Допира Р.В., Маслов Ф.Д., Королев В.В., Шароглазов В.Б. «Метод акустической диагностики вращающихся частей антенно-фидерных устройств с применением самообучающейся нейросети» T-Comm: Телекоммуникации и транспорт, 11, № 10, с. 45-50 (2017)

Механизмы прогнозирования технического состояния антенно-фидерных устройств, являются наиболее выгодными, с точки зрения экономической эффективности. Причиной этого является усложнение и удорожание самих объектов прогноза. Следствием этого является создание механизмов диагностики, обеспечивающих необходимой информацией о техническом состоянии объекта прогностические системы, с приемлемым соотношением качества выдаваемой информации к стоимости системы диагностирования. Достаточно выгодным, в этом свете, выглядит сбор статистической информации методами неразрушающего контроля. Вписывающимся в данную постановку задачи, удовлетворяющим требованиям относительной простоты и дешевизны, является метод акустического контроля – диагностики. В данной статье говориться об использовании данного метода, как одного из инструментов сбора информации для прогнозирования технического состояния антенно-фидерных устройств. Предлагается совершенствование существующего метода по трем направлениям: элементной базе аудиодатчиков, математическому аппарату анализа сигналов, а также механизмам определения неисправностей. По направлению элементной базы аудиодатчиков предлагается использование USB-микрофонов, как инструментов, обеспечивающих достаточную точность анализируемых сигналов, при низкой цене оборудования. В качестве изменений математического аппарата анализа сигналов предлагается использование вейвлет-преобразование сигналов, оно дает преимущество, перед использующимся преобразованием Фурье, в точности и устраняет принцип неопределенности Гейзенберга. По третьему направлению анализа аудиосигналов неисправностей предлагается использование современного подхода, часто использующегося в других областях науки и программирования – нейронных сетей. С помощью предложенной нейросети Кохонена, с возможностью, как самообучения, так и обучения оператором, приобретается серьезный инструмент анализа аудио сигналов и поиска неисправностей, с высокой точностью и низкой вероятностью ошибок.