Інформаційна технологія технічного діагностування елементів динамічних систем на основі даних моніторингу
| dc.contributor.author | Шевченко, Дмитро Олександрович | |
| dc.contributor.author | Shevchenko, D. O. | |
| dc.date.accessioned | 2026-06-05T08:12:17Z | |
| dc.date.issued | 2026 | |
| dc.description | Науковий керівник: Стрілець Вікторія Євгенівна кандидат технічних наук, доцент кафедри теоретичної та прикладної системотехніки. Кваліфікаційна наукова праця на правах рукопису | |
| dc.description.abstract | Дисертаційна робота присвячена розробці багаторівневої інформаційної технології технічного діагностування динамічних систем та їх елементів на основі даних моніторингу. Актуальність дослідження обумовлена тим, що непередбачувані відмови динамічних технічних систем призводять до значних економічних втрат та безпекових ризиків, а існуючі методи діагностування характеризуються фрагментарністю, гомогенністю ансамблевих підходів, відсутністю уніфікованих методів формування часових представлень для різнорідних компонентів та недостатньою спеціалізацією компонентів багаторівневих технологій. Метою роботи є підвищення якості та забезпечення стійкості технічного діагностування елементів динамічних систем в умовах складності операційних режимів шляхом розробки багаторівневої інформаційної технології за рахунок інтеграції комплементарних підходів машинного навчання з ансамблюванням діагностичних рішень. | |
| dc.description.abstract | The dissertation is devoted to the development of a multilevel information technology for technical diagnosis of dynamic systems and their elements based on monitoring data. The relevance of the study is determined by the fact that unpredictable failures of dynamic technical systems lead to significant economic losses and safety risks, while existing diagnostic methods are characterized by fragmentation, homogeneity of ensemble approaches, the lack of unified methods for constructing temporal representations for heterogeneous components, and insufficient specialization of components within multilevel technologies. The objective of this work is to enhance the accuracy and ensure the robustness of technical diagnosis of dynamic system elements under complex operational regimes by developing a multilevel information technology through the integration of complementary machine learning approaches with ensemble-based aggregation of diagnostic decisions. | |
| dc.identifier.citation | Шевченко, Д. О. Інформаційна технологія технічного діагностування елементів динамічних систем на основі даних моніторингу : дис. … д-ра філософії : спец. 122 – Комп’ютерні науки : галузь знань 12 – Інформаційні технології / Шевченко Дмитро Олександрович ; Харк. нац. ун-т ім. В. Н. Каразіна. – Харків, 2026. – 184 с. | |
| dc.identifier.other | УДК 004.9:62-044.7 | |
| dc.identifier.uri | https://ekhnuir.karazin.ua/handle/123456789/25788 | |
| dc.language.iso | uk | |
| dc.publisher | Харків : Харківський національний університет імені В. Н. Каразіна | |
| dc.subject | SOCIAL SCIENCES::Statistics, computer and systems science | |
| dc.subject | TECHNOLOGY::Information technology | |
| dc.subject | технічне діагностування | |
| dc.subject | багаторівнева інформаційна технологія | |
| dc.subject | машинне навчання | |
| dc.subject | глибоке навчання | |
| dc.subject | штучний інтелект | |
| dc.subject | ансамблювання діагностичних рішень | |
| dc.subject | прогнозування залишкового ресурсу | |
| dc.subject | класифікація стану | |
| dc.subject | виявлення аномалій | |
| dc.subject | алгоритм нечіткої кластеризації | |
| dc.subject | автокодувальники | |
| dc.subject | рекурентні нейронні мережі | |
| dc.subject | LSTM | |
| dc.subject | гібридна нейронна мережа | |
| dc.subject | оптимізація моделі | |
| dc.subject | technical diagnosis | |
| dc.subject | multilevel information technology | |
| dc.subject | machine learning | |
| dc.subject | deep learning | |
| dc.subject | artificial intelligence | |
| dc.subject | diagnostic decision ensembling | |
| dc.subject | remaining useful life prediction | |
| dc.subject | state classification | |
| dc.subject | anomaly detection | |
| dc.subject | fuzzy clustering algorithm | |
| dc.subject | autoencoders | |
| dc.subject | recurrent neural networks | |
| dc.subject | hybrid neural network | |
| dc.subject | model optimization | |
| dc.title | Інформаційна технологія технічного діагностування елементів динамічних систем на основі даних моніторингу | |
| dc.title.alternative | Information technology for technical diagnosis of dynamic system elements based on monitoring data | |
| dc.type | Dissertation |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Shevchenko_diss.pdf
- Розмір:
- 2,45 MB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Вантажиться...
- Назва:
- license.txt
- Розмір:
- 8,17 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис:
