Прогнозування технічного стану тягових редукторів електропоїздів нейромережею довгої короткострокової пам’яті
DOI:
https://doi.org/10.20535/2409-7160.2020.XXI.205429Ключові слова:
електропоїзд, прогнозування, нейромережа, тяговий редуктор, фракатальна розмірністьАнотація
Для здійснення прогнозування технічного стану тягових редукторів електропоїздів запропоновано використовувати нейромережу довгої короткострокової пам’яті. На кожному технічному обслуговуванні (ТО-3) реєструвалися вібраційні реалізації попередньо відібраних чотирнадцяти тягових редукторів і розраховувалася фрактальна розмірність покриття. Прогнозування технічного стану здійснювалось із 61-го ТО-3 і до 70-го ТО-3 з наступним порівнянням розрахованої та прогнозованої фрактальної розмірності. Після розбирання 6 тягових редукторів на потоковому ремонті (ПР-1) було виявлено недостатню кількість мастила в одному редукторі, знос ролика підшипника передньої кришки другого редуктора, тріщину кільця підшипника передньої кришки третього редуктора, відкол зуба шестірні четвертого тягового редуктора, руйнування підшипника п’ятого редуктора і тріщина зуба його шестірні та справний шостий редуктор. Установлена здатність нейромережі LSTM демонструвати нижчу середньоквадратичну помилку після оновленняПосилання
Zhou F. RUL prognostics method based on real time updating of LSTM parameters / F. Zhou, P. Hu, X. Yang // Chinese Control and Decision Conference (CCDC), 9 — 12 June 2018: proceedings. — Shenyang, 2018 — P. 3966 — 3971. https://doi.org/10.1109/CCDC.2018.8407812
Tai K. S. Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks / K. S. Tai, R. Socher, C. D. Manning // 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing, July 2015.: proceedings. — Beijing, China, 2015. — P. 1556 — 1566. https://doi.org/10.3115/v1/P15-1150
Wu Y. Remaining Useful Life Estimation of Engineered Systems using vanilla LSTM Neural Networks / Y. Wu, M. Yuan, S. Dong, L. Lin, Y. Liu // Neurocomputing. — 2018. — Vol. 275. — P. 167 — 179. https://doi.org/ 10.1016/j.neucom.2017.05.063
Пузир В. Г. Обчислення частотних смуг вібрації підшипників тягового редуктора електропоїзда кратномасштабним аналізом / В. Г. Пузир, С. В. Михалків, А. М. Ходаківський, В. І. Бульба // Збірник наукових праць Українського державного університету залізничного транспорту. — 2019. — Вип. 185. — C. 32 — 44. https://doi.org/10.18664/1994-7852.185.2019.180784
Jin X. Prediction for Time Series with CNN and LSTM / X. Jin, X. Yu, X. Wang, Y. Bai, T. Su, J. Kong // Lecture Notes in Electrical Engineering, vol 582: 11th International Conference on Modelling, Identification and Control (ICMIC2019), 2020.: proceedings. — Springer, Singapore, 2020. — P. 631 — 641. https://doi.org/10.1007/978-981-15-0474-7_59
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з такими умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY 4.0, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.