Мониторинг неисправности информационно-измерительного канала на основе фиксации диагностического признака

Приводится анализ современных подходов к решению проблемы диагностики информационно-измерительных каналов (ИИК) автоматизированных систем управления судовых энергетических установок. Выделяются ключевые недостатки существующих методов. Предлагается альтернативный вариант решения проблемы внутренней диагностики компонентов ИИК, апробированный на примере ИИК герконового уровнемера. Предложенный подход к диагностике компонентов ИИК реализуется за счет фиксации ступенчатого изменения сигнала с определенным шагом дискретизации. Приводится сравнение предложенного подхода с существующими, выделяются преимущества и недостатки. Определяется область использования разработанного подхода.

Аффилиация авторов
Житников Александр Андреевич – аспирант, e-mail: zhitnikov-alexandr@mail.ru.
Марченко Алексей Александрович – канд.тех. наук, заведующий кафедрой, e-mail: marchenko_alx@inbox.ru.
ФГБОУ ВО ≪КамчатГТУ≫.

Список литературы
1. Trapani N., Longo L. Fault detection and diagnosis methods for sensors systems: a scientific literature review // IFACPapersOnLine. 2023. Т. 56. №. 2. С. 1253–1263.
2. Jombo G., Zhang E., Lu N. Sensor Fault Detection and Diagnosis: Methods and Challenges. – IFAC Proceedings, 2024.
3. Dagkinis I. K. Modelling of the availability for the ship integrated control system sensors // Cleaner Logistics and Supply Chain. 2023. Т. 9. С. 100-119.
4. Park J., Oh J. A machine learning based predictive maintenance algorithm for ship generator engines using engine simulations and collected ship data // Energy. 2023. Т. 285. С. 129169.
5. Adamkiewicz A., Nikończuk P. An attempt at applying machine learning in diagnosing marine ship engine turbochargers //Eksploatacja i Niezawodność. 2022. Т. 24. №. 4. С. 795–804.
6. Lisowski J. Artificial intelligence methods in safe ship control based on marine environment remote sensing // Remote Sensing. 2022. Т. 15. №. 1. – С. 203.
7. Ogunmolu A. M. Autonomous artificial intelligence agents for fault detection and self-healing in smart manufacturing systems //Journal of Energy Research and Reviews. 2025. Т. 17. №. 8. С. 20–37.
8. Darvishi H., Ciuonzo D., Rossi P. S. A machine-learning architecture for sensor fault detection, isolation, and accommodation in digital twins // IEEE Sensors Journal. 2022. Т. 23. №. 3. С. 2522–2538.
9. Liu Y. Transforming data into actionable knowledge for fault detection, diagnosis and prognosis in urban wastewater systems with AI techniques: A mini-review //Process Safety and Environmental Protection. 2023. Т. 172. С. 501-512.
10. Sanchez-Beaskoetxea J. Human error in marine accidents: Is the crew normally to blame? //Maritime Transport Research. 2021. Т. 2. С. 100016.