Библиографическое описание:НЕЙРОСЕТЕВАЯ МОДЕЛЬ ОЦЕНКИ ИЗНОСА И НАДЕЖНОСТИ КАРЬЕРНОГО ОБОРУДОВАНИЯ : научное издание / А. А. Ступина, С. О. Курашкин, М. В. Спринджук, Т. В. Бирюкова. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2025. - № 3. - С. 221-226. - ISSN 2218-5194.
Аннотация:Представлен нейросетевой метод оценки износа и надежности карьерного оборудования на основе ограниченного массива эксплуатационных данных. Рассмотрена методология сбора, обработки и нормализации информации о времени работы техники, простоях и фактах ремонтов. Для построения прогностической модели применялся многослойный персептрон, обеспечивший устойчивую сходимость и высокую точность классификации технического состояния оборудования. Результаты вычислительных экспериментов показали, что точность прогнозов достигает 89 %, при этом выявляются ранние признаки износа и остаточный ресурс узлов с допустимой ошибкой. Сравнение с традиционными статистическими подходами подтвердило преимущество нейросетевой модели. Практическая значимость работы заключается в снижении внеплановых простоев, оптимизации затрат на обслуживание и возможности применения метода без дополнительных инвестиций в дорогостоящее диагностическое оборудование.
The paper presents a neural network-based method for assessing wear and reliability of mining equipment using a limited set of operational data. The methodology includes data collection, preprocessing, and normalization of information on machine operating time, downtime, and repair events. A multilayer perceptron architecture was applied, demonstrating stable convergence and high accuracy in classifying equipment technical conditions. Computational experiments revealed that the model achieves an overall prediction accuracy of 89 %, with the ability to identify early signs of wear and estimate residual life with acceptable error. A comparative analysis with traditional statistical approaches confirmed the superiority of the neural network method. The practical value of the study lies in reducing unplanned downtime, optimizing maintenance costs, and enabling implementation without significant investments in expensive diagnostic systems.
Издательство:Тульский государственный университет, Тула
Источник:Известия Тульского государственного университета. Науки о Земле
Выпуск:№ 3
Номера страниц:221-226
Держатель оригинала документа:Объединенный институт проблем информатики Национальной академии наук Беларуси, Российский государственный аграрный университет - МСХА имени К.А. Тимирязева, Сибирская пожарно-спасательная академия ГПС МЧС России
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
