ПОРОГОВАЯ ОЦЕНКА СОСТОЯНИЯ ТЕХНИЧЕСКОГО ОБЪЕКТА НА ОСНОВЕ СЕГМЕНТАЦИИ И ИДЕНТИФИКАЦИИ МОДЕЛИ КОНТРОЛИРУЕМОГО ПАРАМЕТРА
Аннотация
Для фиксации скачков среднего значения предложен способ детектирования, осно-
ванный на сегментации исследуемого сигнала на основе формирования кумулятивных сумм
с использованием критерия Пейджа-Хинкли. Использование критерия правдоподобия Пей-
джа–Хинкли позволяет в реальном масштабе времени обнаружить скачкообразные изме-
нения среднего значения контролируемого параметра объекта в условиях шума. При ис-
пользовании метода предполагается, что сигнал описывается временным рядом значений
исследуемого сигнала. Из этого ряда можно выделить отдельные последовательные уча-
стки, которые можно рассматривать как некоторые модели сигнала, ограниченные по
времени. В основе метода лежит использование статистики критерия, на основе которой
сравниваются две или три модели, оцененные по различным участкам сигнала, что позво-
ляет обнаруживать скачкообразные изменения в параметрах модели. В методе предпола-
гается, что рассматривается кусочно-постоянный сигнал с аддитивной помехой. В произ-
вольные моменты времени происходят скачки среднего значения данного сигнала. Скачки
среднего значения сигнала могут быть разными по знаку (фиксируются по разные стороны
от оси времени) и значительно превышают исходное значение по модулю. Среднее значение
сигнала – постоянная величина, близкая к нулю. Но возможна ситуация, когда повторный
скачок будет сделан с уровня, отличного от близкого к нулю среднего значения, причем как
в направлении возрастания, так и убывания среднего значения сигнала и изменения поляр-
ности сигнала (знака значений сигнала). Выбран критерий, который позволяет минимизи-
ровать время запаздывания в обнаружении скачка среднего значения снимаемого сигнала с
минимумом ложных тревог. При этом используется сегментации исследуемого сигнала на
основе формирования кумулятивных сумм с использованием критерия Пейджа-Хинкли.
Использование критерия правдоподобия Пейджа–Хинкли позволяет в реальном масштабе
времени обнаружить скачкообразные изменения среднего значения контролируемого пара-
метра объекта в условиях шума.
Литература
sistema monitoringa tekhnicheskogo sostoyaniya ob"ektov gazotransportnoy seti [Distributed
wireless system for monitoring the technical condition of gas transmission network facilities],
Izmeritel'naya tekhnika [Measuring equipment], 2013, No. 3, pp. 7-10.
2. Vinogradenko A.M., Kuznetsov A.V. Sistema monitoringa tekhnicheskogo sostoyaniya
podvizhnykh ob"ektov [Monitoring system of the technical condition of mobile objects],
Tekhnika sredstv svyazi [Communication equipment], 2018, No. 2 (142), pp. 103-108.
3. Vinogradenko A.M. Modelirovanie sistem monitoringa tekhnicheskogo sostoyaniya slozhnykh
tekhnicheskikh ob"ektov na osnove metodov teorii entropiynykh potentsialov [Modeling of
systems for monitoring the technical condition of complex technical objects based on the
methods of the theory of entropy potentials], Tekhnika sredstv svyazi [Communication equipment],
2019, No. 2 (146), pp. 71-78.
4. Bukhtoyarov V.V. Issledovanie metodov prognozirovaniya parametrov tekhnicheskogo
sostoyaniya ob"ektov pri monitoringe i diagnostike [Research of methods of forecasting parameters
of the technical condition of objects during monitoring and diagnostics], Nauka i biznes: puti
razvitiya [Science and business: ways of development], 2020, No. 12 (114), pp. 20-22.
5. Shcherbatov I.A., Dolgushev A.N., Belov M.K., Agibalov V.A., Salov I.V. Otsenka tekhnicheskogo
sostoyaniya oborudovaniya teplovoy stantsii na primere kondensatora [Assessment of the technical
condition of the equipment of a thermal station on the example of a condenser], International
Journal of Open Information Technologies, 2023, Vol. 11, No. 3, pp. 45-49.
6. Protalinsky O.M., Shcherbatov I.A., Stepanov P.V. Identification of the actual state and entity
availability forecasting in power engineering using neural-network technologies, Journal of
Physics: Conference Series. IOP Publishing, 2017, Vol. 891, No. 1, pp. 012289.
7. Kan O.A. Organizatsiya adaptivnogo oprosa datchikov v avtomatizirovannoy sisteme gazovogo
kontrolya [Organization of adaptive survey of sensors in an automated gas control system],
Avtomatika i informatika [Automation and computer science], 2002, No. 1-2, pp. 32-33.
8. Sadhukha. Change detection algorithms. From ttp://www.research.rutgers.edu/~sadhukha/
file2.pdf.
9. Kan O.A., Zharkimbekova A.T., Kadirova Zh.B., Zhaksybaeva S.R., Zholmagambetova B.R.
Obnaruzhenie otkloneniy parametrov tekhnologicheskogo protsessa v kontroliruemom ob"ekte
[Detection of deviations of technological process parameters in a controlled object],
Mezhdunarodnyy zhurnal prikladnykh i fundamental'nykh issledovaniy [International Journal
of Applied and Fundamental Research], 2015, No. 5-2, pp. 186-189.
10. Ross G.J., Adams N.M., Tasoulis D.K., & Hand D.J. Exponentially Weighted Moving Average
Charts for Detecting Concept Drift, Pattern Recognition Letters, 2012, 33 (2), pp. 191-198.
DOI: 10.1016/j.patrec.2011.08.019.
11. Raza H., Prasad G., and Li Y. Ewma model based shift-detection methods for detecting covariate
shifts in non-stationary environments, Pattern Recognition, 2015, 48 (3), pp. 659-669.
Available at: https://doi.org/10.1016/j.patcog.2014.07.028.
12. Barddal J.P., Gomes H.M., Enembreck F., Pfahringer B., & Bifet A. On dynamic feature
weighting for feature drifting data streams, In P. Frasconi, N. Landwehr, G. Manco, &
J. Vreeken (Eds.), Proceedings of European Conference on Machine Learning and Knowledge
Discovery in Databases, 2016, Vol. LNAI 9852, pp. 129-144. Cham, Switzerland: Springer.
Available at: https://doi.org/10.1007/978-3-319-46227-1_9.
13. Koroleva M.N., Burdo G.B. On ontological modeling of measurements in a complex monitoring
system of technical object, Otkrytye semanticheskie tekhnologii proektirovaniya
intellektual'nykh system [Open semantic technologies for designing intelligent systems], 2019,
No. 3, pp. 243-246.
14. Klevtsov S.I. Prognozirovanie izmereniya sostoyaniya parametrov tekhnicheskogo ob"ekta s
pomoshch'yu intellektual'nogo mikroprotsessornogo modulya [Predicting the measurement of
the state of parameters of a technical object using an intelligent microprocessor module],
Problemy razrabotki perspektivnykh mikro- i nanoelektronnykh system – 2010: Sb. nauchnykh
trudov [Problems of development of promising micro- and nanoelectronic systems – 2010:
Collection of scientific papers]. Moscow: IPPM RAN, 2010, pp. 619-622.
15. Klevtsov S.I. Razrabotka modeli i algoritma otslezhivaniya izmeneniya sostoyaniya
tekhnicheskogo ob"ekta na osnove modifitsirovannoy neyronnoy seti Khemminga [Development
of a model and algorithm for tracking changes in the state of a technical object based on
a modified Hamming neural network], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU.
Engineering Sciences], 2014, No. 11, pp. 42-52.
16. Obnaruzhenie izmeneniya svoystv signalov i dinamicheskikh system [Detection of changes in
the properties of signals and dynamic systems]: transl. from engl. by M. Bassvil', A. Vilski,
A. Banvenist i dr., ed. by M. Bassvil' i A. Banvenista. Moscow: Mir, 1989, 278 p.
17. Shiryaev A.N. Zadacha skoreyshego obnaruzheniya narusheniya statsionarnogo rezhima [The
task of early detection of a violation of the stationary regime], Doklady AN SSSR [Reports of
the USSR Academy of Sciences], 1961, Vol. 138, No. 5, pp. 1039-1042.
18. Klevtsov S.I. Opredelenie momenta skachkoobraznogo izmeneniya bystroperemennoy
fizicheskoy velichiny v real'nom vremeni s ispol'zovaniem diagramm Puankare [Determination
of the moment of an abrupt change in a rapidly variable physical quantity in real time using
Poincare diagrams], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences],
2012, No. 5, pp. 108-113.
19. Hinkley D.V. Inference about the Change-Point from Cumulative Sum-Tests, Biometrika,
1971, 508, 3, pp. 509-523.
20. Mouss H., Mouss D., Mouss N., & Sefouhi L. Test of Page-Hinkley, an approach for fault detection
in an agro-alimentary production system, In Proceedings of the Asian control conference,
2004, Vol. 2, pp. 815-818. DOI: 10.1109/ASCC.2004.184970.
21. Basseville M. and Nikiforov I.V. Detection of Abrupt Changes: Theory and Application. PTR
Prentice-Hall, Inc., Englewood Cliffs. 1993, 469 р.
22. Romanenko A.F., Sergeev G.A. Voprosy prikladnogo analiza sluchaynykh protsessov [Questions
of applied analysis of random processes]. Moscow: Izd-vo «Sovetskoe radio», 1968, 256 p.
