Please use this identifier to cite or link to this item: http://ea.donntu.edu.ua:8080/jspui/handle/123456789/31520
Title: НЕЙРОСЕТЬ TDNN ДЛЯ ДИАГНОСТИКИ СОСТОЯНИЯ ВЕНТИЛЯТОРНОЙ УСТАНОВКИ ГЛАВНОГО ПРОВЕТРИВАНИЯ
Other Titles: TDNN NEURAL NETWORK FOR DIAGNOSING THE STATE OF THE FAN INSTALLATION OF THE MAIN AIRING
Authors: Федоров, Е.Е.
Ярош, И.В.
Черняк, Т.А.
Keywords: диагностика
вентиляторная установка главного проветривания
нейронная сеть
TDNN
производственная безопасность
пакетный режим обучения
Issue Date: Dec-2019
Publisher: Черкаський державний технологічний університет
Series/Report no.: ВІСНИК ЧЕРКАСЬКОГО ДЕРЖАВНОГО ТЕХНОЛОГІЧНОГО УНІВЕРСИТЕТУ;4/2019
Abstract: В статье рассмотрены и проанализированы существующие методы диагностики шахтного вентилятора. Исходя из выделенных основных преимуществ и недостатков указанных методов, разработан и реализован нейросетевой метод диагностики состояния вентиляторной установки главного проветривания. В основу данного метода заложена предложенная нейронная сеть TDNN, архитектура которой определена на основе проведенных экспериментальных исследований. Для ускорения процесса обучения авторской нейронной сети предложен пакетный режим обучения. Для оценки эффективности предложенного метода диагностики состояния вентиляторной установки главного проветривания была проведена серия численных исследований, результаты которых доказывают эффективность предложенной авторами нейронной сети и ее архитектуры.
Description: Currently, the increasing of operational safety is one of the major problems that exist in the mining industry. The problem of emergency equipment for mining industry is caused by the rapid increase in the share of depletion of its physical resources. Among the existing mine equipment, one of the most important roles is played by fan installations of the main airing, which ensure normal vital activity of the mine personnel. Therefore, an important task is to develop a software component, designed to diagnose the state of it and to be used in computer systems. At the heart of this objective lies the problem of building effective methods, providing high speed of diagnostics model training, as well as a high probability, adequacy and speed of signals recognition, which contain the vibrational information. At present, as a tool for vibration diagnostics, the following calculation methods are most commonly used: kurtosis, crest factor, RMS value, envelope spectrum. However, when using these markers separately for diagnosis of fan installations of the main airing condition, the probability of error is no less than 0.05. On the other hand, the processing speed of vibrational information is poor. Therefore, the development of methods for intelligent integrated diagnostics of fan installations of the main airing is relevant.
URI: http://ea.donntu.edu.ua:8080/jspui/handle/123456789/31520
ISSN: 2306-4455
Appears in Collections:Кафедра прикладної математики та інформатики

Files in This Item:
File Description SizeFormat 
ФедоровЕЕ_ЯрошИВ_ЧернякТА_.pdf1,17 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.