Опыт эксплуатации суден, а также экологические проблемы, приобретающие особую значимость в настоящее время, свидетельствуют о том, что одним из основных направлений повышения эффективности функционирования судовых энергетических систем является внедрение современных интеллектуальных инструментов и методов мониторинга и диагностики работы оборудования. Цель статьи заключается в рассмотрении возможностей и потенциальных сфер использования методов и инструментов искусственного интеллекта в процессе управления судовыми энергетическими установками. Методологическую базу исследования составляют современные методы, основанные на фундаментальных принципах классической механики и электромеханики, теплопередачи, теории автоматического управления, а также методы математического моделирования, общие приемы и инструменты системного подхода. В процессе исследования проанализированы возможности нейронных сетей и вычислений, вейвлет-преобразований, метода группового учета аргументов в таких сферах управления СЭУ как: прогнозирование мощности установок, вычисление объемного расхода моторного топлива, диагностика отказов лопаток газовых турбин. Полученные результаты позволили прийти к выводу, что основная цель и преимущества использования искусственного интеллекта заключается в стимулировании разработки эффективных систем, которые способны в режиме реального времени анализировать состояние СЭУ и прогнозировать возникновение неисправностей, что позволит уменьшить количество отказов в системах и снизить производственные затраты.
судно, искусственный интеллект, энергетическая установка, управление, нейронная сеть, эффективность
1. Туркин А.В., Туркин В.А., Атласов Р.Ю. Система оптимизации выбросов вредных веществ судовыми энергетическими установками // Морские интеллектуальные технологии. - 2019. -№1-2(43). - С. 63-70.
2. Сметюх Н.П., Черный С.Г., Ениватов В.В., Бордюг А.С. Скалярное многофакторное оценивание диагностических характеристик судовых энергетических систем // Автоматизация, телемеханизация и связь в нефтяной промышленности. - 2019. - №12(557). - С. 15-19.
3. Доровской В.А., Черный С.Г., Бордюг А.С. Компараторная идентификация частотных характеристик систем автоматического управления судовой энергетической установки // Вестник Поволжского государственного технологического университета. Серия: Радиотехнические и инфокоммуникационные системы. -2020.-№1(45).-С. 47-57.
4. Соловьев А.В. О цифровых технологиях на флоте // Речной транспорт (XXI век). - 2020. -№1(93). - С. 43-44.
5. Fuzzy logic method for ship energy efficiency / Kai Wang, Dr. Xinping Yan, and Dr. Yupeng Yuan (Wuhan University of Technology) discuss the fuzzy logic method and its ability to determine optimal engine speed. Sea technology. 2015/ Volume 56: 11,45-46.
6. Колпаков B.E. Перспективы использования нейронных сетей для управления системой самодиагностики судовой энергетической установки // В сборнике: Материалы конференции «Управление в морских системах»,- 2018.- С. 41-47.
7. Bal Be§ikfi, Е. et al. An artificial neural network based decision support system for energy efficient ship operations // Computers & operations research. 2016. Volume 66; pp 393-401.
8. Monti, Antonello (2014) Fault Detection and Classification in Medium Voltage DC Shipboard Power Systems With Wavelets and Artificial Neural Networks. IEEE transactions on instrumentation and measurement. Volume 63: Number 11; pp 26512665.
9. Кондратьев С.И., Студеникин Д.Е., Джавукцян M.Л., Глимбоцкий В.В. Способ и система контроля местоположения судна с помощью нечеткой логики. Патент на изобретение RU 2678762 С1, 31.01.2019. Заявка №2018105412 от 13.02.2018.
10. Studenikin D.E., Kondratev S.I., Javuktsyan M.L.Some aspects of vessel’s movement in congested waters analysis for preliminary route planning// Эксплуатация морского транспорта- 2019.-№ 3 (92). - С. 30-34.
11. Боран-Кешишьян A.Л., Астреин В.В., Кондратьев С.И. Формализация общей стратегии принятия решений для достижения комплексной безопасности судна// Морские интеллектуальные технологии- 2019,- № 1-2 (43).- С. 127-131.
12. Студеникин Д.Е., Бован С.Д., Хекерт Е.В., Модина М.А. Использование нейронных сетей для организации визуального наблюдения//Морские интеллектуальные технологии- 2019-№4-3 (46).-С. 91-95.
13. Antonov А.А., Studenikin D.E., Khekert E.V., Bidenko S.I. Clustering of environment in the decision support system for the preliminary plotting //Морские интеллектуальные технологии. 2018. №4-2(42). С. 145-149.
