Экспериментальное исследование эффективности метода диагностирования электро-гидромеханических систем с учётом динамики процессов на основе нейросетевого базиса

Abstract

Существующие методы контроля электро-гидромеханических систем (ЭГМС), основанные на достижении требуемых показателей по выходным параметрам и измерениям параметров на установившихся режимах, не позволяют диагностировать их неисправности в полном объёме. Поэтому разрабатываются системы диагностирования, основанные на измерении параметров ЭГМС в динамическом режиме. При этом возникает необходимость в создании массивов данных, связанных с измерением параметров в реальном масштабе времени и обработкой многочисленных параметров для отработки и проверки эффективности специальных методов машинного обучения. Однако в технической литературе недостаточно уделено внимания экспериментальной отработке и проверке эффективности этих методов. В статье представлена методика создания такого массива данных и оценки эффективности метода диагностирования с учётом динамики процессов в результате экспериментальных исследований ЭГМС в исправном и неисправном (с имитацией характерных дефектов) состояниях при различных управляющих воздействиях. При этом созданы стендовое оборудовании, измерительно-регистрирующий комплекс с интерфейсом и реализацией имитаторов неисправностей, программы для формирования массива данных. Представлена результаты экспериментальных исследований эффективности методики диагностирования с ансамблем классификаторов неисправностей, построенных по массивам данных на модельных обучающих выборках. Статья может быть полезна специалистам, разрабатывающим и осуществляющим методы диагностирования технического состояния ЭГМС различных технических объектов. Existing methods of monitoring electro-hydromechanical systems (EHMS), based on the achievement of the required indicators for output parameters and parameter measurements at steady-state modes, do not allow to diagnose their malfunctions in full. Therefore, diagnostic systems based on measuring EHMS parameters in dynamic mode are being developed. At the same time, there is a need to create data arrays related to measuring parameters in real time and processing numerous parameters to refine and verify the effectiveness of special machine learning methods. However, in the technical literature insufficient attention is paid to the experimental development and verification of the effectiveness of these methods. The article presents the methodology for creating such an array of data and evaluating the effectiveness of the diagnostic method taking into account the dynamics of processes as a result of experimental studies of EHMS in serviceable and faulty (with imitation of characteristic defects) states under various control actions. At the same time, bench equipment, a measuring and recording complex with an interface and the implementation of fault simulators, and programs for generating a data array were created. The results of experimental studies of the effectiveness of the diagnostic method with an ensemble of fault classifiers constructed from data sets on model training samples are presented. The article may be useful to specialists developing and implementing methods for diagnosing the technical state of EHMS of various technical objects.