ІДЕНТИФІКАЦІЯ ЗВОРОТНОЇ БАГАТОРЕЖИМНОЇ МОДЕЛІ АВІАЦІЙНОГО ДВИГУНА ТВ3-117 НА ОСНОВІ НЕЙРОМЕРЕЖЕВИХ ТЕХНОЛОГІЙ

Анотація

Предметом дослідження в статті є авіаційний двигун ТВ3-117 та методи ідентифікації його технічного стану. Мета роботи – розробка методів ідентифікації технічного стану авіаційного двигуна ТВ3-117 на основі нейромережевих технологій у режимі реального часу. В статті вирішуються наступні завдання: задача ідентифікації зворотної багаторежимної моделі авіаційного двигуна ТВ3-117 з використанням нейронних мереж. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Отримано наступні результати: Застосування апарату нейронних мереж виявляється ефективним при розв’язку великого кола задач: ідентифікації математичної моделі авіаційного двигуна ТВ3-117, діагностики стану, аналізу трендів, прогнозування параметрів тощо, при цьому незважаючи на те, що ці задачі зазвичай відносяться до класу важко формалізованих (погано структурованих), нейронні мережі виявляються адекватними і ефективними у процесі їх розв’язку. У процесі розв’язку задачі ідентифікації математичної моделі авіаційного двигуна ТВ3-117 на основі нейронних мереж було встановлено, що нейронні мережі розв’язують задачу ідентифікації точніше класичних методів. Висновки: Установлено, що похибка ідентифікації авіаційного двигуна ТВ3-117 за допомогою нейронної мережі типу персептрон не перевищила 1,8 %; для нейронної мережі радіально-базисної функції (РБФ) – 4,6 %, в той час як для класичного методу (МНК) вона складає близько 5,7 % у розглянутому діапазоні зміни режимів роботи двигуна. З’ясовано, що нейромережеві методи більш робастні до зовнішніх збурень: для рівня шуму σ = 0,01 похибка ідентифікації авіаційного двигуна ТВ3-117 при використанні персептрона зросла з 1,8 до 3,8 %; для нейронної мережі РБФ – з 4,6 до 5,7 %, а для методу найменших квадратів – з 5,7 до 13,93 %. У процесі розв’язку задачі ідентифікації зворотної багаторежимної моделі авіаційного двигуна ТВ3-117 за його параметрами на основі нейронних мереж (персептрон і РБФ) було показано, що їх використання дозволяє проводити непряме вимірювання параметрів проточної частини двигуна на різних режимах його роботи: за відсутності шуму – з похибкою не більше 1,8 і 4,6 % відповідно; за наявності шуму (σ = 0,01) – з похибкою не більше 3,8 і 5,7 % відповідно. Застосування в цих умовах методу найменших квадратів (поліноміальна регресійна модель 8-го порядку) дозволяє отримати значення похибки: за відсутності шуму – не більше 5,7 %; за наявності шуму – не більше 13,93 %.