ОПРЕДЕЛЕНИЕ ХАРАКТЕРА ИЗМЕНЕНИЙ ПАРАМЕТРА НА ОСНОВЕ АНАЛИЗА ДИНАМИКИ ФОРМЫ СОВОКУПНОСТИ ЕГО ЗНАЧЕНИЙ В РЕАЛЬНОМ ВРЕМЕНИ

  • С. И. Клевцов Южный Федеральный Университет
Ключевые слова: График Пуанкаре, оценка работоспособности, модель, микропроцессорный модуль, реальное время

Аннотация

Одной из важных задач мониторинга технических объектов является предотвраще-
ние аварийных ситуаций. Эта задача связана с выполнением достоверной и адекватной
оценки работоспособности объекта. Оценка работоспособности объекта основывается
на анализе поведения его контролируемых параметров в реальном времени. Тогда она бу-
дет актуальной. В работе предложен метод определения характера изменения парамет-
ра, основанный на анализе последовательности специальных пространственных графиче-
ских форм, называемых графиками Пуанкаре. Выбранный параметр должен в значитель-
ной степени определять работоспособность контролируемого объекта. Графики форми-
руются на основе временного ряда контролируемого параметра. Выбирается временноеокно, которое вырезает заданное количество значений параметра. График строится для
каждого шага перемещения окна по временному ряду параметра. Анализируется транс-
формация формы заданного типа, которая накладывается на совокупность значений па-
раметра, представленных в виде графика. По изменению параметров формы делается
вывод о характере изменений параметра. В работе показана возможность использования
графиков Пуанкаре для отслеживания изменения состояния технического объекта в ре-
альном времени. При этом учитываются особенности съема информации с датчиков.
Оценка реализуется с помощью микропроцессорного модуля, входящего в систему монито-
ринга. Также предложена структура обобщенной однофакторной модели, которая от-
слеживает изменение состояния объекта на основе анализа графиков Пуанкаре. Приведен
вариант оценки состояния объекта с помощью сравнения характеристик графика с кри-
териями. Критерии получены после предварительной обработки большого массива данных
о поведении контролируемого параметра. Каждому значению критерия поставлена в со-
ответствие экспертная оценка, определяющая состояние объекта. Оценка позволяет оп-
ределить степень работоспособности объекта и реализовать необходимые действия в
случае опасности.

Литература

1. Bukov V.N. Adaptivnye prognoziruyushchie sistemy upravleniya poletom [Adaptive predictive
flight control systems]. Moscow: Nauka, Gl. red. fiz.-mat. lit., 1981, 232 p.
2. Vasil'ev V.V., Grezdov G.I., Simak L.A. i dr. Modelirovanie dinamicheskikh sistem: Aspekty
monitoringa i obrabotki signalov [Modeling of dynamic systems: Aspects of monitoring and
signal processing], ed. by V.V. Vasil'eva. Kyev: NAN Ukrainy, 2002, 344 p.
3. Steblev Yu.I., Susarev S.V., Bykov D.E. The principles of designing automated systems for
diagnostic monitoring of the engineering structures of hazardous production objects, Russian
Journal of Nondestructive Testing, April 2015, Vol. 51, Issue 4, pp 185-197.
4. Vasiliev V.V. Modern problems of computer monitoring in power engineering // News
TSURE. – 2001. – No. 3. – P. 99-120.
5. Pyavchenko O.N., Gorelova G.V., Bojanic A.V. Klevtsov S.I., Klevtsova A.B. Methods and
algorithms for modeling of complex situations: the monograph. Taganrog: Publishing house
TRTU, 2003, 157 p.
6. Krivosheev I.A., Rozhkov K.E., Simonov N.B. Complex Diagnostic Index for Technical Condition
Assessment for GTE, Procedia Engineering, 2017, Vol. 206, pp. 176-181 (International
Conference on Industrial Engineering, ICIE 2017).
7. Jerzy Hoja, Grzegorz Lentka. A family of new generation miniaturized impedance an analyzers
for technical object diagnostics, Metrology and measurement systems, 2013, Vol. XX, No. 1.
8. Klevtsov S.I. Predvaritel'naya otsenka sostoyaniya sovokupnosti parametrov tekhnicheskogo
ob"ekta s ispol'zovaniem intellektual'nogo mikroprotsessornogo modulya [Preliminary assessment
of the state of a set of technical object parameters using an intelligent microprocessor
module], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2010,
No. 5 (106), pp. 43-48.
9. Klevtsova A.B. Integral estimation of the object state monitoring, News TSURE, 2004, No. 2
(37), pp. 58-66.
10. Klevtsov S.I. Prognozirovanie izmereniya sostoyaniya parametrov tekhnicheskogo ob"ekta s
pomoshch'yu intellektual'nogo mikroprotsessornogo modulya [Predicting the measurement of
the state of technical object parameters using an intelligent microprocessor module], Problemy
razrabotki perspektivnykh mikro- i nanoelektronnykh sistem – 2010: Sb. trudov [Problems of
development of perspective micro-and nanoelectronic systems-2010: Collection of works].
Moscow: IPPM RAN, 2010, pp. 619-622.
11. 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, pp. 39-40.
12. 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.
Wuhan, China, 2010, pp. 4912-4915.
13. Stanisław Duer. Diagnostic system with an artificial neural network in diagnostics of an analogue
technical object, Neural Computing and Applications, February 2010, Vol. 19, Issue 1,
pp. 55-60.
14. Klevtsov Sergei I. Identification of the state of technical objects based on analyzing a limited
set of parameters, 2016 International Siberian Conference on Control and Communications
(SIBCON): Proceedings. National Research University Higher School of Economics. Russia,
Moscow, May 12-14, 2016. Available at: http://ieeexplore.ieee.org/document/7491752/.
15. Pyavchenko O.N. Conceptual understanding of precision intelligent microprocessor modules for
input, measurement and processing of analog signals, News TSURE, 2007, No. 3 (75), pp. 3-13.
16. Novoselov O.N. Identifikatsiya i analiz dinamicheskikh sistem: monografiya [Identification and
analysis of dynamic systems: monograph]. 3 ed. Moscow: GOU VPO MGUL, 2010, 424 p.
17. Gufel'd I.L., Gavrilov V.A., Korol'kov A.V., Novoselov O.N. Endogennaya aktivnost' Zemli i
dekompressionnaya model' seysmicheskogo shuma [Endogenous activity of the Earth and decompression
model of seismic noise], Dokl. RAN [Reports of the Russian Academy of Sciences],
2008, Vol. 423, No. 6, pp. 811-814.
18. Orlov V.N. Rukovodstvo po elektrokardiografii [Manual of electrocardiography]. Moscow:
Meditsina, 1984, 526 p. DOI: 10.1109/BMEiCon.2013.6687679.
19. Kannakorn Intharakham, Kesorn Suwanprasert. Complexity of Autonomic control during
Cerebrovascular Reactivity, Proceedings of the 6th Biomedical Engineering International
Conference (BMEiCON2013), October 2013.
20. Carmen González, Erik W. Jensen, Pedro L. Gambús, Montserrat Vallverdú. Poincaré plot analysis
of cerebral blood flow signals: Feature extraction and classification methods for apnea detection,
Published PLoS ONE: December 2018, No. 7, pp. 43-52. Available at: https://doi.org/
10.1371/journal.pone.0208642.
21. Jan Monieta Selection of Diagnostic Symptoms and Injection Subsystems of Marine Reciprocating
Internal Combustion Engines, Appl. Sci, 2019, No. 9 (8), pp. 1540. Available at:
https://doi.org/10.3390/app9081540.
Опубликован
2020-10-11
Выпуск
Раздел
РАЗДЕЛ I. МОДЕЛИРОВАНИЕ ПРОЦЕССОВ, УСТРОЙСТВ И СИСТЕМ