РАЗРАБОТКА АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ОТКАЗОВ КОМПОНЕНТОВ МЕХАТРОННЫХ СИСТЕМ
Keywords:
Ключевые слова: машинное обучение, прогнозирование отказов, мехатронные системы, датчики, алгоритмы, глубокое обучение, надежность, техническое обслуживание, промышленность, искусственный интеллект, данные, анализ данных, моделирование, предиктивная аналитика.Abstract
Аннотация: Статья посвящена актуальной проблеме прогнозирования отказов компонентов мехатронных систем. Предлагается новый подход, основанный на применении современных алгоритмов машинного обучения и глубокого обучения. Разработанные алгоритмы позволяют с высокой точностью предсказывать отказы компонентов на ранних стадиях, что позволяет снизить затраты на обслуживание и повысить надежность оборудования.
References
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ:
Хейкин С. Нейронные сети: полное руководство. – М.: Вильямс, 2008.
Гудфеллоу И., Бенджио Й., Курвиль А. Глубокое обучение. – М.: ДМК Пресс, 2018.
Хасти Т., Тибширани Р., Фридман Дж. Статистическое обучение за пределами линейных моделей. – М.: ДМК Пресс, 2009.
Роберта Ш. Элементы статистического обучения: данные, модели и алгоритмы. – М.: Издательский дом «Вильямс», 2012.
Гивенс Г., Хоут Т. Времявые ряды и прогнозирование. – М.: ЮНИТИ-ДАНА, 2003.
Шильман С.В. Мехатроника: системы автоматического управления. – М.: Высшая школа, 2003.
Оппенгейм А., Шафер Р. Цифровая обработка сигналов. – М.: Техносфера, 2007.
Джеймс Г., Уиттен Д., Хасти Т., Тибширани Р. Введение в статистическое обучение с применением R. – М.: ДМК Пресс, 2017.
Smith R. Machine Learning for Engineering and Science. – MIT Press, 2017.
Lee J., Bagheri B., Kao H.-A. A review on predictive maintenance in industries. – Computers in Industry, 2017.
