CC BY
36
ние управленческих решений в условиях региональ- объектов, а также для повышения оперативности ных кризисных ситуаций социально-экономического функционирования и точности уже существующих сии природно-техногенного характера по сравнению с стем обеспечения безопасности критически важных
действующими регламентами. объектов и инфраструктур.
Разработки могут также найти применение для Работа выполнена при финансовой поддержке
синтеза новых систем распределенного управления РФФИ (проект № 18-07-00167-а). безопасностью сложных социально-экономических
ЛИТЕРАТУРА
1. Основы государственной политики РФ в Арктике на период до 2020 года и дальнейшую перспективу (утверждено Указом Президента РФ 18.09.2008 г. Пр-1969).
2. Стратегия национальной безопасности Российской Федерации (утверждено Указом Президента РФ 31.12.2015 г. № 683).
3. Стратегия развития Арктической зоны РФ и обеспечения национальной безопасности на период до 2020 года (утверждено Указом Президентом РФ 20.02.2013 г. Пр-232).
4. Маслобоев А.В., Путилов В.А. Информационное измерение региональной безопасности в Арктике. Апатиты: КНЦ РАН, 2016. 222 с.
5. Акимов В.А., Соколов Ю.И. Риски чрезвычайных ситуаций в Арктической зоне России // Проблемы анализа риска. 2010. Т.7, №4. С.26-49.
6. Проблемы управления безопасностью сложных систем. Труды XXV международной научной конференции / под ред. Н.И. Архиповой, В.В. Кульбы. М.: РГГУ, 2017. 651 с.
7. Шульц В.Л., Кульба В.В., Шелков А.Б., Чернов И.В. Сценарный анализа в управлении геополитическим информационным противоборством. М.: Наука, 2015. 542 с.
8. Кононов А.А., Котельников А.П., Черныш К.В. Оценка защищенности критически важных объектов на основе построения моделей событий рисков // Труды Института системного анализа РАН. 2012. Т. 62, №4. С. 69-75.
9. Стиславский А.Б., Цыгичко В.Н. Формальная постановка задачи обеспечения безопасности транспортного комплекса // Труды Института системного анализа РАН. 2009. Т. 41. С.26-42.
10. Черешкин Д.С., Цыгичко В.Н., Козлов Ю.П., Кононов А.А. Концепция категорирования потенциально опасных объектов национальной транспортной инфраструктуры // Труды Института системного анализа РАН. 2007. Т. 31. С.5-20.
11. Душкин А.Л., Ловчинский С.Е., Рязанцев Н.Н. Первичные средства пожаротушения для Арктики // Проблемы безопасности и чрезвычайных ситуаций. 2016. №1. С.20-32.
12. Костров А.В. История семантико-правовой трансформации понятия «гражданская оборона» // Проблемы безопасности и чрезвычайных ситуаций. 2016. №1. С.3-19.
13. Алехин Е.М., Брушлинский Н.Н., Коломиец Ю.И. Автоматизированное проектирование систем обеспечения безопасности больших городов // Проблемы безопасности при чрезвычайных ситуациях. ВИНИТИ.
1997. №7. С.4 0-57.
14. Белов П.Г. Семантика понятий «безопасность» и «риск» // Безопасность труда в промышленности.
1998. №2. С.63-64.
УДК: 681.31 Мясникова М.Г.
ФГОУ ВПО «Пензенский государственный университет», Пенза, Россия
ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ
Предложен алгоритм параметрического анализа сигналов в измерительных задачах на основе нейронных сетей. С помощью ради-ально-базисных сетей выделяется знакопеременная составляющая (мода) и сглаженная; знакопеременная составляющая подается на вход другой радиально-базисной сети, определяющей параметры составляющей — частоту и амплитуду. Ключевые слова:
ЭМПИРИЧЕСКИЕ МОДЫ, МОДАЛЬНЫЙ И ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ
Введение мацию о сигнале - его частотных свойствах сиг-
Автором на протяжении ряда лет разложение на нала. Применение модели (1) оправдано тем фак-
эмпирические моды используется для последующего том, что в измерительных системах контролируются
параметрического анализа. Авторы уже давно ис- сложные технические объекты. В них, как правило,
пользуют такое разложение как предварительную наблюдаются вибрации, акустические шумы, пуль-
обработку сигналов, позволяющую увеличить отно- сации давления и т.д. Кроме того в системах дей-
шение сигнал/помеха, упростить алгоритм парамет- ствуют импульсные помехи, возбуждающие собствен-
рического анализа (за счет сведения сложной за- ные колебания. Такие объекты описываются универ-
дачи оценивания параметров модели порядка p к сальной моделью - сумма узкополосных составляю-
простым задачам оценивания параметров составля- щих смешанных с шумом.
ющих первого и второго порядков) и при этом су- Параметры могут быть определены, например, на
щественно сократить время анализа [1, 2]. Пред- основе процедуры Прони, трудоемкость которой
варительное разложение использовалось авторами растет пропорционально порядку.
для спектрального анализа, для оценивания пара- Для снижения трудоемкости пропорционально по-
метров сигналов сложной формы, формирования ди- рядку предложено применять процедуру Прони не к
агностических признаков, а также для сжатия и самому сигналу, а к его знакопеременным состав-
восстановления сигналов в распределенных ИИС[1- ляющим, выделенным на основе EMD или экстремаль-
6] . Вопросы совершенствования методов декомпо- ным фильтром, что позволяет заменить одну про-
зиции рассматривалось в [3,4] цедуру порядка p простыми задачами оценивания
Свободные и вынужденные колебания модели по- параметров составляющих первого и второго поряд-
рядка p, представляющей собой сумму q колеба- ков [3].
тельных (и (или) инерционных) составляющих с со- Для дальнейшего упрощения процедуры предла-
ответствующими частотами f , амплитудами U, , фа- гается использовать нейронные сети для выделения
самой высокочастотной (ВЧ) знакопеременной и зами ф и затуханиями a описывается уравнением сглаженной (уже не содержащей ВЧ) составляющих, р q а также для определения параметров по ВЧ-состав-
x, = Z aj ' xt-j ='EAj ' exp(~aj ■ t,) ■ cos(2nf]ti +ф]) + £ (1) ляющей-
j=i j=i Основная часть
Коэффициенты авторегрессии ak, k = 1.. p или па-
Нейронные сети уже давно применяются для сложных инженерных задач. Например, в [5] реша-
раметры {Лк,/к,фк,ак},к = 1,2,..д несут полную инфор- ется похожая задача - рассматривается исп°льз°-
вание нейронных сетей для выделения составляющих
в режиме реального времени. Для нас важнее не режим реального времени, а функциональные возможности подхода.
В принципе можно обучить сеть, которая по выборке xi , i будет определять все параметры сигнала, однако опыт использования нейронных сетей показывает, что чем проще функция сети, тем лучше она обучается и тем меньше вероятность ложных срабатываний.
Существует несколько фундаментальных архитектур нейронных сетей. Базовой архитектурой является многослойная нейронная сеть. Будем рассматривать однонаправленные радиально-базисные сети, обучаемые с использованием алгоритма обратного распространения. Преимуществами нейронных сетей данного типа является автоматическое формирование структуры, отсутствие патологической сходимости и простота устройства архитектуры.
Для решения задачи воспользуемся тем же алгоритмом, что используется при декомпозиции в разложении на эмпирические моды - из сигнала выделяются знакопеременные составляющие в порядке убывания частот. Для выделения составляющей находят экстремумы - по максимумам находят верхнюю огибающую, по минимумам - нижнюю; вычисляют среднее между ними; удалив среднее получают знакопеременную составляющую моду.
Предложено из сигнала выделять моду и сглаженную составляющие с помощью радиально-басисных сетей, реализуемы:': с помощью функции пет</гЬе.
Многомодальный сигнал xx (рисунок 1) поступает на вход сети Neural NetWork, выделяющей знакопеременную составляющую и Neural NetWork2, выделяющей сглаженную составляющую (уже не содержащей выделенную первой сетью); выход сети Neural NetWork поступает на вход сети Neural NetWorkl, определяющей параметры сигнала - амплитуду (верхний дисплей) и частоту (нижний дисплей).
Сглаженная составляющая с выхода сети Neural NetWork2 поступает на сети Neural NetWork3 и Neural NetWork5, выделяющие следующие знакопеременные и сглаженные составляющие; следующая знакопеременная с выхода Neural NetWork3 поступает на вход сети Neural NetWork4, определяющей параметры следующей знакопеременной составляющей и т.д.
На рисунке 2 показан результат декомпозиции с помощью структуры, показанной на рисунке 1. Цепочка сетей может удлиняться. Конец разложения определяется фактом - знакопеременная и сглаженная составляющие совпадают. Параметры, выделенные Neural NetWork1, Neural NetWork4, Neural NetWork6 полностью совпадают с параметрами модели. Тип сетей может быть изменен, например, хорошо решается такая задача на основе многослойных сетей newff.
Заключение
Модальный анализ на основе нейронных сетей существенно упрощает и сам процесс декомпозиции и параметрический анализ на его основе.
Рисунок 1 - Структура на основе нейронных сетей для выделения составляющих
и определения их параметров
-2
50 100 150 200 250 300
50 100 150 200 250 300
50
100
150
200
250
300
50
100
150
200
250
300
ш ill я НИИ illiiilllll
50
100
150
200
250
300
0
0
0
0
2
0
Рисунок 2 - Сигнал и его декомпозиция на основе нейронных сетей
ЛИТЕРАТУРА
1. Мясникова, Н.В. Применение разложения по эмпирическим модам в задачах цифровой обработки сигналов / Н.В. Мясникова, Л.А. Долгих, М.Г. Мясникова // Датчики и системы. - 2011. - № 5. - С. 8-10.
2. Мясникова, Н.В. Разложение на эмпирические моды на основе экстремальной фильтрации// Н.В. Мясникова, М.П. Берестень // Цифровая обработка сигналов. - 2014. - № 4. - С. 13-17.
3. Мясникова М.Г. Модальный анализ: предварительная обработка сигналов Н.В Мясникова., /Труды международного симпозиума Надежность и качество. 2016. № 1. С. 7 6-7 8.
4. Экстремальная фильтрация: предварительная обработка сигналов /Приймак А.А., Рубанов М.Ю./ Труды международного симпозиума Надежность и качество. 2016. № 1. С. 173-176.
5. Приймак А.А. Использование нейронных сетей для выделения составляющих в режиме реального времени// Известия Высших учебных заведений. Поволжский регион. Технические науки. 2018, №2, стр.
УДК 621.039+622.692
Острейковский В.А., Соловьев Н.А., Шевченко Е.Н.
БУ ВО Сургутский государственный университет, Сургут, Россия
АНАЛИЗ СОСТОЯНИЯ ОБЕСПЕЧЕНИЯ РАБОТОСПОСОБНОСТИ КОМПРЕССОРНЫХ СТАНЦИЙ МАГИСТРАЛЬНЫХ ГАЗОПРОВОДОВ НА ЭТАПЕ ЭКСПЛУАТАЦИИ
Целью данной статьи является анализ состояния исследований и работ в области техногенного риска применительно к компрессорным станциям магистральных газопроводов. Приведена оценка правового и нормативно-технического обеспечения промышленной безопасности магистральных трубопроводов транспорта газа Российской Федерации, современного состояния аварийности на компрессорных станциях магистральных газопроводов РФ, США и Канады, основных принципов формирования системы мониторинга и прогнозирования возникновения аварийных ситуаций на компрессорных станциях магистральных газопроводов. Приведены результаты анализа качества предоставляемой информации по произошедшим авариям и инцидентам в надзорные органы РФ, США и Канады, по которым необходимо проводить оценку техногенного риска на объектах компрессорных станций. Ключевые слова:
КОМПРЕССОРНАЯ СТАНЦИЯ, АВАРИЯ, РИСК АВАРИИ, МЕХАНИЧЕСКОЕ ВОЗДЕЙСТВИЕ, БРАК СТРОИТЕЛЬСТВА И ИЗГОТОВЛЕНИЯ, КОНСТРУКТИВНЫЙ НЕДОСТАТОК, КОРРОЗИЯ ИЗНОС ОБОРУДОВАНИЯ
- СТО Газпром 2-2.3-351-2009. Методические указания по проведению анализа риска для опасных производственных объектов газотранспортных предприятий ОАО «Газпром»;
- СТО Газпром 2-2.3-400-2009. Методика анализа риска для опасных производственных объектов газодобывающих предприятий ОАО «Газпром»;
- СТО Газпром 2-2.3-569-2011. Методическое руководство по расчету и анализу рисков при эксплуатации объектов производства, хранения и морской транспортировки сжиженного и сжатого природного газа.
Величина риска - количественная мера безопасности. В основе оценки риска лежит определение вероятности возникновения нежелательного события и его последствий.
2. Современное состояние аварийности на КС Российской Федерации, США и Канаде
Аварийные ситуации на компрессорных станциях магистральных газопроводов, кроме экономического ущерба от простоя, потерь газа и немалых затрат на ликвидацию аварий создают значительную угрозу для окружающей среды. Анализ статистики аварийности и причин, вызывающих аварии на площадочных сооружениях магистральных газопроводов является важнейшим этапом формирования системы обеспечения безопасности таких объектов.
Для выявления тенденций в аварийности на площадочных сооружениях, в том числе с требованиями по обеспечению промышленной безопасности, была проанализирована информация доступных баз данных аварий и чрезвычайных ситуаций на площадочных сооружениях магистральных газопроводов Российской Федерации, Канады и США [9-13].
В указанных государствах сбор данных по аварийности на объектах трубопроводного транспорта осуществляется на государственном уровне в соответствии с национальным законодательством: в США - Бюро трубопроводной безопасности Управления по безопасности трубопроводов и опасным материалам (Office of Pipeline Safety under the Pipeline and Hazardous Materials Safety Administration - OPS PHMSA (www.phmsa.dot.gov) Министерства транспорта, в Канаде - Департамент безопасности на транспорте Канады
(Transportation Safety Board of Canada (www.tsb.gc.ca), в России - Федеральной службой по экологическому, технологическому и атомному надзору (Ростехнадзор (www.gosnadzor.ru).
Для сопоставления данных по количеству аварий необходимо оценить различия в определении понятия «авария» и какие события к ней относятся:
Введение
Широкое применение риск-ориентированного подхода базируется на использование различных методик расчета риска реализации аварийных сценариев, как на линейной части, так и на объектах компрессорных станций (КС). Однако, следует отметить, что методики расчета риска на КС проработаны значительно меньше, чем аналогичные методики на линейной части магистральных газопроводов (МГ). В частности, не определены факторы, влияющие на вероятность отказа того или иного технологического оборудования КС, не определены критерии изменения риска отказа технологического оборудования в зависимости от степени его изношенности, качества эксплуатации и других влияющих на надежность факторов эксплуатации.
Целью данной статьи является анализ состояния исследований и работ в области техногенного риска применительно к компрессорным станциям магистральных газопроводов.
Основная часть
1. Правовое и нормативно-техническое обеспечение промышленной безопасности магистрального трубопроводного транспорта газа Российской Федерации
В настоящее время в Российской Федерации сформирован необходимый комплекс законодательной, нормативной и научно-технической документации по обеспечению безопасности объектов системы магистральных газопроводов при возникновении чрезвычайных и аварийных ситуаций (рис.1).
Риск-ориентированный подход к обеспечению промышленной безопасности опасных производственных объектов базируется на анализе видов и последствий отказов, которые в свою очередь базируются на совокупности статистических и масштабности последствий аварии на объекте. Проведенный анализ широкого обсуждения применения риск-ориентированного подхода в научной сфере, например [1-4, 14-16], в том числе дискуссий о приемлемых критериях риска [5-8] показывают, что при внедрении указанного метода в управление промышленной безопасностью и техническое регулирование на объектах нефтегазового комплекса возникают значительные проблемы, решение которых зачастую невозможно в рамках существующей базы нормативной и нормативно-технической документации.
В рамках выполнения норм Закона РФ «О промышленной безопасности опасных производственных объектов» в ОАО «Газпром» разработаны следующие документы по анализу риска:
