Научная статья на тему 'Диагностирование дефектов сложных технических объектов в условиях влияния факторов внешней среды. Часть I'

Диагностирование дефектов сложных технических объектов в условиях влияния факторов внешней среды. Часть I Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

CC BY
128
28
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ / БАЗЫ ДАННЫХ И ЗНАНИЙ / МОДЕЛЬ ДИАГНОСТИРОВАНИЯ ДЕФЕКТОВ / INTELLIGENT SYSTEMS / DATAAND KNOWLEDGE-BASES / MODEL OF FAULTS DIAGNOSING

Аннотация научной статьи по электротехнике, электронной технике, информационным технологиям, автор научной работы — Дрогайцев В. С., Ушаков В. А., Пименов М. Ю.

Рассматриваются одни из возможных подходов к оцениванию степени соответствия технических характеристик заданным требованиям и диагностированию дефектов сложных технических объектов в условиях влияния критичных факторов внешней среды.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по электротехнике, электронной технике, информационным технологиям , автор научной работы — Дрогайцев В. С., Ушаков В. А., Пименов М. Ю.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

FAULTS DIAGNOSING OF COMPLEX TECHNICAL OBJECTS BEING UNDER THE INFLUENCE OF ENVIRONMENTAL FACTORS Part I

Several of possible approaches to assess conformity rate between technical characteristics and prior requirements and faults diagnosing of complex technical objects being under the influence of critical environmental factors are observed in the paper.

Текст научной работы на тему «Диагностирование дефектов сложных технических объектов в условиях влияния факторов внешней среды. Часть I»

АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ

УДК 681.518

В.С. Дрогайцев, В.А. Ушаков, М.Ю. Пименов

ДИАГНОСТИРОВАНИЕ ДЕФЕКТОВ СЛОЖНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ

В УСЛОВИЯХ ВЛИЯНИЯ ФАКТОРОВ ВНЕШНЕЙ СРЕДЫ

Часть I

Рассматриваются одни из возможных подходов к оцениванию степени соответствия технических характеристик заданным требованиям и диагностированию дефектов сложных технических объектов в условиях влияния критичных факторов внешней среды.

Интеллектуальные системы, базы данных и знаний, модель диагностирования дефектов.

V.S. Drogaytsev, V.A. Ushakov, M.Yu. Pimenov

FAULTS DIAGNOSING OF COMPLEX TECHNICAL OBJECTS BEING

UNDER THE INFLUENCE OF ENVIRONMENTAL FACTORS

Part I

Several of possible approaches to assess conformity rate between technical characteristics and prior requirements and faults diagnosing of complex technical objects being under the influence of critical environmental factors are observed in the paper.

Intelligent systems, data- and knowledge-bases, model of faults diagnosing.

Разработка и использование методов и средств оценки степени соответствия технических характеристик объектов требованиям технического задания (ТЗ) и технических условий (ТУ), а также обнаружение и диагностирование дефектов в условиях критичных факторов внешней среды определяются необходимостью поддержания стадии проектирования технических объектов повышенной надёжности и ответственностью исполнения функций объектов. Результаты решения данной проблемы являются востребованными также на стадиях производства и эксплуатации технических объектов.

Предметная область (ПО) обеспечения данной проблемы включает решение совокупности взаимосвязанных проблемных задач, поддерживаемых средствами интеллектуальных систем.

1. Обоснование видов моделей описания технических объектов.

2. Структуризация исходных данных, структурная и параметрическая идентификация технических объектов.

102

3. Выявление факторов внешней среды, критичных к допустимому подмножеству дефектов в поведении технических объектов.

4. Установление причинных связей между переменными описания объектов, факторами внешней среды и дефектами (состояниями); агрегирование информационных параметров и признаков, обнаруживающих дефекты в поведении технических объектов.

5. Синтез и минимизация размерности исходной структуры модели диагностирования дефектов.

6. Построение и обучение нейросетевой подструктуры принятия решения в процессах диагностирования дефектов.

Методология диагностирования дефектов рассматривается применительно к бортовым системам управления (БСУ) силовыми установками летательных аппаратов.

Предметная область диагностирования дефектов заданного класса бортовых систем описывается моделью вида кортежа составляющих

данных и знаний, определяемых технической документацией на образцы БСУ, условиями и требованиями к процессам диагностирования дефектов на этапах жизненного цикла (ЖЦ) БСУ; ИС - перечень интеллектуальных систем поддержки процессов решения проблемных задач; Q - допустимый перечень дефектов БСУ; Г - перечень формализованных методов достижения целей в рамках заданного перечня проблемных задач ПО; К - перечень критериев количественной оценки технических характеристик БСУ; А - аппаратные и программные средства практической реализации методов решения проблемных задач ПО.

Для описания образцов БСУ заданного класса в проблемных задачах, связанных с оценкой степени соответствия технических характеристик систем требованиям ТЗ и ТУ, в качестве исходных используются модели вида дифференциальных и алгебраических уравнений с распространением на системы уравнений соответствующих условий и ограничений [1]

управления, регистрируемый выход, факторы внешней среды; ^ - шум измерения; А0, В0, С0 - матрицы коэффициентов работоспособного образца БСУ; К0 - матрица коэффициентов обратной связи:

где АХ, А и, АУ - отклонения параметров векторов состояния, управления, выхода истинного движения от номинального (работоспособного) состояния.

Данный вид моделей используется, главным образом, на ранней стадии проектирования образцов БСУ в процессах моделирования нештатных ситуаций, планирования испытаний, предварительного анализа технических характеристик и в процедурах понижения размерности структур моделей путём их декомпозиции.

В качестве базового вида моделей описания БСУ и их составных компонентов в работе используется направленный логический полихроматический граф [2], в котором каждые вершина и ребро могут быть окрашены одновременно в несколько цветов, что позволяет описывать и анализировать подмножества свойств многофункциональных составляющих компонентов и связей в структуре БСУ. При этом цвет отнесён к категории свойств модулей и функциональных подструктур, для описания которых используется единое понятие - контур.

где Рпз - перечень проблемных задач достижения целей в объёме ПО; М0 = (М5,МГ) - модели БСУ, соответственно структурная (М5) и функциональная (МГ); И - исходный перечень

ЛХ = ЛАХ - БАи + 1№ АУ=КАХ

(3)

Описание образцов БСУ и составных функциональных подструктур средствами направленного логического полихроматического графа (в терминах контуров) в общем случае позволяет совместить в рамках единой структуры совокупность моделей: структурную, конструктивную, функциональную и логико-временную. Кроме того, имеется возможность учитывать особенности качественно различных свойств, присущих отдельным вершинам и дугам графа.

Выбор данного вида модели обусловлен рядом положительных качеств: возможностью комплексного описания во взаимосвязи разнородных физических объектов и процессов; возможностью построения модели заданной размерности на основе исходной технической документации на образцы БСУ; реализации средствами структуры моделей различных видов; управляемостью адекватностью модели физических объектов и процессов; наглядностью структуры модели; возможностью построения многоуровневой структуры модели; возможностью описания объектов и процессов в аналитической форме, удобной для машинной реализации.

Структурная организация проблемных задач ПО включает разработку теоретических и практических положений: формулирование частных и конечных целей, обоснование стратегии и сценариев их достижения; обоснование видов моделей представления образцов БСУ и процессов; согласование стратегии диагностирования дефектов с условиями и требованиями всех фаз жизненного цикла образцов БСУ; обоснование моделей, принципов, методов и алгоритмов диагностирования дефектов БСУ в условиях влияния критичных факторов внешней среды; обоснование перечней значимых показателей и критериев количественной экспертной оценки соответствия технических характеристик образцов БСУ класса их составных компонентов требованиям ТЗ и ТУ.

В теоретических положениях обеспечения процессов диагностирования дефектов БСУ значимая роль принадлежит методам структурной и параметрической идентификации. Их сущность заключается в установлении на стадии построения и обучения интеллектуальных систем закономерностей функционирования образцов БСУ и выявлении причинноследственных связей между переменными описания образцов, факторами внешней среды и допустимым подмножеством дефектов.

В процессах параметрической идентификации процедуры анализа и количественной оценки степени соответствия технических характеристик образцов БСУ требованиям ТЗ и ТУ и обнаружения дефектов в их поведении являются многоплановыми, многокритериальными задачами, для решения которых используется три подхода.

В основу первого подхода положены требования ТУ на образцы БСУ и их составные компоненты в виде законов управления, вход-выходных функциональных зависимостей, до-пусковых зон и пороговых уровней на вход-выходные параметры. Второй подход базируется на методах статистического анализа в пространственно-временном представлении экспериментальных данных, то есть результатов моделирования состояний БСУ в условиях наличия дефектов, которые в дальнейшем используются для формирования обучающих выборок. Третий подход отражает информационно-логическую сущность достигаемых частных и конечных целей в рамках проблемных задач ПО. Второй и третий подходы обеспечиваются, главным образом, на стадии построения и обучения интеллектуальных систем поддержки принятия решений проблемных задач ПО.

В рассматриваемой постановке задач степень совершенства алгоритмов функционирования образцов БСУ определяется критериями:

1. Критерий обнаружения явного дефекта, отождествляемого с нештатной ситуацией в поведении образца БСУ, определяется зависимостью [3,4]

где У - измеренное значение выходного параметра образца БСУ; Угтах, Угтп - значения выходного параметра, отражающие границы его допусковой зоны, которая определяется ТУ; {а Ь а - допустимое подмножество дефектов в поведении образца БСУ; {ка }е П - последовательность элементарных экспериментов в процессах испытания образца БСУ; }е W -

подмножество факторов внешней среды.

2. Критерий обнаружения скрытых (потенциальных) дефектов, зависящий от уровня деградации выходных параметров образца БСУ для данного режима функционирования в условиях влияния факторов внешней среды

К

У — у у — У.

уи тах у НИ + ЦИ Ц тт

ЛУ ЛУ

И тах Ц тах

/2(- > в , (5)

{wr}, {а* }.{п„}

где У/г-тах, У/гт1п - регистрируемые значения 1-го выходного параметра при различных условиях внешней среды и режиме функционирования образца БСУ, I = 1, т, I Ф Ц - моменты регистрации выходного параметра; ЛУ = {|У| тах —УИ |, |Уг Мп —УИ |} - граничные значения допуско-

вой зоны 1-го параметра; в - пороговый уровень деградации 1-го параметра на уровне I, Ц-го измерений; Ут,УцИ - номинальные значения 1-го параметра на г-х,Ц-х измерениях.

В работе методология диагностирования дефектов БСУ основывается на использовании баз данных и знаний трёх интеллектуальных систем: выявления ограниченного числа факторов внешней среды, критичных к допустимому подмножеству дефектов; агрегирования информационно-значимых параметров (признаков) и причинно-следственных связей между ними, обеспечивающих обнаружение дефектов; диагностирования дефектов в поведении БСУ.

Методическое обеспечение построения и обучения интеллектуальных систем включает решение совокупности взаимосвязанных задач [3]:

1. Постановка целей и обоснование методов их достижения.

2. Представление физических объектов и процессов моделями.

3. Абстрактное описание физических объектов и процессов.

4. Обоснование структуры и состава переменных концептуальной модели ПО.

5. Построение схемы базы данных и знаний, отражающей нечёткие отношения атрибутов к областям их значений.

6. Извлечение, преобразование, структуризация знаний, понижение неопределённости нечётких отношений переменных.

7. Синтез баз данных и знаний интеллектуальных систем.

8. Описание знаний моделями.

В процессах построения концептуальной модели и схемы базы данных и знаний ПО механизм абстракции заключается в переходе от параметров описания физических объектов и процессов к типам объектов (представленных ситуациями) - классам эквивалентности объектов с разделительными свойствами [4].

Концептуальная модель ПО отображает семантику нечётких отношений переменных, представленных ситуациями.

Структуризация данных и знаний на стадии построения и обучения интеллектуальных систем состоит в выдвижении на первый план формализованных методов, моделей и алгоритмов решения проблемных задач. С другой стороны, подчёркивается важность машинных способов извлечения, преобразования знаний, понижения размерности нечётких отношений переменных, то есть уменьшения неопределённости состояния схемы базы данных и знаний или иначе - достижения заданного уровня достоверности и полноты базы данных и знаний ПО. При этом формализованные методы решения проблемных задач используются в каче-

стве инструментов извлечения и процедур преобразования знаний, что позволяет в значительной степени понизить уровень субъективности оценок, производимых экспертами.

В результате структурирования и логической формализации исходных данных и знаний, определяемых технической документацией на образцы БСУ и результатами моделирования нештатных ситуаций в образцах, в каждый момент времени ї на уровне каждого состояния иерархии системы базы данных и знаний оценивается и анализируется система [5]

где 0; - наблюдаемые объекты (атрибуты), представленные ситуациями; Р( - конечное подмножество свойств этих объектов (значений атрибутов, также представленных ситуациями).

При этом оцениваются свойства различимости и неразличимости объектов модели, что определяет одно из ключевых условий её адекватности. Условием достижения требуемого уровня адекватности модели является также процесс понижения размерности модели, обеспечивающий минимизацию пространства свойств Р;.

Принцип построения схемы базы данных и знаний ПО базируется на использовании семантики, определяемой структурой концептуальной модели ПО и перечнем формализованных методов решения проблемных задач, поддерживаемых средствами заданного состава интеллектуальных систем.

Актуальность решения проблемной задачи выявления ограниченного числа факторов внешней среды и режимов функционирования БСУ определяется необходимостью раннего и обоснованного обнаружения дефектов в поведении БСУ, что способствует снижению экономических, материальных затрат и сокращению временных циклов установления дефектов.

Модель формализованного метода решения данной проблемной задачи определяется зависимостью вида

фектам в условиях влияния факторов внешней среды.

Процесс извлечения, преобразования знаний и ограничение целостности по заданным критериям описаний состояний схемы базы данных и знаний, представленных нечёткими отношениями, осуществляется в результате анализа ограниченных по объёму обучающих выборок, формируемых по результатам моделирования нештатных ситуаций (дефектов) в поведении БСУ.

Процесс моделирования состояния образцов БСУ регламентируется направленным изменением переменных модели описания состояния схемы базы данных и знаний согласно зависимости вида

где ЛУ(;) - подмножество выходных параметров образцов БСУ; и(;) - подмножество управляющих сигналов; Wcг(í) - подмножество критичных факторов внешней среды; Лсг(0 - подмножество критичных режимов функционирования образцов БСУ; а(0 - допустимое подмножество дефектов; К - перечень критериев оценки параметров состояния выхода образцов БСУ; Д - допусковые зоны выходных параметров.

(6)

где ^и(;) - подмножество ситуаций, характеризующее управляющие сигналы образцов БСУ; ^(¿) - подмножество критичных режимов функционирования БСУ; (;) - подмножество

критичных факторов внешней среды; '^¥а(£) - допустимое подмножество дефектов в поведе-

У

нии БСУ; Л^ (;) - подмножество выходных параметров образца БСУ, чувствительных к де-

(8)

По соображениям обеспечения машинизации процессов анализа результатов моделирования состояний БСУ, формальных процедур обучения интеллектуальных систем, формирования и исполнения правил принятия решений представляется целесообразным переход от непрерывных сигналов (параметров) состояния выхода к бинарному представлению согласно условию вида

ЛУ- (*) = ца^ л|=I1- если луц (')- Г}(и (г)- *, (< (). а(;)) > в ц ^ к‘

Ц ||ац 1 |о, если ЛУ, ((). (и (;). к„ ((),Wcr ((), а(;)) > в, г *!

■ (9)

{К }{Д ц }

где Я'а - область распределения числовых значений Ц-го параметра состояния выхода образца БСУ в пространственно-временном представлении, отражающего факт наличия дефекта в поведении образца БСУ; вц - пороговый уровень допусковой зоны (ограничения) Ц-го параметра, определяемый требованиями ТУ на образец.

База данных и знаний интеллектуальной системы обоснования критичных факторов внешней среды и режимов функционирования образца БСУ определяется логическими условиями вида

VI,а; эь; „ Ь;; Ь Ь'„; Гр..., Гг; (()— V," (()• V* (()— (();

(()■...■ ((), < (()■...■ ‘Г,!’ ((); V! (()-.-V,? ((); Kl■...■ к, =>

SKW = [Л^У (г), л (Vй ((), V;1; ((), ^ (()• V ° ((), V а (г ))и...

.. иЛ^т ((), ¡т, (Vй ((), V,; ((), V,1: ((), V! ((), Vа (())]=(Vе (()) 1{К }{Д_ }{п,},

где 8КГ - структура координат переменных на базовых шкалах пространственно-временной модели, отражающая чувствительность параметров состояния выхода БСУ в заданных условиях влияния факторов внешней среды и режимов функционирования образцов БСУ; Ь,,ЬУ -входные, выходные полюса моделей образцов БСУ, представленных направленным полихроматическим графом; Гг, г= 1, к - перечень информационных путей в структуре модели образца БСУ; V? (() - заданный перечень активных действий в процессах моделирования и

испытания образцов БСУ; здесь обозначения «V », « Э », «=>» отражают «для всех», «существует», «следует».

Информационно-значимые параметры и их причинно-следственные связи с дефектами (или состояниями образцов БСУ) используются в качестве источника извлечения знаний и в качестве средства ограничения целостности формальных описаний состояний схемы базы данных и знаний.

Модель описания формализованного метода решения проблемной задачи агрегирования информационно-значимых параметров (признаков) и причинных взаимосвязей между переменными описания образцов БСУ и дефектами в их поведении определяется выражением вида

= {((Vй (* )х^; (р ))х V а (())х VУ (г )}|{К( }{Дц }, (11)

где «, *, р, г - векторы признаков соответствующих переменных.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Методика построения и обучения интеллектуальной системы поддержки метода решения данной проблемной задачи включает ряд процессов: моделирование состояний образцов БСУ в условиях наличия дефектов; выявление в пространственно-временном представлении значимых параметров (признаков) и причинных связей между параметрами и дефектами заданного подмножества; построение обучающих выборок на основе полученного подмножества выходных параметров.

Обучающие выборки, отражающие причинные связи и числовые значения информативных параметров в пространственно-временном представлении переменных, определяются матрицами вида

te }fe }=

a r (d ) a(1,1)

a r (d ) a(N ,1)

a r (d ) a(1, j )

a

•(d ) (i,j ) a r (d ) a(N,j )

a r (d ) a(1,L )

a r (d ) a(N,L )

(12)

r (d )

где lia )| - элемент матрицы, характеризующий критичность (чувствительность) j-го пара-

метра к допустимому подмножеству нештатных ситуаций в условиях критичных факторов внешней среды и критичных режимов функционирования образцов БСУ; r = 1, H - число допустимых факторов внешней среды; d = 1, 1 ... - число критичных режимов функционирования образцов БСУ; j = 1, L - число параметров, представленных признаками множества Z;

і = 1, N - число моделируемых дефектов образцов БСУ соответствующего класса.

Анализ обучающих выборок, являющихся результатом агрегирования информативных параметров и причинных взаимосвязей в пространственно-временном представлении переменных, регламентируется совокупностью условий:

- условие бинарного представления параметров состояния выхода образцов БСУ ' Л

V Y (z )=

a r (d ) a(j )

1, если{Yj(z). fj(і"(s),V"(h).V*(p),V°(t))}s R 0, если {y,(z ), f, (і" (s), V" (h ), 1R(p), 1°(t))}e R

(13)

где |*ц ] - подмножество подпространств распределения числовых значений параметров

состояния выходов образцов БСУ относительно работоспособных состояний, отражающее наличие дефекта в образце БСУ;

- условие наличия разделительных свойства Ц-го параметра )) применительно к

г-му, 1-му дефектам (Vе, V;2), которые определяются пересечением р-го и й-го подпро-

( Г, Vе Г, Vе ^

странств I К- , КЦЛ I распределения числовых значений параметра в структуре простран-

ственно-временного представления переменных описания состояния образцов БСУ и факторов внешней среды, характеризуется выражением

R1° (і? )n R V? (і? ) = 0.

~]Р г ^ ■ (14)

Соответственно, информационная значимость и разделительные свойства Ц-го параметра определяются выражением

1 (і? )nlj (і? )= 0 І

(15)

'{к, },{Д ц }•

Однако, при частичном пересечении р-го, й-го подпространств (*Црв (Vе), *(V;2)

применительно к г-му, 1-му дефектам свойства Ц-го параметра (V*7) определяются поиском центра тяжести

R1° (1? )n ( R,1° (і? ) \ R f (і? )).

(16)

При этом информационная значимость и разделительные свойства определяются зависимостью

?

(г Ь'р/ № )= 0 1{к, }{Дц }. (17)

При условии полного пересечения подпространств | (Vе) * (v¡а Н разделитель-

ные свойства Ц-го параметра (^У) определяются разделительными особенностями векторов признаков состояний управляющих сигналов (V" (^)), факторов внешней среды (^^ (к)) и режимов функционирования образцов БСУ согласно зависимостям вида

«Vе (Vе (V" ($ ) V: (к) V * (р }))п Ц (v,a (V" (г), V,1: (к), V* (р))) = 0. (18)

Соответственно, разделительные свойства Ц-го параметра характеризуются зависимостью

V; (Vе (V" и V; (к) V* (p)})nv; (V,0 (V" (£), V,;; (к), V,* (р )))= 0. (19)

Для отнесения параметров состояния выхода образцов БСУ к соответствующим подструктурам ^(Vе )^ пространственно-временного представления могут использоваться

также функции принадлежности [6].

Применительно к данной интеллектуальной системе функция принадлежности Ц-го параметра (v;г(z)) к подмножеству альтернативных вариантов подпространств Я1Ц1 в условиях ,-го дефекта в образце БСУ определяется зависимостью

Г(/ \ I \ I \Л

Z7 «I F, =

R }s V, rn}. (20)

Функция принадлежности Ц-го параметра к объединению двух подпространств (*" ,*7), отображающих ,-й дефект, определяется выражением

I U V <21)

K }{Д j}

Функция принадлежности j-го параметра к l-му дефекту, отражающая разделительные свойства двух подпространств (R/p,R/d), регистрируемых при отличающихся значениях компонентов вектора переменных, определяется зависимостью

FHГ«,',) = тІп{цFjR WFj R Ilp * d}|{k„ }{Д.} ■ (22)

Согласно исходным данным и знаниям, определяемым у-векторами V, 3 (10) и результатами моделирования состояний БСУ в условиях допустимого подмножества дефектов, база данных и знаний рассматриваемой интеллектуальной системы представляется структурой координат в пространственно-временном представлении и характеризуется зависимостью вида

SKA = [Ч? (г), f fa" (g). V" (h ) Ч« (p). V Q (t ))u...

■■■ ичт (г), fm fa" (g), (h ) Ч« (p), Ч (t))] = (Чо°,Ч^| {Ki },{Д ^ },{n,}’ (23)

где 40Q, ЧQ - работоспособное состояние образца БСУ и состояние дефекта соответственно.

Модель метода решения проблемной задачи технического диагностирования дефектов в поведении заданного класса БСУ определяется зависимостью

M, = {fa" («)хЧ; (h )хЧ« (p ))хЧ (г ))хЧ Q (t )} }{д }, {п,}. (24)

Модель диагностирования дефектов

Поддержка метода решения проблемной задачи диагностирования дефектов в поведении заданного класса БСУ определяется структурой и содержанием базы данных и знаний интеллектуальной системы агрегирования информативных признаков и причинных связей (23). При этом структура координат в пространственно-временном представлении переменных, представляющая базу данных и знаний интеллектуальной системы с учётом исходных данных и знаний, характеризуется зависимостью вида

SKI = [vf (z ), /,(v" (f ), vW (h ), vR ( p ), V » (t })n...

••• ^ (z), / (V" (f) VW (h ) VR (p), V » (t ))]= } {д } Ц }. (25)

Структурная организация и содержание модели диагностирования дефектов в поведении заданного класса БСУ формируются на основе баз данных и знаний интеллектуальных систем поддержки методов решения проблемных задач агрегирования (23) и диагностирования (25).

Общий вид исходной структуры модели диагностирования дефектов приведён на рисунке. Структура модели устанавливает причинно-следственные связи между параметрами состояния выхода образца БСУ {vf (z)}, управляющими сигналами {v" (f )}, режимами

функционирования образца БСУ {v*(p)}, факторами внешней среды {VrW (h )} и допустимым

подмножеством дефектов в поведении образцов БСУ {v»(t)}, чем достигается повышение

разрешающей способности метода диагностирования дефектов.

Из содержания переменных структуры модели диагностирования (см. рисунок) следует, что дефекты соответствующих образцов БСУ причинно взаимосвязаны с векторами параметров состояний {v» (t )}, выхода образцов {vf (z )}, управляющих сигналов {v" (f )}, режимов функционирования образцов {v R ( p )}.

Теоретический и практический интерес представляет проблема диагностирования кратных дефектов в поведении образцов БСУ в условиях изменения факторов внешней среды.

Методы синтеза алгоритмов диагностирования кратных дефектов с учётом влияния факторов внешней среды определяются преобразованием исходной структуры модели диагностирования (см. рисунок) к конечным вариантам, механизм реализации которых будет рассмотрен в дальнейшем.

ЛИТЕРАТУРА

1. Земляков С. Д. Реконфигурация систем управления летательными аппаратами при отказах / С.Д. Земляков, В.Ю. Рутковский, А.В. Силаев // Автоматика и телемеханика. 1996. № 6. С. 3-20.

2. Павлов В.В. Полихроматические графы и гиперграфы в структурном моделировании систем / В.В. Павлов // Техника, экономика. Сер. Автоматизация проектирования. 1995. Вып. 3-4. С. 30-35.

3. Ушаков В.А. Интегрированная нейросетевая система ситуационного управления процессами обеспечения технических характеристик динамических объектов. I / В .А. Ушаков, Г.С. Говоренко, В.С. Дрогайцев // Мехатроника, автоматизация, управление. 2006. № 7.

С. 14-19.

4. Ушаков В .А. Интегрированная нейросетевая система ситуационного управления процессами обеспечения технических характеристик динамических объектов. II / В .А. Ушаков, Г.С. Говоренко, В.С. Дрогайцев // Мехатроника, автоматизация, управление. 2006. № 8. С. 21-28.

5. Цаленко М.Ш. Моделирование семантики в базах данных / М.Ш. Цаленко. М.: Наука, 1989. 285 с.

6. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде. М.: Мир, 1976. 165 с.

Дрогайцев Валентин Серафимович -

доктор технических наук, профессор кафедры «Автоматизация и управление технологическими процессами» Саратовского государственного технического университета

Ушаков Виталий Алексеевич -

кандидат технических наук, генеральный директор ОАО «КБ Электроприбор»

Пименов Михаил Юрьевич -

аспирант кафедры «Автоматизация и управление технологическими процессами» Саратовского государственного технического университета

Drogaytsev Valentin Serafimovich -

Doctor of Technical Sciences,

Professor of the Department of «Automation and Technological Processes Management» of Saratov State Technical University

Ushakov Vitaliy Alekseyevich -

Candidate of Technical Sciences, General Director of JS Company «KB Electropribor»

Pimenov Mikhail Yuryevich -

Post-graduate Student of the Department of «Automation and Technological Processes Management» of Saratov State Technical University

Статья поступила в редакцию 11.11.09, принята к опубликованию 27.01.10

i Надоели баннеры? Вы всегда можете отключить рекламу.