КЛАССИФИКАЦИОННЫЙ ПОДХОД НА ОСНОВЕ КОМБИНАЦИИ ГЛУБОКИХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ ОТКАЗОВ СЛОЖНЫХ МНОГООБЪЕКТНЫХ СИСТЕМ


УДК 004.02
DOI: 10.26102/2310-6018/2020.29.2.037

В.К. Сай, М.В. Щербаков


Научно-технический прогресс способствовал бурному росту сложности систем и выполняемых ими функций, что особенно характерно для различных отраслей современной примышленности. Здесь цена отказа или сбоя оборудования может быть очень высокой а иногда и привести к неоценимым потерям, связанным с гибелью людей. Обслуживание подобных систем требует высоких материальных затрат, и всё же не исключает возможного возникновения сбоев. Это свидетельствует о том, что задача обеспечения надежности сложных многообъектных систем еще далека от своего решения. В связи с этим в настоящее время на первое место выходит задача обеспечения надежного функционирования систем при минимизации затрат на их содержание и техническое обслуживание. Решение которой невозможно без разработки и внедрения интеллектуальных систем, выполняющих функции предсказательной аналитики и предсказательного технического обслуживания. В данной статье предлагается гибридная нейросетевая модель прогнозирования отказов сложных многообъектных систем на основе классификационного подхода, направленная на повышение эксплуатационной надежности оборудования при минимальных затратах. Представлены результаты вычислительных экспериментов, подтверждающие высокую эффективность предложенного решения.

Ключевые слова: прогнозирование отказов, методы на основе данных данных, глубокие нейронные сети, LSTM, CNN.

Полный текст статьи:
SaiShcherbakov_2_20_1.pdf