Оптимизация алгоритмов синтеза контролепригодных систем

Рассмотрены обобщенная вероятностно-структурная модель и стратегия идентификации технического состояния системы по результатам измерения параметров в организованных точках получения информации для проведения диагностирования (точках контроля). Предлагается информационная мера глубины локализации дефекта, которая характеризует отношение количества информации, характеризующей полный результат диагностического эксперимента (ДЭ) к количеству информации, характеризующей общее состояние системы. На основании информационного критерия (ИК) предложены два алгоритма локализации дефектов в технических системах и технологических процессах: безусловный алгоритм, при котором тестирование осуществляется на заранее выбранном множестве точек контроля и условный алгоритм, при котором выбор каждой точки контроля зависит от результатов тестирования предыдущей. Предложенные алгоритмы определяют такую последовательность точек контроля, которая обеспечивает максимальную глубину локализации дефектов, и тем самым обеспечивают приспособленность систем к диагностированию, то есть их контролепригодность. Кроме того, рассматривается моделирование отказов блоков на основе их вероятностей, значения которых заранее известны, что позволяет оценить количество информации, которое определяет результат тестирования. Предложенные алгоритмы являются стохастическими, что позволяет диагностировать сложные системы в условиях априорной неопределенности, несоизмеримости ресурса (времени, производительности, памяти) и объема решаемой задачи. Дальнейшее развитие полученных результатов с позиций ускорения вычислений и в условиях нечеткой информации требует использования современных информационных технологий, в частности, нейро-нечеткого моделирования.

1. Ломакина Л.С., Уваров П.И. Информационный синтез контролепригодных систем. Системы управления и информационные технологии. 2007;(2):53–57.

2. Ломакина Л.С., Уваров П.И. Структурный синтез контролепригодных систем. Системы управления и информационные технологии. 2007;(3):57–62.

3. Ломакина Л.С. Теория контролепригодности структурно связанных технических и технологических объектов и оптимизация алгоритмов их синтеза. Автореф. дис. д-ра техн. наук: 05.13.14. Таганрог; 1993. 33 с.

4. Ворон А.М. Модели и алгоритмы диагностирования технических систем с учетом ошибок контрольно-измерительной аппаратуры (КИА). Дисс. канд. техн. наук: 05.13.01. Н. Новгород; 2016. 122 с.

5. Ломакина Л.С., Ворон А.М. Информационный синтез контролепригодных систем с учетом ошибок контрольно-измерительной аппаратуры. Датчики и системы. 2013;(11):27–32.

6. Robert G., Control flow graphs and code coverage. International Journal of Applied Mathematics and Computer Science. 2010;20(4);739–749.

7. Ломакина Л.С., Сагунов В.И. Оптимизация глубины диагностирования непрерывных объектов. Автоматика и телемеханика. 1986;(3):146–152.

8. Сагунов В.И., Ломакина Л.С. Контролепригодность структурно связанных систем. М.: Энергоатомиздат; 1990. 112 с.

9. Пархоменко П.П., Карибский В.В., Согомонян Е.С., Калчев В.Ф. Основы технической диагностики. М.: Энергия; 1976. 460 с.

10. Осипов, О.И., Усынин Ю.С. Техническая диагностика автоматизированных электроприводов. М.: Энергоатомиздат; 1991. 160 с.

11. Isserman R. Model-based fault-detection and diagnosis – status and applications. Annual Reviews in Control. Elsevier Science Publishing Company, Inc. 2005; 71–85.

12. Lomakina L.S., Silianov N.V., Nadezhkin M. A. Fault-tolerant onboard computer systems designing based on symmetry groups modeling. IV International Research Conf. Information Technologies in Science, Management, Social Sphere, Medicine. 2017;72:21–25.

13. Lomakina L.S., Silianov N.V. Diagnosability Provision for Fault Location in Process and Control Module. RUSAUTOCON IEEE. 2019. DOI: 10.1109/2019.8867717

14. Mantserov S. A., Gavriliuk E. A. Fuzzy Reliability Model of Systems for Decision Support in Technical Diagnostics. CEUR Workshop proceedings. 2018;2258:222–234.