TY - JOUR

T1 - КЛАССИФИКАЦИЯ ГРУППЫ НЕИСПРАВНОСТЕЙ ГАЗОТУРБИННОЙ УСТАНОВКИ С ПРИМЕНЕНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

AU - Блинов, Виталий Леонидович

AU - Дерябин, Глеб Алексеевич

AU - Комаров, Олег Вячеславович

PY - 2024

Y1 - 2024

N2 - В статье рассматривается проблема диагностики и прогнозирования неисправностей газотурбинных установок. Актуальность ее исследования связана с важнейшей ролью, которую газотурбинные установки играют в различных отраслях промышленности, и необходимостью обеспечивать их надежную и экономичную эксплуатацию. Новизна работы заключается в применении методов машинного обучения для диагностики неисправностей. Этот подход по своей результативности может превосходить традиционные статистические методики и, как показано в статье, позволяет делать более эффективные и точные прогнозы. Методология исследования включала в себя создание и изучение наборов данных о техническом состоянии и дефектах газотурбинных установок при помощи моделей. Этот подход позволил применять машинное обучение при отсутствии достаточного объема реальных данных. Основной целью исследования было изучение эффективности применения указанного подхода при оценке технического состояния установок, классификации группы дефектов и анализе степени их развития на основе термогазодинамических параметров, измеряемых в ходе эксплуатации. Полученные результаты свидетельствуют о возможностях моделей успешно классифицировать группы неисправностей и прогнозировать стадию развития дефектов. Достигнутая высокая точность определения технического состояния газотурбинных установок подтверждает потенциал машинного обучения в совершенствовании систем диагностики и технического обслуживания. Однако очевидно, что все еще существует необходимость дальнейших исследований с использованием реальных данных для подтверждения полученных результатов.

AB - В статье рассматривается проблема диагностики и прогнозирования неисправностей газотурбинных установок. Актуальность ее исследования связана с важнейшей ролью, которую газотурбинные установки играют в различных отраслях промышленности, и необходимостью обеспечивать их надежную и экономичную эксплуатацию. Новизна работы заключается в применении методов машинного обучения для диагностики неисправностей. Этот подход по своей результативности может превосходить традиционные статистические методики и, как показано в статье, позволяет делать более эффективные и точные прогнозы. Методология исследования включала в себя создание и изучение наборов данных о техническом состоянии и дефектах газотурбинных установок при помощи моделей. Этот подход позволил применять машинное обучение при отсутствии достаточного объема реальных данных. Основной целью исследования было изучение эффективности применения указанного подхода при оценке технического состояния установок, классификации группы дефектов и анализе степени их развития на основе термогазодинамических параметров, измеряемых в ходе эксплуатации. Полученные результаты свидетельствуют о возможностях моделей успешно классифицировать группы неисправностей и прогнозировать стадию развития дефектов. Достигнутая высокая точность определения технического состояния газотурбинных установок подтверждает потенциал машинного обучения в совершенствовании систем диагностики и технического обслуживания. Однако очевидно, что все еще существует необходимость дальнейших исследований с использованием реальных данных для подтверждения полученных результатов.

UR - https://www.elibrary.ru/item.asp?id=65595108

M3 - Статья

SP - 90

EP - 99

JO - Газовая промышленность

JF - Газовая промышленность

SN - 0016-5581

IS - 4 (864)

ER -