ВЕКТОРНАЯ МОДЕЛЬ ДЛЯ КАЧЕСТВЕННОЙ ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ СОВОКУПНОСТИ ПАРАМЕТРОВ ОБЪЕКТА
Аннотация
Разработана векторная модель выполнения текущей и прогнозной оценки со-стояния совокупности параметров технического объекта. Методика оценки построена на основе разработанной модели и предназначена для использо-вания в микропроцессорных модулях, которые используются в системах мо-ниторинга и управления. В работе рассматривается построение векторной модели для реализации упрощенной предварительной оценки. Для функцио-нирования модели необходимо использование экспертных знаний о призна-ках различных нештатных ситуаций. Также привлекаются эксплуатационные и экспериментальные данные, идентифицирующие такие ситуации. Разрабо-танная методика расчета достаточно проста и может выполняться в микро-процессорном модуле в фоновом режиме. Методика позволяет реализовать прогнозную оценку в режиме реального времени, что важно для эффектив-ной работы модуля в составе распределенной системы мониторинга. Также поддерживается генерация команд по ликвидации и предотвращению не-штатных ситуаций. Для реализации прогнозной оценки состояния объекта рассмотрен подход к определению параметра технического объекта с ис-пользованием упрощенной версии сглаживающего прогнозирующего куби-ческого сплайна. В расчетах используется равномерная временная сетка. Выполнен синтез алгоритма для определения коэффициентов кубического сплайна. Проведено сравнение эффективности различных моделей прогнози-рования параметра с позиции возможности их реализации в микропроцес-сорном модуле. Было проведено сравнение точности прогнозирования с ис-пользованием предложенной модели сглаживающего сплайна и моделей сглаживающего временного ряда нулевого, первого и второго порядка. Ре-зультаты прогнозирования показывают, что абсолютная погрешность про-гнозирования параметра исследуемых моделей сравнима по величине. По-грешность сплайна не имеет таких резких всплесков, которые присутствуют при использовании моделей временных рядов. Однако, вычислительная сложность алгоритма прогнозирования при использовании сглаживающего сплайна значительно выше, чем в случае временных рядов. Разработанные модель и методика могу быть использованы для оперативного мониторинга и управления объектом в реальном масштабе времени.
Литература
2. Ярошенко И.В. Математическая модель и метод классификации техни-ческого состояния высоковольтных мехатронных модулей // Инженерный вестник Дона. – 2014, – № 2. – URL: ivdon.ru/ru/magazine/archive/n2y2014/2330.
3. Detlev W. Gross. Partial Discharge Measurement and Monitoring on Rotat-ing Machines // IEEE Int. Sym. On Elect. Insul, Boston MAUSA, April 7-10, 2002. – P. 33-41.
4. Клевцова А.Б. Параметрическая зонная оценка состояния технического объекта с использованием режимной карты // Известия ЮФУ. Технические науки. – 2010. – № 5 (106). – С. 107-111.
5. Клевцова А.Б., Клевцов Г.С. Модели параметрической экспресс-оценки состояния технического объекта // Известия ЮФУ. Технические науки. – 2008. – № 11 (88). – С. 15-19.
6. Klevtsov S.I. Identification of the State of Technical Objects Based on Ana-lyzing a Limited Set of Parameters // 2016 International Siberian Conference on Control and Communications, SIBCON 2016 - Proceedings. 2016. – P. 749-752.
7. Клевцова А.Б. Интегральная оценка состояния объекта мониторинга.// Известия ТРТУ. №2(37). 2004. - Таганрог: Изд-во ТРТУ. - С.58-66.
8. 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.
9. Пьявченко О.Н. Концептуальное представление о прецизионных ин-теллектуальных микропроцессорных модулях ввода, измерений и обра-ботки аналоговых сигналов.//Известия ТРТУ. №3 (75). 2007. – Таганрог: Изд-во ТРТУ. - С.3-13.
10. Lihua Sun, Yingjun Guo, Haichao Ran. A New Method of Early Real-Time Fault Diagnosis for Technical Process // Electrical and Control Engineer-ing (ICECE), 2010 International Conference. – Wuhan, China, 2010. – P. 4912-4915.
11. Matuszewski J. Application of clustering methods for recognition of tech-nical objects // Modern Problems of Radio Engineering, Telecommunications and Computer Science (TCSET), 2010 International Conference. – 2010. – P. 39-40.
12. Darkhovsky B., Brodsky B. Asymptotically Optimal Methods of Early Change-point Detection // Sequential Analysis. – 2013. – No. 32. – P. 158-181.
13. Васильев В.В. Современные проблемы компьютерного мониторинга в энергетике. // Известия ТРТУ. – Таганрог: Изд-во ТРТУ, 2001, № 3. – С.99-120.
14. Пьявченко О.Н., Горелова Г.В., Боженюк А.В., Клевцов С.И., Клевцо-ва А.Б. Методы и алгоритмы моделирования развития сложных ситуаций: Монография / Под ред. д.т.н., профессора О.Н. Пьявченко. - Таганрог: Изд-во ТРТУ, 2003. - 157с.
15. 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.
16. Кочегурова Е.А., Шебеко Е.В. Использование вариационного сглажи-вающего сплайна в задаче краткосрочного прогнозирования// Известия Томского политехнического университета. 2006. Т.309. №7 – С.36-39.
17. Квасов Б.И. Методы изогеометрической аппроксимации сплайнами. – М.: Физматлит. 2006. – 360с.
18. Завьялов Ю.С., Квасов Б.И., Мирошниченко В.Л. Методы сплайн-функций. – М.: Наука. 1980. – 382с
19. Мэтьюз Дж.Г., Финк Куртис Д. Численные методы. Использование MATLAB, 3-е издание.: Пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 720с.
20. Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов. – М.: Финансы и статистика, 2003. –416с.
21. Клевцов С.И. Моделирование алгоритма краткосрочного прогнозиро-вания изменения быстроменяющейся физической величины в реальном времени // Инженерный вестник Дона. – 2012. – № 3 (21). – С. 199-205.
22. Клевцов С.И. Использование моделей временных рядов для кратко-срочного прогнозирования в микроконтроллере изменений параметров объекта // Известия ЮФУ. Технические науки. – 2013. – № 11 (148). – С. 194-201
