Прогнозирование потребности в запасных частях гидросистем машин с применением нейронной сети
https://doi.org/10.46973/0201-727X_2024_2_15
Аннотация
Рассмотрена возможность применения искусственных нейронных сетей с целью прогнозирования потребности в запасных частях гидросистем машин. Проведен анализ распределения неисправностей применительно к наземным транспортно-технологическим средствам, а также представлены результаты анализа существующих традиционных методов резервирования. Предложен подход к обучению искусственной нейронной сети, основанный на модели многослойного персептрона. Представлена реализация варианта переобучения искусственной нейронной сети типа многослойный персептрон для прогнозирования потребности в запасных частях гидросистем машин на базе малых объемов входных данных за прошедшие годы с использованием современной технологии «Data Mining» на платформе «1С: Предприятие». Результаты исследования могут быть полезны для оптимизации запасов запасных частей и повышения эффективности работы гидросистем машин.
Об авторах
С. Л. Никитченко
Ростовский государственный университет путей сообщения (РГУПС)
Россия
Россия
Никитченко Сергей Леонидович, кафедра «Вычислительная техника и автоматизированные системы управления», кандидат технических наук, доцент
К. Э. Зырянкина
Ростовский государственный университет путей сообщения (РГУПС)
Россия
Россия
Зырянкина Ксения Эдгаровна, кафедра «Вычислительная техника и автоматизированные системы управления», ассистент
Рецензия
Для цитирования:
Никитченко С.Л., Зырянкина К.Э. Прогнозирование потребности в запасных частях гидросистем машин с применением нейронной сети. Вестник Ростовского государственного университета путей сообщения. 2024;(2):15–24. https://doi.org/10.46973/0201-727X_2024_2_15
For citation:
Nikitchenko S.L., Zyryankina K.E. Forecasting the need for spare parts of machine hydraulic systems using a neural network. Vestnik Rostovskogo Gosudarstvennogo Universiteta Putej Soobshcheniya. 2024;(2):15–24. (In Russ.) https://doi.org/10.46973/0201-727X_2024_2_15
Просмотров:
6
JATS XML
Послать статью по эл. почте 