Підвищення безпеки експлуатації баштового крану за допомогою використання штучного інтелекту у керуючих системах

Abstract

UA: Дисертацію присвячено вирішенню актуальної науково-практичної задачі підвищення безпеки експлуатації баштових кранів шляхом розробки та обґрунтування комплексної інтелектуальної системи безпеки на основі технологій штучного інтелекту. Запропонована система спрямована на проактивне запобігання аварійним ситуаціям, зумовленим основними факторами ризику: людським фактором, конструктивними дефектами та впливом зовнішніх чинників, зокрема вітрових навантажень. Це дозволить суттєво знизити аварійність, мінімізувати матеріальні збитки та, найголовніше, зберегти життя та здоров'я людей на будівельних майданчиках. Наукова новизна дисертаційної роботи полягає у вирішенні актуальної науково-технічної задачі підвищення експлуатаційної безпеки та надійності баштових кранів шляхом створення та інтеграції інтелектуальних підсистем предиктивного обслуговування, розпізнавання сонливості та втрати уваги оператора в режимі реального часу, прогнозування вітрових навантажень з урахуванням локальних метеорологічних умов та динамічних характеристик крана. Вперше отримані закономірності зміни діагностичних параметрів технічного стану механізму повороту баштового крану, які дозволили розробити підсистему предиктивного обслуговування з використанням технології глибокого навчання нейронної мережі.

EN: The dissertation is dedicated to solving the urgent scientific and practical problem of enhancing the operational safety of tower cranes through the development and justification of a comprehensive intelligent safety system based on artificial intelligence technologies. The proposed system aims at the proactive prevention of emergency situations caused by major risk factors: the human factor, structural defects, and the influence of external factors, particularly wind loads. This will allow for a significant reduction in accident rates, minimization of material losses, and, most importantly, the preservation of the life and health of people on construction sites. Scientific novelty of the dissertation lies in addressing a pressing scientific and technical challenge enhancing the operational safety and reliability of tower cranes by developing and integrating intelligent subsystems for predictive maintenance, real-time detection of operator fatigue and loss of attention, and wind load forecasting that considers local meteorological conditions and the dynamic characteristics of the crane.