Контроль і діагностика технічного стану авіаційного двигуна ТВ3-117 шляхом аналізу тренду його параметрів

Abstract

Розроблено метод контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 в польотних режимах шляхом аналізу тренду його параметрів з використанням нейромережевих технологій. Вирішено завдання розробки методики визначення оптимальної структури нейронної мережі, яка полягає у визначенні архітектури нейронної мережі, виборі оптимального алгоритму пошуку ваг нейронів і навчання нейронної мережі, аналізу ефективності різних алгоритмів навчання нейронної мережі, визначення структури нейронної мережі щодо знаходження мінімальної помилки навчання нейронної мережі залежно від кількості нейронів у прихованому шарі, а також в аналізі ефективності отриманих результатів.The subject matter of the article is TV3-117 aircraft engine and methods for monitoring and diagnosing its technical state. The goal of the work is development of a method of control and diagnostics of TV3-117 aircraft engine technical state in flight modes by the analysis of a trend of its parameters using neural network technologies. The article solves the problem of developing a methodology for determining the optimal structure of a neural network, which consists in determining the neural network architecture, choosing an optimal algorithm for finding the weights of neurons and training a neural network, analyzing the effectiveness of various training algorithms for a neural network, determining the structure of a neural network to find the minimum error in training a neural network depending on the number of neurons in the hidden layer, as well as in the analysis of the effectiveness of the results. The following methods are used: methods of probability theory and mathematical statistics, methods of neuroinformatics, methods of information systems theory and data processing. The results of numerical modeling indicate the possibility of solving the problems of control and diagnosing of TV3-117 aircraft engine technical state, allowing, along with the classical criteria for identifying the trend of parameters, to apply qualitatively new neural network criteria that expand and supplement the classical criteria that increase the reliability in control and diagnosing the technical state and decision-making stages. The results obtained indicate the possible implementation of the neural network model of the TV3-117 aircraft engine into the on-board system for control and diagnosing its state condition in flight modes.Разработан метод контроля и диагностики технического состояния авиационного двигателя ТВ3-117 в полетных режимах путем анализа тренда его параметров с использованием нейросетевых технологий. Решена задача разработки методики определения оптимальной структуры нейронной сети, которая состоит в определении архитектуры нейронной сети, выборе оптимального алгоритма поиска весов нейронов и обучения нейронной сети, анализа эффективности различных алгоритмов обучения нейронной сети, определение структуры нейронной сети по нахождению минимальной ошибки обучения нейронной сети в зависимости от количества нейронов в скрытом слое, а также в анализе эффективности полученных результатов. Результаты численного моделирования свидетельствуют о возможности решения задач контроля и диагностики технического состояния авиационного двигателя ТВ3-117, позволяющие наряду с классическими критериями выявления тренда параметров применять качественно новые нейросетевые критерии, которые расширяют и дополняют классические критерии, повышающие достоверность при контроле и диагностике технического состояния и на этапах принятия решений. Полученные результаты свидетельствуют о возможном внедрении нейросетевой модели авиационного двигателя ТВ3-117 в бортовую систему контроля и диагностики его технического состояния в полетных режимах