Способ диагностирования комплекса бортового оборудования воздушных судов на основе машинного обучения

Авторы

Букирёв А. С.

Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина», Воронеж, Россия

e-mail: bukirev@inbox.ru

Аннотация

В работе приведен анализ существующих методов и средств контроля, применяемых на борту современных воздушных судов. Обоснована необходимость и возможность увеличения глубины поиска места отказа, за счет применения методов машинного обучения, позволяющих автоматически создавать и использовать трудно формализуемые диагностические модели. Разработан модифицированный алгоритм диагностирования информационно-преобразующих элементов бортового оборудования на основе машинного обучения через взаимодействие с мультиплексным каналом информационного обмена, с модификацией алгоритма в части применения блока автоматического назначения оптимальных параметров обучения, по критерию обеспечения его полной автономности (обучения без учителя), за счет предварительного анализа обучающей выборки для каждого информационно-преобразующего элемента. Рассмотрена проблема влияния внешних возмущающих воздействий на результат диагностирования информационно-преобразующих элементов бортового оборудования, и с целью компенсации данных воздействий применен модифицированный фильтр Калмана с автоматическим определением оптимальных параметров фильтрации для каждого информационно-преобразующего элемента, за счет предварительного анализа обучающей выборки. Разработанный алгоритм сочетает в себе комплексирование (ансамблирование) трех моделей машинного обучения, с мажоритарным принципом формирования на выходе результата контроля каждого информационно-преобразующего элемента по методу «два из трех», с целью повышения достоверности результатов контроля, а также минимизации вероятности возникновения ошибок первого и второго рода при диагностировании. Под информационно-преобразующими элементами в работе подразумевается бортовое оборудование, выполняющее свои функции через мультиплексный канал информационного обмена. При этом ожидается снижение времени восстановления воздушного судна за счет минимизации времени поиска места отказа, что позволит повысить основной комплексный показатель надежности воздушного судна — коэффициент готовности.

Ключевые слова:

способ диагностирования, воздушное судно, модифицированный алгоритм, диагностические модели, техническое диагностирование, информационно-преобразующие элементы, искусственный интеллект, машинное обучение, кластеризация

Библиографический список

1. Уатт Дж., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения: Пер. с англ. - СПб.: БХВ-Петербург, 2022. - 640 с.

2. Интерфейс магистральный последовательный системы электронных модулей. Тестирование серийных образцов интерфейсных модулей, функционирующих в режиме оконечного устройства. Общие требования к методам контроля. ГОСТ Р 52075-2003. – М.: Стандартинформ, 2003. - 25 с.

3. Кольцов Ю.В., Добычина Е.М. Авионика истребителя пятого поколения Су-57 // Успехи современной радиоэлектроники. 2019. № 8. С. 29-45. DOI: 10.18127/j20700784-201908-03

4. Зеленцов А.В., Налетов Е.В., Чемоданов М.А. Многофункциональный авиационный комплекс 5-го поколения Су-57. История создания, перспективы развития // Военный научно-практический вестник. 2023. № 1 (17). С. 46-52.

5. Кольцов, Ю.В. Добычина Е.М. Авионика истребителя пятого поколения Су-57. Часть 2. // Успехи современной радиоэлектроники. 2020. № 3. С. 47-54. DOI: 10.18127/j20700784-202003-06

6. Мирошников И.И., Коновальцев Э.В., Хлонь Е.П. Электронное учебное пособие «Авиационное оборудование самолета Су-30СМ» // Межвузовский сборник научных трудов: Том 24. Краснодар: Краснодарское высшее военное авиационное училище летчиков имени Героя Советского Союза А.К. Серова. 2020. С. 143-148.

7. Интерфейс магистральный последовательный системы электронных модулей. ГОСТ Р 52070-2003. – М.: Стандартинформ, 2003. – 28 с.

8. Букирёв А.С., Савченко А.Ю., Яцечко М.И. Функциональная модель диагностирования информационно-преобразующих элементов бортового оборудования воздушных судов на основе машинного обучения // Вестник Военно-воздушной Академии. 2023. № 1 (51). С. 237-244.

9. Мозгалевский А.В., Калявин В.П., Костанди Г.Г. Диагностирование электронных систем. – Л.: Судостроение, 1984. – 224 с.

10. Техническая диагностика. Категории контролепригодности объектов диагностирования. ГОСТ 24029-80. – М.: Издательство стандартов, 1980. – 11 с.

11. Козирацкий Ю.Л. Мещеряков Д.В., Панов С.А., Калинин В.С. Методические основы анализа и оформления научных результатов военных исследований. – Воронеж: ВУНЦ ВВС «ВВА», 2021. – 459 с.

12. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / пер. с англ.– М.: ДМК Пресс, 2015. – 400 с.

13. Травин А.А., Калашников Е.А., Бакрадзе Л.Г. Совершенствование диагностики механизмов машин с использованием методов неразрушающего контроля // Труды МАИ. 2022. № 127. URL: https://trudymai.ru/published.php?ID=170352. DOI: 10.34759/trd-2022-127-23

14. Соколов Д.Ю. Применение искусственной нейронной сети для решения задач прогнозирования движения наземных объектов // Труды МАИ. 2022. № 123. URL: https://trudymai.ru/published.php?ID=165563. DOI: 10.34759/trd-2022-123-17

15. Железняков А.О., Сидорчук В.П., Подрезов С.Н. Имитационная модель системы технического обслуживания и ремонта радиоэлектронного оборудования // Труды МАИ. 2022. № 123. URL: https://trudymai.ru/published.php?ID=165538. DOI: 10.34759/trd-2022-123-26

16. Внешние воздействия. Данные о воздействии на электротехническое оборудование вибрации и ударов. Оборудование, транспортируемое реактивным самолетом с неизменяемой геометрией крыла. ГОСТ Р 57211-2016. – М.: Стандартинформ, 2016. – 35 с.

17. Букирёв А.С. Модель обработки сигналов информационно-преобразующих элементов в условиях внешних возмущающих воздействий с применением фильтра Калмана. Свидетельство о государственной регистрации программы для ЭВМ № 2023611857 РФ, 25.01.2023.

18. Букирёв А.С., Ипполитов С.В., Крячков В.Н., Савченко А.Ю. Способ диагностирования информационно-преобразующих элементов бортового оборудования воздушного судна на основе машинного обучения. Патент № 2802976 C1 РФ. МПК G06N 3/02, 05.09.2023.

19. Букирёв А.С. Программа автоматического определения значений оптимальных параметров обучения DBSCAN. Свидетельство о государственной регистрации программы для ЭВМ № 2023669752 РФ, 20.09.2023.

20. Букирёв А.С. Программа диагностирования комплекса бортового оборудования воздушных судов на основе машинного обучения. Свидетельство о государственной регистрации программы для ЭВМ № 2023661942 РФ, 05.06.2023.

Скачать статью