Журнал СФУ. Техника и технологии / Диагностика и управление электроприводом газовой задвижки на основе методов машинного обучения

Полный текст (.pdf)
Номер
Журнал СФУ. Техника и технологии. 2025 18 (6)
Авторы
Головенко, Е. А.; Кинёв, Е. С.; Павлов, Е. А.; Шалаев, П. О.; Лукьянов, Е. Н.; Литовченко, А. В.; Брызгова, К. А.; Помозов, Е. И.; Смирная, А. А.
Контактная информация
Головенко, Е. А.: ООО «Диотон» Российская Федерация, Красноярск; Сибирский федеральный университет Российская Федерация, Красноярск; Кинёв, Е. С.: Сибирский федеральный университет, Российская Федерация, Красноярск; Павлов, Е. А.: ООО “Диотон”, Российская Федерация, Красноярск; Шалаев, П. О.: Сибирский федеральный университет, Российская Федерация, Красноярск; Лукьянов, Е. Н. : Сибирский федеральный университет, Российская Федерация, Красноярск; Литовченко, А. В.: Сибирский федеральный университет, Российская Федерация, Красноярск; Брызгова, К. А. : Сибирский федеральный университет, Российская Федерация, Красноярск; Помозов, Е. И.: ООО “Диотон”, Российская Федерация, Красноярск; Смирная, А. А.: Сибирский государственный университет науки и технологии им. академика М. Ф. Решетнёва Российская Федерация, Красноярск
Ключевые слова
трубопроводная арматура; автоматизированный электропривод; полный факторный эксперимент; надёжность; машинное обучение; разметка dataset; pipeline valves; automated electric drive; full factorial experiment; reliability; machine learning; dataset labeling
Аннотация

Приведены результаты исследования режимов работы автоматизированного электропривода в системах управления транспортом жидкости и газа, в котором безаварийная эксплуатация транспортировочных магистралей и узлов обусловливает применение надежного запорно-регулирующего оборудования и эффективных алгоритмов управления. В рамках проекта поставлена одна из задач разработки программы испытаний 50 изделий для определения комплексного показателя надёжности на базе полного факторного эксперимента и выявления комплексного показателя надёжности в терминах ГОСТ Р 27.102–2021 «Надёжность объекта» на базе применения статистических методов исследования, безотказности, ремонтопригодности и восстанавливаемости, сохраняемости. Основные поставщики, предоставляющие своим потребителям не только сервисы, но и целые экосистемы для диагностики состояния являются IBM (США), Oracle Corporation (США), Microsoft Corporation (США), SAP SE (Германия), AMAZON (США) и др. По отечественным решениям данных нет. Исходя из ранжирования, по количеству срабатываний триггеров по тем или иным параметрам можно сделать вывод с высокой долей вероятности о причине, вызывающей такие эффекты. Рост срабатываний за интервал измерения покажет наиболее вероятную причину отказа системы в перспективе с учетом постоянной времени эксплуатации за смену

Страницы
828–844
EDN
BDQLMQ
Статья в архиве электронных ресурсов СФУ
https://elib.sfu-kras.ru/handle/2311/157479

Лицензия Creative Commons Эта работа лицензируется по лицензии Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0).