В статье представлен вариант решения актуальной научно-практической задачи диагностики состояния главного двигателя СЭУ на основе многослойных нейронных сетей. Для решения данной задачи разработана математическая модель, которая позволяет определять зависимость параметров процесса работы двигателей от различных дефектов и базируется на модифицированном методе диагностических матриц и правилах нечеткой логики.
двигатель, диагностика, нечетка логика, модель, матрица, датчики, нейронная сеть
1. Gajewski, Jakub Verification of the technical equipment degradation method using a hybrid reinforcement learning trees-artificial neural network system // Tribology international. 2021. Volume 153; pp 67-72.
2. Raptodimos, Yiannis Application of NARX neural network for predicting marine engine performance parameters // Ships and offshore structures. 2020. Volume 15: Number 4; pp 443-452.
3. Wang, Y.S. An engine-fault-diagnosis system based on sound intensity analysis and wavelet packet pre-processing neural network // Engineering applications of artificial intelligence. 2020. Volume 94. pp 45-54.
4. Fusion of neural networks, fuzzy systems and genetic algorithms: industrial applications / edited by Lakhmi C. Jain, N.M. Martin. Boca Raton: CRC Press, 2020. 398 p.
5. Sun, Liang et al. Artificial neural network-based performance modeling of a diesel engine within the whole operating region considering dynamic conditions // Proceedings of the Institution of Mechanical Engineers. Part D. Journal of automobile engineering. 2019. Volume 233: Number 11; pp 2970-2984.
6. Епихин А.И., Кондратьев С.И., Хекерт Е.В. Прогнозирование многомерных нестационарных временных рядов с использованием нейромоделирования// Морские интеллектуальные технологии,- 2020.-№ 4-4 (50).- С. 23-27.
7. Кондратьев С.И. Формирование профессиональной компетенции в процессе тренажерной подготовки - фактор обеспечения безопасности судовождения [Текст] / С.И.Кондратьев, Н.Б. Хмелева // Theoretical & Applied Science. 2014. № 12 (20). C. 16-21.
8. Кондратьев С.И. Обеспечение безопасности плавания транспортных судов в порту при маневрировании в операционной акватории причала [Текст] / С.И. Кондратьев, В.В. Устинов // Транспортное дело России,- 2012- № 6-2-С. 196-197
9. Епихин А.И., Хекерт Е.В., Каракаев А.Б., Модина М.А. Особенности построения прогностической нейро-фаззи сети/Морские интеллектуальные технологии- 2020- № 4-4 (50).-С. 13-17.
10. Епихин А.И., Хекерт Е.В., Модина М.А. Принципы нейроуправления и варианты архитектуры нейронных сетей, применительно к сложной динамической системе СЭУ-СУДНО/Морские интеллектуальные технологии-2020.- № 4-4 (50).- С. 18-22.
11. Печников А.Н., Хекерт Е.В. Эргономический подход к оцениванию деятельности судовых специалистов: экспериментальная апробация предложенных моделей и процедур//Морские интеллектуальные технологии- 2019- № 4-3(46).-С. 104-110.
12. Печников А.Н., Хекерт Е.В., Савельев В.Г., Адерихин И.В. Эргономический подход к оцениванию деятельности судовых специалистов: модели трансформации действия в процессе его освоения и процедура их практического применения//Морские интеллектуальные технологии- 2019 - № 1-2 (43).- С. 104-111.
13. Модина М.А., Шкода В.В. Технологии изготовления магнитопроводов аксиальных генераторов и трансформаторов для морских и воздушных судов// Материалы девятой Международной научной конференции «ТТС-17».Кубанский государственный технологический университет, Краснодарское высшее военное авиационное училище летчиков имени А.К. Серова; под общей редакцией Б.Х. Гайтова,- 2017 - С. 27-31.
14. Тимченко Т.Н., Штефан Б.А. Перестройка топливной системы судов в связи с вступлением в силу новых требований МАРПОЛ. //Ежеквартальный сборник научных статей «Эксплуатация морского транспорта»,- 2019 - №4 (93).
15. Шкода В.В., Модина М.А. Перспективные конструкции топливных насосов для воздушных и морских судов. Материалы девятой Международной научной конференции «ТТС-17». Кубанский государственный технологический университет, Краснодарское высшее военное авиационное училище летчиков имени А.К. Серова; под общей редакцией Б.Х. Гайтова,-2017,-С. 20-27.
