<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Адаптивна обробка параметрів деградації для підвищення достовірності діагностування технічних систем

Скорочена інформація про документ
dc.contributor.authorКовалевський, С. В.uk
dc.contributor.authorСокотун, В. О.uk
dc.contributor.authorKovalevskyy, S. V.en
dc.contributor.authorSokotun, V. O.en
dc.titleАдаптивна обробка параметрів деградації для підвищення достовірності діагностування технічних системuk
dc.date.issued2026
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКовалевський С. В., Сокотун В. О. Адаптивна обробка параметрів деградації для підвищення достовірності діагностування технічних систем // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fmt/all-fmt-2026/paper/view/28582.uk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fmt/all-fmt-2026/paper/view/28582
dc.identifier.udc621.9.048.7:004.032.26
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54778
dc.description.abstractпростору та розроблено підхід до адаптивної обробки діагностичних параметрів із урахуванням змінних умов експлуатації.uk
dc.description.abstractdevelops an adaptive processing approach accounting for variable operational conditions. The concept of adaptive sensitivity is introduced; an integral degradation index with dynamic weights is formulated. The diagnostic reliability criterion is defined and the theoretical superiority of the adaptive approach is proved. The results align with Prognostics and Health Management (PHM) trends and support intelligent condition monitoring in digital manufacturing.en
dc.subjectдеградація технічних системuk
dc.subjectадаптивна обробка сигналівuk
dc.subjectзалишковий ресурсuk
dc.subjectPHMen
dc.subjectфазовий простірознакuk
dc.subjectінтегральний індекс деградаціїuk
dc.subjectдостовірність діагностуванняuk
dc.subjecttechnical system degradationen
dc.subjectadaptive signal processingen
dc.subjectremaining useful lifeen
dc.subjectfeature phase spaceen
dc.subjectintegraldegradation indexen
dc.subjectdiagnostic reliabilityen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesLei Y. et al. Machinery health prognostics: A systematic review from data acquisition to RUL prediction. Mechanical Systems and Signal Processing. 2018. Vol. 104. P. 799–834. DOI: 10.1016/j.ymssp.2017.11.016en
dc.relation.referencesHu Y. et al. Prognostics and health management: A review from design, development and decision perspectives. Reliability Engineering & System Safety. 2022. Vol. 217. P. 108063. DOI: 10.1016/j.ress.2021.108063en
dc.relation.referencesZio E. Prognostics and health management methods for reliability prediction and predictive maintenance. IEEE Transactions on Reliability. 2024. Vol. 73(1). P. 41–57. DOI: 10.1109/TR.2023.3323053en
dc.relation.referencesSi X.S. et al. Remaining useful life estimation: A review on statistical data-driven approaches. European Journal of Operational Research. 2011. Vol. 213(1). P. 1–14. DOI: 10.1016/j.ejor.2010.11.018en
dc.relation.referencesYe Z.S., Xie M. Stochastic modelling and analysis of degradation for highly reliable products. Applied Stochastic Models in Business and Industry. 2015. Vol. 31. P. 16–32. DOI: 10.1002/asmb.2043en
dc.relation.referencesZhang S., Zhai Q., Li Y. Degradation modeling and RUL prediction with Wiener process considering measurable and unobservable external impacts. Reliability Engineering & System Safety. 2023. Vol. 231. P. 109021. DOI: 10.1016/j.ress.2022.109021en
dc.relation.referencesWang X., Xu D. An inverse Gaussian process model for degradation data. Technometrics. 2010. Vol. 52. P. 188–197. DOI: 10.1198/TECH.2009.08093en
dc.relation.referencesSi X.S. et al. A degradation path-dependent approach for RUL estimation with closed-form solution. European Journal of Operational Research. 2013. Vol. 226. P. 53–66. DOI: 10.1016/j.ejor.2012.10.041en
dc.relation.referencesTang D. et al. A review on data-driven condition monitoring of industrial equipment. Algorithms. 2023. Vol. 16(1). P. 9. DOI: 10.3390/a16010009en
dc.relation.referencesLei Y. et al. Applications of machine learning to machine fault diagnosis: A review and roadmap. Mechanical Systems and Signal Processing. 2020. Vol. 138. P. 106587. DOI: 10.1016/j.ymssp.2019.106587en
dc.relation.referencesMauthe F., Steinmann L., Zeiler P. Overview and analysis of publicly available degradation data sets for PHM tasks. 35th European Safety and Reliability Conference (ESREL 2025). 2025. Preprint arXiv: 2403.13694en
dc.relation.referencesTang Z. et al. A nonlinear-drift-driven Wiener process model for RUL estimation considering three sources of variability. Reliability Engineering & System Safety. 2021. Vol. 212. P. 107631. DOI: 10.1016/j.ress.2021.107631en
dc.date.accessioned2026-10-06T08:46:14Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
28582.pdf
Розмір:
599,56 KB
Формат:
Adobe Portable Document Format
Завантажити

Зібрання

НТКП ВНТУ. Факультет машинобудування та транспорту (2026)