КОНВОЛЮЦИОННЫЙ НЕЙРОСЕТЕВОЙ ПОДХОД ДЛЯ ОБНАРУЖЕНИЯ И ОПРЕДЕЛЕНИЯ ХАРАКТЕРИСТИК НЕИСПРАВНОСТЕЙ В УПРАВЛЯЮЩИХ СИСТЕМАХ

Тырышкин Сергей Юрьевич

Традиционные методы диагностики неисправностей в сложных управляющих системах часто ориентированы исключительно на механические отказы оборудования. С развитием интеллектуальных технологий и промышленного Интернета вещей взаимосвязи между устройствами управления становятся все более сложными, а условия эксплуатации — разнообразнее. Это делает традиционные подходы менее эффективными, затрудняя точное определение проблемных зон. Настоящая статья посвящена разработке нового метода для выявления и анализа неисправностей в управляющих системах с использованием конволюционных нейронных сетей. Целью исследования является разработка алгоритма, способного учитывать как пространственные, так и временные характеристики сигналов, возникающих в процессе функционирования управляющих систем. Это позволит значительно повысить точность диагностики и ускорить процесс идентификации неисправностей. Для достижения этой цели используется метод гибридной модели 2D-CNN-LSTM, сочетающей двухмерную свёрточную нейронную сеть (CNN) и рекуррентную нейронную сеть с долгой краткосрочной памятью (LSTM). Данный метод позволил выявить скрытые закономерности в сигналах, характерные для различных типов неисправностей, включая дефекты, возникающие в динамике производственных процессов. Алгоритм был протестирован на реальных данных с промышленных объектов, демонстрируя высокую эффективность в определении критичных моментов и мест возникновения неисправностей. Результаты исследования показывают перспективность применения предложенного подхода в условиях современного производства, где требуется высокая степень автоматизации и точности диагностики. Разработанный метод может стать основой для создания новых систем мониторинга и раннего предупреждения неисправностей, что существенно повысит надежность и безопасность работы сложных управляющих систем.

Ключевые слова:управление, неисправность, диагностика, промышленная система, нейронная сеть, данные, дискретность