ПРИКАСПИЙСКИЙ ЖУРНАЛ
УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ
ПРОГНОЗИРОВАНИЕ ОТКАЗОВ СЛОЖНЫХ МНОГООБЪЕКТНЫХ СИСТЕМ НА ОСНОВЕ КОМБИНАЦИИ НЕЙРОСЕТЕЙ: ПУТИ ПОВЫШЕНИЯ ТОЧНОСТИ ПРОГНОЗИРОВАНИЯ
 |
Читать | Сай Ван Квонг, Щербаков Максим Владимирович ПРОГНОЗИРОВАНИЕ ОТКАЗОВ СЛОЖНЫХ МНОГООБЪЕКТНЫХ СИСТЕМ НА ОСНОВЕ КОМБИНАЦИИ НЕЙРОСЕТЕЙ: ПУТИ ПОВЫШЕНИЯ ТОЧНОСТИ ПРОГНОЗИРОВАНИЯ // Прикаспийский журнал: управление и высокие технологии. — 2020. — №1. — Стр. 49-60. |
/49-60.jpg)
Сай Ван Квонг - Волгоградский государственный технический университет, svcuonghvktqs@gmail.com
Щербаков Максим Владимирович - Волгоградский государственный технический университет, maxim.shcherbakov@vstu.ru
Для прогнозирования отказов сложных многообъектных систем в работе предложена гибридная нейросетевая модель с двумя выходами на основе сверточных нейронных сетей (convolutional neural network, CNN ) и сетей долгой краткосрочной памяти( long short-term memory; LSTM ). Сети CNN используются для извлечения пространственных свойств из многомерных сенсорных данных, а сети LSTM - для темпорального моделирования долговременных зависимостей. Первый выход предложенной модели является классификатором, позволяющим предсказать отказ системы в следующих n-шагах. Другими словами, он является идентификатором стадии деградации оборудования. Второй выход является регрессором, позволяющим оценить величину остаточного ресурса ( remaining useful life, RUL ) оборудования. Представлены результаты вычислительных экспериментов, подтверждающие высокую эффективность предложенного решения.
Ключевые слова: предсказательное обслуживание, остаточный ресурс, глубокие нейронные сети, ансамблевые методы, гиперпараметрическая оптимизация, predictive maintenance, remaining useful life (RUL), deep neural network, ensemble method, hyperparameter optimization