МОДЕЛЬ АВТОМАТИЗОВАНОГО ВИЯВЛЕННЯ СПЕКТРАЛЬНИХ АНОМАЛІЙ У ВИТРАТІ ДИЗЕЛІВ МОРСЬКОГО СУДНА З ВИКОРИСТАННЯМ АВТОЕНКОДЕРА ІЗ ПОДАВЛЕННЯМ ШУМУ
Ключові слова:
автоматизоване виявлення, спектральні аномалії, несправність, автоенкодер, приглушення шуму, технічне обслуговування, умови експлуатації за технічним станом, надійність, безвідмовність, відмова, технічний стан, засіб водного транспорту, призначений ресурс, процес, експлуатація, суднове обладнання, річковий та морський транспортАнотація
Метою статті є автоматизація процесу виявлення аномалій, пов'язаних із деградацією дизелів морських суден на основі автоенкодера із подавленням шуму. Методи виявлення аномалій спрямовані на виявлення відхилень від типового функціонування. З точки зору системи прогнозування та управління станом (Prognostics and health management (PHM)), яка оперує даними, такі відхилення можуть слугувати індикаторами початку відмов. Виявлення несправностей є першим та критично важливим етапом в системах PHM, які працюють на основі даних. Розроблена в статті модель для автоматизованого виявлення спектральних аномалій у деградації дизелів морських суден, незалежно від типу несправності, ґрунтується на автоенкодері із подавленням шуму (Denoising Autoencoder (DAE)), який навчається на попередньо оброблених даних нормальної експлуатації. Навчання DAE полягає в пошуку оптимальних параметрів кодувальника та декодувальника, які мінімізують функцію втрат. Важливим аспектом є те, що DAE навчається на зашумлених версіях даних, що допомагає видобувати стійкі та інформативні ознаки. Потім навчена модель DAE використовується для розрахунку швидкості та прискорення оцінки аномалії на кожному часовому кроці в даних з деградацією в разі несправності. Одночасно встановлюються загальні та динамічні порогові значення. Розрахунки та порогові значення динамічно змінюються з часом. Це дозволяє виконувати виявлення несправностей в режимі онлайн. Запропонована модель продемонструвала високу ефективність у виявленні трьох типів несправностей дизелів морських суден: засмічення повітряного фільтра, несправності турбокомпресора та несправності вентилятора із частотним керуванням. Модель може використовуватися для виявлення несправностей в режимі онлайн, що дозволяє вчасно вживати заходів для їх усунення. Модель може бути використана для виявлення несправностей в режимі реального часу, що дозволяє вчасно приймати заходи для їх усунення. Модель має перспективи для застосування в практичних системах PHM дизельних двигунів. Однак, для подальшого розвитку, необхідно вирішити наступні завдання: автоматизація маркування даних для як класифікації несправностей, так і передбачення залишкового ресурсу, аналіз кореневої причини несправностей та їх ізоляція. Вирішення цих завдань сприятиме підвищенню ефективності та точності моделі.
