Перегляд за Автор "ORCID: http://orcid.org/0000-0001-5164-2976"
Зараз показуємо 1 - 6 з 6
Результатів на сторінці
Налаштування сортування
Документ Identification of rear model of TV3-117 aircraft engine based on the basis of neuro-multi-functional technologies(Innovative technologies and scientific solutions for industries = Сучасний стан наукових досліджень та технологій в промисловості. – 2019. – № 1 (7). – С. 43-49, 2019) Vladov, S. I.; Владов, С. І.; ORCID: http://orcid.org/0000-0001-8009-5254; Shmelov, Yu. M.; Шмельов, Ю. М.; ORCID: http://orcid.org/0000-0002-3942-2003; Derevyanko, I. H.; Дерев’янко, І. Г.; ORCID: http://orcid.org/0000-0003-0116-1378; Dieriabina, I. O.; Дєрябіна, І. О.; ORCID: http://orcid.org/0000-0001-5164-2976; Chyzhova, L. I.; Чижова, Л. І.; ORCID: http://orcid.org/0000-0002-4105-1520Предметом статті є авіаційний двигун TV3-117 і методи визначення його технічного стану. У статті було вирішене завдання ідентифікації зворотної багаторежимної моделі авіаційного двигуна TV3-117 з використанням нейронних мереж.Документ Аналіз динаміки авіаційного двигуна ТВ3-117 із використанням нейронної мережі Елмана(Вісник Херсонського національного технічного університету. - 2020. - № 4(75). - С. 42-52, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Москалик, В. М.; Moskalyk, V. M.; ORCID: https://orcid.org/0000-0003-4916-3102; Сіора, А. С.; Siora, A. S.; ORCID: https://orcid.org/0000-0002-2934-7281; Дєрябіна, І. О.; Dieriabina, I. O.; ORCID: http://orcid.org/0000-0001-5164-2976; Гвоздік, С. Д.; Hvozdik, S. D.; ORCID: http://orcid.org/0000-0002-4105-1520Розроблено динамічну модель авіаційного двигуна ТВ3-117 в складі його системи автоматичного управління в польотних режимах з використанням нейромережевих технологій. Наголошено, що використання динамічних рекурентних нейронних мереж, зокрема, нейронної мережі Елмана, у процесі розробки математичної моделі об’єкта управління (авіаційного двигуна ТВ3-117) дозволяє істотно прискорити цей процес, причому, отримані моделі придатні для розв’язання задач синтезу законів управління і структури системи автоматичного управління у відповідності з відомою концепцією. Відзначено, що точність динамічної ідентифікації параметрів двигуна на основі нейронної мережі Елмана у 1,5 рази вище порівняно з методом найменших квадратів. Визначено, що точність динамічної ідентифікації параметрів двигуна в умовах шумів (адитивної складової перешкоди) на основі нейронної мережі Елмана також у середньому у два рази вище порівняно з методом найменших квадратів.Документ Грозова діяльність у місті Харків(Актуальні проблеми сучасної науки в дослідженнях молодих учених : тези доп. учасників наук.-практ. конф. з нагоди святкування Дня науки (м. Харків, 15 трав. 2020 р.). – Харків : ХНУВС, 2020. – С. 251-254, 2020) Дєрябіна, І. О.; Dieriabina, I. O.; ORCID: http://orcid.org/0000-0001-5164-2976Наголошено, що робота авіації залежить від погодних умов. Хмари та пов’язані з ними такі метеорологічні явища, як грози суттєво впливають на роботу авіації. Вони значно ускладнюють польоти, а в ряді випадків зовсім виключають їх можливість. Грози – одне із найскладніших атмосферних явищ, характерною рисою яких є тісний зв’язок і взаємообумовленість метеорологічних та електричних процесів.Документ Пeрeвaги тa нeдoлiки oргaнiзaцiї дистaнцiйнoгo нaвчaння(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. 434-436., 2020) Реута, А. В.; Reuta, A. V.; ORCID: https://orcid.org/0000-0001-6495-6560; Дєрябіна, І. О.; Dieriabina, I. O.; ORCID: http://orcid.org/0000-0001-5164-2976Зазначено, що організація дистанційного навчання викладачем дає можливість йому постійно підвищувати свій професійний рівень та педагогічну майстерність, використовуючи нові мультимедійні технології, різні сучасні програмні ресурси і освітні послуги, а також доступно організовувати віддалений обмін та співпраці між колегами. Отмечено, что организация дистанционного обучения преподавателем дает ему возможность постоянно повышать свой профессиональный уровень и педагогическое мастерство, используя новые мультимедийные технологии, различные современные программные ресурсы и образовательные услуги, а также доступно организовывать удаленный обмен и сотрудничество между коллегами. It is noted that the organization of distance learning by a teacher gives him the opportunity to constantly improve his professional level and pedagogical skills, using new multimedia technologies, various modern software resources and educational services, as well as to easily organize remote exchange and cooperation between colleagues.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 Ідентифікація багаторежимної моделі авіаційних двигунів вертольотів у польотних режимах з використанням модифікованого градієнтного алгоритму навчання радіально-базисних нейронних мереж(Вісник Херсонського національного технічного університету. - 2021. - № 4(79). - С. 52-63, 2021) 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; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044; Пилипенко, Л. М.; Pylypenko, L. M.; ORCID: https://orcid.org/0000-0001-5221-0921; Пономаренко, А. В.; Ponomarenko, A. V.; ORCID: http://orcid.org/0000-0002-4143-1814Розглянуто розв’язання прикладної задачі ідентифікації авіаційних газотурбінних двигунів вертольотів у польотних режимах за допомогою їх багаторежимних моделей з використанням класичного методу – методу найменших квадратів і нейромережевого методу – шляхом побудови нейронної мережі відповідно до вихідних даних. Використовано такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Для досягнення поставленої мети та зменшення помилки ідентифікації багаторежимної моделі авіаційного газотурбінного двигуна у роботі запропоновано використання нейронної мережі радіально-базисних функцій з модифікованим градієнтним алгоритмом навчання, що полягає у динамічній зміні структури нейронної мережі у процесі навчання, а для виключення ситуацій, коли параметри елементів стають близькими один до одного, введено коефіцієнт взаємного припинення елементів. При розв’язанні прикладної задачі ідентифікації авіаційних газотурбінних двигунів вертольотів показано, що похибка ідентифікації багаторежимної моделі авіаційних газотурбінних вертольотів (на прикладі авіаційного двигуна ТВ3-117) за допомогою персептрона при обчисленні окремих параметрів двигуна не перевищила 0,63 %; для нейронної мережі радіально-базисних функцій – 0,74 %, для нейронної мереж радіально-базисних функцій з модифікованим градієнтним алгоритмом навчання – 0,47 %, у той час як для класичного методу (методу найменших квадратів) вона складає близько 1 % у розглянутому діапазоні зміни режимів роботи двигуна. Порівняльний аналіз нейромережевих і класичного методів ідентифікації в умовах дії шумів показує, що нейромережеві методи більш робастні до зовнішніх збурень: для рівня шуму σ = 0,025 похибка ідентифікації параметрів авіаційного двигуна ТВ3-117 при використанні персептрона зростає з 0,63 до 0,84 %; для нейронної мережі радіально-базисних функцій – з 0,74 до 0,86 %; для нейронної мережі радіально-базисних функцій з модифікованим градієнтним алгоритмом навчання – з 0,47 до 0,65 %, а для методу найменших квадратів – з 0,99 до 2,14 %.