Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
 
+7 (4912) 72-03-73
 
Интернет-портал РГРТУ: http://rsreu.ru

УДК 004.724

ПРИМЕНЕНИЕ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧЕ КЛАССИФИКАЦИИ ОТКАЗОВ РАБОТЫ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ В РАМКАХ ПРОАКТИВНОГО ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ

Л. А. Демидова, д.т.н., профессор кафедры ВПМ РГРТУ, Рязань, Россия;
orcid.org/0000-0003-4516-3746, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Д. В. Марчев, старший преподаватель кафедры ВПМ РГРТУ, Рязань, Россия;
orcid.org/0000-0001-6635-6657, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Рассматривается задача классификации отказа работы оборудования в сложных технических системах с применением технологий рекуррентных нейронных сетей. Целью работы является разработка модели рекуррентной нейронной сети, которая позволит эффективно и быстро классифицировать вероятный класс ошибки в работе оборудования в сложных технических системах в рам-
ках мероприятий проактивного технического обслуживания. Разрабатываются модели рекуррентных нейронных сетей типа LSTM и GRU обучение, которых на экспериментальном наборе данных, содержащем информацию о работе авиационных двигателей и размещенном NASA Ames Research Center в свободном доступе, проводится с использованием алгоритма обратного распространения
ошибки по времени. Приводятся результаты обучения сетей, среднее время, затрачиваемое на обучение, дисперсия и математическое ожидание, а также графические зависимости, характеризующие качество обучения. На основании результатов обучения выделяется наиболее эффективная модель нейронной сети, а также рекомендации по дальнейшему улучшению ее работы для повышения качества классификации.

Ключевые слова: нейронные сети, RNN, LSTM, GRU, машинное обучение, классификация, проактивное техническое обслуживание.

 Скачать статью