Применение методов искусственного интеллекта для диагностики технических систем
Аннотация
Возрастающая сложность и повышение требований к надежности технических систем делают актуальной решение задачи их диагностики. Применение традиционных методов не позволяют получить необходимые быстродействие и качество решения задач диагностики. Решение этой проблемы лежит в плоскости применение интеллектуальных методов обработки информации.
Об авторах
Н. П. СидороваРоссия
кандидат технических наук, доцент кафедры «Информационные технологии и управляющие системы»
г. Королев, Московская область
Ю. Ю. Сидоров
Россия
аспирант
г. Королев, Московская область
Список литературы
1. Барсегян А.А., Степаненко В.В., Холод И.И., Куприянов М.С. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP // СПб.: БХВПетербург, 2007. 383 с.
2. Левитин К.Е., Поспелов Д.А. Будущее искусственного интеллекта // М.: Наука, 1991. 302 с.
3. Воронцов В.А., Федоров Е.А. Разработка прототипа интеллектуальной системы оперативного мониторинга и технического состояния основных бортовых систем космического аппарата [Электронный ресурс]. URL: elibrary.ru/item.asp?id=23775310. (дата обращения 25.11.2018).
4. Гундыров К.В. Применение аппарата нейронных сетей для диагностирования и прогнозирования отказов элементов и устройств СЦБ [Электронный ресурс]. URL: https://nilksa.ru/wp-content/uploads/2. (дата обращения 2.12.2018).
5. Девятков В.В. Системы искусственного интеллекта: учеб. пособие для вузов // М.: Изд-во МГТУ им. Н.Э. Баумана 2001, 352 с.
6. Жернаков С.В. Применение технологии нейронных сетей для диагностики технического состояния авиационных двигателей [Электронный ресурс]. URL: https://elibrary.ru/download/elibrary_11933010_28942849.pdf (дата обращения 29.11.2018).
7. Артюшенок В.М. Информационные технологии и управляющие системы. // М.: «Научный консультант», 2015. 184 с.
8. Лескин С.Т. Применение нейронных сетей для раннего обнаружения аномалий в состоянии оборудования АЭС [Электронный ресурс]. URL: http://www.gidropress.podolsk.ru/files/proceedings/mntk2017/documents/mntk2017-027.pdf. (дата обращения 3.12.2018).
9. Местецкий Л.М. Математические методы распознавания образов. Курс лекций [Электронный ресурс]. URL: http://www.ccas.ru/frc/papers/mestetskii04course.pdf. (дата обращения 29.11.2018).
10. Нусс С.В. К вопросу применения нейронных сетей в задачах диагностики электрооборудования тепловых электрических станций [Электронный ресурс]. URL: cyberleninka.ru/article/ (дата обращения 3.12.2018).
11. Сидорова Н.П., Штрафина Е.Д. Информационные системы поддержки принятия решений на основе OLAP-систем // Современные информационные технологии: сборник трудов по материалам II-й межвузовской научнотехнической конференции // М.: Научный консультант», 2016. С. 23-28.
12. Слепнев Е.С. Применение искусственных нейронных сетей для анализа предаварийных ситуаций турбоагрегатов электростанций [Электронный ресурс]. URL: https://naukovedenie.ru/PDF/46TVN314.pdf. (дата обращения 2.12.2018).
13. Теодорович Н.Н. Повышение эффективности бортовой аппаратуры видеотелеметрии // Эволюционные процессы: сборник трудов по материалам II межвузовской научно-технической конференции // М.: «Научный консультант», 2017. С. 79-86.
14. Хайкин С. Нейронные сети: полный курс // М.: Вильямс, 2006. 1104 с.
Для цитирования:
Сидорова Н.П., Сидоров Ю.Ю. Применение методов искусственного интеллекта для диагностики технических систем. Информационно-технологический вестник. 2019;(1):132-139. https://doi.org/10.21499/2409-1650-2019-1-132-139
For citation:
Sidorova N.P., Sidorov Yu.Yu. Using of artificial intelligence methods for the diagnosis of technical systems. Informacionno-technologicheskij vestnik. 2019;(1):132-139. (In Russ.) https://doi.org/10.21499/2409-1650-2019-1-132-139