Курсовая работа: Распознавание режимов работы авиационного ГТД с использованием технологии нейронных сетей

Современные методы анализа и обработки данных позволяют значительно повысить эффективность мониторинга авиационных газотурбинных двигателей (ГТД). В этом контексте особый интерес представляет использование нейронных сетей для распознавания режимов работы двигателей. Эти системы способны автоматизировать процесс обработки больших объемов данных, получаемых от различных датчиков, установленных на борту самолета.

Базовым шагом в исследовании стало формирование обучающей выборки, в которую вошли данные о состоянии двигателя в различных режимах – от старта до максимальной мощности. Выбор архитектуры нейронной сети предполагает использование сверточных и рекуррентных слоев, что позволяет эффективно обрабатывать временные ряды и выявлять скрытые зависимости. Процесс обучения сети включал применение методов увеличения данных, что способствовало улучшению обобщающих свойств модели.

Для оценки эффективности работы модели были использованы метрики, такие как точность, полнота и F1-мера. Результаты показали высокую способность сети к распознаванию режимов работы, что свидетельствует о надежности предлагаемых решений. Вместе с тем, внедрение нейронных сетей в систему диагностики ГТД открывает новые горизонты для предиктивного обслуживания, что позволяет не только сократить затраты на техническое обслуживание, но и повысить безопасность полетов.

Более того, интеграция разработанных алгоритмов в уже существующие системы управления двигателями будет способствовать созданию более интеллектуальных авиаперевозок, где возможность прогнозирования отказов и оптимизация работы двигателя станет стандартом. Таким образом, использование нейронных сетей в распознавании режимов работы авиационных ГТД представляет собой актуальное направление, способствующее дальнейшему развитию авиационной инженерии и увеличению общей эффективности воздушного транспорта.