Central Asian Research Index

Science and Technology of Kazakhstan, 2025, № 1.2025, с. 40-49

СЕНІМДІЛІК ПАРАМЕТРЛЕРІН АРТТЫРУ ҮШІН СОРҒЫ ПАРКІНІҢ ТЕХНИКАЛЫҚ ЖАЙ-КҮЙІНІҢ МОНИТОРИНГІ

Д. Ж. Басқанбаева, Қ. К. Елемесов, Ә. Қ. Ерік

Аннотация · Abstract

Бұл мақалада өндірістік кәсіпорын жағдайында қолданылатын сорғы паркіндегі сорғылардың техникалық жай-күйін бақылау және болжау үшін машиналық оқытудың заманауи әдістерін әзірлеу және қолдану қарастырылған. Зерттеу нысаны – Warman MCR үлгісінің көлденең ортадан тепкіш шламды сорғылары, олар өндірістік жағдайда қатты бөлшектері бар абразивті суспензияларды үздіксіз айдауға қолданылады. Бұл сорғылар бөлшектердің жоғары концентрациясы бар сұйықтықтарды өңдеуге қолайлы, өйткені олар жоғары сенімділік пен тозуға төзімділікке ие. Олар жоғары механикалық жүктеме жағдайында жұмыс істейді, бұл олардың техникалық жай-күйін үнемі бақылауды талап етеді. Зерттеу аясында сорғы паркінің құрамында үздіксіз жұмыс істейтін осындай екі ортадан тепкіш сорғылардың мойынтіректерінің дірілдік сипаттамалары 1,5 жыл бойы әр 3 апта сайын өлшеніп, талданды. Мониторинг өндірістік ортада, сорғылардың қалыпты жұмыс режимінде жүргізілді.. Дірілдік параметрлер VibroExpert II жүйесі арқылы акселометр датчигі көмегімен тіркеліп, діріл жылдамдығы және діріл үдеуі бойынша максималды, «пик-пик» және орташа квадраттық мәндер анықталды. Сондай-ақ, dBm және dBc механикалық және жалпы дыбыстық қысым деңгейлері өлшенді. Деректер matlab жүйесіне жүктеліп өңделді. Зерттеу барысында 1-ші сорғыға бэггинг Брейман әдісі қолданылды, бэггинг Брейман әдісі сорғы үшін жоғарғы дәлдікті көрсетті, бұл діріл деректеріндегі вариацияның 90 % – на дейін түсіндірді, яғни =0.9045, бұл компоненттердің ықтимал сынуы мен тозуын болжауға мүмкіндік берді. Осы әдісте 300 шешім ағашы пайдаланылды, әрқайсысы Бутстрэп әдісі бойынша жеке жиынтықтармен оқытылып, нәтижелер ортақ ансамбльде біріктірілді. 2-ші сорғы үшін =0.7365 нәтиже көрсеткен нейрондық желілер қолданылды, ол діріл сипаттамаларында айтарлықтай ауытқуларды анықтауға мүмкіндік берді. Мұнда бір жасырын қабатты (10 нейроннан тұратын) нейрондық желі пайдаланылғанымен, модельге L2-регуляризация қосылды. Бұл тәсіл нейрондардың салмақ коэффициенттерінің шамадан тыс үлкейіп кетуіне жол бермей, модельдің «артық» үйренуін (overfitting) азайтады және жалпылау қабілетін жақсартады. Әдістердің әрқайсысы үшін математикалық модель ұсынылған, бұл сорғы жабдықтарының сенімділігі мен беріктігін арттыру үшін осы әдістерді қолдану мүмкіндігін растайды. Зерттеу нәтижелері сорғы жабдығын бақылау үшін машиналық оқыту әдістерін қолдану оның жай-күйі туралы болжамдардың дәлдігін айтарлықтай жақсарта алатынын көрсетті. Кілтті сөздер: мониторинг, сорғы паркі, машиналық оқыту, дірілді талдау, сенімділік параметрі, бэггинг Брейман әдісі, нейрондық желі әдісі.

Сведения · Details