Багаторівнева інформаційна технологія діагностування технічних систем на основі даних моніторингу

Abstract

У статті розроблено та досліджено багаторівневу інформаційну технологію технічного діагностування динамічних систем на основі даних моніторингу. Актуальність дослідження зумовлена складністю деградаційних процесів у сучасних промислових об'єктах, таких як турбовентиляторні двигуни, та необхідністю підвищення точності прогнозування їхнього технічного стану для запобігання економічним втратам і ризикам безпеки. Запропонована інформаційна технологія базується на принципах комплементарності діагностичних підходів, багаторівневої організації, модульності, ансамблювання рішень, поєднання прогнозування та класифікації, а також використання диференційованих часових представлень. Експериментальна перевірка проведена на еталонних наборах даних NASA C-MAPSS (FD001 та FD004). Результати продемонстрували високу ефективність. F1-оцінка класифікації стану перевищила 92% для складного багаторежимного набору даних FD004. Порівняльний аналіз показав, що розроблена технологія забезпечує найвищу стійкість до змін операційних режимів робіт. Падіння якості при переході від простих до складних умов експлуатації є мінімальним порівняно з існуючими аналогами. Іл.: 2. Табл.: 3. Бібліогр.: 39 назв.

The article develops and investigates a multi-level information technology for technical diagnostics of dynamic systems based on monitoring data. The relevance of the research is determined by the complexity of degradation processes in modern industrial facilities, such as turbofan engines, and the need to improve the accuracy of forecasting their technical condition to prevent economic losses and safety risks. The proposed information technology is based on the principles of complementarity of diagnostic approaches, multi-level organization, modularity, ensemble of solutions, combination of forecasting and classification, as well as the use of differentiated time representations. Experimental verification was carried out on NASA C-MAPSS reference datasets (FD001 and FD004). The results demonstrated high efficiency. The F1-score of the state classification exceeded 92% for the complex multi-mode FD004 dataset. A comparative analysis showed that the developed technology provides the highest resistance to changes in operating modes. The drop in quality when transitioning from simple to complex operating conditions is minimal compared to existing analogues. Fig.: 2. Tabl.: 3. Refs.: 39 items.