Использование метода нейронных сетей для анализа данных мониторинга электрооборудования

Введение………………………………………………………………………
1 Теоретические основы метода нейронных сетей для анализа данных мониторинга электрооборудования…………………………………………
1.1 Модели биологического и искусственного нейрона…………………
1.2 Понятие нейронной сети……………………………………………….
1.3 Принципы работы нейронных сетей………………………………….
1.4. Постановка задачи обучения нейронной сети……………………….
1.5 Алгоритм обратного распространения ошибки для обучения многослойной нейронной сети…………………………………………….
1.6 Применение нейронной сети для решения задач классификации данных мониторинга электрооборудования……………………………
2 Применение искусственных нейронных сетей для анализа данных мониторинга электрооборудования…………………………………………
2.1 Искусственные нейронные сети в энергетике………………………..
2.2 ИНС в диагностике и мониторинге электрооборудования, отказы…
2.3 Стохастическая деградация элементов………………………………..
2.4 Стоимость технического обслуживания……………………………..
2.5 Применение автоматизированного программно-аппаратного нейросетевого комплекса для диагностики электрооборудования на примере асинхронных электродвигателей………………………………..
2.6 Техническое обслуживание «по состоянию» на основе ИНС………
2.7 Результаты экспериментов…………………………………………..
2.8 Выводы по второй главе……………………………………………….
3 Разработка методики выявления дефектов электрооборудования на базе нейронной сети……………………………………………………………
3.1 Принцип выявления дефектов на базе нейронной сети……………..
3.2 Описание разработанной методики выявления дефектов…………..
3.3 Подготовка исходных данных и формирование обучающей выборки для обучения нейронной сети…………………………………..
3.4 Разработка нейронной сети……………………………………………
3.5 Обучение нейронной сети и построение модели выявления дефектов……………………………………………………………………
3.6 Выводы………………………………………………………………….
4 Численные исследования разработанной модели нейронной сети для диагностики асинхронного двигателя ………………………………..
4.1 Оценка адекватности построенной модели выявления дефектов……
4.2 Условия и порядок проведения испытаний…………………………..
4.3 Численно-параметрические исследования……………………………
4.4 Выводы………………………………………………………………….
5 Экономический эффект от внедрения автоматизированного программно-аппаратного нейросетевого комплекса для диагностики асинхронных электродвигателей……………………………………………
Заключение………………………………………………………………………
Список литературы……………………………………………………………..

1. Круглов В.В. Адаптивные системы нечёткого вывода // Нейрокомпьютеры: разработка и применение. – 2003. – № 5. – С. 15-19.
2. Ф. Уоссермен. Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык, Ю.А. Зуев, В.А. Точенов, 1992.
3. Rumelhart D., Hinton G., Williams R. Learning representation by back propagation errors // Nature, 1986, № 323, pp. 533-536.
4. Черемных С.В. Моделирование и анализ систем. IDEF-технологии: практикум / С.В.Черемных, И.О. Семенов, B.C. Ручкин. – М.: Финансы и статистика, 2006. – 192 с., ил.
5. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учебное пособие для вузов. – 2-е изд., перераб. и доп. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. – 400 с., ил.
6. Заенцев И.В. Нейронные сети: основные модели. Учебное пособие, Воронеж, 1999.
7. Нейрокомпьютерная техника: теория и практика, http://www.zipsites.ru/books/neirokomp_tekhnika
8. Введение в искусственные нейронные сети, http://neuroschool.narod.ru/pub/nn_int_jain.html
9. Электронный учебник «Аналитические технологии для прогнозирования и анализа данных», http://www.neuroproject.ru/neuro.htm
10. Бакис К.Я. Эффективность автоматизации производства: методические вопросы планирования, оценки, анализа. – М.: Экономика, 1982. – 104 с.
11. Копытов Ю.В., Чуланов Б.А. Экономия электроэнергии в промышленности. М.: Энергоатомиздат, 2002. –112 с.
12. Организация и планирование машиностроительного производства (производственный менеджмент): Учебник / К.А. Грачева, М.К. Захарова, Л.А. Одинцова и др.; Под. ред. Ю.В. Скворцова, Л.А. Некрасова. М.: Высшая школа, 2003. – 470 с.
13. Сборник нормативных и методических документов по измерениям, коммерческому и техническому учету электрической энергии и мощности. Издательство «НЦ ЭНАС», М., 2008.
14. Контроль состояния и диагностика машин. Сигнатурный анализ электрических сигналов трехфазного асинхронного двигателя [Текст] : ГОСТ ISO 20958-2015. –введ. 01.11.2016.
15. Объем и нормы испытаний электрооборудования [Текст] : РД 34.45-51.300-97: утв. РАО ЕЭС России 08.05.1997 : ввод. в действие с 05.08.1997. – М.: Изд-во НЦ ЭНАС, 2004. – 256 с.
16. Разработка и производство программируемых логических контроллеров, датчиков, контрольно-измерительных приборов. Средства автоматизации, КИПиА, АСУ ТП: [Электронный ресурс]. М., 2016. URL: http://www.owen.ru. (Дата обращения: 01.12.2016).
17. S. Lee Hong, Scott J. Barton, and George V. Rebec. Neural correlates of unpredictability in behavioral patterns of wild-type and R6/2 mice // Communicative & Integrative Technology, № 1–3. June 2012.