Research of Classification Method of Tv3-117 Engine Ratings Operations Based on Neural Network Technologies

Abstract

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.

Identification of Rear Model of Tv3-117 Aircraft Engine Based on the Basis of Neuro-Multi-Functional Technologies

“…f and 2 fnonlinear vector-function; A and U -vectors of engine parameters; Xvector of engine state variable [11]. In practice, the task of indirect measurements is relevant: by observing the vector of the output thermogasdynamic parameters of the engine, determine the values of its control influences (that is, components of the vector U).…”

“…where Yvector of engine output coordinates [11]. Thus, the goal of the work is to develop methods for identifying the technical state of the aircraft engine TV3-117 on the basis of real-time neural network technologies, while it is necessary to determine its structure and parameters, which ensures a minimum error of learning E based on the procedure presented in fig.…”