Details

Работа посвящена созданию программного обеспечения для группы электропитательных насосов, включающее в себя функциональное программное обеспечение и видеокадров для отображения и ввода информации. Работа  включает в себя четыре раздела, соответствующих ключевым задачам проекта. В первой части работы проводится исследование статистики неполадок в системе электропитательных насосов и построение модели системы. Построенная модель обеспечивает возможность ввода наиболее распространенных неполадок и сохранения массива полученных данных. Проектированию и обучению нейросети посвящен второй раздел работы, итогами которого является приложение для раннего выявления неисправностей в системе электропитательных насосов. Третий раздел включает в себя разработку программного обеспечения контроллеров в пакете EcoStruxure Control expert, а также программирование видеокадров для отображения и ввода информации в системе супервизорного управления и ввода данных AVEVA Plant SCADA. Завершает работу раздел тестирования и анализа полученных результатов с целью выявления ограничений в применении нейросетевых технологий в судовых системах.

The thesis focuses on the creation of software for a group of feed electric pumps, including functional software and video frames for displaying and input of information. The thesis comprises four sections corresponding to the key tasks of the project. The first section of the work studies the statistics of malfunctions in the feed electric pump system and creates a simulation model of this system. The model provides for the possibility to introduce the most common failures and to store the array of the data obtained. The design and training of the neural network is the focus of the second section of the thesis, the outcome of which is an application for the early detection of malfunctions in the feed electric pump system. The third section involves the development of controller software in the EcoStruxure Control expert package, as well as programming of video frames for displaying and input of information in the AVEVA Plant SCADA supervisory control and data input system. The final section concludes the study by testing and analyzing the results obtained in order to identify constraints in the application of neural network technologies in ship systems.