Удосконалення застосування нейронних мереж при розпізнаванні нештатних ситуацій на шахтних підйомних машинах

Abstract

Пояснительная записка: 85 с., 28 рис., 3 приложений., 55 источника. Объект исследования: распознавания нештатных ситуаций на шахтных подъемных машинах. Цель магистерской работы: совершенствование применения нейронных сетей для распознавания нештатных ситуаций на шахтных подъемных машинах используя нейронную сеть Кохонена. Методы исследования: При решении поставленной задачи использовались научные достижения в областях разработки информационных систем и программного обеспечения. Научная новизна результатов, которые ожидаются, заключается в обосновании применения нейронной сети Кохонена, которая поможет следить за состоянием шахтной подъемной машины и распознавать нештатные состояния шахтной подъемной машины. Практическая ценность заключается в разработке метода применения нейронной сети Кохонена для распознавания нештатных состояний шахтной подъемной машины. Область применения. Разработанная информационная система может применяться для решения задач распознавания нештатных состояний на шахтных подъемных машинах. Значение работы и выводы. Усовершенствованная нейронная сеть позволяет распознавать нештатные состояния на шахтных подъемных машинах со значительным сокращением временных и ресурсных затрат системы контроля, подтверждается разработанным программным продуктом в данной магистерской работе. Прогнозы по развитию исследований. Разработать универсальные программные модули, которые могут быть использованы для распознавания и предсказания нештатных ситуаций на шахтных подъемных машинах, которые смогут полностью или уменьшить участие человека в контроле шахтной подъемной машиной при возникновении нештатных состояний. В разделе «Экономика» проведены расчеты трудоемкости разработки программного обеспечения, затрат на создание ПО и длительности его разработки, а также провести маркетинговые исследования рынка сбыта созданного программного продукта.

Пояснювальна записка: 85 с., 28 рис., 3 додатків., 55 джерела. Об'єкт дослідження: розпізнавання нештатних ситуацій на шахтних підйомних машинах. Мета магістерської роботи: удосконалення застосування нейронних мереж для розпізнавання нештатних ситуацій на шахтних підйомних машинах використовуючи нейронну мережу Кохонена. Методи дослідження: При рішенні поставленої задачі використовувалися наукові досягнення в областях розробки інформаційних систем та програмного забезпечення. Наукова новизна результатів, що очікуються, полягає у обґрунтуванні застосування нейронної мережі Кохонена, яка допоможе слідкувати за станом шахтної підйомної машини і розпізнавати нештатні стани шахтної підйомної машини. Практична цінність результатів полягає у розробці метода застосування нейронної мережі Кохонена для розпізнавання нештатних станів шахтної підйомної машини. Область застосування. Розроблена інформаційна система може застосовуватися для вирішення завдань розпізнавання нештатних станів на шахтних підйомних машинах. Значення роботи та висновки. Удосконалена нейрона мережа дозволяє розпізнавати нештатні стани на шахтних підйомних машинах зі значним скороченням часових і ресурсних витрат системи контролю, що підтверджується розробленим програмним продуктом в даній магістерській роботі. Прогнози щодо розвитку досліджень. Розробити універсальні програмні модулі, які можуть бути використані для розпізнавання і передбачення нештатних ситуацій на шахтних підйомних машинах, які зможуть повністю або зменшити участь людини у контролі шахтною підйомною машиною при виникненні нештатних станів. У розділі «Економіка» проведені розрахунки трудомісткості розробки програмного забезпечення, витрат на створення ПЗ й тривалості його розробки, а також провести маркетингові дослідження ринку збуту створеного програмного продукту.

Explanatory note: 85 pp., 28 fig. 3 applications. 55 sources. Object of research: detection of emergency situations in mine lifting machines. The purpose of the degree project: improving the use of neural networks to detect emergency situations in mine lifting machines using Kohonen’s neural network. Research methods: When solving the task used the scientific achievements in the areas of information systems and software. The scientific novelty expected results, is justifying the use of Kohonen’s neural network to help monitor the status of mine lifting machine and detect emergency situations of mine lifting machines. The practical value of work: Is develop a method for using the Kohonen’s neural network result to detect emergency situations in mine lifting machines. The scope. The developed information system can be used to solve problems of detect emergency situations in mine lifting machines. The value of the work and conclusions. The advanced neural network allows you to recognize emergency situations on mine lifting machines, with a significant reduction in the time and resource costs of the control system, is confirmed by the developed software product in this master's work. Projections on development research. Develop universal software modules that can be used to recognize and predict emergency situations in mine lifting machines that can completely or reduce a person's participation in the control of the mine lifting machines in the event of emergency situations. In section "Economics". Calculations were made of the complexity of software development, the cost of creating software and the duration of its development, as well as to conduct market research of the market for the created software product.