Browsing by Author "ORCID: http://orcid.org/0000-0001-8009-5254"
Now showing 1 - 17 of 17
Results Per Page
Sort Options
Item A neuro-fuzzy expert system for the control and diagnostics of helicopters aircraft engines technical state(ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer: Proceedings of the 17th International Conference (Kherson, Ukraine, September 28 - October 2, 2021). - Volume I: Main Conference, PhD Symposium, and Posters. - P. 40-52, 2021) Shmelov, Yu. M.; Шмельов, Ю. М.; ORCID: http://orcid.org/0000-0002-3942-2003; Vladov, S. I.; Владов, С. І.; ORCID: http://orcid.org/0000-0001-8009-5254; Petchenko, M. V.; Петченко, М. В.; ORCID: http://orcid.org/0000-0003-1104-5717У роботі висвітлено актуальну науково-практичну проблему побудови нечіткої експертної системи для контролю та діагностики технічного стану двигунів вертольотів авіації в режимах польоту. На основі модифікованого методу діагностичних матриць та нечіткої логіки, який відрізняється від існуючих, за рахунок введення нечітких експертних правил, відповідних до фізичних процесів, що відбуваються в авіаційних двигунах з вільною турбіною, дозволило підвищити коефіцієнт довіри прийняття рішення при наявності дефекту в конкретному вузлі траєкторії повітряних двигунів на етапі льотної експлуатації вертольотів. Запропоновано реалізацію нечіткої експертної системи з використанням нечіткої нейронної мережі Ванга-Менделя, що дозволило на тестовому прикладі визначити наявність дефекту в компресорі, наявність якого вказує на ступінь 1 % підвищення тиску в компресорі.Item Algorithms for diagnostic and parameter of failures of channels of measurement of TV3-117 aircraft engine automatic control system in flight modes based on neural network technologies(Proceedings of the National Aviation University. - 2020. - N3 (84). - P. 26–37, 2020) Vladov, S. I.; Владов, С. І.; ORCID: http://orcid.org/0000-0001-8009-5254Запропоновано розв’язання задачі підвищення надійності системи автоматичного управління авіаційного двигуна ТВ3-117 на основі введення алгоритмічної надмірності. Розроблено алгоритми діагностики та парирування відмов вимірювальних каналів для вхідних параметрів вбудованої в САУ лінійної адаптивної бортової математичної моделі авіаційного двигуна ТВ3-117 (LABEM). Наведено основні співвідношення LABEM. В якості основи статичної моделі двигуна використовується дросельна характеристика індивідуального двигуна, отримана на здавальних випробуваннях або на «гонці» в експлуатації після проведення обслуговування. Динамічна лінійна модель авіаційного двигуна ТВ3-117 нижнього рівня будується за методом простору станів. Технічні і теоретичних проблем практичної реалізації резервування за допомогою моделі пов’язані з високою розмірністю простору станів двигуна, що істотно перевищує розмірність вектору вимірюваних на борту параметрів. Виникає проблема ідентифікації відмови датчика з подальшим заміщенням інформації модельним значенням. Обґрунтовано необхідність побудови алгоритмів виявлення і локалізації відмов вимірювальних каналів двоканальних датчиків, що діють в умовах перешкод. Для підвищення надійності вхідної інформації по контуру витрати палива застосовуються алгоритми Калман-фільтрації з вбудованою логікою виявлення та локалізації відмови вимірювального каналу. Описано алгоритми виявлення та локалізації відмов датчиків в контурі дозуючої голки на основі фільтрів Калмана. Алгоритми будуються на обчисленні сигнатури відмови як зваженої суми квадратів відхилень (WSSR), яку порівнюють з обраним пороговим значенням. Результати випробувань на моторному стенді і моделювання в середовищі MatLab показали, що застосування запропонованих алгоритмів в складі LABEM дозволяє досягти високих показників надійності і якості автоматичного управління.Item Control and diagnostics of TV3-117 aircraft engine technical state in flight modes using the matrix method for calculating dynamic recurrent neural networks(CMIS-2021: The Fourth International Workshop on Computer Modeling and Intelligent Systems (Zaporizhzhia, Ukraine, 27 April, 2021). - P. 97-109, 2021) 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; Yakovliev, R. P.; Яковлєв, Р. П.; ORCID: https://orcid.org/0000-0002-3788-2583У даній роботі розглянуто один із методів використання динамічних рекурентних нейронних мереж для вирішення прикладних задач контролю та діагностики технічного стану авіаційних двигунів, у тому числі ТВ3-117. Запропоновано метод кодування нейронних мереж у сигнальні графи та показано, що їх матриці суміжності можуть бути використані як асоціативна пам’ять у крокових матричних алгоритмах розв’язування динамічних рекурентних нейронних мереж. Показано, що в повнозв’язаних рекурентних нейронних мережах будь-який нейрон може бути вхідним або вихідним, а один нейрон може бути одночасно вхідним і вихідним. Наведено приклади навчання за алгоритмом еволюційної оптимізації мультиекстремальних задач рекуррентних динамічних нейронних мереж, призначених для контролю та діагностики технічного стану двигуна ТВ3-117.Функції блоків активації нейронів у динамічних рекуррентних нейронних мережах у цій роботі використовуються різницевими виразами імітаційних моделей лінійних динамічних зв'язків. Показано, що для ідентифікації у часовій області перехідних процесів у динамічних системах третього порядку досягається задовільна точність на виході будь-якого нейрона рекуррентної динамічної нейронної мережі з чотирма нейронами, при цьому виявлено, що корисна інформація про динамічні властивості досліджуваної динамічної системи можна одночасно отримати з виходу будь-якої нейронної мережі.Item 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.Item 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.Item 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.Item Багатовимірна система автоматичного управління авіаційним двигуном ТВ3-117 на базі нейромережевого регулятора(Вісник Кременчуцького національного університету імені Михайла Остроградського. - 2020. - Вип. 2(121). - С. 79-84, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Назаренко, Н. П.; Nazarenko, N. P.; ORCID: https://orcid.org/0000-0001-9745-2430; Тутова, Н. В.; Tutova, N. V.; ORCID: https://orcid.org/0000-0001-5609-5502; Москалик, В. М.; Moskalyk, V. M.; ORCID: https://orcid.org/0000-0003-4916-3102; Пономаренко, А. В.; Ponomarenko, A. V.Розроблено багатовимірну систему автоматичного управління авіаційним двигуном ТВ3-117 на базі нейромережевого регулятора із застосуванням рекурентної нейронної мережі архітектури персептрон. Це дозволило забезпечити виконання широкого комплексу вимог до процесів управління (астатизм – нульова статична помилка, фізична реалізація нейромережевого регулятора, стійкість і задану якість процесів управління на фіксованій множині режимів роботи двигуна, мінімальна складність багатовимірного нейромережевого регулятора) заприн ципом мінімальної складності регулятора, що формує можливості вибору мінімальної за складністю системи автоматичного управління при заданому рівні якості процесів управління. Проведено моделювання системи автоматичного управління авіаційним двигуном ТВ3-117 із синтезованим нейромережевим регулятором, результати якого свідчать про те, що перехідні процеси в системі управління задовольняють поставленим вимогам, а їх відмінність від еталонних значень не перевищує декількох відсотків. Підкреслено, що метод мінімальної складності інтелектуальних систем управління складними технічними об’єктами набув подальшого розвитку. Він відрізняється від існуючих тим, що за рахунок використання рекурентної нейронної мережі архітектури персептрон у нейромережевому регуляторі створено систему автоматичного управління авіаційним двигуном ТВ3-117 з високою точністю відтворювання перехідних процесів у двигуні.Item Використання нейромережевих технологій для контролю і діагностики технічного стану авіаційного двигуна ТВ3-117(Об’єднанi наукою: перспективи міждисциплінарних досліджень: матеріали VII Всеукр. наук.-практ. конф. студентів, аспірантів та молодих вчених (к. Київ, 12-13 листоп. 2020 р.). – Київ, 2020. – С. 179-181, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Васильєв, Д. О.; Vasyliev, D. O.; Бражник, О. О.; Brazhnyk, O. O.Розглянуто розробки сучасних інформаційних систем контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 із застосуванням методів штучного інтелекту, в тому числі, й нейромережевих технологій.Item Відмовостійкий алгоритм ідентифікації бортової математичної моделі авіаційного двигуна ТВ3-117 в складі його системи автоматичного управління(Вісник Херсонського національного технічного університету. - 2020. - № 4(75). - С. 11-19, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Ковальський, В. С.; Kovalskyi, V. S.; ORCID: http://orcid.org/0000-0003-1700-3550; Дятловська, В. Л.; Diatlovska, V. L.; ORCID: https://orcid.org/0000-0001-8125-1407; Яніцький, А. А.; Yanitskyi, A. A.; ORCID: http://orcid.org/0000-0001-5318-1915; Вакуленко, Р. А.; Vakulenko, R. A.Розроблено відмовостійкі алгоритми ідентифікації бортової математичної моделі авіаційного двигуна ТВ3-117 в складі його системи автоматичного управління в польотних режимах. Обґрунтувано доцільність використання Калман-фільтрації в системі автоматичного управління авіаційного двигуна ТВ3-117, визначено передавальна функція фільтра Калмана, алгоритм виявлення та локалізації відмови каналу двоканального датчика. Досліджено частотні властивості системи автоматичного управління авіаційного двигуна ТВ3-117, підтверджено і доведено рівність одиниці коефіцієнта посилення розробленого відмовостійкого блоку фільтрації і відсутності додаткових фазових зсувів, внесених можливим чистим запізненням, обумовленим особливостями реалізованих алгоритмів виявлення відмов вимірювальних каналів і Калман-фільтрації вхідної інформації бортової вбудованої математичної моделі.Item Діагностика технічного стану авіаційних двигунів вертольотів у польотних режимах за допомогою нейромережевого ансамблю(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. 160-162., 2022) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Плужник, З. І.; Pluzhnyk, Z. I.Проведений порівняльний аналіз показав можливість розв’язання задачі діагностики технічного стану авіаційних двигунів вертольотів за допомогою різних архітектур нейронних мереж, а також методу найменших квадратів, що забезпечують високу достовірність розпізнавання дефектів, включаючи подвійні дефекти, у різних вузлах двигуна. Проведенный сравнительный анализ показал возможность решения задачи диагностики технического состояния авиационных двигателей вертолетов с помощью различных архитектур нейронных сетей, а также метода наименьших квадратов, обеспечивающих высокую достоверность распознавания дефектов, включая двойные дефекты, в разных узлах двигателя. The comparative analysis carried out showed the possibility of solving the problem of diagnosing the technical condition of aircraft engines of helicopters using various architectures of neural networks, as well as the least squares method, which provides high reliability of defect recognition, including double defects, in different engine nodes.Item Математична модель компресора авіаційного двигуна ТВ3-117 для його контролю і діагностики технічного стану в умовах бортової експлуатації повітряного судна(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. 112-116., 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Подгорних, Н. В.; Podhornykh, N. V.; Телешун, В. Я.; Teleshun, V. Ya.З огляду зазначених вище факторів невизначеності, «класичні» методи контролю і діагностики доводиться допрацьовувати, так як в розглянутих умовах вони погано справляються з поставленими перед ними завданнями. Інтеграція «класичних» і інтелектуальних методів, призначених для розв’язання погано структурованих задач, істотно підвищує ефективність контролю і якість прийнятих рішень. Учитывая указанные выше факторы неопределенности, «классические» методы контроля и диагностики приходится дорабатывать, так как в рассматриваемых условиях они плохо справляются с поставленными перед ними задачами. Интеграция «классических» и интеллектуальных методов, предназначенных для решения плохо структурированных задач, существенно повышает эффективность контроля и качество принимаемых решений. Given the above factors of uncertainty, the "classical" methods of control and diagnostics have to be improved, since under the conditions under consideration they do not cope well with the tasks assigned to them. The integration of "classical" and intelligent methods designed to solve poorly structured problems significantly increases the efficiency of control and the quality of decisions made.Item 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.Item Підвищення надійності системи автоматичного управління авіаційним двигуном ТВ3-117 з використанням його бортової нейромережевої моделі(Вісник Кременчуцького національного університету імені Михайла Остроградського. - 2020. - Вип. 2(121). - С. 91-96, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Шмельов, Ю. М.; Shmelоv, Yu. M.; ORCID: https://orcid.org/0000-0002-3942-2003; Сіора, А. С.; Siora, A. S.; ORCID: https://orcid.org/0000-0002-2934-7281; Яніцький, А. А.; Yanitskyi, A. A.; ORCID: http://orcid.org/0000-0001-5318-1915; Пономаренко, А. В.; Ponomarenko, A. V.Проаналізовано підходи до вирішення проблеми підвищення надійності систем автоматичного управління авіаційними газотурбінними двигунами, в тому числі, і ТВ3-117, на основі алгоритмічного резервування. Визначено основні труднощі застосування алгоритмічного резервування в умовах льотної експлуатації повітряного судна. Розглянуто особливості застосування лінійних і нелінійних математичних моделей, виділені їх основні переваги та недоліки. Виявлено основні вимоги до математичної моделі задля ефективного застосування в системі автоматичного управління авіаційного двигуна ТВ3-117. Розроблено і представлено лінійну адаптивну бортову нейромережеву модель, призначену для роботи спільно з системою автоматичного управління авіаційного двигуна ТВ3-117. Описано методи вирішення проблеми адаптації нейромережевої моделі авіаційного двигуна ТВ3-117 до можливої зміни його технічного стану. Розглянуто питання реалізації детермінованих, стохастичних і випадкових поправок для корекції моделі під час експлуатації двигуна. Оцінено застосування одновимірної і багатовимірної фільтрації Калмана вхідних і вихідних параметрів нейромережевої моделі авіаційного двигуна ТВ3-117 для підвищення її точності і надійності. Представлений приклад успішної реалізації фільтрації Калмана вхідного сигналу положення поршня дозувальної голки в результаті моделювання за даними, отриманими в результаті льотних випробувань повітряного судна. Визначена область застосування нейромережевої моделі авіаційного двигуна ТВ3-117 і ситуації, в яких модель функціонувати не може. Проведено оцінку похибки моделі для основних режимів експлуатації двигуна: похибка частоти обертання ротора турбокомпресора не перевищила 1,25 %, тиску повітря за турбокомпресором – 3,5 %, температури газів за турбіною компресора – 2,2%. Отримані дані свідчать про можливе впровадження нейромережевої моделі авіаційного двигуна ТВ3-117 в бортову систему контролю і діагностики його технічного стану в польотних режимах.Item Реалізація компонентних математичних моделей авіаційного двигуна ТВ3-117 на основі семантичної мережі(Вчені записки ТНУ імені В. І. Вернадського. Сер.: Технічні науки. – 2020. – Т. 31 (70), № 2, ч. 1. - С. 35-43, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Шмельов, Ю. М.; Shmelov, Yu. M.; ORCID: http://orcid.org/0000-0002-3942-2003; Пилипенко, Л. М.; Pylypenko, L. M.; ORCID: https://orcid.org/0000-0001-5221-0921; Назаренко, Н. П.; Nazarenko, N. P.; Тутова, Н. В.; Tutova, N. V.; Дерев’янко, І. Г.; Derevianko, I. H.; Пономаренко, А. В.; Ponomarenko, A. V.Запропоновано метод побудови математичної моделі авіаційного двигуна ТВ3-117 на основі розширеної семантичної мережі, що дозволяє шляхом реконфігурації математичної моделі й адаптації її характеристик до індивідуального двигуна, розв’язувати широкий набір задач контролю та діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах. Отримана мережа може розширюватися шляхом залучення нових параметрів у складі додаткових елементарних блоків відповідно до закономірностей, що описують закономірності робочих процесів і взаємозв’язок у вузлах двигуна.Item Синтез узагальненої нейронної мережі для контролю і діагностики технічного стану авіаційного двигуна ТВ3-117(Об’єднанi наукою: перспективи міждисциплінарних досліджень: матеріали VII Всеукр. наук.-практ. конф. студентів, аспірантів та молодих вчених (к. Київ, 12-13 листоп. 2020 р.). – Київ, 2020. – С. 182-184, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Телешун, В. Я.; Teleshun, V. Ya.; Яковенко, І. П.; Yakovenko, I. P.Розглянуто синтез узагальненої нейронної мережі для контролю і діагностики технічного стану авіаційного двигуна ТВ3-117.Item Щодо питання контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах за допомогою нечіткої експертної системи(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. 332-338, 2020) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Шмельов, Ю. М.; Shmelov, Yu. M.; ORCID: http://orcid.org/0000-0002-3942-2003; Курбанов, К. Р.; Kurbanov, K. R.Зазначено, що застосування експертних систем значно підвищує ефективність діагностики авіаційного двигуна ТВ3-117, оскільки дозволяє оперативно аналізувати різноманітну інформацію про особливості польотної ситуації, виробляти необхідні рекомендації про можливість усунення тієї або іншої несправності, враховувати нелінійність і невизначений характер протікають в них процесів і приймати оптимальні рішення по експлуатації даного двигуна.Item 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 %.