Використання штучного інтелекту для прогностичного обслуговування літальних апаратів

Simple item page
dc.contributor.authorГалушко, Єгор Віталійович
dc.date.accessioned2021-03-15T11:04:56Z
dc.date.available2021-03-15T11:04:56Z
dc.date.issued2020-12
dc.descriptionРобота публікується згідно наказу ректора від 29.12.2020 р. №580/од "Про розміщення кваліфікаційних робіт вищої освіти в репозиторії НАУ" . Керівник проекту: доцент, к. т. н. Хімко Андрій Миколайович.uk_UA
dc.description.abstractУ процесі експлуатації повітряних суден (ПС), можливе виникнення несправностей різного характеру, які можуть спричинити непередбачувані наслідки, у результаті чого можливе виникнення аварійної або катастрофічної ситуацій. Тому гостро стоїть питання безпеки польотів (БП). Існує ряд факторів, які впливають на БП літальних апаратів (ЛА), такі як: характерні та не характерні несправності системи або систем ПС, якість технічного обслуговування (ТО) та рівень майстерності екіпажу, тощо. Завдяки статистиці появ непередбачуваних польотних ситуацій, можливо відокремити, як найвагоміші, фактори несправності систем та якості проведення ТО. Відсутність діагностування, ігнорування, невчасне усунення несправностей ПС може призвести до певних відхилень від нормальних параметрів роботи систем та обмежити або зменшити термін служби агрегатів та обладнання. Отже, вчасне виявлення та усунення несправностей – це необхідна умова забезпечення БП з нагальним пріоритетом. Для забезпечення покращення якості та ефективності діагностування та моніторингу технічного стану (ТС) агрегатів та систем ПС використовують штучний інтелект (ШІ), спеціалізовані системи прогнозування ТС ПС. Тому важливим напрямком досліджень у сфері ШІ є створення концепції самонавчальних моніторингів стану ПС з метою прогнозування їх подальшого стану. Така концепція заснована на двох різних процесах (моніторинг стану і прогнозування стану), які працюють разом. Обидва процеси використовують дерева рішень для прийняття рішень. У процесі моніторингу стану завдання полягає в тому, щоб вирішити, який стан представляють дані датчика, а в процесі прогнозування стану завдання полягає в тому, щоб вирішити, як саме прогнозувати точки даних. Обидва завдання вирішуються деревом рішень.uk_UA
dc.identifier.urihttps://er.nau.edu.ua/handle/NAU/48716
dc.language.isoukuk_UA
dc.publisherНаціональний авіаційний університетuk_UA
dc.subjectштучний інтелектuk_UA
dc.subjectпрогнозуванняuk_UA
dc.subjectлітакuk_UA
dc.subjectдипломна роботаuk_UA
dc.subjectтехнічне обслуговуванняuk_UA
dc.subjectтехнологіїuk_UA
dc.titleВикористання штучного інтелекту для прогностичного обслуговування літальних апаратівuk_UA
dc.typeLearning Objectuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
АКФ_2020_ГАЛУШКО_Є.В_original_25022021_102123.pdf
Size:
2.43 MB
Format:
Adobe Portable Document Format
Description:
Дипломна робота
Download
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
3.55 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кваліфікаційні роботи здобувачів вищої освіти кафедри підтримання льотної придатності повітряних суден