Исследование эффективности нейросетевых алгоритмов для детектирования неисправностей в гидравлических системах

Abstract

В настоящей статье проведено исследование эффективности нейросетевых алгоритмов для детектирования неисправностей в гидравлических системах. Было проведено математическое моделирование типового узла гидравлической системы, по результатам которого были сформированы исходные данные для обучения нейросетевых моделей. Проверка эффективности классификаторов проводилась как на модельных данных, так и в результате стендовых испытаний реальной гидравлической системы. Лучший результат детектирования составил 98% верно распознанных состояний системы. This article investigates the effectiveness of neural network algorithms for detecting faults in hydraulic systems. Mathematical modeling of a typical unit of a hydraulic system was carried out, according to the results of which initial data were generated for training neural network models. The effectiveness of classifiers was tested both on model data and as a result of bench tests of a real hydraulic system. The best detection result was 98% of correctly recognized system states.