Machine Training of the System of Functional Diagnostics of the Shaft Lifting Machine
Închide
Conţinutul numărului revistei
Articolul precedent
Articolul urmator
681 4
Ultima descărcare din IBN:
2022-10-05 10:42
Căutarea după subiecte
similare conform CZU
622.6:622.23/24 (1)
Industrie minieră (56)
SM ISO690:2012
ДОВБЫШ, Анатолий, ЗИМОВЕЦ, Виктория, ЗУБАНЬ, Юрий, ПРИХОДЧЕНКО, Александр. Machine Training of the System of Functional Diagnostics of the Shaft Lifting Machine. In: Problemele Energeticii Regionale, 2019, nr. 2(43), pp. 88-102. ISSN 1857-0070. DOI: https://doi.org/10.5281/zenodo.3367060
EXPORT metadate:
Google Scholar
Crossref
CERIF

DataCite
Dublin Core
Problemele Energeticii Regionale
Numărul 2(43) / 2019 / ISSN 1857-0070

Machine Training of the System of Functional Diagnostics of the Shaft Lifting Machine

Sistem de diagnosticare funcțională a mașinii de ridicare a minelor

Машинное обучение системы функционального диагностирования шахтной подъемной машины

DOI: https://doi.org/10.5281/zenodo.3367060
CZU: 622.6:622.23/24

Pag. 88-102

Довбыш Анатолий, Зимовец Виктория, Зубань Юрий, Приходченко Александр
 
Сумский Государственный Университет
 
Disponibil în IBN: 3 septembrie 2019


Rezumat

The aim of the work is to increase the accuracy of functional diagnostics of a mine hoist by using the method of information-extreme machine teaching with a hierarchical data structure. The tasks set forth in the work were to develop a categorical model; to carry out synthesis based on its hi-erarchical machine teaching algorithm for a functional diagnosis system; and to optimize the system of acceptance tolerance. Functional diagnostics necessitates the analysis of a large number of diagnostic features and recognition classes that characterize not only possible malfunctions, but also intermediate technical conditions of nodes and assemblies of a complex machine. The proposed algorithm is devel-oped in the framework of the so-called information-extreme intellectual data analysis technology based on maximizing the information ability of the system in the process of machine teaching. The main idea of the proposed method is to adapt the input mathematical description of the functional di-agnostics system to the maximum reliability of diagnostic solutions in the process of machine teach-ing. The implementation of the proposed method of the information-extremal machine teaching is car-ried out by the example of functional diagnostics of a multi-rope mine hoist. The most significant re-sult is the increase in the reliability of diagnostic solutions when using the hierarchical machine teach-ing algorithm of the functional diagnostics system as compared with the linear classifier. In addition, the crucial rules based on the optimal geometrical parameters of hyperspherical containers of recogni-tion classes make it possible to take highly reliable diagnostic decisions in real time.

Scopul lucrării constă în majorarea acurateței diagnosticării funcționale a nodurilor unei mașini de ridicat din mine, prin sintetizarea și implementarea unui algoritm de învățare robotizat, utilizând informații extremale cu structură ierarhică de date. Sarcinile lucrarii: elaborarea unui model categorian; sinteza bazată pe algoritmul său ierarhic de învățare automată pentru un sistem funcțional de diagnostic; optimizarea sistemului de toleranță la control. Algoritmul este elaborat în cadrul tehnologii analizei datelor intelegente extreme, bazate pe maximizarea capacității informaționale a sistemului în procesul de învățare automată. Ideea principală a metodei propuse constă în aceea, ca în rețelele neuronale este necesară adaptarea descrierii matematice de intrare a sistemului funcțional de diagnostic la fiabilitatea maximă a soluțiilor de diagnosticare în procesul de învățare automată. Spre deosebire de rețelele neuronale, regulile de decizie construite în procesul de învățare automată cu informații extreme sunt practic invariabile la multidimensionalitate atât a spațiului caracteristicilor de diagnosticare, cât și a alfabetului claselor de recunoaștere. Implementarea metodei propuse de învățare robotizată în baza se prezintă prin exemplul diagnosticării funcționale a unei mașini miniere de ridicare cu mai multe funii, care este un dispozitiv electromecanic complex cu cerințe sporite pentru siguranța operațională. S-a investigat influența sistemului de toleranță de control asupra caracteristicilor de diagnostic. S-a constat creșterea fiabilității soluțiilor de diagnosticare la utilizerea algoritmului ierarhic de învățare automată a sistemului funcțional de diagnostic în comparație cu un clasificator liniar. Regulile de decizie bazate pe parametrii geometrici optimi ai containerelor hipersferice din clase de recunoaștere permit luarea deciziilor diagnostice fiabile în timp real.

Цель работы – повышение точности функционального диагностирования узлов шахтной подъемной машины путем синтеза и реализации метода информационно-экстремального машинного обучения с иерархической структурой данных. Задачи, которые ставились в работе: разработать категорийную модель; синтез на основе ее иерархического алгоритма машинного обучения для системы функционального диагностирования; оптимизация системы контрольных допусков. Известно, что при функциональном диагностировании возникает необходимость анализа большого количества диагностических признаков и классов распознавания, характеризующих не только возможные неисправности, но и промежуточные технические состояния узлов и агрегатов сложной машины. При этом предложенный алгоритм разрабатывается в рамках так называемой информационно-экстремальной интеллектуальной технологи анализа данных, основанной на максимизации информационной способности системы в процессе машинного обучения. Основная идея предлагаемого метода, как и в нейронных сетях, заключается в адаптации в процессе машинного обучения входного математического описания системы функционального диагностирования к максимальной достоверности диагностических решений. Но в отличии от нейронных сетей построенные в процессе информационно-экстремального машинного обучения решающие правила являются практически инвариантными к многомерности как пространства диагностических признаков, так и алфавита классов распознавания. Реализация предложенного метода информационно-экстремального машинного обучения осуществляется на примере функционального диагностирования многоканатной шахтной подъемной машины, являющейся сложным электромеханическим устройством с повышенными требованиями к безопасности эксплуатации. Исследовано влияние системы контрольных допусков на диагностические признаки. Наиболее значимыми результатами является повышение достоверности диагностических решений при использовании иерархического алгоритма машинного обучения системы функционального диагностирования по сравнению с линейным классификатором. Кроме того, построенные по оптимальным геометрическим параметрам гиперсферических контейнеров классов распознавания решающие правила позволяют принимать высокодостоверные диагностические решения в реальном темпе времени.

Cuvinte-cheie
information-extreme intellectual technology, machine learning, information criterion, functional diagnostics, shaft lifting machine,

ehnologie extremum-informațională intelegentă, învăţare automată, criteriu informațional, diagnosticare funcțională, mașină de ridicare minieră,

информационно-экстремальная интеллектуальная технология, машинное обучение, информационный критерий, функциональное диагностирование, шахтная подъемная машина