ДИАГНОСТИКА И ПРОГНОЗИРОВАНИЕ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ПРЯДИЛЬНЫХ МАШИН С ЭЛЕКТРИЧЕСКИМ ПРИВОДОМ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ

Арипов Н. М. & Отажонова М. К.


Annotatsiya

В статье предложены структурная схема для диагностики и прогнозирования технических состояний прядильных машин с электрическим приводом в качестве электромеханических систем (ЭМС), включающей блок сбора, кодирования, формирования группового сигнала контроля технического состояния электромеханических систем, его передачи в канал связи и блок приема группового сигнала контроля технических состояний электромеханических систем, первичной обработки, распаковки и нейросетевого анализа.


Adabiyotlar

  1. Арипов Н.М., Отажонова М.К., Тожиев Б.М., Исследование методов диагностики неисправностей устройств в составе асинхронного электропривода прядильных машин // Молодой специалист // 2024/09, №3 (30), стр.3-8.
  2. N.Aripov, D Baratov, O Muxiddinov, X Jumanov. Block diagram of the automatic model of technical documentation. Journal of Physics: Conference Series EMMFT 2020, 1614(1), ISSN 17426588. doi 10.1088/1742-6596/1614/1/012032.
  3. N.Aripov, D.Baratov O.Muhiddinov, X.Jumanov. Automated technology of control of technical documentation of automation and telemechanics. AIP Conference Proceedings 2612, 060023-9 (2023) The third international scientific conference construction mechanics, hydraulics and water resources engineering (CONMECHYDRO 2021 AS) Published Online: 15 March 2023. https://aip.scitation. org/doi/abs/10.1063/5.0135326?journalCode=apc.
  4. Арипов Н.М., Отажонова М.К., Тожиев Б.М., Применение искусственных нейронных сетей для диагностики прядильных машин // Сборник международной научно-практической конференции, "Роль дуального образования в подготовке высококвалифицированных кадров для предприятий отрасли и инновационные подходы к развитию науки, образования и производственных кластеров," 28 ноября, часть 2 // Ташкент 2023, стр.193-195.
  5. Б.В.Полюх, Д.М.Шпрехер, В.Н.Богатиков, Диагностика электромеханических систем на основе нейросетевых технологий // Программные продукты и системы // №3 (111), 2015. стр.5-11.
  6. Иванов А.В. Нейросетевые методы диагностики промышленного оборудования. – М.: Техносфера, 2022.
  7. Smith J. Machine Learning for Predictive Maintenance. – Springer, 2021.