Диагностика и управление электроприводом газовой задвижки на основе методов машинного обучения

Головенко, Е. А.; Кинёв, Е. С.; Павлов, Е. А.; Шалаев, П. О.; Лукьянов, Е. Н.; Литовченко, А. В.; Брызгова, К. А.; Помозов, Е. И.; Смирная, А. А.; Golovenko, Evgeniy A.; Kinev, Evgeniy S.; Pavlov, Evgeniy A.; Shalaev, Pavel O.; Lukyanov, Evgeniy N.; Litovchenko, Alexander V.; Bryzgova, Xenia A.; Pomozov, Egor I.; Smirnaya, Anastasia A.

Диагностика и управление электроприводом газовой задвижки на основе методов машинного обучения

Головенко, Е. А., Кинёв, Е. С., Павлов, Е. А., Шалаев, П. О., Лукьянов, Е. Н., Литовченко, А. В., Брызгова, К. А., Помозов, Е. И., Смирная, А. А., Golovenko, Evgeniy A., Kinev, Evgeniy S., Pavlov, Evgeniy A., Shalaev, Pavel O., Lukyanov, Evgeniy N., Litovchenko, Alexander V., Bryzgova, Xenia A., Pomozov, Egor I., Smirnaya, Anastasia A.

Дата публикации: 2025-09

Дата публикации в реестре: 2025-10-15T14:35:06Z

Аннотация:

Приведены результаты исследования режимов работы автоматизированного электропривода в системах управления транспортом жидкости и газа, в котором безаварийная эксплуатация транспортировочных магистралей и узлов обусловливает применение надежного запорно-регулирующего оборудования и эффективных алгоритмов управления. В рамках проекта поставлена одна из задач разработки программы испытаний 50 изделий для определения комплексного показателя надёжности на базе полного факторного эксперимента и выявления комплексного показателя надёжности в терминах ГОСТ Р 27.102–2021 «Надёжность объекта» на базе применения статистических методов исследования, безотказности, ремонтопригодности и восстанавливаемости, сохраняемости. Основные поставщики, предоставляющие своим потребителям не только сервисы, но и целые экосистемы для диагностики состояния являются IBM (США), Oracle Corporation (США), Microsoft Corporation (США), SAP SE (Германия), AMAZON (США) и др. По отечественным решениям данных нет. Исходя из ранжирования, по количеству срабатываний триггеров по тем или иным параметрам можно сделать вывод с высокой долей вероятности о причине, вызывающей такие эффекты. Рост срабатываний за интервал измерения покажет наиболее вероятную причину отказа системы в перспективе с учетом постоянной времени эксплуатации за смену

Ключевые слова:
трубопроводная арматура, автоматизированный электропривод, полный факторный эксперимент, надёжность, машинное обучение, разметка dataset, pipeline valves, automated electric drive, full factorial experiment, reliability, machine learning, dataset labeling

Тип: Journal Article

Диагностика и управление электроприводом газовой задвижки на основе методов машинного обучения

Связанные документы (рекомендация CORE)

Партнеры

Индексация