Методи та засоби моніторингу газотурбінних двигунів вертольотів на основі нейромережевих технологій під час їх експлуатації

Abstract

У дисертації вирішено важливу науково-прикладну проблему підтримки безпеки польотів вертольотів в реальному часі шляхом розробки математичного і програмного забезпечення моніторингу і управління експлуатацією ГТД вертольотів в умовах льотної експлуатації часі. У роботі запропоновано метод моніторингу технічного стану та управління експлуатацією ГТД вертольотів у режимі льотної експлуатації. Метод базується на аналізі сучасного математичного та програмного забезпечення, типової архітектури експертних систем моніторингу та їх адаптації до вимог сучасних технологій. Розроблена експертна система моніторингу та управління експлуатацією ГТД вертольотів складається з декількох підсистем, що інтегруються в єдиний комплекс. Основою є нейромережева підсистема моніторингу, яка виконує класифікацію, ідентифікацію, контроль, діагностику, прогнозування, нагадування та тренд-аналіз. Система базується на базах знань, включаючи аналітичні дані, експертні знання та прецеденти. Зібрані сенсорами параметри двигуна обробляються та зберігаються у базі даних випробувань. Дані використовуються для ухвалення рішень через спеціальний модуль, який взаємодіє з автоматизованою підсистемою управління та командиром екіпажу через інтерфейс користувача. Запропоновано метод побудови нейромережевої моделі моніторингу ГТД вертольотів, який за рахунок алгоритму формування однорідної і репрезентативної навчальної і тестової вибірок, дозволяє збільшити достовірність визначення можливості здійснення польоту. Математично доведено, якщо навчальна і тестова вибірки є однорідними та репрезентативними, то приймається, що обидві вибірки готові для застосування в прикладних задачах моніторингу технічного стану ГТД вертольотів з високою ймовірністю успіху. The dissertation addresses a significant scientific and applied problem of ensuring realtime flight safety for helicopters through the mathematical and software tools development for the helicopter turboshaft engines operation monitoring and managing under flight conditions. The research proposes a method for monitoring the helicopter turboshaft engines operation technical condition and managing during flight. This method relies on analyzing advanced mathematical and software solutions, typical architectures of expert monitoring systems, and adapting them to modern technological requirements. The developed expert system integrates several subsystems into a unified framework, with its core being a neural network-based monitoring subsystem. This subsystem performs classification, identification, control, diagnostics, predicting, reminders, and trend analysis using knowledge bases that incorporate analytical data, expert knowledge, and precedents. Parameters collected by sensors are processed and stored in a test database, which serves as a foundation for decision-making through a specialized module that interacts with the automated management subsystem and the crew commander via a user interface. A method for constructing a neural network model for helicopter turboshaft engines monitoring has been proposed. By employing algorithms for creating homogeneous and representative training and test datasets, this method increases the determining flight feasibility reliability. It is mathematically proven that if both datasets are homogeneous and representative, they are ready for use in applied tasks for the helicopter turboshaft engines technical condition monitoring with high success probability.