Главная – Журналы – Автометрия 2020 номер 6

Проведён сравнительный анализ разработанных классических моделей машинного обучения на основе линейных моделей и деревьев решений, а также современных алгоритмов свёрточных нейронных сетей и нейросетевого автоэнкодера для решения задачи предиктивного обнаружения предотказных и аварийных состояний авиационных двигателей. В основе набора данных NASA лежат показания датчиков, отражающих жизненные циклы работы авиадвигателей. В процессе исследования рассматривается несколько постановок задач: задача бинарной и многоклассовой классификации, в рамках которой прогнозируются нормальное, предотказное и аварийное состояния авиадвигателей; задача регрессии в целях прогнозирования точного количества рабочих циклов до отказа двигателя, а также задача обучения без учителя, в которой нейросетевой автоэнкодер применяется для обнаружения аномальных циклов работы авиадвигателей. Полученные алгоритмы объединены в фреймворк, который может быть полезен при анализе широкого спектра данных предиктивного обслуживания.