автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Двухэтапный метод принятия решений и алгоритмы обработки информации при идентификации состояния высоковольтных выключателей

На правах рукописи

Дубров Вячеслав Игорьевич

ДВУХЭТАПНЬШ МЕТОД ПРИНЯТИЯ РЕШЕНИЙ И АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ ПРИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ВЫСОКОВОЛЬТНЫХ ВЫКЛЮЧАТЕЛЕЙ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации

1 Э ЛВГ 7015

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Новочеркасск, 2015 005561544

005561544

Работа выполнена на кафедре «Информационные и измерительные системы и технологии» ФГБОУ ВПО «Южно-Российский государственный политехнический университет (НПИ) имени МИ. Платова»

Научный руководитель:

- доктор технических наук, профессор Кириевский Евгений Владимирович

Официальные оппоненты:

- доктор технических наук, профессор Заковорогиый Внлор Лаврентьевич

- кандидат технических наук, доцент Костюков Александр Владимирович

Ведущая организация

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Волгоградский государственный технический университет» (ФГБОУ ВПО "ВолгПУ")

Защита состоится 17 сентября 2015 г. в 14-00 часов на заседании диссертационного совета Д212.208.22 при ФГАОУ ВПО «Южный федеральный университет» по адресу: пер. Некрасовский, 44, ГСП-17А, г. Таганрог, Ростовская область, Россия, 347928.

С диссертацией можно ознакомиться в научно-технической библиотеке ФГАОУ ВПО «Южный федеральный университет». С текстом автореферата можно ознакомиться на сайте ЮФУ http://sfedu.rti/.

Автореферат разослан «4» августа 2015 года.

Ученый секретарь совета, профессор, д.т.н. Целых Александр Николаевич

Общая характеристика работы

Актуальность темы исследований. Обеспечение высокой надежности высоковольтной коммутационной аппаратуры электрических подстанций предприятий, электростанций, электрических сетей и городов является важной проблемой современной электроэнергетики и одним из условий предупреждения системных техногенных аварий и катастроф. Наиболее ответственным видом коммутационной аппаратуры на предприятиях электроэнергетики являются высоковольтные выключатели (ВВ) 6 кВ -220 кВ. Качество их функционирования определяет степень надёжности работы всей системы передачи и распределения электроэнергии, как в нормальных, так и в аварийных режимах. К настоящему времени в отечественной электроэнергетике сложилась критическая ситуация, связанная с предельным износом (до 70 %) парка ВВ, эксплуатирующихся в энергосистемах и, вследствие чего, существует повышенная опасность возникновения не только аварийных ситуаций, но и техногенных катастроф в энергосистемах из-за отказов ВВ. Полная и одновременная замена ВВ на всех энергетических предприятиях страны является слишком дорогостоящей процедурой, более выгодным вариантом является контроль и диагностика состояния ВВ и выявление подлежащей ремонту или замене части общего парка ВВ.

В то же время применяемые десятки лет в массовом порядке диагностические средства на основе примитивных электромагнитных вибрографов не обеспечивают приемлемой точности измерений параметров, требуемой надежности и автоматизации диагностических процедур.

На протяжении последних 20-25 лет большой вклад в создание современных методов и средств диагностики ВВ с использованием микропроцессорной техники внесли отечественные и зарубежные ученые Апольцев Ю.А., Власов А.Б., Воробьев М.Н., Григорьев В.И., Долгих В.В., Кириевский В.Е., Кириевский Е.В., Константинов А.Г., Jlano-нов С.Н., Михеев Г.М., Минкина И.С., Моисеев В.А., Суровцев В.Г., Чернышев ВА, Шевцов В.М. и др. [1-29], Beierl О., Dongvan L., Hillers T., Lithgow B.L., Miao X., Mingzhe R., Morrison R.E., Wang Y., Weifeng H., Zezhong Z. и др.[30-34].

Однако современные диагностические системы, пришедшие в последние годы на смену морально устаревшим вибрографам, не используют в полной мере возможности используемой микропроцессорной техники, поскольку алгоритмы диагностики остаются простейшими и потому далеко не оптимальными. В частности, существующие методы и средства диагностики высоковольтного коммутационного оборудования не используют хорошо зарекомендовавшие себя в других областях техники современные методы обработки сигналов, вейвлет-анализа, методов искусственного интеллекта, машинного обучения, которые могли бы существенно повысить точность измерений и надежность диагностических процедур, а также степень их автоматизации. Значительный вклад в развитие диагностических систем могло бы внести применение современных наработок в области системного анализа, где в последние годы большую работу провели такие ученые как Веселов Г.Е., Кириченко A.B., Курейчик В.В., Курейчик В.М., Пиль Э.А, Пьявченко О.Н., Самойлов JI.K., Сольницев Р.И., Фетисов В.А., Ritchey T., Bentley L.D. и др.

Назрела необходимость разработки систем диагностики энергетического оборудования нового поколения на базе аппарата искусственного интеллекта с использованием методологии системного анализа, что станет важным шагом в решении проблемы обеспечения безопасности эксплуатации электрических подстанций и снижения опасности техногенных аварий и катастроф в электроэнергетике за счет повышения надежности

выявлен™ неисправного и потенциально ненадежного высоковольтного коммутационного оборудования. Такие диагностические системы могут выполнять функции нижнего уровня информационно-телекоммуникационных систем, составляющих основу перспективных АСУ подстанций 1 электроэнергетических систем. В этом случае диагностические системы нового поколения будут работать в режиме непрерывного мониторинга и предполагают встраивание в заводских условиях непосредственно в само коммутационное оборудование. Р"жим непрерывного мониторинга позволит выявлять не только неисправности ВВ, но и оценивать их остаточный ресурс и передавать автоматически на верхний уровень информационно-телекоммуникационной системы (АСУ) рекомендации о необходимости вывода в ремонт или полной замены соответствующего коммутационного оборудования участка энергосистемы с целью предотвращения в ней техногенных аварий и катастроф.

Основание для выполнения работы. Диссертационная работа выполнена на кафедре «Информационные и измерительные системы и технологии» ЮжноРоссийского государственного политехнического университета (НПИ) имени М.И. Платова» - ЮРГПУ (НПИ).

Тема исследований выполнялась в соответствии с Перечнем «Приоритетные направления развития науки, технологий и техники в Российской Федерации» (разделы «3. Информационно-телекоммуникационные системы» и с «Перечнем критических технологий Российской Федерации», утвержденными (разделы «13. Технологии информационных, управляющих, навигационных систем». «21. Технологии предупреждения и ликвидации чрезвычайных ситуаций природного и техногенного характера», утвержденным указом Президента Российской Федерации, от 7 июля 2011 г. № 899 и по научному направлению ЮРГПУ (НПИ) «Теория, принципы и технологии построения информационно-вычислительных и измерительных систем» (утверждено решением ученого совета университета от 28.09.11).

Актуальности создания современных интеллектных диагностических систем с использованием методов системного анализа обусловлена необходимостью повышения степени автоматизации, уровня безопасности и надежности эксплуатации высоковольтного коммутационного оборудования в электроэнергетике.

Объектом исследования является процесс диагностики ВВ.

Предметом исследования являются методы формирования и представления знаний в диагностической экспертной системе.

Целью диссертация является разработка методов и алгоритмов диагностики ВВ на базе методологии системного анализа, искусственного интеллекта и современных методов обработки информации для превентивного выявления опасности потенциальных отказов ВВ и предотвращения аварийных ситуаций на энергетических предприятиях.

Для достижения поставленной цели необходимо решить следующие задачи:

• анализ существующих систем диагностики ВВ и обоснование путей их дальнейшего совершенствования;

• исследование и выбор спектральных и временных методов обработки сигналов и их теоретическое обоснование для решения задачи системного анализа технического состояния ВВ;

• исследование и разработка нейросетевой модели идентификации технического состояния ВВ;

•исследование и разработка алгоритмов идентификации технического состояния

ВВ на базе методов идентификации аномалий;

• разработка комплекса автоматической системы интеллектуальной диагностики ВВ по параметрам движения их подвижных контактов на основе разработанных алгоритмов диагностики.

Основные положения, выносимые на защиту:

1. Алгоритм обработки скоростных характеристик ВВ, основанный на комплексном применении непрерывного вейвлет-преобразования и высокочастотной фильтрации, обеспечивающий выделение четких признаков, отличающих исправные и неисправные ВВ.

2. Алгоритм диагностики ВВ по скоростным характеристикам, основанный на применении вейвлет-анализа и нейронных сетей (НС), обеспечивающий автоматическое определение состояния и выявление причин неисправности ВВ.

3. Алгоритм выбора информативного диапазона из вейвлет-спектра скоростных характеристик ВВ, основанный на обучении для каждого частотного диапазона вейвлет-спектра информационного сигнала нейронной сети и вычислении для каждой нейронной сети ее точности при обучении и при тестировании, обеспечивающий сокращение избыточности данных и устранение необходимости переобучения НС.

4. Алгоритм автоматического выбора структуры НС, основанный на применении генетических алгоритмов, обеспечивающий увеличение достоверности работы алгоритма диагностики ВВ на базе НС.

5. Алгоритм контроля ВВ по временным параметрам, основанный на применении нечетких и статистических моделей, обеспечивающий быстрое определение состояния ВВ.

6. Двухэтапный метод диагностики ВВ, основанный на использовании на первом этапе статистических или нечетких моделей по временным параметрам ВВ, а на втором — нейронных сетей и вейвлет-анализа скоростных характеристик ВВ, обеспечивающий преимущества обоих алгоритмов, такие как быстрое определение состояния ВВ и возможность определения причины неисправности.

7. Комплекс интеллектуальной диагностики ВВ по параметрам движения их подвижных контактов, основанный на применении предложенных алгоритмов диагностирования ВВ по временным и скоростным параметрам.

Научная новизна результатов диссертационной работы заключается в разработке теоретических основ создания двухэтапного метода идентификации технического состояния ВВ, включающих:

• научное обоснование применения вейвлет-спектральных методов обработки сигналов скоростной характеристики ВВ, обеспечивающих задание четких граничных коэффициентов, отличающих исправные и неисправные выключатели (сс. 65-74);

• разработку и исследование нового алгоритма выбора информативного диапазона из вейвлет-спектра скоростных характеристик ВВ, основанного на обучении для каждого частотного диапазона вейвлет-спектра информационного сигнала своей нейронной сети (НС), вычислении для каждой нейронной сети ее точности при обучении и при тестировании и обеспечивающий значительное уменьшение объема данных без потери уровня информационности с устранением проблемы переобучения НС (сс. 79-82);

• разработку и исследование алгоритма диагностики ВВ, основанного на контроле скоростных характеристик с применением вейшгет-анализа и нейронных сетей и обеспечивающего не только определение состояния ВВ, но и причину неисправно-

сти (сс. 74-79);

• разработку и исследование нового двухэтапного метода диагностики ВВ, основанного на использовании на первом этапе статистических или нечетких моделей по временным параметрам ВВ, а на втором - нейронных сетей и вейвлет-анализа скоростных характеристик ВВ, обеспечивающего преимущества обоих алгоритмов, такие как быстрое определение состояния ВВ и возможность определения причины неисправности (сс. 96-99).

Практическая значимость работы. Основные теоретические результаты диссертационной работы использованы при разработке программно-аппаратного комплекса для идентификации технического состояния ВВ, а предложенный алгоритм выбора ин-

, . __________>■----------.---.. ---------- ... ,, - ,>nnn<^ai,Tiivpilf TJ П ПЛПТПИП.

формативного дианазина hj всииле1-^исмра ии^ипЫл ли^шч^шчпд ¿>д-< и ждение его универсальности был апробирован и успешно применен в смежной области (мехатронике) при разработке программы идентификации технического состояния электромагнитных механизмов.

Новизна и практическая ценность результатов диссертационных исследований подтверждена полученными свидетельствами РФ о регистрации программы для ЭВМ (всего 3 охранных документа).

Реализация результатов работы. Полученные в диссертации научные и прикладные результаты нашли применение в разработках: ЮРГПУ(НПИ) при выполнении проекта № 8.2935.2011 по госбюджетной теме № 7.12 «Теория, принципы и технологии построения информационно-вычислительных и измерительных систем», проекта № 2833 «Теоретические основы моделирования, диагностики и информационного обеспечения сложных технических систем», выполняемого в рамках базовой части государственного задания № 2014/143; Штайнбайс-центра Мехатроники г. Ильменау (ФРГ); ООО «МИП «ИИС» г. Новочеркасск; ООО «Сенкотекс» г. Новочеркасск, а также в учебной дисциплине «Измерительные информационные системы», реализуемой на кафедре «Информационные и измерительные системы и технологии» ЮРГПУ(НПИ) в рамках учебных планов подготовки специалистов по специальности 200106 «Информационно-измерительная техника и технологии» и бакалавров по направлению 12.04.01 «Приборостроение». Кроме этого, результаты диссертационной работы реализованы при непосредственном участии автора при выполнении НИР, выполняемых по грантам Программ «СТАРТ» (государственный контракт № 9151р/14977 с ООО «Сенкотекс» 2011 г.) и «УМНИК» (договор № 3139ГУ2/2014 2014 г.) Фонда содействия развитию МП в научно-технической сфере, а так же по стипендиальным программам «Леонард Эйлер» Германской службы академических обменов 2013 г., «Михаил Ломоносов» 2013-2014 гг. Министерства образования и науки РФ и Германской службы академических обменов (DAAD), «Стипендиальной программе Президента РФ молодым ученым и аспирантам, осуществляющим перспективные научные исследования и разработки по приоритетным направлениям 2013-2014 гг.».

Кроме того, предложенные алгоритмы применялись при разработке программно-аппаратного комплекса для идентификации технического состояния ВВ при выполнении выпускной работы автора по дистанционной программе «Машинное обучение» Сгэнфордского университета (США) 2011 г.

Достоверность изложенных в работе результатов обеспечивается применением известных научных методов и аппаратов теории искусственного интеллекта, системного анализа и обработки сигналов, результатами вычислительного эксперимента и моделирования в стандартных пакетах прикладных программ для решения задач техниче-

ских вычислений Matlab, Octave, Lab VIEW.

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались на семинарах, конференциях, конгрессах и научно-технических сессиях:

X, XI Международные научно-практические конференции «Инженерные, научные и образовательные приложения на базе технологий National Instruments 2011, 2012» (г. Москва, 2011, 2012 г.), Международный Конгресс по интеллектуальным системам и информационным технологиям «ISIT 12» (п. Голубая Даль, 2012 г.), XII Международная научно-практическая конференция «Моделирование. Теория, методы и средства» (г. Новочеркасск, 2012 г.), 61-я научная конференция профессорско-преподавательского состава, научных работников, аспирантов и студентов ЮРГТУ (НПИ) (г. Новочеркасск, 2012 г.), Международная молодежная конференция «Академические фундаментальные исследования молодых ученых России и Германии в условиях глобального мира и новой культуры научных публикаций» (г. Новочеркасск, 2012 г.), IV Международная научно-техническая конференция «Электроэнергетика глазами молодежи» (г. Новочеркасск, 2013 г.), Региональная научно-техническая конференция «Студенческая научная весна» (г. Новочеркасск, 2013 г.), II International Research and Practice Conference «Science, Technology and Higher Education» (Westwood, Canada 2013), XII Международная научно-практическая конференция «Современное состояние естественных и технических наук» (г. Москва, 2013 г.), Региональная научно-техническая конференция «Студенческая научная весна)) (г. Новочеркасск, 2014 г.), Международная научно-практическая конференция «Современные энергетические системы и комплексы и управление ими» (г. Новочеркасск, 2014 г.). Международная научная конференция «Технические науки и современное производство» (г. Париж, Франция, 2014 г.).

Личный вклад автора. Автору принадлежат постановка задач исследования, способы их решения, основные научные результаты, выводы и рекомендации. Им сформулированы идеи защищаемых методов, алгоритмов и устройств диагностики ВВ. Под руководством и непосредственном участии автора разработаны зарегистрированные программные средства, реализующие полученные научные результаты. Выполненные в соавторстве работы подчинены общей постановке научной проблемы и предложенной автором концепции ее решения.

Публикации. Результаты диссертационного исследования опубликованы в 22 научных работах (общим объемом 6,42 п.л., вклад соискателя 3,778 пл.), из них работ, опубликованных в рецензируемых научных журналах (из перечня ВАК) - 6; свидетельств на программы для ЭВМ - 3.

Соответствие паспорту научной специальности. Указанная область исследования соответствует паспорту специальностей 05.13.01 - «Системный анализ, управление и обработка информации», а именно пункту 4 - «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации», пункту 5 - «Разработка специального математического и программного обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации», пункту 9 - «Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических объектов», пункту 10 -«Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических, экономических, биологических, медицинских и социальных системах», пункту 12 - «Визуализация, трансформация и анализ информации на основе

компьютерных методов обработки информации», пункту 13 - «Методы получения, анализа и обработки экспертной информации».

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и приложений. Общий объем диссертации составляет 157 страниц текста с 90 рисунками, 7 таблицами и 2 приложениями. Список литературы содержит 100 наименований.

Содержание работы

Во введении обосновывается актуальность исследований, приводится обзор научной литературы по изучаемой проблеме, формулируется цель, ставятся задачи работы, формулируются научная новизна и практическая значимость диссертационной работы.

Первая глава посвящена таким этапам исследования, как формализация объекта и постановка задач исследования. В частности, описан принцип работы исследуемого ВВ, описаны характеристики, которые можно измерить на ВВ, выделены основные из них, на которых будет акцентировано внимание при исследовании.

Проведен анализ известных систем диагностики ВВ, который показал, что одной из главных проверок для оценки состояния ВВ, на которую нацелены большинство имеющихся приборов и систем, является измерение скоростей включения и отключения ВВ. Все приборы и системы диагностики ВВ можно подразделить на две группы: морально устаревшие и современные. К морально устаревшим относятся приборы, в состав которых входят вибрографы и осциллографы. Они требуют больших ресурсозатрат при снятии виброграмм и осциллограмм и вносят субъективные погрешности в результат. Современные системы, выполненные на базе микропроцессорной техники, не используют весь потенциал заложенных в них возможностей, в частности, не используют новые методы обработки сигналов, вейвлет-анализа, аппарата искусственного интеллекта, машинного обучения, которые могли бы существенно повысить точность и надежность диагностических процедур, а также степень их автоматизации.

Проведены анализ известных методов измерения скорости перемещения подвижного контакта ВВ, как основного информативного параметра, применяемого для диагностики выключателей, и вычислительные эксперименты на разработанной комплексной математической модели «объект - измерительное устройство». Это позволило сделать вывод о том, что наиболее перспективным для применения в дальнейших исследованиях диагностики технического состояния ВВ является акселерометрический метод измерения скорости, обеспечивающий уровень погрешности измерения скорости не более ± 6%.

Описанные обзоры и анализы позволили сформировать задачи исследования, которые сводятся к выявлению, разработке алгоритмов и методов диагностики ВВ, основанных на применении современных методов обработки сигналов, методов машинного обучения и искусственного интеллекта, обеспечивающих достоверность процесса диагностики более 90 %.

Вторая глава посвящена исследованию таких методов обработки информации, как спектральный и вейвлет-спектральный анализ случайных сигналов, выбору оптимального метода для обработки скоростной характеристики ВВ, постановке задачи системного анализа скоростных характеристик ВВ и технического состояния последних, разработке методов и алгоритмов решения поставленной задачи исследования состояния ВВ, оптимизации информационных данных о состоянии ВВ и принятия решений о его техническом состоянии на базе аппарата нейронных сетей.

Были исследованы два больших класса методов спектрального анализа - параметрические и непараметрические (рис. 1). Для их практического сравнения использовались функции скорости от времени и ускорения от времени а(1) процесса включения/отключения исправного ВВ и выключателей с различными типами неисправностей, таких как зажатые щеки направляющего устройства и присутствие люфта между полюсами (рис. 2).

В ходе анализа и применения различных методов анализа к скоростным характеристикам ВВ было показано, что обычные спектры скоростных характеристик не обладают качественными различиями между исправными и неисправными ВВ. Это связано с тем, что спектральные методы анализа не обладают свойством временной локализации спектра. Показана целесообразность применения вейвлет-анализа. Также был рассмотрен и метод оконного преобразования Фурье (ОПФ) в качестве аппарата частотно-временной развертки сигнала и показано, что на таких спектрах трудно выделить какую-то определенную частоту в отдельный промежуток времени. Этот недостаток при применении ОПФ является следствием принципа неопределенности для параметров времени и частоты сигнала. Показано, что такой аппарат, как вейвлетные базисы, оказался хорошо локализованным, как и по частоте, так и по времени.

Однако при прямом применении вейвлет-анализа к скоростным характеристикам ВВ даже возможность временной локализации спектра вейевлетов не дала возможности выделить существенные различия между сигналами исправных и неисправных ВВ. Это объясняется тем, что обрабатываемые сигналы имеют резкий всплеск значения скорости в начале и его спад в конце работы ВВ, при этом на их фоне не видно более мелких по амплитуде деталей сигнала.

Рис. I - Методы спектрального анализа

Ожють от кеыем) Л.

Тип» 15«опЛ|

Рис. 2 - Скоростные характеристики ВВ

Для решения проблемы, связанной с трудностью выявления визуального информативного признака неисправности ВВ по параметрам движения контактов, было предложено отфильтровывать из сигнала функции скорости v(t) (или ускорения a(t)) подвижного контакта ее огибающую и в дальнейшем анализировать только высокочастотную составляющую сигнала В качестве метода высокочастотной цифровой фильтрации сигнала был применен аппарат дискретного вейвлет-преобразования (ДВП). Из получаемых после ДВП детализирующего и аппроксимирующего сигналов, последний отбрасывается, поскольку его спектр включает в себя огибающую сигнала. К полученному детализирующему сигналу применяется непрерывное вейвлет-преобразование. Сравнение результатов вейвлет-анализа с предварительным вейвлет-фильтром и без него представлено на рис. 3 и рис. 4. На рисунках видно, что в первые 80 мс работы ВВ на графиках непрерывного вейвлет преобразования (НВП) детализирующего сигнала функции aft) работы исправного ВВ видны всплески, которые отсутствуют на графиках вейвлет-спектра детализирующего сигнала функции a(t) работы неисправных ВВ. Отсутствие этих всплесков на неисправных ВВ может объясняться зажатием подвижных контактов. На обычном вейвлет-спектре функции a(t) эти различия не так заметны.

Полученные результаты проведенного анализа по обработке скоростных характеристик ВВ говорят о том, что использование вейвлет-анализа в качестве алгоритмической базы для систем автоматической диагностики состояния ВВ позволяет задать четкие граничные коэффициенты, отличающие исправные и неисправные ВВ. Были выделены и обоснованы наиболее подходящие типы вейвлет-функций: для фильтрации была выбрана вейвлет-функция «симлет», для вейвлет-спектрального анализа -вейвлет Морле.

Выделение диагностических признаков не является единственной задачей процесса диагностирования ВВ, не менее важной задачей является автоматизация процесса выделения этих признаков. Для ее решения было предложено использование аппарата нейронных сетей.

На рис. 5 представлена блок-схема разработанного алгоритма интеллектуальной диагностики ВВ. После ввода функции ускорения перемещения ВВ выделяется ее высокочастотная составляющая и вычисляется вейвлет-спектр. Из полученного вейвлет-спектра выбирают по специальному алгоритму наиболее информативные частотные диапазоны. Исследование показало, что при исполь-

Рис. 4 — Вейалег-спекгр детализирующего сигнала функции a(t) ЗОВаНИН ДЭННОГО алгоритма Выбора

И ВО фумалм КО грсчвсс« сггклкж»«™ ислревисто вяключпчл*

Рис. 3 — Вейвлет-спектр фунхщт а(1)

t-ВПфунофм 1(1) "ра,»сов «нюик» «rjsuei-c; мсгю"«г«ля

НАЧАЛО

Ввод данных: скоростные: ар)

I

Высоко-частотная фильтрация

s (обработка скоростной _характеристики a(t))

Вейвлет-преобразование

_L

Выделение информативного частотного диапазона 1

Нейронная сеть {идентификация и локализация

неисправности)

информативного диапазона вейвлет-спектра значительно уменьшается объем данных (до 4 раз) без потери уровня информативности и устраняется проблема переобучения НС, вследствие чего, точность НС при тестировании совпадает с точностью НС при обучении.

Суть описанного выше алгоритма выбора информативного диапазона частот вейвлет-спектра (рис. 6) заключается в обучении для каждого частотного диапазона вейвлет-спектра информационного сигнала своей нейронной сети и вычислении для каждой нейронной сети ее точности при обучении (а/) и при тестировании (а(). Затем вводится коэффициент к информативности нейронной сети, который рассчитывается как модуль разности полученных соответствующих значений (а/) и (си) каждой нейронной сети. По данным коэффициентам в дальнейшем и принимается решение о необходимости использования данного частотного диапазона в обучении нейронной сети.

После выбора информативного диапазона НС выполняет этап диагностики по полученным частотным диапазонам и определяет характер (место) неисправности ВВ.

Для реализации данного алгоритма необходимо производить предварительную подготовку (настройку) системы диагностики ВВ, алгоритм которой приведен на рис. 7.

Алгоритм подготовки системы диагностики включает несколько этапов. Предварительно необходимо создать библиотеку исправных/неисправных сигналов функции ускорения и временных параметров данного типа ВВ. На следующем этапе с помощью алгоритма выбора информативного диапазона уменьшается объем вейвлет-спектра функций ускорения данного ВВ.

На последнем этапе для НС, используемой в системе диагностики, определяются оптимальные параметры для достижения максимальной точности диагностирования. Наиболее эффективным аппаратом оптимизации таких параметров НС как скорость ее обучения, количество эпох обучения НС, количество нейронов в скрытом слое НС, количество скрытых слоев, являются генетические алгоритмы (ГА) как компонент аппарата искусственного интеллекта (ИИ). С помощью ГА была построена НС с такими значениями синаптических весов, при которых ошибка диагностирования ВВ уменьшилась с 10 % до 0,4 % (достоверность диагностики равна 99,6 %)

Рис. 5 - Алгоритм диагностики ВВ с

Однако описанный выше алгоритм требует значительного объема вычислительных и временных ресурсов.

Третья глава посвящена разработке алгоритма, решающего проблему большого объема вычислительных и временных ресурсов. В качестве основных параметров для контроля состояния ВВ при разработке

альтернативного алгоритма было решено выбрать такие нормируемые временные

параметры ВВ, как собственное время отключения, полное время отключения, собственное время включения. Также к этим трем основным параметрам были добавлены еще шесть

дополнительных параметров, учитывающих разность во времени срабатывания фаз ВВ. Для контроля состояния ВВ по временным параметрам были выбраны для сравнительного анализа два алгоритма «идентификации аномалий»

{anomaly detection)-. алгоритм статистической классификации и алгоритм экспертной системы, построенной на базе нечеткой модели.

Для экспериментального сравнения двух алгоритмов был выбран широко распространенный в электроэнергетике ВВ типа ВПМ-10-20/630УЗ со следующими номинальными значениями параметров: собственное время отключения J 20 мс; полное время отключения 140 мс; сооствсннос Бремя включения 300 мс.

Основными параметрами для сравнения были выбраны сложность построения модели, ее адекватность, скорость обработки новых данных.

Учитывая номинальные значения выбранных параметров, в нечеткой модели были заданы следующие возможные диапазоны их изменения: собственное время отключения (t.own.off), мс: 110-130; полное время отключения (t.complete.off), мс: 130-150; собственное время включения (t.ownorí), мс: 290-310. Для шести параметров, учитывающих разность во времени срабатывания фаз, принят диапазон изменения 0-20 мс. С использованием описанных переменных экспериментальным путем были построены нечеткие правила работы экспертной системы:

1. Если t.own.off=\2Q И t.complete.off 140 И t.own.on^300 И t.\-2.ojfO И 1.2-З.с#=0 И /.3-1 .offЮ И1.1 -2.ол=0 И t.2-3.on=0 И /,3-1.оя=0 ТО выключатель исправен.

2. Если t.own.offi=\ 10 ИЛИ t.complete.off 130 ИЛИ t.own.orc=290 ИЛИ t. X-2.qff^20

Рис. 6 - Алгоритм выбора информативного диапазона из зсйвлсг-спектра по введенному параметру к

ИЛИ /,2-3.<#=20 ИЛИ /,3-1.о#=20 ИЛИ М-2.ои=20 ИЛИ /,2-3.ои=20 ИЛИ /,3-1.о«=20 ТО выключатель неисправен.

3. Если /.О1«г.<#=130 ИЛИ ¡.сотрШе.о^ 150 ИЛИ Лои'и.о«=310 ИЛИ М-2.<#=20 ИЛИ Г.2-3.(#=20 ИЛИ Г.3-1.о/=20 ИЛИ г.1-2.ол=20 ИЛИ г.2-3.ои=20 ИЛИ <.3-1.о/т=20 ТО выключатель неисправен. _

Работа полученной модели была смоделирована на графическом программном языке Я'ипиПпк (рис. 8). Данная модель может быть использована при построении интеллектных диагностических систем различных типов коммутационного оборудования электрических подстанций.

Особенности построения нечеткой модели: отсутствует необходимость в библиотеке

примеров: необходимо наличие априорной информации об объекте, заключающейся в кратком описании экспертом примерных уровней значений анализируемых параметров.

Алгоритм построения статистической молели обнаружения аномалий следующий. Выбирается библиотека значений х, которые принимают аномальные значения. Затем на основании значений х рассчитываются математическое ожидание р и дисперсия а2 по следующим формулам:

Рис. £ - Моделирование работы нечеткой ыодслй в программкой среде &ши11~пк

т ^ т м

где т - количество значений х в библиотеке, г - номер элемента х из библиотеки.

Затем рассчитывается вероятность появления комбинации анализируемых

I ч А ' Л 1 ( Vх/-^Г параметров р{х) = [ ] рух,, , о,] = = -==—«р--—у-

„1 VI яг -ау ^ ¿-а,

анализируемых параметров х,] - номер параметра х из библиотеки (рис. 9).

Устанавливается пороговое значение е. Если условие р(х)>Е не выполняется, то имеет место аномалия, в данном случае, в исследуемом ВВ присутствует неисправность.

У статистического алгоритма обнаружения аномалий имеется ряд особенностей: для

построения модели

1

где п - количество

необходимо наличие небольшого количества положительных примеров и большое количество отрицательных примеров (с присутствием аномалии); требование наличия статистической информации об анализируемых параметрах; алгоритм различает большое количество аномалий (неисправностей).

Время реализации нечеткой и статистической модели в среде Ма11аЬ 2009, соответственно, 0,004 с и 0,0009 с.

1 примере ВВ типа ВПМ-10-20/630 УЗ позволил нечеткая модели по достоверности диагностики

Анализ полученных моделей

заключить, что и статистическая находятся на одном уровне.

НАЧАЛО

Ввод временных характеристик

ОТКЛэ 10Ю-7-

t„KM, М-2, АЬ-з, А*з-1

Определение состояния (с использованием нечеткой/ статистической модели)

_________ Выключатель ^

- ■ .... исправен?..... —"

______________________ Т Нет___________________

Сигнализация о неисправности _ _j_

КОНЕЦ

Да

Алгоритм контроля ВВ представлен на рис. 10.

Для подготовки системы к работе необходимо предварительно создать выбранную модель процедуры диагностирования: нечеткую или статистическую.

Разработанный алгоритм обладает таким важным преимуществом перед алгоритмом диагностики ВВ по временным параметрам, как меньшее время его выполнения. Показано, что время выполнения алгоритма на базе НС на платформе Microchip PIC24F составляет 22 минуты, а алгоритма с использованием статистической/нечеткой модели - 0,2 секунды. Таким образом, диагностика В В на базе нечеткой/статистической модели имеет преимущество в уменьшенных временных и ресурсозатратах. Однако временные параметры малоинформативны и не позволяют иден-

Рис. 10 - Алгоритм контроля ВВ на базе нечеткой/статистической модели тифицировать причину неисправности ВВ. Использование НС предоставляет существенно большие возможности диагностирования в отличие от использования нечетких и статистических моделей. Поэтому эффективным компромиссом может бьпь предложенный двухэтапный метод диагностики ВВ (рис. 11).

Суть предложенного метода заключается в разбиении процесса диагностирования на два этапа. Первый этап: начальная диагностика с использованием нечетких моделей по временньш параметрам. Второй этап: нейросетевая диагностика определенных частотных диапазонов вейвлет-спектра функции ускорения перемещения контакта ВВ.

На первом этапе диагностирования в качестве параметров для построения нечеткой/статистической модели выбираются такие нормируемые параметры ВВ, как собственное время отключения, полное время отключения, собственное время включения, разновременность включения/отключения фаз.

Переход ко второму этапу диагностирования осуществляется только после принятия предварительного решения построенной моделью о том, что ВВ является неисправным. После перехода ко второму этапу начинает выполняться алгоритм на основе вейвлет-анализа и НС, описанный ранее.

Алгоритм подготовки (предварительной настройки) системы диагностики при использовании двухэтапного метода представлен на рис. 12. При этом необходимо не только выбрать информативный диапазон вейвлет-спектра и оптимизировать структуру НС, но и построить рабочую модель ВВ по временным параметрам.

Предложенный двухэтапный метод диагностики позволяет устранить недостатки описанных выше одноэтапных алгоритмов на базе нечетких/статистических моделей и на базе НС. Благодаря предварительному контролю по временным параметрам, более ресурсозатратный, но умеющий определять причину неисправности алгоритм диагностики по скоростным характеристикам будет запускаться только в случае обнаруженной неисправности.

Разработанный во второй главе алгоритм уменьшения информационной избыточности для проверки его универсальности и эффективности был опробован так же в смежной области (ме-хатронике) в задаче диагностирования электромагнитных механизмов на различных их характеристиках: ток I(t), производная ОТ тока dl/dt, потокосцеп- Рис. 11 - Двухэтапный метод диагностики ВВ с

ление PSI(t), производная потокосцеп- использованием нечеткой модели и нейронной сети ления dPSI/dt, а также на введенной информативной характеристике MD(t) и ее производной dMD/dt, где MD = l ■ Psi+~.

Psi

После анализа полученных результатов были сделаны выводы, что использование алгоритма уменьшения информационной избыточности оправдано не во всех случаях. Так при использовании этого алгоритма на производных характеристик тока dl/dt, пото-косцепления dPSI/dt, и функции dMD/dt использование данного алгоритма оправдано, что обусловлено значительной зашумленностью характеристики после вычисления ее производной. При этом, точность нейронной сети увеличивается на 10 - 20 % в зависимости от различных комбинаций параметров НС. Использование же данного алгоритма на характеристиках, в которых изначально уровень точности работы НС достаточно высок, неоправданно, поскольку точность при этом или не изменяется, или падает.

Нечеткая модель

Диапазоны информативных частот

Оптимизированная нейронная сеть

Рис. 12 - Алгоритм полготовки системы диагностики по двухэтаиному методу

В четвертой главе на основе выполненных исследований приведены результаты разработки системы регистрации скоростных характеристик ВВ, позволяющей с минимальным объемом подготовительных работ производить диагностику технического состояния ВВ.

Функциональная схема системы приведена на рис. 13.

Также в ходе экспериментов с экспериментальным образцом системы был исследован вопрос о влиянии дискретности АЦП и динамического диапазона датчика ускорения на погрешность измерения.

Был разработан исследовательский стенд для имитации сигналов с датчика ускорения, структурная схема которого представлена на рис. 14. Разработанный виртуальный прибор позволяет имитировать сигналы работы различных типов ВВ, полученных с использованием различных датчиков ускорения.

Результатом описанных выше работ по проектированию и программированию системы диагностики является прототип, представленный на рис. 15. Как описывалось ранее, в предложенном варианте платформа sbRIO 9636 (слева на рис. 15) подключается к ПК с использованием интерфейса Ethernet. К самой платформе будут подключаться датчики для измерения скоростных характеристик ВВ.

Внешний вид испытательного стенда на базе измерительной платформы N1 РХ1 представлен на рис. 16. Слева представлен крейт N1 РХ1 1078 с множеством функциональных блоков, из которых в работе испытательного стенда принимает участие контроллер N1 РХ1 8133 и модуль многофункциональной платы сбора данных N1 PXIe - 6341 с подключенным к ней коннектором N1 SCB-68 (представлен снизу посредине на рис. 16). Запущенная на контроллере ПО для испытательного стенда представлено на экране монитора справа от крейта N1 PXI.

Рис. 13 - Функциональная схема системы диагностики ВВ

Плата обработки измеренных сигналов

Пакет программ

П'п считывания скоростных характеристик

П-'п преобразования скоростных характеристик

П/п задания сигналов замькания и размыкания контактов

ГУп управления замыканием и размыканием виртуальных контактов

Ж^ВЕЗКД^ЩаИШЯГЧЧЯШИ——ИМИ—В—ИМИ—III1 111111 I I II /'.:■ , ——ИГИМ! I |Ц|||1|||| 11111 II ц || II |||| Г| || | | I ....., щ

Рис. 15 - Внешний вид прототипа разработан- Рис. 16 - Внешний вид испытательного стенда

ной системы диагностики ВВ на базе платфор- системы диагностики ВВ на базе платформы

мы зЬШО 963 6 и ПК ШРХ1

В заключении приведены основные результаты работы, которые заключаются в следующем:

1. Предложен алгоритм обработки скоростных характеристик ВВ, в отличие от известных, основанный на комплексном применении непрерывного вейвлет-преобразования и высокочастотной фильтрации, обеспечивающий выделение четких признаков, отличающих исправные и неисправные ВВ.

2. Разработан алгоритм диагностики ВВ по скоростным характеристикам, в отличие от известных, основанный на применении вейвлет-анализа и нейронных сетей (НС), обеспечивающий автоматическое определение состояния и выявление причин неисправности ВВ с уровнем достоверности 90 %.

3. Предложен алгоритм выбора информативного диапазона из вейвлет-спектра скоростных характеристик ВВ, в отличие от известных, основанный на обучении для каждого частотного диапазона вейвлет-спектра информационного сигнала нейронной сети и вычислении для каждой нейронной сети ее точности при обучении и при тестировании, обеспечивающий сокращение избыточности данных (до 4 раз) без потери уровня информативности и устранение переобучения НС.

4. Проведена оптимизация структуры НС, отвечающей за принятие решений о состоянии высоковольтного выключателя, основанная на применении генетических алгоритмов, обеспечивающая увеличение достоверности работы алгоритма диагностики ВВ на базе НС, при которых ошибка НС при диагностировании ВВ уменьшилась с

10% до 0,4%.

5. Предложен алгоритм контроля ВВ по временным параметрам, основанный на применении нечетких и статистических моделей, обеспечивающий быстрое определение состояния ВВ до 0,0009 с в среде Matlab 2009.

6. Разработан двухэтапный метод диагностики ВВ, основанный на использовании на первом этапе статистических или нечетких моделей по временным параметрам ВВ, а на втором — нейронных сетей и вейвлет-анализа скоростных характеристик ВВ, обеспечивающий такие преимущества как быстрое определение состояния ВВ (время выполнения первого этапа с использованием статистической/нечеткой модели на платформе Microchip PIC24F составляет 0,2 секунды, а второго, на базе НС - 22 минуты) и возможность определения причины неисправности.

7. Разработана система диагностики ВВ, основанная на предложенных алгоритмах по параметрам движения их подвижных контактов и обеспечивающая достоверность диагностики до 99,6 %.

8. Материалы диссертации использованы с документальным подтверждением в: ООО «МИП «ИИС» г. Новочеркасск, Штайнбайс-центре Мехатроники г. Ильменау (ФРГ), ООО «Сенкотекс» г. Новочеркасск, в ряде НИР по грантам Программ «СТАРТ», «УМНИК» Фонда содействия развитию МП НТС, стипендиальным программам «Леонард Эйлер» Германской службы академических обменов, «Михаил Ломоносов» Министерства образования и науки РФ и Германской службы академических обменов, Президента РФ молодым ученым и аспирантам, осуществляющим перспективные научные исследования и разработки по приоритетным направлениям, а так же в учебном процессе ЮРГПУ (НПИ). Получены соответствующие акты внедрения, приведенные в приложении.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ В ЖУРНАЛАХ, РЕКОМЕНДОВАННЫХ ВАК

!. Дубров В. И. Применение вейвлет-анализа для диагностики высоковольтных выключателей по скоростным характеристика / В. И. Дубров, В. Е. Кириевский // Контроль. Диагностика. - 2012. -№ 7. - С. 22-29.

2. Дубров В. И. Двухэтапный алгоритм диагностики высоковольтных выключателей по скоростным характеристикам с использованием методов спектрального анализа / В. И. Дубров, В .Е. Кириевский // Контроль. Диагностика. - 2012. -№ 10. - С. 43-51.

3. Дубров В. И. Решение проблемы избыточности входных данных при разработке интеллектуальной системы диагностики высоковольтных выключателей / В. И. Дубров, В .Е. Кириевский, Е. В. Кириевский // Изв. вузов. Сев.-Кавк. регион. Техн. науки. - 2013. -№2.-С.41-44.

4. Дубров В.И. Оптимизация параметров интеллектуальной диагностической системы высоковольтных выключателей / В.И. Дубров // Современные проблемы науки и образования - 2013. -№ 1. - 8 с. - URL: http://wvvw.science-education.ru/107-8256.

5. Дубров В. И. Интеллектуальная диагностика электромагнитных механизмов на базе нейронных сетей / В. И. Ду бров // Современные проблемы науки и образования. -2013. - № 4. - 8 с. - URL: http://www.science-education.ru/l 10-9721.

6. Дубров В. И. Применение технологии обнаружения аномалий в задаче диагностики высоковольтного коммутационного оборудования / В. И. Дубров // Современные проблемы науки и образования - 2013. - № 5. - 8 с. - URL:http://www.science-education.ru/lll-10529.

СВИДЕТЕЛЬСТВА О РЕГИСТРАЦИИ ПРОГРАММ ЭВМ

7. Свид-во о гос. регистрации программы для ЭВМ 2012614209 Российская Федерация. Моделирование скоростных характеристик работы контактов высоковольтных выключателей (МСХ) / Дубров В. И., Кириевский В. Е., Январев С. Г. ; Роспатент. - № 2012612087; заявл. 22.03.2012 ; зарег. в Реестре программ для ЭВМ 12.05.2012.

8. Свид-во о гос. регистрации программ для ЭВМ 2013619404 Российская Федерация. Обработка скоростной характеристики высоковольтного выключателя с возможностью получения спектра, вейвлет-спекгра скоростной характеристики, обучения и оптимизацией параметров нейронной сети для задачи диагностики высоковольтных выключателей (SWSLONN) / Дубров В. И.; Роспатент. - № 2013617480 ; заявл. 19.08.2013 ; за-прг п Ррргтпе пппгпямм гтпя ЭВМ 03.10.2013.

- - ■ —----"г " —I " 1-------- '

9. Свид-во о гос. регистрации программ для ЭВМ 2013619383 Российская Федерация. Определение информативных параметров первого и второго типа электромагнита и обучения нейронной сети по вычисленным параметрам (MDLNN) / Дубров В. И.; Роспатент. -№ 2013617479 ; заявл. 19.08.2013 ; зарег. в Реестре программ для ЭВМ 03.10.2013.

ПРОЧИЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ

10. Dubrov V. I. Algorithm for diagnosis of high voltage switching equipment based on artificial intelligence techniques / V. I. Dubrov, E. V. Kirievskiy, A V. Savchenko // Life Science Journal. - 2013. - № 10. - 10 p. - URL: httpVAww.lifesciencesite.com/lsj/lifelOlOs/ 038_207441ifel010s_241_245.pdf.

11. Дубров В. И. Разработка аппаратных и программных решений системы марс-2, изготовление макетного образца с функционатом диагностики скоростных характеристик (Рукопись) / В. И. Дубров, В. Е. Кириевский, Е. В. Кириевский, И.П. Кириевская // Отчет о НИОКР (заключительный). - № ГР 9151р/14977 от 06.05.2011, per. № 01201169881- Новочеркасск, 2012.

12. Дубров В. И. Интеллектуальные методы и алгоритмы для диагностики электромагнитных механизмов (Рукопись) / В. И. Дубров // Отчет о НИР (заключительный). - № ПС 11.7197.2013 от 28.01.2013,per.№01201372497-Новочеркасск, 2013.

13. Дубров В. И. Исследовательский стенд на оборудовании N1 для эксперимен-татьного определения метрологических характеристик системы мониторинга высоковольтных выключателей / В. И. Дубров, В. Е. Кириевский, С. Г. Январев // Инженерные, научные и образовательные приложения на базе технологий National Instruments 2011 : сб. тр. X Междунар. науч.-практ. конф., г. Москва, 8-9 дек. 2011 г. / Рос. ун-т дружбы народов. - М.: ДМК-пресс, 2011. - С. 200-202.

14. Дубров В. И. Применение технологий искусственного интеллекта при проектировании систем технической диагностики высоковольтных коммутационных аппаратов / В. И. Дубров, В. Е. Кириевский // Тр. Конгресса по интеллектуальным системам и информационным технологиям "1S&1T 12", г. Москв : Физматлиг, 2012. -Т.1. - С. 150-155.

15. Дубров В. И. Разработка автоматической системы мошггоринга состояний высоковольтного коммутационного оборудования по параметрам движения контактов на базе интеллектуальных датчиков ускорения с использованием радиоканала / В. И. Дубров, В. Е. Кириевский // Моделирование. Теория, методы и средства: материалы ХП Междунар. науч.-практ. конф., г. Новочеркасск, 27 февр. 2012 г. / Юж-Рос. гос. техн. ун-т (НПИ). -Новочеркасск : ЛИК, 2012. - С. 9-10.

16. Дубров В. И. Исследование комбинированных алгоритмов технической диагностики на основе нейро-нечетких сетей с вариацией методов обработки сигналов / В. И. Дубров, В. Е. Кириевский, Е. В. Кириевский // Результаты исследований - 2012 : матери-

алы 61-й науч. конф. профессорско-преподават. состава, науч. работников, аспирантов и студентов / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск : ЮРГТУ (НПИ), 2012. - С. 24-25.

17. Дубров В. И. Выбор информационного диапазона вейвлет-спектра при проектировании интеллектуальной системы технической диагностики высоковольтных коммутационных аппаратов / В. И. Дубров, В. Е. Кириевский, Е. В. Кириевский // Академические фундаментальные исследования молодых ученых России и Германии в условиях глобального мира и новой культуры научных публикаций : материалы Междунар. молодежной конф. г. Новочеркасск, 4-5 октября 2012 г. / Юж.-Рос. гос. техн. ун-т (НПИ). -Новочеркасск : ЛИК, 2012. - С. 235 - 238.

18. Лубооз В. И. Ля(™"аторный ппактшп/м ня базе LnhVIF.Wпо KVTICV «Измепитель-

г^ г г Г Г V * "" ^ * V л

ные информационные системы» / В. И. Дубров, Е. В. Кириевский // Инженерные, научные и образовательные приложения на базе технологий National Instruments 2012 : сб. тр. Х/Меж-дунар. науч.-практ. конф., г. Москва, 6-7 дек. 2012 г. / Рос. ун-т дружбы народов. -М. : ДМК-пресс, 2012. - С. 311-313.

19. Дубров В. И. Интеллектуальная диагностическая система высоковольтных выключателей на базе технологий National Instruments / В. И. Дубров [и др.] // Электроэнергетика глазами молодежи : науч. тр. IV Междунар. науч.-техн. конф., г. Новочеркасск, 14-18 окт. 2013 г. / Юж.-Рос. гос. политехи, ун-т (НПИ). - Новочеркасск : Лик, 2013. - Т. 1. - С. 467-470.

20. Дубров В. И. Адаптация двухэтапного алгоритма диагностики высоковольтного коммутационного оборудования под задачу диагностики электромагнитных механизмов / В. И. Дубров // Студенческая научная весна - 2013 : материалы регион, науч.-техн. конф. (конкурса науч.-техн. работ) студентов, аспирантов и молодых ученых вузов Рост, обл., 25-26 апр. 2013 г. / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск : ЮРГТУ, 2013. -С. 111-112.

21. Dubrov V. I. Application of fuzzy logic in intellectual system for diagnostics of highvoltage switching equipment at electrical substations / V. I. Dubrov, V. E. Kirievskiy, E. V. Kirievskiy // Science, Technology and Higher Education : materials of the II International research and practice conference. Vol. II, April 17th, 2013 / Publishing office Accent Graphics communications. - Westwood (Canada), 2013. - P. 116-122.

22. Дубров В. И. Создание базы данных характеристик высоковольтных выключателей для исследовательского стенда системы диагностики / В. И. Дубров [и др.] // Международный журнал экспериментального образования. - 2014. - № 11, Ч. 2. - С. 68.

Личный вклад автора в опубликованных в соавторстве работах: [1,3] — проведение экспериментальных исследований; [2, 7, 15, 16] -разработка алгоритма, проведение экспериментальных исследований; [8, 17] - разработка и программирование алгоритма; [11] - разработка и программирование алгоритмов, разработка испытательного стенда исследование влияния погрешностей; [14, 19, 20] - разработка и программирование алгоритмов, разработка испытательного стенда; [18, 22] — разработка и программи-poBamte алгоритма проведение экспериментальных исследований.

Результаты работы получены при поддержке проекта № 1.2690.2014/К «Методы решения обратных задач диагностики сложных систем (в технике и медицине) на основе натурно-модельного эксперимента», выполняемого в рамках проектной части государственного задания.

Дубров Вячеслав Игорьевич

ДВУХЭТАПНЫЙ МЕТОД ПРИНЯТИЯ РЕШЕНИЙ И АЛГОРИТМЫ НФОРМАЦИК ПРИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ВЫСОКОВОЛЬТНЫХ ВЫКЛЮЧАТЕЛЕЙ

Автореферат

Подписано в печать 29.06.2015 г. Формат 60х 84 Vie Бумага офсетная. Ризография. Усл. печ. л. 1,0. Уч.-изд. л. 1,6. Тираж 120 экз. Заказ № 415.

Отпечатано в типографии «НИМИ ДГАУ» 346428, г. Новочеркасск, ул. Пушкинская, 111 Тел. 8635222170