Улучшение качества моделей классификации отказов для диагностики электромеханических систем

Надежин Михаил Игоревич
Балтийский государственный технический университет «ВОЕНМЕХ» им. Д. Ф. Устинова (БГТУ «ВОЕНМЕХ» им. Д.Ф. Устинова), научно-исследовательская лаборатория «Робототехнические и мехатронные системы», м.н.с., 190005, Санкт-Петербург, ул. 1-я Красноармейская, д. 1, тел.: +7(904)618-09-28, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Слободзян Никита Сергеевич
БГТУ «ВОЕНМЕХ» им. Д.Ф. Устинова, научно-исследовательская лаборатория «Робототехнические и мехатронные системы», научный сотрудник, 190005, Санкт-Петербург, ул. 1-я Красноармейская, д.1, тел.: +7(953)345-38-27, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Киселев Алексей Александрович
БГТУ «ВОЕНМЕХ» им. Д.Ф. Устинова, научно-исследовательская лаборатория «Робототехнические и мехатронные системы», инженер, 190005, Санкт-Петербург, ул. 1-я Красноармейская, д. 1, тел.: +7(952)243-80-68, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Материал поступил в редакцию 30 сентября 2021 года.

Аннотация
Исследования являются частью актуальных работ, проводимых в БГТУ «ВОЕНМЕХ» им. Д. Ф. Устинова при финансовой поддержке Министерства науки и высшего образования Российской Федерации по проектированию и созданию высокоресурсных электронасосных агрегатов для авиационной, транспортной и космической техники. Даны рекомендации по аппаратному и алгоритмическому обеспечению бортовой системы диагностики технического состояния электромеханических узлов космических аппаратов. Проведена наземная отработка предложенных решений в ходе экспериментальных исследований лабораторного образца электронасосного агрегата. Показаны достоинства гибридного алгоритма выбора признаков для улучшения точности и быстродействия диагностики искусственной нейронной сетью прямого распространения при значительном уменьшении количества входных величин. Определены величины, являющиеся чувствительными к изменению состояния электрической части электромеханических систем.

Ключевые слова
Диагностика, электродвигатель, машинное обучение, выбор признаков, классификация.

Благодарности
Данная работа выполнена в рамках НИОКТР комплексного проекта «Создание высокотехнологичного им-портозамещающего производства высокоресурсных элементов систем исполнительной автоматики транс-портной и авиационно-космической техники, обеспечивающей освоение и использование Мирового Океана, Арктики и Антарктики» при финансовой поддержке Министерства науки и высшего образования Российской Федерации (соглашение № 075-11-2019-077 от 13.12.2019) в соответствии с постановлением Правительства РФ от 09.04.2010 № 218. Работа выполнена в организации Головного исполнителя НИОКТР ФГБОУ ВО БГТУ «ВОЕНМЕХ» им. Д. Ф. Устинова.

DOI
10.31776/RTCJ.10108

Индекс УДК 
681.518.5

Библиографическое описание
Надежин М.И. Улучшение качества моделей классификации отказов для диагностики электромеханических систем / М.И. Надежин, Н.С. Слободзян, А.А. Киселев // Робототехника и техническая кибернетика. – Т. 10. - № 1. – Санкт-Петербург : ЦНИИ РТК. – 2022. – С. 73-80. – Текст : непосредственный.

Литература

1. Methods for Diagnosing the Technical Condition of Spacecraft Electric Pump Units and Predicting Their Remaining Useful Life/ S. A. Matveev, N. A. Testoedov, D. V. Vasil’kov [et al] // Russian Aeronautics. — 2020. — vol. 63. — No. 4. — P. 561–567. — Text : unmediated.
2. A systematic review of multi-label feature selection and a new method based on label construction / N. Spolaôr, M. C. Monard, G. Tsoumakas, H. D. Lee // Neurocomputing. — 2016. — vol. 180. — №5. — P. 3-15. — Text : unmediated.
3. Wang, Z. Fault diagnosis of planetary gearbox using multi-criteria feature selection and heterogeneous ensemble learning classification / Z. Wang, H. Huang, Y. Wang // Measurement. — 2021. — vol. 173. — URL: https://doi.org/10.1016/j.measurement.2020.108654 (accessed 19.01.2022). — Text : electronic.
4. Howell, D. Statistical Methods for Psychology / D. Howell. — Duxbury/Thomson Learning, 2002. — 802 p. — Text : unmediated.
5. Vuong, Q. H. Minimum chi-square estimation and tests for model selection / Q. H. Vuong, W. Wang // Journal of Econometrics. — 1993. — vol. 56. — Issues 1–2. — P. 141-168. — Text : unmediated.
6. Chaudhuri, A. A hybrid feature selection method based on Binary Jaya algorithm for micro-array data classification / A. Chaudhuri, T. P. Sahu // Computers & Electrical Engineering. — 2021. — Т. 90. — URL: https://doi.org/10.1016/j.compeleceng.2020.106963 (accessed 19.01.2022). — Text : electronic.
7. Gibbons, J. D. Nonparametric Statistical Inference / J. D. Gibbons, M. Dekker. — New York : M. Dekker,1985. — 408 p. — Text : unmediated.
8. 32-разрядный микроконтроллер с повышенной стойкостью к СВВФ на базе микропроцессорного RISC ядра. // Миландр : [сайт]. — URL: https://ic.milandr.ru/products/radiatsionno_stoykie_mikroskhemy/1986ve8t/ (дата обращения: 25.01.2022). — Текст : электронный.
9. Muenchhof, M. Fault-tolerant actuators and drives—Structures, fault detection principles and applications / M. Muenchhof, M. Beck, R. Isermann // Annual Reviews in Control. — 2009. — vol. 33. — P. 136–148. Text : unmediated.
10. Матвеев, С. А. Обзор методов диагностики электронасосных агрегатов спутниковых платформ / С. А. Матвеев, Ю. А. Жуков, Е. Б. Коротков [и др.] // Радиопромышленность. — 2020. — Т. 30. — № 3. — С. 86–98.— Текст : непосредственный.
11. Kimotho, J. K. An approach for feature extraction and selection from non-trending data for machinery prognosis / J. K. Kimotho, W. Sextro // Proceedings of the European Conference of the PHM Society. — vol. 2. — No. 1. — 2014. — URL: https://doi.org/10.36001/phme.2014.v2i1.1462 (accessed 19.01.2022). — Text : electronic.
12. Коротков, Е. Б. Наземная система комплексной диагностики электромеханических устройств космических аппаратов / Е. Б. Коротков, Н. С. Слободзян, О. В. Широбоков [и др.] // Радиопромышленность. — 2019. — Т. 29. — № 4. — С. 54–62. — Текст : непосредственный.

Полный текст статьи (pdf)