Моделі, методи та інформаційна технологія функціонального діагностування багатоканатної шахтної підйомної машини

Abstract

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. Національний технічний університет "Харківський політехнічний інститут", Харків, 2020. Дисертаційна робота присвячена підвищенню функціональної ефективності системи функціонального діагностування багатоканатної шахтної підйомної машини шляхом створення інформаційної технології машинного навчання. У роботі поставлене та вирішене актуальне науково-прикладне завдання розроблення інформаційної інтелектуальної технології інформаційного синтезу здатної навчатися системи функціонального діагностування багатоканатної шахтної підйомної машини за умови неповної визначеності даних в рамках інформацій-но-екстремальної інтелектуальної технології аналізу даних. Як критерій оптимізації параметрів машинного навчання запропоновано модифіковану міру Куль-бака у вигляді функціоналу від точнісних характеристик класифікаційних рішень. На основі запропонованих та розроблених категорійних моделей, методів та алгоритмів створено комплекс інструментальних засобів для інформаційного синтезу системи функціонального діагностування багатоканатної шахтної підйомної машини, який включає модулі формування вхідного математичного опису системи, бази даних і знань, алгоритми інформаційно-екстремального машинного навчання і побудовані за результатам машинного навчання вирішальні правила, які дозволяють при функціонуванні системи в робочому режимі приймати високодостовірні оперативні діагностичні рішення.Thesis for a Candidate of Science Degree in specialty 05.13.06 “Information Technologies”, National Technical University "Kharkiv Polytechnic Institute", Kharkiv, 2020. The dissertation is devoted to increase of functional efficiency of the system of functional diagnostics of a multichannel mine lifting machine by creation of information technology of machine learning. The object of the study is a poorly formalized machine learning process of functional diagnostics system with incomplete data definiteness caused by arbitrary initial conditions of technological cycle and intersection in the space of features of recognition classes that characterize the technical condition of nodes and devices of a multi-wire mine machine. The subject of research are models and methods of information technology of functional efficiency estimation and optimization of parameters capable of learning the system of functional diagnostics of multi-wire mine lifting machine.