Донецький національний технічний університет
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
https://ea.donntu.edu.ua/jspui/handle/123456789/31520| Назва: | НЕЙРОСЕТЬ TDNN ДЛЯ ДИАГНОСТИКИ СОСТОЯНИЯ ВЕНТИЛЯТОРНОЙ УСТАНОВКИ ГЛАВНОГО ПРОВЕТРИВАНИЯ |
| Інші назви: | TDNN NEURAL NETWORK FOR DIAGNOSING THE STATE OF THE FAN INSTALLATION OF THE MAIN AIRING |
| Автори: | Федоров, Е.Е. Ярош, И.В. Черняк, Т.А. |
| Ключові слова: | диагностика вентиляторная установка главного проветривания нейронная сеть TDNN производственная безопасность пакетный режим обучения |
| Дата публікації: | гру-2019 |
| Видавництво: | Черкаський державний технологічний університет |
| Бібліографічний опис: | Федоров, Е.Е. Нейросеть TDNN для диагностики состояния вентиляторной установки главного проветривания / Е.Е. Федоров, И.В. Ярош, Т.А. Черняк // Вісник ЧДТУ. Технічні науки: зб. наук. праць. – Черкаси: ЧДТУ, 2019. – С. 19-25. – Бібліогр.: 16 назв. – рос. |
| Серія/номер: | ВІСНИК ЧЕРКАСЬКОГО ДЕРЖАВНОГО ТЕХНОЛОГІЧНОГО УНІВЕРСИТЕТУ;4/2019 |
| Короткий огляд (реферат): | 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. |
| Опис: | 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 (Уніфікований ідентифікатор ресурсу): | http://ea.donntu.edu.ua/jspui/handle/123456789/31520 |
| ISSN: | 2306-4455 |
| Розташовується у зібраннях: | Наукові публікації кафедри прикладної математики та інформатики |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| ФедоровЕЕ_ЯрошИВ_ЧернякТА_.pdf | 1,17 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.