URN: http://vtn.chdtu.edu.uaurn:2306:44554.2018.162772

DOI: https://doi.org/10.24025/2306-4412.4.2018.162772

МЕТОД ПАКЕТНОГО ОБУЧЕНИЯ НЕЙРОСЕТИ С ЗАДЕРЖКОЙ ВО ВХОДНОМ СЛОЕ ДЛЯ КОМПЛЕКСНОЙ ДИАГНОСТИКИ СОСТОЯНИЯ ВЕНТИЛЯТОРНОЙ УСТАНОВКИ ГЛАВНОГО ПРОВЕТРИВАНИЯ

Е. Е. Федоров, И. В. Ярош, Т. А. Черняк

Анотація


В статье рассмотрены и представлены данные выполненного анализа имеющихся методов для осуществления диагностики состояния вентиляторной установки главного проветривания на горнопромышленном предприятии (шахте). Выполненные исследования направлены на снижение вероятности возникновения ошибок диагностики. Достоинства и недостатки ука-занных существующих методов учтены при разработке и реализации нейросетевого метода диагностики вентиляторной установки главного проветривания. Проведенные эксперименты позволили создать архитектуру нейронной сети с определенной задержкой во входном слое, которая послужила основой для разработки приведенного метода. Возможность ускоренного обучения предоставляется за счет предложенного в работе пакетного режима. Эффективность метода была оценена в результате множественных исследований, которые отражают работоспособность сети и архитектуры. Предложенная в работе нейронная сеть позволяет получить минимум отклонений при диагностике.

Ключові слова


комплексная диагностика; вентиляторная установка главного проветривания; искусственная нейронная сеть; производственная безопасность; пакетный режим обучения.

Повний текст:

PDF

Пристатейна бібліографія ГОСТ


1. Ширман А. Р., Соловьев А. Б. Практическая вибродиагностика и мониторинг состояния механического оборудования. Москва, 1996. 276 с.
2. Барков А. В., Баркова Н. А., Азовцев А. Ю. Мониторинг и диагностика роторных машин по вибрации. Санкт-Петербург: Изд. центр СПбГМТУ, 2000. 169 с.


3. Баркова В. А. Современное состояние виброакустической диагностики машин. Санкт-Петербург: Ассоциация ВАСТ, 2002. 100 с.


4. Гольдин А. С. Вибрация роторных машин. Москва: Машиностроение, 1999. 344 с.


5. Клюева В. В. Неразрушающий контроль и диагностика: справочник. Москва: Машиностроение, 2003. 300 с.


6. Федоров Е. Е. Методики интеллектуальной диагностики: монография. Донецк: Ноулидж, 2010. 303 с.


7. Бабак Г. А., Бочаров К. П., Волохов А. Т. Шахтные вентиляторные установки главного проветривания. Москва: Недра, 1982. 296 с.


8. Носырев Б. А., Белов С. В. Вентиляторные установки шахт и метрополитенов: учеб. пособ. Екатеринбург: Изд-во Уральской гос. горногеолог. акад., 2000. 278 с.


9. Галушкин А. И. Теория нейронных сетей. Москва: ИПРЖР, 2000. 416 с.
10. Каллан Р. Основные концепции нейронных сетей. Москва: Вильямс, 2001. 288 с.


11. Sivanandam S. N., Sumathi S., Deepa S. N. Introduction to neural networks using Mat-lab 6.0. New Delhi: The McGraw-Hill Comp. Inc., 2006. 660 p.


12. Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі. Харків: Компанія СМІТ, 2006. 404 с.


13. Галушкин А. И., Цыпкин Я. З. Нейронные сети: история развития теории: учеб. пособ. для вузов. Москва: ИПРЖР, 2001. 840 с.


14. Осовский С. Нейронные сети для обработ-ки информации. Москва: Финансы и стати-стика, 2002. 344 с.


15. Комарцова Л. Г., Максимов А. В. Нейрокомпьютеры. Москва: Изд-во МГТУ им. Н. Баумана, 2002. 320 с.


16. Haykin S. Neural networks. New York: Pear-son Education, 1999. 823 p.


17. Федоров Е. Е. Искусственные нейронные сети: монография. Красноармейск: Дон-НТУ, 2016. 338 с.





Copyright (c) 2018 Е. Е. Федоров, И. В. Ярош, Т. А. Черняк