ДІАГНОСТИКА СИЛОВОЇ УСТАНОВКИ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ НА БАЗІ ЕЛЕКТРОПРИВОДУ

Анотація

У статті розглянуто питання діагностики силової установки безпілотних літальних апаратів (БПЛА), що функціонують на базі електроприводу, з використанням інтелектуальних технологій аналізу даних. У контексті сучасних викликів, зумовлених збройною агресією проти України, актуальність дослідження зумовлена необхідністю забезпечення безпечної експлуатації автономних літальних систем у регіонах із пошкодженою інфраструктурою та обмеженою функціональністю телекомунікаційних мереж. Визначено, що ефективність функціонування БПЛА значною мірою залежить від стану його силової установки, а отже, від своєчасності та точності діагностування електроприводів у процесі польоту.

Основну увагу зосереджено на розробленні концептуальних засад побудови системи моніторингу технічного стану електроприводу на базі штучних нейронних мереж (ШНМ) із використанням середовища TensorFlow. Проведено аналіз сучасних тенденцій розвитку технологій глибинного навчання, які забезпечують можливість розпізнавання нелінійних залежностей між параметрами функціонування силової установки та її діагностичними показниками. Розкрито структуру типової нейронної мережі, що включає вхідний, приховані та вихідний шари, які реалізують нелінійні перетворення вхідних сигналів. Охарактеризовано алгоритми оптимізації навчального процесу (зокрема стохастичний градієнтний спуск, Adam, RMSProp) та функції втрат, що застосовуються для класифікації технічного стану електричних двигунів під час експлуатації.

У роботі обґрунтовано доцільність використання API TensorFlow Keras для побудови, тренування та тестування моделей діагностики силових установок БПЛА. Показано, що запропонований підхід дає змогу визначати з високою точністю рівень працездатності електродвигунів у реальному часі, виявляти відхилення від номінального режиму роботи та прогнозувати можливі відмови. Зокрема, експериментальні результати імітаційного моделювання підтвердили, що розроблена модель здатна класифікувати стан силової установки за трьома категоріями — справний, умовно працездатний і критичний — із точністю понад 95 %.

Детально розглянуто процес побудови нейронної моделі, включно з підбором гіперпараметрів, кількістю прихованих шарів і нейронів, вибором функцій активації (ReLU, Softmax) та параметрів навчання. Підкреслено роль апаратного прискорення (GPU, TPU) для забезпечення оперативної обробки великого обсягу діагностичних даних у режимі реального часу. Наведено результати аналізу впливу архітектури нейромережі на швидкість збіжності алгоритму навчання та стійкість до перенавчання.

Зроблено висновок, що запропонований метод діагностики силової установки на базі електроприводу з використанням штучних нейронних мереж є ефективним інструментом для підвищення надійності експлуатації безпілотних літальних апаратів, особливо в умовах обмеженої телекомунікаційної підтримки. Практичне впровадження таких систем дозволить забезпечити автономний контроль технічного стану силових елементів, своєчасне виявлення несправностей і запобігання аварійним ситуаціям під час польоту. Отримані результати мають значний науково-практичний потенціал для подальшої розробки комплексних систем технічної діагностики, інтегрованих у структуру систем автопілоту БПЛА.