Статья

Название статьи ПРОГНОЗИРОВАНИЕ РАБОТОСПОСОБНОСТИ ТЕХНИЧЕСКОГО ОБЪЕКТА НА ОСНОВЕ ЗОННОЙ ОЦЕНКИ СОСТОЯНИЯ КОНТРОЛИРУЕМЫХ ПАРАМЕТРОВ
Автор С.И. Клевцов
Рубрика РАЗДЕЛ IV. КОНТРОЛЬ И УПРАВЛЕНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ
Месяц, год 11, 2015
Индекс УДК 681.3.062
DOI
Аннотация Задача построения модели предварительной прогнозной оценки работоспособности технического объекта имеет множество применений в области контроля различных опасных ситуаций. Необходимость опережающего мониторинга состояния технического объекта для предотвращения и управления протеканием нештатных ситуаций в целях их ликвидации с минимальными последствиями делает постановку и выполнение этой задачи актуальной и своевременной. Для выполнения прогнозной оценки состояния технического объекта целесообразно использовать простые модели, позволяющие получить результат в режиме реального времени без существенной нагрузки на микроконтроллерную систему управления. Исходной информацией для оценки являются результаты анализа данных о возможном в последующие моменты времени изменении параметров объекта. Для определения прогнозируемых значений параметров, а также прогнозируемой оценки состояния отдельных параметров технического объекта или их совокупности в реальном времени используются методы анализа и прогнозирования временных рядов. Рассматривается модель и алгоритм прогнозирования значений быстропеременной физической величины на основе использования многократного экспоненциального сглаживания ее временного ряда. Эффективность модели и алгоритма оценивается на основе обработки данных об изменении значений проекций вектора ускорения автомобиля, измеренных с помощью трехосевого акселерометра в реальных условиях движения. Определение уровня работоспособности технического объекта осуществляется с использованием модели зонной оценки состояния совокупности параметров. Предполагается, что имеются экспертные или опытные данные, позволяющие сформулировать и сопоставить состояния совокупности параметров с уровнями работоспособности объекта и формированием команд на ликвидацию или предотвращение возникающих нештатных и нестабильных ситуаций. Представлены обобщенные схемы многопараметрической идентификации состояний технического объекта на основе введения системы медианных линий, формирующих локальные зоны состояний. Предложена поэтапная схема реализации оценки уровня работоспособности технического объекта.

Скачать в PDF

Ключевые слова Идентификация; состояние; оценка; технический объект; параметр; микроконтроллер; классификация.
Библиографический список 1. Клевцова А.Б., Клевцов Г.С. Модели параметрической экспресс-оценки состояния технического объекта // Известия ЮФУ. Технические науки. – 2008. – № 11 (88). – С. 15-19.
2. Detlev W. Gross. Partial Discharge Measurement and Monitoring on Rotating Machines // IEEE Int. Sym. On Elect. Insul, Boston MAUSA, April 7-10, 2002. – P. 33-41.
3. Vovk S.P., Ginis L.А. Modelling and forecasting of transitions between levels of hierarchies in Difficult formalized systems // European Researcher. – 2012. – Vol. (20), No. 5-1. – P. 541-545.
4. Клевцов С.И., Клевцова А.Б., Буринов С.В. Модель параметрической качественной иерархической оценки состояния технической системы // Инженерный вестник Дона. – 2015. – № 3. –
URL: ivdon.ru/ru/magazine/archive/n3y2015/3088.
5. Matuszewski J. Application of clustering methods for recognition of technical objects // Modern Problems of Radio Engineering, Telecommunications and Computer Science (TCSET), 2010 International Conference. – 2010. – P. 39-40.
6. Lihua Sun, Yingjun Guo, Haichao Ran. A New Method of Early Real-Time Fault Diagnosis for Technical Process // Electrical and Control Engineering (ICECE), 2010 International Conference, 2010. –Wuhan, China. – P. 4912-4915.
7. Клевцов С.И. Предварительная оценка состояния совокупности параметров технического объекта с использованием интеллектуального микропроцессорного модуля // Известия ЮФУ. Технические науки. – 2010. – № 5 (106). – С. 43-48.
8. Клевцова А.Б. Интегральная оценка состояния объекта мониторинга // Известия ТРТУ. – 2004. – № 2 (37). – С. 58-65.
9. Клевцов С.И. Прогнозирование изменения состояния совокупности параметров технического объекта с помощью интеллектуального микропроцессорного модуля // Всероссийская научно-техническая конференция «Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС)»: Сб. трудов. – 2010. – № 1. – С. 619-623.
10. Клевцов С.И. Прогнозирование изменений физической величины в реальном времени с использованием линейного адаптивного фильтра // Известия ЮФУ. Технические науки. – 2013. – № 5 (142). – С. 180-185.
11. Клевцов С.И. Отслеживание изменения состояния динамического объекта в реальном времени с использованием микропроцессорного модуля // Всероссийская научно-техническая конференция «Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС)»: Сб. трудов. – 2012. – № 1. – С. 684-687.
12. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. – М.: Финансы и статистика, 2003. – 416 с.
13. Клевцов С.И. Моделирование алгоритма краткосрочного прогнозирования изменения быстроменяющейся физической величины в реальном времени // Инженерный вестник Дона. – 2012. – № 3 (21). – С. 199-205.
14. Ярошенко И.В. Математическая модель и метод классификации технического состояния высоковольтных мехатронных модулей // Инженерный вестник Дона. – 2014. – № 2. – URL: ivdon.ru/ru/magazine/archive/n2y2014/2330.
15. Евтихиев Н.Н., Карп В.П., Пудова Н.В. Интеллектуальные системы поддержки принятия решений и оптимизации управления в сложно организованных динамических объектах // Приборы и системы управления. – 1996. – № 3. – С. 35-40.
16. Клевцова А.Б. Параметрическая зонная оценка состояния технического объекта с использованием режимной карты // Известия ЮФУ. Технические науки. – 2010. – № 5 (106). – С. 107-111.
17. Клевцова А.Б. Алгоритм оценки и прогнозирования поведения переменной состояния объекта // Известия ТРТУ. – 2006. – № 5 (60). – С. 133-139.
18. Lipman R. An introdaction to computing with neural nets // IEEE Acoustic, Speech and Signal Processing Magazine. – 1987. – No. 2. – P. 4-22.
19. Борисов Е.С. Классификатор на основе нейронной сети Хемминга.
http://mechanoid.kiev.ua/neural-net-hamming-classifier.html.
20. Raus M., Ameling W. A layered information processing model for neural classification modules // Intelligent Systems Engineering, Second International Conference. – 1994. – Hamburg-Harburg, IET. – P. 144-153.
21. Gartner K.-P., Holzhausen K.-P., Kruger W., Pitrella, F.D., Wolf H. Identification of field objects in reduced quality TV pictures transmitted from telerobots to a remote control station // Intelligent Robots and Systems '93, IROS '93. Proceedings of the 1993 IEEE/RSJ International Conference. – 1993. – Vol. 3. – P. 1479-1486.
22. Box, George E.P., Gwilym M. Jenkins, Gregory C. Reinsel. Time series analysis : forecasting and control. – 4th ed. – A John Wiley & Sons, INC., Publication, 2015. – 712 p.

Comments are closed.