Application of Neural Networks for Calculating the Functioning of Lever-float Valves in Aviation Systems
Year: 2021
Type: article
Abstract: В статье анализируются возможности по применению нейронных сетей при проектировании, производстве и испытаниях рычажно-поплавковых клапанов. В работе показаны преимущества нейронных сетей перед классическими методами расчета. Разобрана структура нейронных сетей и нейрона, показан принцип работы нейронной сети. Описаны недостатки существующих методов расчета. Разобран принцип расчета рычажно-поплавковых клапанов (в качестве примера использовался рычажно-поплавковый клапан с четырьмя элементами), показаны основные детали, которые нужно учитывать в расчете. Рассмотрен принцип построения нейронной сети, показан как произведен анализ статистических данных и подбор параметров обучения нейронной сети. В работе показано как взаимодействуют между собой параметры изделия. Выполнен сравнительный анализ между данными с испытаний и результатами, рассчитанными с помощью нейронной сети. Приведены рекомендации, как можно применить данную нейронную сеть в дальнейшим, а также направление по улучшению существующей модели нейронной сети. The article analyzes the possibilities of using neural networks in the design, production and testing of lever-float valves. The paper shows the advantages of neural networks over classical calculation methods. The structure of neural networks and a neuron is disassembled, the principle of operation of a neural network is shown. The disadvantages of existing calculation methods are described. The principle of calculating the lever-float valves has been analyzed (a lever-float valve with four elements was used as an example), the main details that need to be considered in the calculation are shown. The principle of constructing a neural network is considered, it is shown how the analysis of statistical data and the selection of parameters for training a neural network is performed. The work shows how the parameters of the product interact with each other. A comparative analysis was performed between the test data and the results calculated using a neural network. Recommendations are given on how this neural network can be applied in the future, as well as directions for improving the existing neural network model.
Source: Авиакосмическое приборостроение.
Authors: Д.О. Пушкарев, Д.Ю. Киселев
Language: Russian
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W4402000640