VI Международная студенческая научная конференция Студенческий научный форум - 2014

С ускорением научно-технического прогресса возникает актуальная задача анализа больших объемов многопараметрической информации, поступающей с датчиков физических величин, в том числе интеллектуальных мониторинговых датчиков, контролирующих состояние сложных объектов. Основной научной проблемой в работе является решение задач нейросетевой идентификации путем создания и исследования математических и информационно-структурных моделей, а также алгоритмов идентификации их критических состояний в виде сложных объектов.

В работе предлагается применять нейросетевую идентификацию состояний системы мониторинга и контроля с использованием сложных объектов. Рассмотрев более подробно в статье подсистему идентификации критических состояний систем на базе искусственных нейронных сетей (ИНС), был сделан вывод, о том, что они обладают свойствами адаптивности, параллелизма вычислений, возможностями обучения. Таким образом, это позволяет говорить об их перспективности при решении задач идентификации критических состояний систем. Для анализа многопараметрической информации первостепенная роль отводится разработке и применению новейших методов интеллектуального анализа данных, основывающихся на моделировании, алгоритмизации и идентификации критических состояний технически сложных объектов для принятия адекватных управленческих решений, обеспечивающих повышение безопасности эксплуатации этих объектов.

Особенность сложных объектов заключается в том, что они имеют длительные сроки эксплуатации, измеряемые многими десятками лет. При этом агрегаты сложных объектов зачастую имеют крупногабаритные конструкции со сложными схемно-конструктивными решениями, в первую очередь это относится к сооружениям нефтегазового комплекса, гидротехники и транспорта.

Безопасная эксплуатация объектов предполагает, с одной стороны, наличие объективной, достоверной информации о критическом состоянии сложных объектов, а с другой наличие системы поддержки принятия решений. Соответственно система мониторинга и контроля сложных объектов должна обеспечивать не только процессы сбора, обработки, хранения и анализа информации о характеристиках сложных объектов, но и также процессы подготовки и принятия управленческих решений.

В настоящее время при решении указанных задач основной акцент делается на автоматизацию работ по сбору и анализу информации, развитие методов и средств неразрушающего контроля, цифровой обработки и передачи информации по каналам связи и т.д. При этом недостаточно внимания уделяется вопросам прогнозирования критического состояния сложных объектов, моделирования их состояния и протекающих в них физических процессов по результатам комплексного анализа информации, получаемой:

– в результатах мониторинга и контроля;

– диагностирования элементов сложных объектов методами неразрушающего контроля;

– данных о результатах эксплуатации.

Обобщая сказанное, можно сделать вывод о практической важности разработки теоретических и практических вопросов нейросетевой идентификации критических состояний системы мониторинга и контроля по результатам мониторинга параметров физических объектов их образующих. Таким образом, теоретические исследования и практические разработки в области идентификации критических состояний системы мониторинга и контроля, основываются на использовании экспериментальных данных об их функционировании и являются актуальными.

Литература

1. Жашкова Т.В.,Михеев М.Ю., Синтез обобщенной информационной модели нейросетевой идентификации распределенных информационных объектов // Надежность и качество: труды Международного симпозиума: в 2х-т./под ред. Н.К. Юркова – Пенза: Информационно издательский центр ПензГУ, 2009. – 1т. –C. 442-444.

2. Жашкова Т.В., Разработка обобщенных информационных моделей нейросетевой идентификации распределенных информационных объектов // Современные информационные технологии: тр. междунар. научн.-технич. конф. Вып. 11. – Пенза: ПГТА, 2010. – С. 181-188.

3. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968. – 400 с.

Код для цитирования: Скопировать