КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Актуальні проблеми бойового застосування, експлуатації і ремонту зразків озброєння та військової техніки (2025)

Розмір шрифта: 
ВПРОВАДЖЕННЯ ШТУЧНОГО ІНТЕЛЕКТУ В КОНТРОЛЬ І ДІАГНОСТИКУ ЛІТАЛЬНИХ АПАРАТІВ
Андрій Іванович Сочка, Олександр Віталійович Гапонов, Андрій Олександрович Кємєнов, Олег Миколайович Олійник

Остання редакція: 2025-11-05

Анотація


У роботі розглянуто концепцію застосування технологій штучного інтелекту (ШІ) у системах контролю та діагностики технічного стану літальних апаратів. Проаналізовано сучасні підходи до моніторингу стану авіаційних систем, визначено їхні обмеження та потенціал використання інтелектуальних алгоритмів. Основна увага приділена розробленню архітектури інтелектуальної діагностичної системи, що поєднує машинне навчання, нейронні мережі та методи прогнозування для виявлення прихованих дефектів, оптимізації технічного обслуговування та підвищення безпеки польотів.

Застосування ШІ дозволяє здійснювати аналіз великих масивів даних від сенсорів у режимі реального часу, автоматично розпізнавати аномалії, формувати рекомендації для інженерно-технічного складу та прогнозувати ймовірність відмов елементів. Це сприятиме переходу до стан-орієнтованого технічного обслуговування (CBM) і зниженню експлуатаційних витрат.

Впровадження інтелектуальних систем контролю в авіації є ключовим напрямом цифрової трансформації Повітряних Сил України, що забезпечить підвищення ефективності управління авіаційною технікою, зменшення впливу людського фактора та продовження ресурсу експлуатації літальних апаратів.


Ключові слова


штучний інтелект, діагностика, моніторинг, машинне навчання, авіаційна техніка, технічне обслуговування

Посилання


1. Health and Usage Monitoring Systems (HUMS) for Aircraft — SAE International, 2018.

2. ICAO Annex 19 to the Convention on International Civil Aviation — Safety Management, 2nd Edition, 2016.

3. Мельник С.В. Системи моніторингу технічного стану авіаційної техніки. — Київ: НАУ, 2021.

4. Zhang Y., et al. AI-Based Fault Diagnosis in Aerospace Systems. — IEEE Aerospace Journal, 2022.

5. Li H., Chen W. Neural Network Approaches for Aircraft Predictive Maintenance. — Springer, 2020.


Повний текст: PDF