Том 23, № 1 (2021)

В статье рассматриваются вопросы автоматизации диагностики и контроля параметров ПКМ на основе ПЛИС и микроконтроллеров.

В данной статье обсуждаются проблемы создания интегрированной системы контроля технического состояния особо ответственных вертолетных агрегатов, а также анализируются варианты ее создания. Оптоволоконная технология рассматривается как технология, на основе которой можно построить интегрированную систему, поскольку эта технология позволяет измерять различные физические параметры, такие как вибрация, деформация, температура, акустическая эмиссия и другие параметры. Весьма существенное преимущество - миниатюрные размеры волоконно-оптического световода, который может быть встроен в конструкцию ПКМ, что является важным фактором в связи с ростом использования ПКМ при проектировании и производстве вертолетов. Результаты стендовых и летных испытаний планера вертолета и лопастей ротора с крепежными элементами с использованием волоконно-оптических датчиков деформации на основе волоконно-оптической решетки Брэгга демонстрируют принципиальную возможность создания системы контроля технического состояния роторов вертолета с помощью волоконно-оптических датчиков. Приведены примеры создания других элементов интегрированной системы мониторинга, основанной на использовании волоконно-оптической технологии, таких как система оповещения о пробое воздушного потока и колебаниях на лопастях винта вертолета, система измерения веса и выравнивания вертолета, система контроля технического состояния планера.

В статье проанализированы наиболее успешные результаты применения металлополимерных композиционных материалов (МПКМ), отражены достоинства на существующем этапе развития. Проведен анализ применения композиционных материалов в конструкции планеров изделий. Рассмотрено применение микротрубок при изготовлении панелей двойной кривизны с использованием МПКМ. Совершенствование технологий в производстве конструкций из МПКМ.Осуществлен поиск оптимальных параметров технологического процесса при производстве панелей двойной кривизны компонентов на основе СИАЛ, используемых в конструкциисамолета. В качестве критерия оптимизации в данном исследовании рассматривались оптимальный технологический процесс по ресурсам времени, материальным затратам, масса конструкции при разных уровнях серийности производства. Численное моделирование и оптимизация параметров рабочего процесса проводилась в САЕ-системе Nastran (NX). Каждая из комбинаций оптимизируемых переменных технологического процесса определялась на основе численного моделирования. Анализ результатов оптимизации показал, что рост параметров рабочего технологического процесса приводит к расширению области локально-оптимальных параметров. При оптимальных параметрах рабочего технологического процесса предполагается снижение стоимости работ.

Исследована возможность проверки ламинатов препрегов, ламинатов, армированных углеродными волокнами (CFRP), в процессе изготовления слоев. Сначала определяются ультразвуковые свойства неотвержденного материала, эта информация используется для разработки системы контроля, которая проверяется при изготовлении ламинатов с количеством слоев до 30, с использованием различных схем уплотнения и включением некоторых тефлоновых вставок для имитации наличия расслоений. В статье показано, что для данного выбора параметров (чувствительность преобразователей, центральная частота и конфигурация пресс-формы) возможен контроль, открывающий новую область применения ультразвуковых методов с воздушной связью.

В статье приводится универсальная имитационная модель процессов агрегатно-сборочного производства на основе методик IDEF0 и численных методов моделирования. Постановка задачи формируется следующим образом: необходимо провести анализ существующих средств имитационного моделирования, структурировать процессы сборочного производства на отдельные классы и подклассы, описание процессов по методике IDEF0, создание имитационной модели процесса агрегатно-сборочного производства с увязкой экономических и трудовых затрат. В качестве критерия оптимизации в данном исследовании рассматривалась суммарная трудоемкость технологических процессов сборки и экономические затраты. Численное моделирование и оптимизация параметров рабочего процесса проводилась в среде имитационного моделирования AnyLogic. Полученные модели имитационного моделирования в дальнейшем могут применятся в системе управления авиационных предприятий, а также в других производственных сферах продукцией которых является сложная система.

В данной статье рассматривается внедрение в организацию производственного процесса автоматизированной системы обеспечения качества персонала с целью сокращения затрат, устранение несоответствий, выполнения требований социального дистанцирования и роста человеческого капитала.

Предупреждение аварийных ситуаций авиационной техники в значительной мере обеспечивается диагностикой функционирования ее агрегатов. Часто критерием качества функционирования является уровень вибраций, влияющий на решение о корректировке нагрузки или останове агрегата. В статье рассматриваются математические модели при применении нейросетевых методов для вибродиагностики. При использовании кросс-валидации исходная выборка с данными по вибрациям разбивается на несколько блоков, которые группируются в три выборки: обучающую, контрольную и тестовую. Для оценки эффективности диагностики использовались три разных критерия качества: средняя ошибка на тестовой выборке, AUC и F-мера. Для заданного набора исходных данных наилучшей подобранной конфигурацией оказалась нейронная сеть из трех слоев с 18 нейронами в каждом слое, реализованная в пакете MATLAB. В качестве функции обучения в ней используется алгоритм байесовской регуляризации. Процент средней ошибки распознавания состояния рассматриваемого агрегата с помощью нейронной сети оказался равным 4,85, значение AUC равно 0,885, а F-меры - 0,827. По сравнению с сетью, построенной в автоматическом режиме с помощью библиотек машинного обучения Statistics and Machine Learning Toolbox и Neural Network Toolbox, значение F-меры подобранной конфигурации сети выше на 6,7 %.

Работа посвящена исследованию эффективности применения моделей гауссовых смесей для распознавания аномальных отклонений в речи диктора. Предложено практическое применение разрабатываемых алгоритмов для выявления эмоционального состояния члена экипажа по произнесенной им фразе. В качестве основного критерия для различения с помощью модели гауссовых смесей используются спектральные характеристики речевого сигнала. В связи с достаточно небольшим шагом дискретизации по частоте и соответственно с наличием 255 частотных составляющих в спектре сигнала предложено сжатие спектра до 10 составляющих. Такой подход позволил сократить число ключевых параметров в гауссовой модели до 10, что, в свою, очередь, позволило упростить процесс анализа при построении многомерных распределений. Для оценки качества предлагаемого алгоритма были записаны тестовые фразы. При этом имитировались различные психологические состояния диктора. Использовались как простые нерегламентированные речевые конструкции, так и сообщения, регулируемые в порядке Федеральных авиационных правил при проведении радиообмена в гражданской авиации на территории Российской Федерации. С учетом ограничений на предварительные знания модели и кластеризации по спектральным характеристикам все записи модели были выполнены одним диктором. Были рассмотрены три класса эмоционального состояния диктора. На выходе система распознавания ставила такие метки, как спокойное состояние, усталое состояние, стрессовое состояние. Различные состояния искусственно имитировались в процессе подготовки данных. На тестовой выборке из 48 сообщений гауссова модель из 3 компонент и 10 параметров без предварительного обучения сразу позволила достичь результата порядка 65%, в то время как вероятность распознать верный класс при 3-х равных классах априори составляет 33%. В качестве дальнейших исследований предложено применение предварительного обучения с использованием нейронных сетей или корреляционных алгоритмов. Такой подход позволит выполнять дальнейшую кластеризацию на более глубоком уровне, когда, например, определяется пол диктора, определяется типовое сообщение радиообмена, а затем уже выявляется эмоциональное состояние диктора.

Для обеспечения надёжного функционирования технического объекта необходимо прогнозирование его состояния на предстоящий интервал времени. Пусть техническое состояние объекта характеризуется в определённый момент времени набором параметров, установленных технической документацией на объект. Предполагается, что при определённых значениях этих параметров объект может находиться в исправном или неисправном состоянии. Требуется по значениям этих параметров оценить, в каком состоянии будет находиться объект в предстоящий интервал времени. Для решения этой задачи могут быть применены методы машинного обучения с учителем. Однако для получения хороших результатов прогнозирования состояния объекта необходимо правильно выбрать модель обучения. Одним из недостатков моделей машинного обучения является высокое смещение и слишком большой разброс. В данной работе для уменьшения разброса модели предлагается применение ансамблевых методов машинного обучения, а именно процедуры бэггинга. Основная идея ансамбля методов состоит в том, что при правильном сочетании слабых моделей можно получить более точные и устойчивые модели. Целью бэггинга является создание ансамблевой модели, которая является более надёжной, чем отдельные модели, её составляющие. Одним из больших преимуществ бэггинга является его параллелизм, поскольку различные модели ансамбля обучаются независимо друг от друга. Эффективность предлагаемого подхода показана на примере прогнозирования технического состояния объекта по восьми параметрам его функционирования. Для оценки эффективности применения ансамблевых методов машинного обучения для прогнозирования технического состояния объекта используются критерии качества бинарной классификации: точность, полнота и F-мера. Показано, что применение ансамблевых методов машинного обучения позволяет повысить точность прогнозирования состояния технического объекта на 4%-9% по сравнению с базовыми методами машинного обучения. Данный подход может быть использован специалистами для прогнозирования технического состояния объектов во многих технических приложениях, в частности, в авиации.

В данной статье рассмотрены основные предпосылки для создания на территории Ульяновской области транспортно-логистического центра.

В статье рассматривается состояние и динамика и перспективы развития грузовых и пассажирских перевозок водного транспорта. Выявление главных проблем дает возможность ускорить дальнейшее целенаправленное инвестирование.