Details
| Title | Применение искусственной нейронной сети DBN и алгоритмов CIA для диагностики неисправностей промышленного оборудования: выпускная квалификационная работа магистра: направление 27.04.04 «Управление в технических системах» ; образовательная программа 27.04.04_07 «Распределенные интеллектуальные системы управления» = Fault Diagnosis of Electromechanical Equipment Based on Deep Belief Network Using an Improved CIA Algorithm and Multi-Point Data Fusion |
|---|---|
| Creators | Инь Чанвэнь |
| Scientific adviser | Кожубаев Юрий Нургалиевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
| Imprint | Санкт-Петербург, 2026 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | глубокая сеть доверия ; DBN ; диагностика неисправностей ; усовершенствованный алгоритм CIA ; теория свидетельств DS ; многоточечная диагностика ; deep belief network ; fault diagnosis ; improved CI algorithm ; DS evidence theory ; multi-point diagnosis |
| Document type | Master graduation qualification work |
| Language | Russian |
| Level of education | Master |
| Speciality code (FGOS) | 27.04.04 |
| Speciality group (FGOS) | 270000 - Управление в технических системах |
| DOI | 10.18720/SPBPU/3/2026/vr/vr26-5877 |
| Rights | Доступ по паролю из сети Интернет (чтение) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\45201 |
| Record create date | 9/4/2026 |
Allowed Actions
–
Action 'Прочитать' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
Данная работа посвящена исследованию методов диагностики неисправностей электромеханического оборудования на основе глубокой сети доверия. Основное внимание уделено построению модели DBN, оптимизации ее параметров с использованием усовершенствованного алгоритма CIA и разработке метода многоточечной диагностики на основе теории свидетельств DS. В ходе исследования рассматриваются принципы работы DBN, анализируется влияние параметров модели на точность диагностики, разрабатывается оптимизированная модель ICIM-DBN и предлагается метод слияния диагностических решений, полученных по нескольким измерительным точкам. Также проводится экспериментальная проверка эффективности предложенного подхода. Полученные результаты показывают, что использование DBN в сочетании с усовершенствованным алгоритмом CIA и теорией свидетельств DS позволяет повысить точность и надежность диагностики неисправностей электромеханического оборудования. Предложенный подход может быть использован для решения практических задач технической диагностики.
This work is devoted to the study of fault diagnosis methods for electromechanical equipment based on a deep belief network. The main focus is placed on the construction of a DBN-based diagnostic model, the optimization of its parameters using an improved CIA algorithm, and the development of a multi-point diagnosis method based on DS evidence theory. The study examines the principles of DBN operation, analyzes the influence of model parameters on diagnostic accuracy, develops an optimized ICIM-DBN model, and proposes a method for fusing diagnostic decisions obtained from multiple measurement points. Experimental verification of the proposed approach is also carried out. The obtained results show that the use of DBN together with the improved CIA algorithm and DS evidence theory makes it possible to improve the accuracy and reliability of fault diagnosis for electromechanical equipment. The proposed approach can be applied to practical technical diagnostic tasks.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
- ВКР Титульный лист
- ВКР Задание
- ВКР_Инь Чанвэнь
