуля для сбора и анализа...

Ключевые слова: автомобили, диагностика, OBD-II. Автомобили давно стали неотъемлемой частью современного мира. Количество автомобилей постоянно растет, они уже давно стали доступным и удобным средством передвижения для огромного числа людей.

К задаче распознавания образов без учителя в технической...

Ключевые слова: распознавание образов без учителя, техническая диагностика, таксономия, классификация. Введение.

Алгоритм кристаллизации. Пусть имеется выборка наблюдений многомерной переменной , где m — размерность переменной x, — объем выборки.

Похожие статьи

Автоматизация технического диагностирования аналоговых...

Здесь сравниваются различные характеристики заведомо исправного изделия и не исправного. Сложность его применения заключается в необходимости присутствия «эталонного» блока и комбинации его применения с другими методами для оперативной диагностики.

Анализ способов выбора эффективного набора признаков для...

Многообразие признаков и их характеристик еще раз подтверждает сложность задачи выбора наиболее оптимальных и эффективных признаков, от успешного решения которой зависит и эффективность системы распознавания в целом.

Анализ методов распознавания образов | Статья в журнале...

Существует множество методов распознавания образов на изображениях. Понимание данных методов важно для решения различного рода задач. Во-первых, важно понимание теории распознавания образов.

Модульные принципы моделирования работы бортовой...

В статье описываются особенности постановки задачи автоматизированного анализа состояния бортовой радиотелеметрической системы космического аппарата. Рассматриваются принципы её решения, основывающиеся на реализации сетевых моделей типа «нейросетей»...

Системы встроенного контроля для интегрированного комплекса...

Разные ЭП требуют разных затрат на их реализацию и могут давать разную информацию о техническом состоянии объекта.

Согомонян, Е. С. Самопроверяемые устройства и отказоустойчивые системы / Е. С. Согомонян, Е. В. Слабоков.

Алгоритмы обработки информации в системе технического...

Среди различных способов очувствления промышленных роботов своей информативностью выделяются системы визуального очувствления, иначе системы технического зрения (СТЗ). Они могут выполнять различные функции: идентификацию объектов работы...

Автоматизация верификации блоков электронных устройств...

Все современные космические аппараты имеют в своем составе систему наведения антенн и систему поворота батареей солнечной. Различия между этими системами заключается в использовании различных двигателей и датчиков угла.

Разработка программного модуля для сбора и анализа...

Ключевые слова: автомобили, диагностика, OBD-II. Автомобили давно стали неотъемлемой частью современного мира. Количество автомобилей постоянно растет, они уже давно стали доступным и удобным средством передвижения для огромного числа людей.

К задаче распознавания образов без учителя в технической...

Ключевые слова: распознавание образов без учителя, техническая диагностика, таксономия, классификация. Введение.

Алгоритм кристаллизации. Пусть имеется выборка наблюдений многомерной переменной , где m — размерность переменной x, — объем выборки.

Задать вопрос