Аннотация. В данной статье рассматриваются способы мониторинга и предсказания остаточного срока службы насосов, применяемых в ирригационных системах. Актуальность этого изыскания обусловлена необходимостью повышения надежности и эффективности эксплуатации насосного оборудования, уменьшения вероятности неожиданных поломок, и оптимизации затратна техническое обслуживание.
Данное исследование направлено на создание и применение высокоточного способа предсказания остаточного срока службы (RUL) ирригационной системы. В основе способа лежит использование сверточной нейронной сети (CNN).
Задачи исследования:
Изучение существующих методов мониторинга и предсказания технического состояния насосного оборудования.
Разработка архитектуры сверточной нейронной сети (CNN) с двумя параллельными каналами обработки данных: временным и временно-частотным.
Создание программного комплекса «AITUM» для сбора, обработки и анализа данных, поступающих с датчиков вибрации и температуры. Разработка рекомендации по применению метода в системах технического обслуживания насосного оснащения.
Сконструированный метод на основе глубокого обучения показывает высокую точность предсказания RUL насосов, что значительно превосходит общепринятые подходы. Проведены серии опытов на реальных данных насосных систем, что помогло обнаружить закономерности деградации оснащения. Применение данной технологии позволит снизить риск аварийных отказов, уменьшить эксплуатационные издержки и повысить эффективность систем орошения за счет своевременного технического обслуживания оборудования.

Ключевые слова: прогнозирование остаточного ресурса (RUL), датчики IoT, CNN, насосные агрегаты ирригационных систем, алгоритм интеллектуального анализа данных.