zldmЗаводская лаборатория. Диагностика материаловIndustrial laboratory. Diagnostics of materials1028-68612588-0187ООО «Издательство «ТЕСТ-ЗЛ»10.26896/1028-6861-2023-89-5-56-63zldm-1934Research ArticleИССЛЕДОВАНИЕ СТРУКТУРЫ И СВОЙСТВ. МЕХАНИКА МАТЕРИАЛОВ: ПРОЧНОСТЬ, РЕСУРС, БЕЗОПАСНОСТЬTESTING OF STRUCTURE AND PARAMETERS. MECHANICAL TESTING METHODSПрименение нейросетевых технологий искусственного интеллекта для мониторинга нагрузок в силовых элементах авиационных конструкцийApplication of neural network technologies to load monitoring in aircraft structure bearing elementsОрловА. А.OrlovA. A.

Александр Александрович Орлов

140180, Московская обл., Жуковский, ул. Жуковского, д. 1

Aleksandr A. Orlov

1, ul. Zhukovskogo, Zhukovsky, Moscow obl., 140180

СыпалоК. И.SypaloK. I.

Кирилл Иванович Сыпало

140180, Московская обл., Жуковский, ул. Жуковского, д. 1

Kirill I. Sypalo

1, ul. Zhukovskogo, Zhukovsky, Moscow obl., 140180

ГородниченкоВ. И.GorodnichenkoV. I.

Владимир Иванович Городниченко

140180, Московская обл., Жуковский, ул. Жуковского, д. 1

Vladimir I. Gorodnichenko

1, ul. Zhukovskogo, Zhukovsky, Moscow obl., 140180

БаутинА. А.BautinA. A.

Андрей Александрович Баутин

140180, Московская обл., Жуковский, ул. Жуковского, д. 1

Andrey A. Bautin

1, ul. Zhukovskogo, Zhukovsky, Moscow obl., 140180

andrey.bautin@gmail.comЦентральный аэрогидродинамический институт имени профессора Н. Е. ЖуковскогоРоссияCentral Aerohydrodynamic InstituteRussian Federation2023260520238955663Copyright © Орлов А.А., Сыпало К.И., Городниченко В.И., Баутин А.А., 20232023Орлов А.А., Сыпало К.И., Городниченко В.И., Баутин А.А.Orlov A.A., Sypalo K.I., Gorodnichenko V.I., Bautin A.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.zldm.ru/jour/article/view/1934

Экономическую эффективность при эксплуатации самолетов местных воздушных линий (МВЛ) можно повысить за счет увеличения информированности о нагружении и состоянии авиационной конструкции с последующей корректировкой программы технического обслуживания в соответствии с фактическими условиями эксплуатации. Учет индивидуальных особенностей нагружения силовых элементов конструкции транспортных самолетов в процессе выполнения полетов позволяет значительно продлить ресурс, в некоторых случаях — в два и более раз. Однако на данный момент системы мониторинга нагрузок в авиационной отрасли повсеместно еще не внедрены. Реализация известных подходов, разрабатываемых для мониторинга и анализа нагрузок, требует значительных изменений в программах и процедурах поддержания летной годности, включая необходимость установки дополнительного сложного измерительного оборудования. В данной работе рассматривается альтернативный подход по отношению к существующим методам мониторинга нагрузок. На основе применения технологий искусственного интеллекта предложена методика определения (прогноза) нагрузок в силовых элементах конструкции самолета без использования дополнительного измерительного оборудования. Ключевым этапом методики является формирование с помощью искусственной нейронной сети зависимости между параметрами полета, которые регистрируются штатными бортовыми самописцами, и параметрами нагружения, определяемыми расчетно-экспериментальными методами в результате обработки данных тензометрии. Эти данные в достаточном объеме получают при проведении летно-прочностных испытаний на этапе сертификации. Методика рассмотрена на примере прогноза усилий в элементах механизации закрылков самолета. Полученные результаты показали, что средняя ошибка оценок усилий в шатунах внутренних закрылков не превышает 6 %. Данные результаты позволяют с приемлемой точностью определять в процессе эксплуатации накопленную индивидуальную повреждаемость конструкции летательного аппарата и оценивать величину его остаточного ресурса. Представленный подход является частью методической базы, необходимой для разработки и внедрения современных средств анализа состояния конструкции, реализованных на основе бортовых систем мониторинга самолетов МВЛ.

Economic efficiency in the operation of aircraft local air lines (LA) can be improved by increasing the awareness of the loading and aircraft structure integrity, with the subsequent adjustment of the maintenance program in accordance with the actual operating conditions. The allowance for specific features of loading load-bearing elements at transport aircraft during particular operations provides a significant extending in the safe life (in some cases, by several times). However, at the moment, load monitoring systems in the aviation industry have not yet been implemented universally. The implementation of the well-known approaches developed for monitoring and analyzing loads requires significant changes in the programs and procedures for maintaining airworthiness, including the need to install additional sophisticated measuring equipment. We propose an alternative approach to existing methods of load monitoring without using additional measuring equipment. The main stage is formation of the relationship between the flight parameters recorded by the standard on-board recorder and the loading parameters, which are determined by computational and experimental methods as a result of processing strain gauge data. A sufficient bulk of the strain data is usually obtained during the flight tests at the certification stage. Testing of this technique is considered with reference to the example of the loads in the elements of high lift devices of aircraft flaps. The average error in the estimates of the forces in the connecting rods of the inner flaps does not exceed 6%. The results obtained make it possible to determine with the acceptable accuracy the individual accumulated damageability of an aircraft structure and to assess the residual safe life. The presented approach is a part of the methodological framework necessary for the development and implementation of modern means of analyzing the integrity of the structure, implemented on the basis of on-board monitoring systems of local airlines aircraft.

нейронная сетьперсептронциклическое нагружение конструкцииусталостная повреждаемостьостаточный ресурсneural networkperceptroncyclic loading of the structurefatigue damageresidual lifeReferencesШибаев В. М., Матвеев В. А., Городниченко В. И. и др. Прогнозирование показателей надежности беспилотных воздушных судов / Труды ЦАГИ. 2021. № 2795. С. 4 – 14.Shibaev V. M., Matveev V. A., Gorodnichenko V. I., et al. Forecasting the Reliability Indicators of Unmanned Aircraft / Tr. TsAGI. 2021. N 2795. P. 4 – 14 [in Russian].Суханов В. Л., Шибаев В. М., Матвеев В. А. и др. Методика балльной оценки показателей безопасности полета при сертификации воздушных судов беспилотных авиационных систем / Техника воздушного флота. 2021. Т. XCIII. № 3 – 4(736 – 737). С. 32 – 47.Sukhanov V. L., Shibaev V. M., Matveev V. A., et al. The method of scoring flight safety indicators in the certification of unmanned aircraft systems / Tekhn. Vozd. Flota. 2021. Vol. XCIII. N 3 – 4(736 – 737). P. 32 – 47 [in Russian].Пат. 2545150 Российская Федерация, МПК G01M 17/02. Способ контроля состояния конструкции летательного аппарата / Винокуров В. И., Зыков В. Н.; заявитель и патентообладатель Винокуров В. И., Зыков В. Н. — № 2014108188/11; заявл. 03.03.14; опубл. 27.03.15. Бюл. № 9.RF Pat. 2545150, MPK G01M 17/02. Method of aircraft structure inspection / Vinokurov V. I., Zykov V. N.; applicant and patent holder Vinokurov V. I., Zykov V. N. — N 2014108188/11; appl. 03.03.14; publ. 27.03.15. Byull. N 9 [in Russian].Пат. 2599108 Российская Федерация, МПК B64F 5/00, G01D 21/00. Способ мониторинга нагрузок и накопленной усталостной повреждаемости в условиях эксплуатации самолета / Цымбалюк В. И., Орлова Т. И., Фролов А. В.; заявитель и патентообладатель Федеральное государственное унитарное предприятие «Центральный аэрогидродинамический институт имени профессора Н. Е. Жуковского» (ФГУП «ЦАГИ») — № 2015127185/11; заявл. 07.07.15; опубл. 10.10.16. Бюл. № 28.RF Pat. 2599108, MPKV 64F 5/00, G01D 21/00. A method for monitoring loads and accumulated fatigue damage under aircraft operating conditions / Tsymbalyuk V. I., Orlova T. I., Frolov A. V.; applicant and patent holder Federalnoe gosudarstvennoe unitarnoe predpriyatie «Tsentralny aerogidrodinamicheskii institut imeni professora N. E. Zhukovskogo» (FGUP «TsAGI») — N 2015127185/11; appl. 07.07.15; publ. 10.10.16, Byull. N 28 [in Russian].Баутин А. А. Мониторинг элементов авиационных конструкций по данным тензометрии / Заводская лаборатория. Диагностика материалов. 2019. Т. 85. № 1. С. 57 – 63. DOI: 10.26896/1028-6861-2019-85-1-I-57-63Bautin A. A. Monitoring of the elements of aviation structures using strain-gauge measurement / Zavod. Lab. Diagn. Mater. 2019. Vol. 85. N 1(I). P. 57 – 63 [in Russian]. DOI: 10.26896/1028-6861-2019-85-1-I-57-63Баутин А. А., Свирский Ю. А., Панков А. В. Мониторинг состояния конструкции с помощью анализа кинетики местного напряженно-деформированного состояния / Заводская лаборатория. Диагностика материалов. 2019. Т. 85. № 2. С. 42 – 47. DOI: 10.26896/1028-6861-2019-85-2-42-47Bautin A. A., Svirsky Yu. A., Pankov A. V. Development of structural health monitoring methods through the analysis of kinetics of local stress-strain state. / Zavod. Lab. Diagn. Mater. 2019. Vol. 85. N 2. P. 42 – 47 [in Russian]. DOI: 10.26896/1028-6861-2019-85-2-42-47Урнев А. С., Чернятин А. С., Матвиенко Ю. Г., Разумовский И. А. Экспериментально-численное определение размеров дефектов типа расслоения в слоистых композитных материалах / Заводская лаборатория. Диагностика материалов. 2018. Т. 84. № 10. С. 59 – 66. DOI: 10.26896/1028-6861-2018-84-10-59-66Urnev A. S., Chernyatin A. S., Matvienko Yu. G., Razumovskii I. A. Experimental and numerical sizing of a delamination defect in layered composite materials / Zavod. Lab. Diagn. Mater. 2018. Vol. 84. N 10. P. 59 – 66 [in Russian]. DOI: 10.26896/1028-6861-2018-84-10-59-66Урнев А. С., Чернятин А. С., Матвиенко Ю. Г., Разумовский И. А., Гавриков М. Ю. Исследование кинетики разрушения композитной панели с применением сетки встроенных волоконно-оптических датчиков / Машиностроение и инженерное образование. 2019. № 3. С. 18 – 27.Urnev A. S., Chernyatin A. S., Matvienko Yu. G., Razumovskii I. A., Gavrikov M. Yu. Studying the destruction kinetics of a composite panel with a embedded fiber-optic sensors grid / Mashinostr. Inzh. Obrazov. 2019. N 3. P. 18 – 27 [in Russian].Пат. № 2595066 Российская Федерация, МПК B64F 5/00, G01M 7/02, G06N 3/08. Способ оценки нагружения конструкции самолета при летных прочностных исследованиях с использованием искусственных нейронных сетей / Лучинский М. Н., Арнаутов Е. В., Орлов А. А., Хоменко А. Г., Балашова Т. А.; заявитель и патентообладатель открытое акционерное общество «Летно-исследовательский институт имени М. М. Громова» — № 2015124804/11; заявл. 24.06.15; опубл. 20.08.16, Бюл. № 23.RF Pat. 2595066, MPK V64F 5/00, G01M 7/02, G06N 3/08. A method for assessing the loading of an aircraft structure during flight strength tests using artificial neural networks / Luchinskiy M. N., Arnautov E. V., Orlov A. A., Homenko A. G., Balashova T. A.; applicant and patent holder otkrytoe aktsionernoe obshchestvo «Lyotno-issledovatelskij institut imeni M. M. Gromova» — N 2015124804/11; appl. 24.06.15; publ. 20.08.16, Byull. N 28 [in Russian].Zheng J., Jiao S., Cui D. Application of Principal Component Analysis-Assisted Neural Networks for the Rotor Blade Load Prediction / International Journal of Aerospace Engineering. 2021. Vol. 2021. Article ID 5594102. P. 13. DOI: 10.1155/2021/5594102Zheng J., Jiao S., Cui D. Application of Principal Component Analysis-Assisted Neural Networks for the Rotor Blade Load Prediction / International Journal of Aerospace Engineering. 2021. Vol. 2021. Article ID 5594102. P. 13. DOI: 10.1155/2021/5594102Candon M., Esposito M., Fayek H., et al. Advanced multi-input system identification for next generation aircraft loads monitoring using linear regression, neural networks and deep learning / Mechanical Systems and Signal Processing. 2022. Vol. 171. N 108809. P. 25. DOI: 10.1016/j.ymssp.2022.108809Candon M., Esposito M., Fayek H., et al. Advanced multi-input system identification for next generation aircraft loads monitoring using linear regression, neural networks and deep learning / Mechanical Systems and Signal Processing. 2022. Vol. 171. N 108809. P. 25. DOI: 10.1016/j.ymssp.2022.108809Hornik K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximations / Neural Networks. 1989. Vol. 2. P. 359 – 366.Hornik K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximations / Neural Networks. 1989. Vol. 2. P. 359 – 366.Cybenko G. Approximation by superpositions of a sigmodial function / Mathematics of Control. Signals and Systems. 1989. Vol. 2. P. 303 – 314.Cybenko G. Approximation by superpositions of a sigmodial function / Mathematics of Control. Signals and Systems. 1989. Vol. 2. P. 303 – 314.Funahashi K. On the approximate realization of continuous mappings by neural networks / Neural Networks. 1989. Vol. 2. N 3. P. 183 – 191.Funahashi K. On the approximate realization of continuous mappings by neural networks / Neural Networks. 1989. Vol. 2. N 3. P. 183 – 191.Bautin A., Svirskiy Y. Applying Neural Networks for Multi-site Damage Detection in Fuselage Lap Joints of Cargo Aircraft / Lecture Notes in Civil Engineeringthis. 2021. Vol. 128. P. 67 – 76. DOI: 10.1007/978-3-030-64908-1_7Bautin A., Svirskiy Y. Applying Neural Networks for Multi-site Damage Detection in Fuselage Lap Joints of Cargo Aircraft / Lecture Notes in Civil Engineeringthis. 2021. Vol. 128. P. 67 – 76. DOI: 10.1007/978-3-030-64908-1_7Бюшгенс А. Г., Городниченко В. И., Десятник П. А., Овсянников М. О., Шибаев В. М., Студнев С. Р. Оценка безопасного срока службы тренажера пространственной дезориентации на основе анализа усталостной прочности и безопасности повреждения конструктивных элементов / Проблемы безопасности полетов. 2020. № 12. С. 3 – 11.Bushgens A. G., Gorodnichenko V. I., Desyatnik P. I., Ovsyannikov M. O., Shibaev V. M., Studnev S. R. Assessment of safe service life of spatial disorientation simulators based on the analysis of fatigue strength and safety of structural component damage / Probl. Bezopasn. Poletov. 2020. № 12. P. 3 – 11 [in Russian].

The authors declare that there are no conflicts of interest present.