Предметом дослідження в статті є режими роботи авіаційного двигуна ТВ3-117 та методи їх розпізнавання. Мета роботирозробка методів класифікації режимів роботи авіаційного двигуна ТВ3-117 на основі нейромережевих технологій у режимі реального часу. В статті вирішуються наступні завдання: формування принципів класифікації та розпізнавання станів авіаційного двигуна ТВ3-117, визначення основних кроків розв'язку задачі класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 в нейромережевому базисі, розробка методу класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 з використанням нейронних мереж. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Отримано наступні результати: Сформульовані принципи класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 та визначено основні кроки розв'язку даної задачі. Обґрунтовано, що розв'язок задачі класифікації режимів роботи авіаційного двигуна ТВ3-117 у нейромережевому базисі дозволяє більш ефективно і якісно вирішити цю задачу, з меншими витратами часу і обчислювальних ресурсів у порівнянні з використанням класичних методів (наприклад, методу Байеса). Досліджена багаторівнева інформаційна структура. Висновки: Застосування нейромережевих технологій для класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 дозволяє зменшити час обробки даних, причому основний час, що витрачається на розв'язок даної задачі, використовується на процес навчання нейронної мережі. Перспективами подальшого дослідження є розробка експертної системи, одним із модулів якої є модуль класифікації та розпізнавання станів авіаційного двигуна ТВ3-117, яка використовується в бортовій системі для контролю і діагностики технічного стану двигуна та взаємодіє з системами управління двигуном, що дозволяє останньому плавно та своєчасно діяти на виконавчих механізмах, з одного боку, з метою поліпшення якість управління двигуном та його підсистемами, а з іншого -підвищення його надійності у процесі його експлуатації.Ключові слова: авіаційний двигун; нейронна мережа; персептрон; режими роботи; класифікація.

No abstract

The subject matter of the article is TV3-117 aircraft engine and methods for monitoring and diagnosing its technical state. The goal of the work is to substantiate the use of the Wang-Mendel fuzzy neural network for the practical implementation of fuzzy expert systems for monitoring the technical state of aircraft gas turbine engines, in particular, TV3-117, based on the use of fuzzy logic. The following methods are used: methods of probability theory and mathematical statistics, methods of neuroinformatics, methods of information systems theory and data processing. Conclusions: The results of the research have shown that artificial neural networks and systems with fuzzy logic are similar to each other, however, each of them has its own advantages and

Предметом дослідження в статті є авіаційний двигун ТВ3-117 та методи контролю і діагностики його технічного стану. Мета роботи -розробка методу контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 в польотних режимах шляхом аналізу тренду його параметрів з використанням нейромережевих технологій. В статті вирішується завдання розробки методики визначення оптимальної структури нейронної мережі, яка полягає у визначенні архітектури нейронної мережі, виборі оптимального алгоритму пошуку ваг нейронів і навчання нейронної мережі, аналізу ефективності різних алгоритмів навчання нейронної мережі, визначення структури нейронної мережі щодо знаходження мінімальної помилки навчання нейронної мережі залежно від кількості нейронів у прихованому шарі, а також в аналізі ефективності отриманих результатів. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Висновки: Результати чисельного моделювання свідчать про можливість розв'язку задач контролю і діагностики технічного стану авіаційного двигуна ТВ3-117, що дозволяють поряд з класичними критеріями виявлення тренду параметрів застосовувати якісно нові нейромережеві критерії, що розширюють і доповнюють класичні критерії, що підвищують достовірність інформації при контролі та діагностиці технічного стану і на етапах прийняття рішень. Практична значимість отриманих результатів: Отримані результати свідчать про можливе впровадження нейромережевої моделі авіаційного двигуна ТВ3-117 в бортову систему контролю і діагностики його технічного стану в польотних режимах. Ключові слова: авіаційний двигун, нейронна мережа, тренд, фільтр С.И. ВЛАДОВ Кременчугский летный колледж Харьковского национального университета внутренних дел, г. Кременчуг

Предметом дослідження в статті є авіаційний двигун ТВ3-117 та методи контролю і діагностики його технічного стану. Мета роботи -розробка відмовостійких алгоритмів ідентифікації бортової математичної моделі авіаційного двигуна ТВ3-117 в складі його системи автоматичного управління в польотних режимах. В статті вирішуються наступні завдання: обґрунтування доцільності використання Калман-фільтрації в системі автоматичного управління авіаційного двигуна ТВ3-117, визначення передавальної функції фільтра Калмана, визначення алгоритму виявлення та локалізації відмови каналу двоканального датчика, визначення частотних характеристик системи автоматичного управління авіаційного двигуна ТВ3-117, доказ рівності одиниці коефіцієнта посилення розробленого відмовостійкого блоку фільтрації. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Висновки: Використання автоасоціативної нейронної мережі у бортовій системі контролю і діагностики для Досліджено частотні властивості системи автоматичного управління авіаційного двигуна ТВ3-117, підтверджено і доведено рівність одиниці коефіцієнта посилення розробленого відмовостійкого блоку фільтрації і відсутності додаткових фазових зсувів, внесених можливим чистим запізненням, обумовленим особливостями реалізованих алгоритмів виявлення відмов вимірювальних каналів і Калман-фільтрації вхідної інформації бортової вбудованої математичної моделі. Доводиться відсутність їх впливу на стійкість системи автоматичного управління авіаційного двигуна ТВ3-117. Апробація розроблених алгоритмів показала, що середня відносна помилка у динаміці не перевищує 0,15 %, а в статиці при максимальній витраті -знижується до 0,01 %, що відповідає сучасним вимогам точності алгоритмів ідентифікації по контуру дозувальної голки. Ключові слова: авіаційний двигун, нейронна мережа, Калман-фільтрація, виявлення та локалізація відмови С.И. ВЛАДОВ Кременчугский летный колледж Харьковского национального университета внутренних дел, г. Кременчуг