Улучшение качества моделей классификации отказов для диагностики электромеханических систем

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.
Адрес редакции:  Россия, 194064, Санкт-Петербург, Тихорецкий пр., 21   Тел.: +7(812) 552-13-25 e-mail: zheleznyakov@rtc.ru 
fb1    vk1