Перегляд за Автор "Hrybanova, S. A."
Зараз показуємо 1 - 6 з 6
Результатів на сторінці
Налаштування сортування
Документ Neuro-mechanical methods of control and diagnostics of the technical state of aircraft engine TV3-117 in film regions(Вісник Херсонського національного технічного університету. - 2020. - № 1(72), ч. 1. - С. 141-154, 2020) Vladov, S. I.; Владов, С. І.; ORCID: http://orcid.org/0000-0001-8009-5254; Kotliarov, K. H.; Котляров, К. Г.; ORCID: https://orcid.org/0000-0002-1109-6381; Hrybanova, S. A.; Грибанова, С. А.; ORCID:https://orcid.org/0000-0001-5831-2363; Husarova, O. V.; Гусарова, О. В.; ORCID: https://orcid.org/0000-0002-9823-0044; Derevyanko, I. H.; Дерев’янко, І. Г.; ORCID: http://orcid.org/0000-0003-0116-1378; Hvozdik, S. D.; Гвоздік, С. Д.; ORCID: http://orcid.org/0000-0002-4105-1520Обґрунтовано доцільність застосування нейронних мереж у задачі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117. Визначено доцільність розробки нейронних мереж на базі на базі нейрорегулятора NN Predictive Controller. З'ясовано застосування градієнтного методу навчання нейронних мереж, а також розроблено метод навчання нейрорегулятора на основі нейромодулятора із застосуванням методу зворотного поширення помилки. Отримано розв’язок задачі контролю параметрів технічного стану авіаційного двигуна ТВ3-117, який підтверджує доцільність застосування нейронних мереж у задачі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117.Документ Досягнення реалізації дуальної форми навчання у професійної освіті Китаю(Авіація, промисловість, суспільство : матеріали ІV Міжнар. наук.-практ. конф. (м. Кременчук, 18 трав. 2023 р.). – Кременчук - Харків : ХНУВС, 2023. – С. 284-287, 2023) Грибанова, С. А.; Hrybanova, S. A.Визначено, що програма дуальної освіти – це досвід, який вже є в багатьох країнах. Істотний ефект у розвитку системи підготовки робітників і технічних фахівців можна отримати тільки в тому випадку, якщо частину відповідальності за навчання бере на себе бізнес, якщо це спільна зона відповідальності держави, освіти та роботодавців.Документ Метод підвищення робасності нейромережевої моделі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 в польотних режимах(Вісник Кременчуцького національного університету імені Михайла Остроградського. - 2020. - Вип. 1/2020 (120). - С. 113–119., 2020) Владов, С. І.; Vladov, S. I.; ORCID: https://orcid.org/0000-0001-8009-5254; Шмельов, Ю. М.; Shmelоv, Yu. M.; ORCID: https://orcid.org/0000-0002-3942-2003; Грибанова, С. А.; Hrybanova, S. A.; ORCID:https://orcid.org/0000-0001-5831-2363; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044; Подгорних, Н. В.; Podhornykh, N. V.; ORCID: https://orcid.org/0000-0002-1503-6896Розроблено метод підвищення робастності нейромережевої моделі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах, який дозволяє зменшити помилки під час розрахунків контрольованих параметрів зазначеного авіаційного двигуна. При цьому застосовано метод нейроноінформатики при розробці нейромережевої моделі авіаційного двигуна ТВ3-117, градієнтний метод з адаптивним кроком під час навчання нейронної мережі, метод зворотного поширення задля навчання нейрорегулятора, метод зворотного поширення помилки задля навчання нейромодулятора. Для розв’язання задачі редукції нейромережевої моделі розроблено алгоритм на основі багатокритеріального навчання. У роботі здійснено оцінку робастності (здатність до узагальнення нейромережевої моделі) на основі обчислення специфічної міри складності мережі – «міри Вапніка–Червоненкіса» (VCdim), за допомогою якої задля збільшення робастності моделі необхідно зменшити кількість міжнейронних зв’язків при збереженні точності обчислень. У ході досліджень проведено обчислювальні експерименти, в яких нейронні мережі початково однакової топології піддавалися редукції трьома методами – запропонованим алгоритмом і двома стандартними, а саме, методом Optimal Brain Damage (OBD) й методом штрафних функцій. Розрахунково-експериментальним шляхом доведено, що розроблений алгоритм редукції нейронних мереж підвищує робастність побудованої на її основі моделі, та алгоритм перевершує стандартні методи за точністю і швидкістю навчання. Наукова новизна отриманих результатів полягає в тому, що удосконалено метод підвищення робастності нейромережевої моделі контролю і діагностики технічного стану авіаційних газотурбінних двигунів за рахунок комбінації системи нейромережевого контролю з емулятором і контролером, що застосовується для контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах. Це дозволило з алгоритмом на основі багатокритеріального навчання зменшити середні помилки навчання нейронної мережі приблизно на 80 та 70 % відповідно порівняно з методом Optimal Brain Damage (OBD) й методом штрафних функцій відповідно. Разработан метод повышения робастности нейросетевой модели контроля и диагностики технического состояния авиационного двигателя ТВ3-117 в полетных режимах, который позволяет уменьшить ошибки в расчетах контролируемых параметров указанного авиационного двигателя. При этом применен метод нейроинформатики при разработке нейросетевой модели авиационного двигателя ТВ3-117, градиентный метод с адаптивным шагом при обучении нейронной сети, метод обратного распространения для обучения нейрорегулятора, метод обратного распространения ошибки для обучения нейромодулятора. Для решения задачи редукции нейросетевой модели разработан алгоритм на основе многокритериального обучения. В работе осуществлена оценка робастности (способность к обобщению нейросетевой модели) на основе вычисления специфической степени сложности сети – «меры Вапника–Червоненкиса» (VCdim), с помощью которой для увеличения робастности модели необходимо уменьшить количество межнейронных связей при сохранении точности вычислений. В ходе исследований проведены вычислительные эксперименты, в которых нейронные сети первоначально одинаковой топологии подвергались редукции тремя методами – предложенным алгоритмом и двумя стандартными, а именно, методом Optimal Brain Damage (OBD) и методом штрафных функций. Расчетноэкспериментальным путем доказано, что разработанный алгоритм редукции нейронных сетей повышает робастность разработанной на ее основе модели, и алгоритм превосходит стандартные методы по точности и скорости обучения. Научная новизна полученных результатов заключается в том, что усовершенствовано метод повышения робастности нейросетевой модели контроля и диагностики технического состояния авиационных газотурбинных двигателей за счет комбинации системы нейросетевого контроля с эмулятором и контроллером, который применяется для контроля и диагностики технического состояния авиационного двигателя ТВ3-117 в полетных режимах. Это позволило с алгоритмом на основе многокритериального обучение уменьшить средние ошибки обучения нейронной сети примерно на 80 и 70 % соответственно по сравнению с методом Optimal Brain Damage (OBD) и методом штрафных функций соответственно. The purpose of this work is to develop the method for increase the robustness of the neural network model for control and diagnostics of the TV3-117 aircraft engine technical state in flight modes, which allows to reduce errors in the calculation of the controlled parameters of the specified aircraft engine. Methodology. The work is based on neuroinformatics method in developing a neural network model of the TV3-117 aircraft engine, gradient method with adaptive step in training a neural network, back propagation method for training a neuroregulator, back propagation method for training a neuromodulator. To solve the problem of reducing the neural network model, an algorithm based on multicriteria training has been developed. The work estimates robustness (the ability to generalize a neural network model) based on the calculation of a specific degree of network complexity – “Vapnik-Chervonenkis measures” (VCdim), with which to increase the robustness of the model it is necessary to reduce the number of interneuron connections while maintaining the accuracy of calculations. Results. During the research, computational experiments were carried out in which neural networks of initially the same topology were subjected to reduction by three methods – the proposed algorithm and two standard ones, namely, the Optimal Brain Damage (OBD) method and the penalty function method. It is proved by calculation and experiment that the developed algorithm for reducing neural networks increases the robustness of the model developed on its basis, and the algorithm surpasses standard methods in accuracy and speed of training. Originality. The method of increasing the robustness of the neural network model for monitoring and diagnosing of aircraft gas turbine engines technical state has been improved by combining the neural network control system with an emulator and a controller, which is used to control and diagnose of TV3-117 aircraft engine technical state in flight modes. This allowed using the algorithm based on multicriteria training to reduce the average neural network learning errors by about 80 and 70 %, respectively, compared to the Optimal Brain Damage (OBD) method and the penalty function method, respectively. Practical value. The developed method is a component of the intelligent system of control and diagnostics of TV3-117 aircraft engine technical state in flight modes. References 14, table 1, figure 2.Документ Проблеми і перспективи застосування нейронних мереж у задачах моніторингу технічного стану авіаційних двигунів вертольотів у польотних режимах(Вісник Херсонського національного технічного університету. - 2021. - № 4 (79). - С. 64–73., 2021-12) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Дєрябіна, І. О.; Dieriabina, I. O.; ORCID: http://orcid.org/0000-0001-5164-2976; Подгорних, Н. В.; Podhornykh, N. V.; ORCID: http://orcid.org/0000-0002-1503-6896; Грибанова, С. А.; Hrybanova, S. A.; ORCID: http://orcid.org/0000-0001-5831-2363; Яніцький, А. А.; Yanitskyi, A. A.; ORCID: http://orcid.org/0000-0001-5318-1915Для покращення показників якості систем автоматичного управління актуальною є задача розробки нових алгоритмів ідентифікації та діагностики технічних об’єктів. Одним із шляхів розв’язання задачі є застосування штучних нейронних мереж. З метою дослідження проблем застосування штучних нейронних мереж для ідентифікації та діагностики технічних об’єктів, зокрема, авіаційних двигунів вертольотів, проведено аналіз наукових праць з цієї тематики за останні роки. Розглянуто існуючі підходи до побудови систем діагностики несправностей та систем автоматичного управління на основі штучних нейронних мереж. Результати наведеного аналізу можуть бути використані при розробці нових методів та алгоритмів ідентифікації та діагностики технічних об’єктів на основі нейромережевих аналізаторів. У цій роботі як приклад наведена узагальнена нейромережева модель авіаційних двигунів вертольотів, що застосовується для моніторингу їх технічного стану в режимі польотів вертольотів. З даною моделлю у роботі сформульовано задача ідентифікації технічного стану авіаційних двигунів вертольотів. У цій роботі наведено приклад застосування нейромережевих технологій у задачах управління авіаційними двигунами вертольотів у польотних режимах. Розроблено структуру моделі управління авіаційними двигунами вертольотів у польотних режимах із застосуванням нейронної мережі архітектури персептрон. Отримані результати свідчать про переваги застосування нейронних мереж у задачах управління авіаційними двигунами вертольотів у польотних режимах перед іншими методами, наприклад, методом управління із застосуванням ПІД-регуляторів. З боку сучасних програмно-технічних засобів відсутні будь-які обмеження на складність використовуваних алгоритмів, проте для реалізації тих значних потенційних можливостей, які мають системи управління на основі штучних нейронних мереж, потрібна розробка концептуально нових підходів до побудови таких систем. Для улучшения показателей качества систем автоматического управления актуальной является задача разработки новых алгоритмов идентификации и диагностики технических объектов. Одним из путей решения задачи является применение искусственных нейронных сетей. В целях исследования проблем использования искусственных нейронных сетей для идентификации и диагностики технических объектов, в частности, авиационных двигателей вертолетов, проведен анализ научных работ по данной тематике за последние годы. Рассмотрены существующие подходы к построению систем диагностики неисправностей, а также систем автоматического управления на основе искусственных нейронных сетей. Результаты приведенного анализа могут быть использованы при разработке новых методов и алгоритмов идентификации и диагностики технических объектов на основе нейросетевых анализаторов. В данной работе в качестве примера приведена обобщенная нейросетевая модель авиационных двигателей вертолетов, которая применяется для мониторинга их технического состояния в режиме полетов вертолетов. На основании данной модели в работе сформулирована задача идентификации технического состояния авиационных двигателей вертолетов. В данной работе приведен пример применения нейросетевых технологий в задачах управления авиационными двигателями вертолетов в полетных режимах. Разработана структура модели управления авиационными двигателями вертолетов в полетных режимах с применением нейронной сети архитектуры персептрон. Полученные результаты свидетельствуют о преимуществах применения нейронных сетей в задачах управления авиационными двигателями вертолетов в полетных режимах перед другими методами, например, методом управления с применением ПИД-регуляторов. Со стороны современных программно-технических средств отсутствуют какие-либо ограничения на сложность используемых алгоритмов, однако для реализации тех значительных потенциальных возможностей, которые имеют системы управления на основе искусственных нейронных сетей, требуется разработка концептуально новых подходов к построению таких систем. To improve the quality indicators of automatic control systems, it is urgent to develop new algorithms for the identification and diagnostics of technical objects. One of the ways to solve the problem is the use of artificial neural networks. In order to study the problems of using artificial neural networks for the identification and diagnostics of technical objects, in particular, helicopters aircraft engines, an analysis of scientific works on this topic in recent years has been carried out. The existing approaches to the construction of fault diagnostics systems, as well as automatic control systems based on artificial neural networks, are considered. The results of the above analysis can be used in the development of new methods and algorithms for identification and diagnostics of technical objects based on neural network analyzers. In this paper, as an example, a generalized neural network model of helicopter aircraft engines is presented, which is used to monitoring their technical state in the helicopter flight mode. Based on this model, the paper formulates the problem of identifying the technical condition of helicopter aircraft engines. This paper provides an example of the use of neural network technologies in the control problems of helicopter aircraft engines in flight modes. The structure of the model for controlling helicopters aircraft engines in flight modes using a neural network of the perceptron architecture has been developed. The results obtained indicate the advantages of using neural networks in the problems of controlling helicopters aircraft engines in flight modes over other methods, for example, a control method using PID controllers. On the part of modern software and hardware, there are no restrictions on the complexity of the algorithms used, however, to realize the significant potential capabilities that control systems based on artificial neural networks have, it is necessary to develop conceptually new approaches to the construction of such systems.Документ Проектування адаптивних користувацьких інтерфейсів з елементами штучного інтелекту(Авіація, промисловість, суспільство : матеріали ІІІ Міжнар. наук.-практ. конф. (м. Кременчук, 12 трав. 2022 р.) / МВС України, Харків. нац. ун-т внутр. справ, Кременчуц. льотний коледж, Наук. парк «Наука та безпека». – Харків : ХНУВС, 2022. – С. 393-396., 2022) Грибанова, С. А.; Hrybanova, S. A.; ORCID:https://orcid.org/0000-0001-5831-2363Зазначено, що проектування адаптивних інтерфейсів є досить актуальною проблемою, яку багато дослідників намагаються вирішити по-різному. Зокрема, велика кількість авторів пропонують використовувати елементи штучного інтелекту при створенні інтерфейсів прикладних програм, які дозволять максимально враховувати характеристики користувачів і адаптувати додатки для роботи з ними. Проблема проектування адаптивних користувацьких інтерфейсів актуальна в процесі розробки в основних предметних областях (освіта, економіка, виробництво і т.і.). Отмечено, что проектирование адаптивных интерфейсов есть достаточно актуальной проблемой, которую многие исследователи пытаются решить по-разному. В частности, множество авторов предлагают использовать элементы искусственного интеллекта при создании интерфейсов прикладных программ, которые позволят максимально учитывать характеристики пользователей и адаптировать приложения для работы с ними. Проблема проектирования адаптивных пользовательских интерфейсов актуальна в процессе разработки в основных предметных областях (образование, экономика, производство и т.д.). It is noted that the design of adaptive interfaces is a rather urgent problem that many researchers are trying to solve in different ways. In particular, many authors suggest using elements of artificial intelligence when creating application program interfaces that will take into account the characteristics of users as much as possible and adapt applications to work with them. The problem of designing adaptive user interfaces is relevant in the development process in the main subject areas (education, economics, manufacturing, etc.).Документ Технології віртуальної реальності в інноваційних комунікаціях: теоретичний аспект(Шлях успіху і перспективи розвитку (до 26 річниці заснування Харківського національного університету внутрішніх справ) : матеріали міжнар. наук.-практ. конф. (м. Харків, 20 листоп. 2020 р.). - Харків : ХНУВС, 2020.- С. 157-159., 2020) Грибанова, С. А.; Hrybanova, S. A.; ORCID:https://orcid.org/0000-0001-5831-2363Зазначено, що перспективи використання віртуальної реальності стосуються усіх сфер життєдіяльності людини та усіх видів соціальних комунікацій. За допомогою віртуальної реальності можлива реалізація перспективи її використання в моделюванні, проектуванні, просторовому інжинірингу. Отмечено, что перспективы использования виртуальной реальности относятся ко всем сферам жизнедеятельности человека и всем видам социальных коммуникаций. Посредством виртуальной реальности возможна реализация перспективы ее использования в моделировании, проектировании, пространственном инжиниринге. It is noted that the prospects for the use of virtual reality relate to all spheres of human life and all types of social communications. Through virtual reality, it is possible to realize the prospect of its use in modeling, design, and spatial engineering.