Классификационный Подход На Основе Комбинации Глубоких Нейронных Сетей Для Прогнозирования Отказов Сложных Многообъектных Систем

Abstract

Научно-технический прогресс способствовал бурному росту сложности систем и выполняемых ими функций, что особенно характерно для различных отраслей современной примышленности. Здесь цена отказа или сбоя оборудования может быть очень высокой а иногда и привести к неоценимым потерям, связанным с гибелью людей. Обслуживание подобных систем требует высоких материальных затрат, и всё же не исключает возможного возникновения сбоев. Это свидетельствует о том, что задача обеспечения надежности сложных многообъектных систем еще далека от своего решения. В связи с этим в настоящее время на первое место выходит задача обеспечения надежного функционирования систем при минимизации затрат на их содержание и техническое обслуживание. Решение которой невозможно без разработки и внедрения интеллектуальных систем, выполняющих функции предсказательной аналитики и предсказательного технического обслуживания. В данной статье предлагается гибридная нейросетевая модель прогнозирования отказов сложных многообъектных систем на основе классификационного подхода, направленная на повышение эксплуатационной надежности оборудования при минимальных затратах. Представлены результаты вычислительных экспериментов, подтверждающие высокую эффективность предложенного решения. Scientific and technical progress has contributed to a rapid increase in the complexity of systems and their functions, which is especially characteristic of various fields of modern industry. Here, the cost of failure of equipment can be very high and sometimes lead to invaluable losses associated with the loss of life. Maintenance of such systems requires high material costs, but still does not exclude the possibility of failures. This indicates that the problem of ensuring the reliability of complex multi-object systems is still far from being solved. In this regard, the task of ensuring reliable operation of systems while minimizing the cost of their maintenance and maintenance is now in the first place. The solution of this problem is impossible without the development and implementation of intelligent systems that perform the functions of predictive analytics and predictive maintenance. This article proposes a hybrid neural network model for predicting failures of complex multi-object systems based on the classification approach, aimed at improving the operational reliability of equipment at minimal cost. The results of computational experiments confirming the high efficiency of the proposed solution are presented