CC BY
8
АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ
УДК 681.5.015
ИНТЕГРАЛЬНО-РАЗНОСТНЫЙ МЕТОД МАРКИРОВАНИЯ ДИАГНОСТИЧЕСКИХ СИГНАЛОВ РАСПРЕДЕЛЕННЫХ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ
Д.В. Комолов, А.А. Горшков, Д.А. Лопатин
Рассматриваются аспекты диагностирования технических средств распределенных автоматизированных систем управления интегрально-разностным методом маркирования и идентификации сигналов. Предметом исследования настоящей работы являются процедура маркирования эталонных диагностических сигналов независимо от формы их представления и использование маркеров диагностических сигналов для сокращения процедуры идентификации данных сигналов.
Ключевые слова: маркирование, диагностические сигналы, идентификация распределенные автоматизированные системы управления.
Современный этап развития информационных технологий способствует расширению функциональных возможностей распределенных автоматизированных систем управления (РАСУ) и позволяет использовать методы интеллектуального анализа данных - Data Mining (DM) [1] для решения задач диагностирования технических средств, входящих в состав РАСУ, мониторинга технологических процессов и управления ими на технологических стадиях производства. Основное свойство РАСУ выражается в более развитой топологической и пространственной разобщенности её составляющих элементов. Использование в составе РАСУ мультисервисных сетей и широкополосного доступа к ним предоставляет для мониторинга технологических процессов качественно новые услуги и сервисы [2], но наряду с этим усложняет реализацию задач диагностирования технических средств (ТС), на базе которых осуществляется территориально-распределенное управление. Не смотря на то, что производители технического оборудования предлагают пакеты решений диагностирования при эксплуатации ТС РАСУ, их совместное использование для оборудования различного класса и тем более различных производителей затруднительно и технически сложно согласованно [3]. Это приводит к актуальности разработки независимых от типов и классов оборудования методов диагностирования.
Комплекс технических решений по автоматизации процедур диагностирования ТС РАСУ на основе методов DM частично представлен в работах [4, 5]. Данные решения направлены на сокращение описания наблюдаемых ТС РАСУ, кластеризацию и ассоциацию диагностических сигналов, их визуализацию, а также использование диагностических сигналов для решения задачи прогнозирования технического состояния ТС РАСУ с применением искусственных нейронных сетей.
Для сокращения времени диагностирования ТС РАСУ при описании их технического состояния в виде аналоговых и (или) цифровых диагностических сигналов возникает задача поиска эффективных методов их идентификации относительно всего объема наблюдаемых в процессе контроля сигналов. Процедура маркирования эталонных диагностических сигналов независимо от формы их представления и использование маркеров диагностических сигналов для сокращения процедуры идентификации данных сигналов является предметом исследования настоящей работы.
Процедура применения маркеров в задачах идентификации образов направлена на сокращение признакового пространства и на сокращение по времени самой процедуры идентификации множества сигналов. В отечественной и зарубежной литературе применение маркеров при распознавании и идентификации сигналов нашли свое место в различных прикладных областях. Так в [6] авторы применяют маркеры для проверки подлинности подписи методом сравнения двух последовательностей сигналов с маркировочными знаками между нормированными к заданным шаблонам сегментами каждой последовательности путем подсчета числа этих маркировочных знаков в каждой последовательности и сравнения результатов этих подсчетов между собой. Данный метод применим при незначительном и ограниченном количестве шаблонов. Неограниченные особенности каждого нового распознаваемого образа способны привести к тому, что некоторые из выделенных сегментов будут отнесены не к тому шаблону. Авторы метода, описанного в [7] применяют маркеры для распознавания речи в реальном времени. Согласно данного метода акустические характеристики неизвестной речи сопоставляются с заданными шаблонами, в результате чего выстраиваются цепочки эталонных шаблонов, которые сравниваются с запомненными цепочками. Недостаток этого метода совпадает с недостатком метода описанного ранее, то есть ограниченное количество шаблонов не всегда дает возможность точно сопоставить их звукам реальной речи. Для анализа сигналов о состоянии объекта В.В. Храбровым в [8] предложен способ, при котором формируют несколько обучающих сигналов, далее по ним создают распознающий эталон, а затем сравнивают сигнал о состоянии объекта с этими распознающими эталонами. Каждый эталон представляет собой некоторое усреднение от нескольких обучающих сигналов. При идентификации данный подход также не способен охватить всего разнообразия возможных исследуемых сигналов. Устраняет перечисленные недостатки подход, предложенный А. А. Ермолаевым и А.Б. Ждановым в [9]. Маркерный способ идентификации сигнала при этом состоит из этапов обучения и распознавания. На этапе обучения выбирают заранее заданный интервал на каждом из нескольких эталонных сигналов. Каждый эталонный сигнал обрабатывают на заранее заданном интервале, при этом интегрируют, по меньшей мере, один заранее заданный информационный параметр каждого эталонного сигнала на заранее заданном интервале, и определяют для каждого из заранее заданных информационных параметров каждого эталонного сигнала на заранее заданном интервале маркер, представляющий собой точку. Данная точка разделяет интервал сигнала на такие части, что отношение интеграла от данного информационного параметра на одной из его частей к интегралу от этого же информационного параметра на другой из его частей находится в заранее заданных пределах. Окончанием этапа распознавания является сохранение информации обо всех найденных маркерах в машиночитаемой базе данных. На этапе распознавания для каждого сигнала, подлежащего распознаванию, при повторении операций выбора, обработки и запоминания осуществляют действия, аналогичные действиям операции интегрирования и определения маркера. При сравнении в качестве сравниваемых характеристик используют маркеры распознаваемых и эталонных сигналов. В операции принятия решения принимают решение об идентификации конкретного сигнала, если по меньшей мере, заданное число маркеров сигнала, подлежащего идентификации, с заранее заданной точностью совпадает с соответствующими маркерами какого-либо из заранее заданных эталонных сигналов. Преимуществом данного способа является простота его технической реализации и приемлемое время на реализацию процедуры распознавания.
Эти преимущества особенно ценны при экспресс-диагностировании ТС РАСУ. Однако недостатком данного способа является низкая достоверность, выражающаяся в отсутствии учёта формы сигнала при равных интегральных характеристиках, влияющих на расчёт значения маркеров следующих интервалов сигнала на этапе обучения, а следовательно, и низкую достоверность распознавания сигналов только по интегральным маркерам на этапе распознавания. Повышение размерности признакового пространства при распознавании позволяет повысить достоверность распознавания при увеличении временных затрат на процедуру обучения и распознавания. Чем больше различных по физической сущности характеристик учитывается при формировании образа распознавания, тем более полон этот образ в пространстве возможных вариантов.
Формулировка технической задачи по совершенствованию интегрального метода маркирования и идентификации сигнала заключается во введении дополнительного признака (маркера), позволяющего повысить достоверность распознавания сигналов при равенстве маркеров (интегральных значений сигнала на выделенном интервале) за счет более полного использования информации, характеризующей форму изменения сигнала в окрестности интегрального маркера.
Данная техническая задача решается тем, что к интегральному методу маркирования и идентификации сигнала дополнительно на этапе обучения, после выполнения операции обработки сигнала и получения значения маркеров осуществляют следующие действия. Для каждого эталонного сигнала содержащего интервалы с равными значениями маркеров М(-, в окрестности значения маркера выделяют участок сигнала, содержащий как минимум два значения: предыдущего и следующего за маркером отсчётов, характеризующих изменение физических параметров сигнала во времени. Между двумя значениями выделенного участка сигнала относительно нулевого значения рассчитывают дополнительный признак - значение градусной меры угла ам Им дополняют значение идентификатора интервала Ум в виде двумерного вектора из значений маркера М(- и градусной меры угла ам Полученные идентификаторы интервалов для каждого эталонного сигнала записывают в машиночитаемой памяти. На этапе распознавания для каждого интервала сигнала 51,- определяют маркеры М(-. Для интервалов с равными значениями маркеров М(-, в окрестности значения маркера выделяют участок сигнала, содержащий как минимум два значения: предыдущего и следующего за маркером отсчётов, характеризующих изменение физических параметров сигнала во времени. Между двумя значениями выделенного участка сигнала относительно нулевого значения рассчитывают значение градусной меры угла ам Им дополняют значение идентификатора интервала Ум По количеству совпавших значений идентификаторов всех интервалов Ум сигнала Б^ рассчитывают показатель достоверности отнесения сигнала Б^ к эталонному Б].
На рис. 1 представлен алгоритм интегрально-разностного метода маркирования и распознавания сигналов. Между терминаторами начала и конца [11] алгоритм разбит на отдельные процедуры. Процедуры 3, 5-7 соответствуют этапу обучения, процедуры 9, 11-15 соответствуют этапу распознавания при идентификации сигнала. Блоки 2, 4, 8, 10 и 14 являются блоками выполнения условий. Блок 1 является блоком ввода данных, а блок 16 - блоком вывода данных. Ниже приведен перечень номеров, блоков ввода и вывода, процедур и блоков выполнения условий алгоритма:
1 - Блок ввода данных, учитывающий следующие переменные и константы:
Б - множество сигналов, подлежащих распознаванию;
2 - максимальный уровень квантования, для представления сигнала в виде множества цифровых отсчётов;
п - количество отсчётов в каждом сигнале;
т - количество интервалов деления каждого сигнала.
2 - Блок выполнения условия, определяющий этап обучения при положительном исходе или этап распознавания и переход к блоку 3, а при отрицательном исходе или сформированной на раннем этапе обучения структуре векторов распознавания Ум., записанных в машиночитаемую память (МЧП), переход к блоку 9.
3 - Блок процедуры расчета маркера М(- каждого интервала т для отдельного сигнала осуществляется интегрированием последовательности аналогового сигнала (по интегральному методу маркирования сигнала) или суммированием последовательности цифровых отсчётов в пределах интервала и определением порядкового значения времени для аналоговых сигналов или отсчёта для цифровых сигналов, разделяющего данный интервал сигнала на две равные части по значению интеграла или сумме.
4 - Блок выполнения условия, определяющий вычисление дополнительного признакового значения в вектор распознавания Ум. в обучении при положительном исходе, т.е. равенстве маркеров для различных интервалов, а при отрицательном исходе переход к блоку 7.
Рис. 1. Алгоритм интегрально-разностного метода маркирования
и распознавания сигналов
5 - Блок выделения интервала в области (ВИвО) маркера М^, осуществляет выделение соседних к маркеру отсчётов: предыдущего и следующего ,+1 за отсчётом маркера гм
6 - Блок расчета градусной меры угла ам между двумя значениями предыдущего и следующего гм за значением маркера гм. выделенного участка сигнала относительно нулевого значения.
7 - Блок записи вектора распознавания Ум. в машиночитаемую память.
422
8 - Блок выполнения условия, определяющий окончание этапа обучения при положительном исходе и переход к блоку 2, или продолжение этапа обучения при отрицательном исходе и переход к блоку 4.
9 - Блок процедуры расчета маркера М(-, осуществляет действия, аналогичные действиям блока 3.
10 - Блок выполнения условия, определяющий вычисление дополнительного признакового значения в вектор распознавания Ум осуществляет действия, аналогичные действиям блока 4.
11 - Блок выделения интервала в области (ВИвО) маркера М^.
12 - Блок расчета градусной меры угла ам
13 - Блок формирования вектора распознавания Ум для каждого интервала.
14 - Блок выполнения условия, определяющий последний интервал сигнала при положительном исходе и переход к блоку 15, или при отрицательном исходе переход к блоку 11.
15 - Блок вычисления показателя достоверности распознавания (), равного отношению суммарного числа совпавших векторов распознавания Ум сигнала Б^ с векторами распознавания эталонных сигналов Б] к общему числу интервалов сигнала т.
16 - Блок вывода пары значений Б] эталонного сигнала и показателя достоверности отнесения сигнала к эталонному Б].
Низкая достоверность использования в качестве признака распознавания значения маркера на каждом интервале сигнала Б£ заключена в самой процедуре определения данного маркера, так как суммарные и интегральные значения не могут охватить всего многообразия форм сигналов именно при равных значениях маркеров. Подтверждение данного факта позволяет выявить геометрическая интерпретация, представленная на рис. 2.
Пусть маркер на интервале BF задан точкой М и образует с точкой пересечения сигнала отрезок ЭМ. Количество простейших фигур в виде треугольников АС£?Р и АFFB, прямоугольника йКРВ и трапеций с равными значениями площадей, проходящих одной стороной через некоторую точку Б, насчитывает общее число, равное значению 2 - максимальной разрядности аналогово-цифрового преобразователя (в нашем случае 2 = 256).
Данное утверждение следует из выражения, определяющего площадь трапеции Р в зависимости от значений высоты трапеции и длин прилегающих к ней сторон:
где а,Ь - прилегающие к высоте стороны трапеции; К - высота трапеции.
На рис. 2 общей высотой трапеций для множества трапеций, образованных в пределе параллельными отрезками СБ и ЕР, является отрезок BF. Любой отрезок, например СгКг, проходящий через точку I) на отрезках СБ и ЕР, отсекает относительно отрезка BF прилегающие в высоте отрезки, определяющие площадь получаемой замкнутой геометрической фигуры по формуле 1. В случае пересечения отрезками граничных значений трапеции вырождаются в прямоугольные треугольники ДCBF и АЕР£?, площадь которых также вычисляется по формуле 1. Различные фигуры с равными значениями площадей, например трапеция G1/Í1FS, и треугольник АFFS, различаются градусной мерой углов а и /? относительно общей стороны SF.
Таким образом, при равенстве значений маркеров на интервале достаточной и компактной формой представления характера изменения сигнала в интервале является градусная мера угла ам между двумя значениями: предыдущего и следующего
2м1+1 за значением маркера гм. выделенного участка сигнала относительно нулевого значения.
Рис. 2. Геометрическая интерпретация множества фигур с равными площадями и одним для всех фигур маркером
Численное значение ам. градусной меры угла между соседними отсчётами сигнала относительно маркера вычисляется выражением:
гм1+1~гм
(2)
ам. = агсзт
где агсзт - функция арксинуса; гм.+1 - значение следующего за маркером соседнего отсчёта; - значение предыдущего перед маркером соседнего отсчёта; 2 - максимальный уровень квантования для представления сигнала в виде множества цифровых отсчётов.
Так как максимальный уровень квантования для представления сигнала в виде множества цифровых отсчётов Ъ величина постоянная, то численное значение градусной меры угла между соседними отсчётами сигнала относительно маркера зависит от разности значения следующего за маркером соседнего отсчёта и значения предыдущего перед маркером соседнего отсчёта. Это отличие от интегрального метода маркирования и идентификации сигнала введено в название усовершенствованного метода и носит название интегрально-разностный метод маркирования сигналов. Разностный метод маркирования сигнала дополняет интегральный метод маркирования сигнала, при этом процедура выделения дополнительных характеристических признаков происходит после определения значения маркера на интервале сигнала.
Для каждого интервала т и каждого сигнала распознавания формируются идентификаторы распознавания У(м{)т в виде вектора:
аМ1
где пм. - значение маркера по интегральному методу маркирования; ам. - значение градусной меры угла по разностному методу маркирования.
Расчёт показателя достоверности отнесения сигнала Б^ к эталонному Б] вычисляется выражением:
(3)
М^ГмО =1
<2 = у 1т , (4)
_ Г1,если£*1 < с*порог чмдт - | о, если > ¿порог' ( }
где (¿^ - мера сходства векторов в двухмерном пространстве; (¿порог ~ пороговое значение меры в двухмерном пространстве, допускающее объединение двух векторов в один класс распознавания.
Для расчёта меры сходства с^ в двухмерном пространстве между векторами а и Ъ достаточно использовать евклидово расстояние с1л , вычисляемым по формуле:
с1
аЬ
\
К",-",У
7=1
(6)
где к - количество признаков в векторе; / - текущее значение вектора.
Реализацию интегрально-разностного метода маркирования и распознавания сигналов поясним на следующем примере. На рис. 3 представлен фрагмент диагностического сигнала. Выделение данного фрагмента диагностического сигнала осуществлено с целью показать факт равенства маркеров на равных выделенных интервалах для различных по форме сигналов.
Так, на интервале из 47 отсчётов: с 1 по 47 отсчёт определена часть диагностического сигнала Лис 283 по 329 отсчёт определена другая часть диагностического сигнала для которых суммы отсчётов на интервале равны и составляют значение 6091.
250
200
100
1 26 51 76 101 126 151 176 201 226 251 276 301 326 351 П
Рис. 3. Фрагмент диагностического сигнала
Значения отсчётов для равных интервалов различных по форме частей 81 и 82 со значениями равенства сумм отсчётов на данных интервалах приведены в табл. 1.
Таблица 1
п SJ & п SJ & п SJ & п SJ & п SJ & 47 1 47 1
1 152 124 11 118 197 21 105 101 31 156 114 41 136 245 6091 6091
2 151 145 12 115 190 22 108 177 32 158 139 42 129 209
3 149 187 13 110 158 23 113 218 33 162 168 43 127 97
4 148 234 14 104 113 24 118 203 34 160 171 44 119 41
5 143 219 15 101 118 25 124 181 35 158 150 45 115 20
6 140 114 16 100 147 26 128 94 36 155 125 46 109 58
7 136 37 17 100 134 27 136 67 37 154 112 47 104 137
8 132 6 18 99 93 28 138 67 38 149 131
9 128 46 19 99 52 29 146 80 39 144 173
10 125 140 20 99 42 30 152 99 40 139 218
Из равенства сумм интервалов следует одинаковое расположение маркеров для этих интервалов относительно времени диагностического сигнала и соответствующего ему порядкового значения отсчёта. Интервал из 47 отсчётов разделяется на две равные части порядковым значением маркера, равным 23. Соседние значения отсчётов относительно полученного маркера сведены в табл. 2.
Таблица 2
Значения соседних относительно интегрального _маркера отсчётов для сигналов 81 82_
П23
Л 108 118
& 218 181
Для данных значений с помощью выражения (2) рассчитаем градусные меры углов для фрагментов диагностических сигналов 81 и 82 .
Г118-Ю8| = аг [0,0390625] = 2,238°. (7)
(ап23)51 = агс^п
Сап23)з:
агсзт
256 181-218
256
] = агс5т[-0,14453125] = -8,310°.
(8)
С учетом полученных выражениями (7) и (8) значений идентификаторы распознавания для данных участков сигналов & и 82 сведены в табл. 3.
Таблица 3
Значения идентщ шкаторов для П23 интервала сигналов 81 и 82
У(М,)т Щз ап23
81 23 2,238
& 23 -8,310
Расчёт меры сходства с1[ в двухмерном признаковом пространстве между векторами из табл. 3 согласно выражению (5), в отличие от нулевого значения по интегральному методу маркирования и распознавания сигнала, по интегрально-разностному методу маркирования составит значение, равное 10,548. Это, в свою очередь, повысит показатель достоверности отнесения сигналов & и 82 к различным классам, вычислением данного показателя выражениями (4) и (5).
С учетом вышеизложенного интегрально-разностный метод маркирования диагностических сигналов ТС РАСУ направлен на повышение достоверности распознавания контрольных сигналов при равенстве маркеров (интегральных значений на выделенном интервале) за счет более полного использования информации, характеризующей форму изменения сигнала в окрестности маркера.
Введение в образ сигнала на каждом его интервале дополнительного признака - градусной меры угла СХМ и использование его вместе с маркерами в качестве идентификатора в двухмерном признаковом пространстве при распознавании позволяет повысить достоверность распознавания и количественно оценить её значение при отнесении анализируемого сигнала к эталонному. Элементы интегрально-разностного метода маркирования сигналов реализованы в патенте на изобретение [12].
Кроме процедур диагностирования ТС РАСУ предлагаемый интегрально-разностный метод маркирования сигналов несложно адаптировать под технические задачи разграничения доступа к защищенным от посторонних лиц услугам, ресурсам и объектам, в системах распознавания речи, изображений, информационных ресурсов широкого назначения.
Список литературы
1. The handbook of data mining [Text] / edited by Nong Ye - Mahwah, New Jar-sey.: Lawrence Erlbaum Associates, Inc., Publishers. 2003. 689 p.
2. Гургенидзе А.Т., Кореш В.И. Мультисервисные сети и услуги широкополосного доступа: уонография. СПб.: «Профи», 2006. 400 с.
3. Левченко А.Ф. Многофункциональные компьютерные системы измерения, диагностирования и контроля в области связи // Электроника: Наука, Технология, Бизнес. 2001. № 2. С. 62-64.
4. Комолов Д.В. Автоматизация задач диагностирования технических средств распределенной автоматизированной системы управления // Сборник научных трудов по материалам международной научно-практической конференции «Современные направления теоретических и прикладных исследований 2010». Том 2. Технические науки. Одесса: Черноморье. 2010. С. 49-51.
5. Комолов Д.В. Модель, способы и экспресс-методика в моделировании процессов диагностирования телекоммуникационных средств промышленного предприятия // Информационные системы и технологии. Известия ОрелГТУ. 2010. № 1. С. 27-36.
6. Патент США №4190820 МПК G 06 К 9/00, 26.02.1980.
7. Патент США №4783809, МПК G 10 L 5/06, 08.11.1999.
8. Патент РФ №2090928 МПК G 06 К 9/00, 20.09.1997.
9. Патент РФ №2189075 МПК G 06 К 9/62, G 10 L 15/2 10.09.2002.
10. Советов Б Я., Яковлев С. А. Моделирование систем: учебник для вузов. М.: Высшая школа. 2005. 93 с.
11. Теория распознавания и анализ сцен: пер. с англ./ Р. О. Дуда, П. Е. Харт.; Под. ред. В. Л. Стефанюка. М.: Мир, 1976. 511 с.
12. Патент РФ №2510624 МПК G 06 К 9/62 10.04.2014.
Комолов Дмитрий Викторович, канд. техн. наук, сотрудник, dimkomolov@,mail.rn, Россия, Орёл, Академия Федеральной службы охраны Российской Федерации,
Горшков Алексей Анатольевич, канд. техн. наук, сотрудник, gorsch@inbox.rn, Россия, Орёл, Академия Федеральной службы охраны Российской Федерации,
Лопатин Денис Анатольевич, сотрудник, de-lopa@inbox.rn, Россия, Орёл, Академия Федеральной службы охраны Российской Федерации
CUMULA TIVE-DIFFERENCE MARKING METHOD OF DIAGNOSTOC SIGNALS IN DISTRIBUTED AUTOMATED CONTROL SYSTEMS
D.V. Komolov, A.A. Gorshkov, D.A. Lopatin
The aspects of automated control system units by cumulative-difference diagnostic signals marking method are given in article. The subjects of this article are the marking procedure of different diagnostic signals and using the diagnostic signal markers in case of identification procedure.
Key words: marking, diagnostic signals, identification, distributed automated control
systems.
Komolov Dmitriy Victorovich, candidate of technical sciences, employee, dimkomolov@,mail. ru, Russia, Orel, Academy of the Federal Security' Service of the Russian Federation,
Gorshkov Aleksey Anatol'yevich, candidate of technical sciences, employee, gorschainhox. ru, Russia, Orel, Academy of the Federal Security' Service of the Russian Federation,
Lopatin Denis Anatol 'yevich, employee, de-lopaayandex.ru, Russia, Orel, Academy of the Federal Security' Service of the Russian Federation
УДК 681.5
АВТОМАТИЗАЦИЯ ПРОЦЕССА ИЗГОТОВЛЕНИЯ РЕМОНТНЫХ
КОМПЛЕКТОВ ПЕНОПОЛИМЕРМИНЕРАЛЬНОЙ ИЗОЛЯЦИИ
ТРУБОПРОВОДОВ
Ю.Э. Голодков, Ю.А. Хегай
Рассмотрена проблема ремонта пенополимерминеральной изоляции трубопроводов, которая состоит в рациональном использовании компонентов, полиола и изоци-аната, характеризующихся повышенной вязкостью и свойством быстрого застывания. Предложен проект автоматизации процесса розлива полиола и изоцианата в емкости заданного объема, достаточного для ремонта одного стыка трубопроводов с пенополимерминеральной изоляцией. При этом объем фасовки для однократного использования компонентов соответствует определенному диаметру трубопроводов, выпускаемых отечественной промышленностью.
Ключевые слова: автоматизация, вязкие жидкости, полиол, изоционат, пено-полимерминеральная изоляция
В настоящее время в теплоэнергетике применение трубопроводов остается актуальным решением в организации теплосетей для осуществления транспортировки тепла к потребителю. Для защиты труб от внешних воздействий, снижения тепловых потерь разработаны специальные трубы с пенополимерминеральной (ППМ) изоляцией [1]. Трубы и детали трубопроводов в ППМ изоляции имеют свободные от изоляции концы. После сварки трубопровода для теплоизолирования таких участков используются специальные комплекты для заделки стыков.
Трубопроводы в ППМ изоляции обладают высокой ремонтопригодностью. В случае необходимости вскрыть изоляцию на трубопроводе или в случае, если она оказалась повреждена при проведении земляных работ, то восстановить ее с сохранением всех присущих ППМ изоляции качеств можно достаточно просто и дешево при использовании соответствующих комплектов оснастки для труб разного диаметра. При этом, залитый в полевых условиях стык не уступает по свойствам и качеству теплоизоляции, нанесенной в заводских условиях, образовывая на теле трубопровода монолитную конструкцию [2]. Результаты постоянных наблюдений за трубопроводами в ППМ изоляции позволяют рассматривать данную конструкцию как одну из современных и перспективных для трубопроводов тепловых сетей, прошедшую натурные испытания временем [3].
Комплект для заделки стыков в ППМ изоляции состоит из специальной смеси жидкостей - полиола (компонент А) и изоционата (компонент Б). Эти вещества относятся к группе жидкостей повышенной вязкости, что приводит к определенным трудностям при их фасовке.
