автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методы и средства построения адаптивных систем мониторинга и диагностирования сложных промышленных объектов

На правах рукописи

АРАЛБАЕВ Ташбулат Захарович

МЕТОДЫ И СРЕДСТВА ПОСТРОЕНИЯ АДАПТИВНЫХ СИСТЕМ МОНИТОРИНГА И ДИАГНОСТИРОВАНИЯ СЛОЖНЫХ ПРОМЫШЛЕННЫХ ОБЪЕКТОВ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат диссертации на соискание ученой степени доктора технических наук

Оренбург 2004

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования "Оренбургский государственный университет"

Научный консультант заслуженный деятель науки РФ,

доктор технических наук, профессор Абдрашитов Рамзес Талгатович

Официальные оппоненты: доктор технических наук, профессор

Лысов Владимир Ефимович;

доктор технических наук, профессор Девятое Диляур Хасанович;

доктор технических наук, доцент Андрианова Людмила Прокопьевна

Ведущая организация Санкт-Петербургский институт

информатики и автоматизации Российской академии наук (СПИИРАН)

Защита состоится июня 2004 г. в 14 часов на заседании диссертаци-

онного совета Д 212.181.02 в ГОУ ВПО "Оренбургский государственный университет" по адресу: 460352, г. Оренбург, пр. Победы, 13, ауд. 6205.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО "Оренбургский государственный университет".

Автореферат разослан «_3_>> мая 2004 г.

Ученый секретарь диссертационного совета

ЬР.

Ч

г

Рассоха В.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы.

Одним из основных факторов повышения эффективности производства является обеспечение работоспособности и оптимальных технологических режимов промышленного оборудования с использованием АСУ ТП, оснащенных современными средствами технической диагностики (ТД).

Качество функционирования и использования средств ТД в условиях крупных производств, техногенных систем со сложной топологией расположения большого количества объектов, в свою очередь, определяется эффективностью организации систем ТД и управления режимами диагностирования на основе мониторинга общего состояния объектов.

Интеграция подсистем мониторинга и диагностирования в настоящее время обусловила острую необходимость создания методов и средств построения систем мониторинга и диагностирования (СМД). Особую актуальность на современном этапе приобретает проблема разработки методологических принципов построения автоматизированных СМД для класса сложных промышленных объектов (СПО). К данному классу относятся, в частности, объекты цветной металлургии и нефтедобычи.

Вопросам технической диагностики посвящен обширный перечень работ отечественных и зарубежных ученых. К этому перечню относятся работы Мозга-левского А.В., Пархоменко П.П., Согомоняна Е.С., Биргера И.А., Фомина Я.А., Глазунова Л.П., Павлова Б.В., Клюева В.В. Большую значимость при решении вопросов организации систем имеют работы Богданова А.А., Л. фон Берталанфи, Хакена Г., Пригожина И.Р., Клира Д., Флейшмана Б.С. Следует особо отметить работы Эшби У .Р., Глушкова В.М., Ивахненко А.Г., Бусленко В.Н., Ту Д., Гон-салеса Р., Горелика А.Л., Воинова Б.С, Симанкова B.C., Луценко Е.В., в которых большое внимание уделено теоретическим и практическим аспектам построения автоматизированных управляющих систем. Вопросам практической разработки, внедрения и эксплуатации средств контроля и диагностики в составе АСУ ТП цветной металлургии и нефтедобычи посвящены работы Деркача А.С., Гарнова В.К., Громыко А.И., Шайдурова Г.Я., Рабиновича Б.В., Туринского З.М., Баркова А.В., Тимашева С.А., Кузякина В.И., Алиева Т.М. и целого ряда других ученых.

Анализ известных работ показал, что существующие в теории технической диагностики методы не полностью учитывают специфику построения СМД СПО как единой сложной системы, выполняющей функции контроля, диагностирования, оценки состояния, прогнозирования и принятия решений как на уровне всей техногенной системы, так и на уровне каждого объекта в частности, и адаптирующейся к пространственно-временным изменениям параметров объектов. Для построения СМД СПО нужна единая методология, позволяющая на основе сис-'темных принципов и обобщенного критерия определять оптимальную организацию систем и эффективные режимы их функционирования, осуществлять поиск технических решений при разработке средств обеспечения систем на различных этапах проектирования.

Цель работы: разработка новых методов и средств построения эффективных адаптивных систем мониторинга и диагностирования сложных промышленных объектов.

Задачи исследований. Создание методологии построения адаптивных СМД СПО предполагает решение таких основных задач как:

- разработка обобщенной функционально-логической модели СПО;

- анализ существующих методов и средств построения систем мониторинга и диагностики СПО и определение научной концепции создания единой методологии построения адаптивных СМД СПО;

- разработка обобщенного критерия оценки эффективности СМД СПО и частных критериев для каждой подсистемы;

- разработка математических моделей СМД СПО и ее компонентов для исследования и разработки оптимальной организации и архитектуры систем и обеспечивающих подсистем;

- разработка и исследование методов и средств организации адаптивных СМД СПО и выбора эффективных режимов их работы;

- разработка и исследование эффективных аппаратных и программных средств СМД СПО;

- исследование и апробация разработанных методов и средств при построении адаптивных СМД.

Методы исследований. Использованы методы теории вероятности, комбинаторики, метод группового учета аргументов, канонический метод проектирования цифровых автоматов, а также элементы теории множеств и теории графов.

Научная новизна. В диссертации впервые поставлена и решена комплексная задача построения адаптивных систем мониторинга и диагностирования СПО как интегрированных систем на основе принципов самоорганизации сложных систем. При этом:

- предложена двухуровневая самоорганизующаяся система мониторинга и диагностирования состояния СПО, отличающаяся от аналогов способностью автоматического выбора оптимальных режимов работы подсистем при изменении характеристик входного потока заявок;

- предложен единый подход, позволяющий синтезировать оптимальную структуру систем мониторинга и диагностирования на этапе проектирования и выбирать оптимальные режимы работы подсистем в процессе эксплуатации;

- представлен метод исследования СМД на основе многофазной конвейерной модели массового обслуживания с использованием блока адаптации к изменению интенсивности входного потока;

- разработан комбинационно-вероятностный метод анализа режимов работы СМД с циклической дисциплиной обслуживания заявок;

- разработан алгоритм вычисления числа маршрутов в системе с циклическим обслуживанием заявок;

- разработан новый подход для синтеза разделяющих функций мажоритарного вида, позволяющий на основе метода группового учета аргументов с высокой степенью достоверности и производительности решать задачу распознавания об-

разов с использованием множества признаков распознавания с вероятностным характером изменения значений;

- разработан дихотомический метод диагностирования СПО на основе разделяющей функции мажоритарного вида;

- разработаны новый способ диагностирования и ряд оригинальных технических решений для построения адаптивных СМД СПО.

Практическая значимость и реализация результатов работы Практическая ценность работы заключается в разработке современных научно обоснованных методов и средств для создания и эффективной эксплуатации адаптивных СМД СПО, в частности алюминиевых электролизеров, оборудования для нефтедобычи.

Научные и практические результаты получены при проведении работ в рамках следующих бюджетных и хоздоговорных тем:

- № 01814014251'Тазработка типовых алгоритмов и программ прогнозирования технологического процесса электролиза алюминия и внедрение их в АСУ ТП Таджикского алюминиевого завода Минцветмета СССР", утвержденной ГКНТ СССР за №287 от 29.07 1981 г.;

- № 01870000447 "Исследование особенностей моделирования и синтеза оптимального управления технологическим процессом электролиза алюминия", утвержденной постановлением Президиума АН Таджикской ССР за № 213 от 18 декабря 1987 г.;

- по хоздоговору № 665 между Институтом кибернетики Украины и предприятием П/Я В-2289 "Разработка подсистемы связи с объектом управления наземного комплекса автоматизированной системы управления" (индекс темы ДЕ 0411-003);

- по хоздоговору № 19/85 между Математическим институтом АН Республики Таджикистан и ТадАЗом по теме "Исследование нестабильности тока серии и напряжения электролизеров с использованием средств микропроцессорной техники с целью повышения технико-экономических показателей технологического процесса электролиза на ТадАЗе";

- по хоздоговору № 1/95 от 16.01.95 между ГОУ "ОГУ" и АО "ОРОПАЛ" в г. Ор-ске "Техническая экспертиза линии автоматизированной сварки и разработка технических предложений по вводу ее в действие" (номер госрегистрации отчета - № 02.960.005268);

- по бюджетной теме № 01.990000102 ГОУ "ОГУ" "Исследование и разработка унифицированных методов и средств вычислительной техники для спектральной диагностики сложных объектов".

Теоретические результаты и разработанные технические средства использовались .при создании управляющих подсистем нижнего уровня АСУ испытаниями сложных объектов, разработанной при участии автора в Институте кибернетики АН Украины и внедренной на предприятии П/Я В-2289 в г. Днепропетровске.

Новизна и значимость технических решений подтверждается патентами и авторскими свидетельствами на изобретения.

Научные аспекты исследований нашли отражение в учебно-методических материалах и используются в учебном процессе в Оренбургском государственном университете.

Основные защищаемые положения диссертационной работы:

1. Двухуровневая адаптивная СМД СПО, содержащая на верхнем уровне подсистему мониторинга, а на нижнем уровне - подсистему диагностирования.

2. Совокупность методов для выбора оптимальной организации СМД СПО на этапе проектирования и эффективных режимов работы - на этапе эксплуатации.

3. Система имитационных моделей для исследования, анализа и выбора проектных решений при построении СМД СПО.

4. Алгоритмическое обеспечение, программное и техническое обеспечение для реализации методов построения адаптивных СМД СПО.

5. Результаты использования методов и средств построения СМД.

Апробация результатов работы

Основные научные положения и результаты диссертационной работы докладывались и обсуждались на 18 научно-практических конференциях и семинарах, из которых 10 - с международным участием, в том числе: третья Всероссийская научно-практическая конференция "Достижения науки и техники - развитию сибирских регионов" (Красноярск, 2001), Международная научно-практическая конференция "Учебная, научно-производственная и инновационная деятельность высшей школы в современных условиях" (Оренбург, 2001), Международная конференция по индуктивному моделированию "ICIM - 2002" (Львов, 2002), Международная научно-практическая конференция "Информационные технологии в образовании, технике и медицине" (Волгоград, 2002), III Международная научно-практическая конференция "Проблемы энерго- и ресурсосбережения в промышленном и жилищно-коммунальном комплексах" (Пенза, 2002), II Всероссийская научно-практическая конференция "Инновации в машиностроении" (Пенза, 2002), Межвузовская научно-практическая конференции "Компьютерные технологии в науке и образовании" (Самара, 2002), III Международная научно-техническая конференция "Проблемы машиностроения и технологии материалов на рубеже веков" (Пенза, 2003), VI Международная научно-методическая конференция "Новые информационные технологии в электротехническом образовании" (Астрахань, 2003), Международная научно-техническая конференция "Современные информационные технологии" (Пенза, 2003).

Результаты работы представлены в 36 публикациях, в том числе - одной монографии, семи авторских свидетельствах и патентах на изобретение.

Разработанные алгоритмы, программы и технические средства апробированы с использованием технических средств АСУ ТП Таджикского алюминиевого завода, технологической информации Волгоградского алюминиевого завода, экспериментальных данных, полученных при бурении скважины № 826 Туймазинского управления буровых работ, а также при диагностировании насосно-компрессорных труб в лаборатории вибродиагностики Октябрьского филиала Уфимского государственного нефтяного технического университета.

Структура и объем диссертации. Работа состоит из введения, 6 глав, заключения, списка литературы и приложений. Работа изложена на 383 страницах, в том числе: основной текст на 334 страницах, 16 таблиц, 63 рисунка, библиографический список из 220 наименований на 20 страницах, приложение на 29 стра-

ницах. Приложение содержит описание способа расчета маршрутов обслуживающего устройства, листинги программ, акты внедрения результатов работы.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность, сформулированы цель и представлены основные задачи работы.

Первая глава работы посвящена характеристике рассматриваемой проблемы и описанию концепции ее решения.

С учетом существующих стандартов по технической диагностике и надежности систем определены основные понятия и функции СМД СПО.

На основе анализа характеристик контролируемых объектов, представленного в работах Клира Д., Бусленко Н.П., Растригина Л.А., Шаракшанэ А.С., Ивахненко А.Г., определен класс сложных промышленных объектов, основным признаком которого является сложность для мониторинга и диагностирования, обусловленная стохастичностью протекающих процессов, сложностью конструкции и дефицитом доступной для контроля информации. Характерными представителями СПО являются объекты цветной металлургии и оборудование для нефтедобычи.

С использованием формализованного подхода теории автоматов построена и описана функционально-логическая модель СПО, позволяющая определить подходы для создания имитационных моделей СПО, методов их контроля и сформулировать требования к средствам мониторинга и диагностирования.

На основе анализа работ Богданова А.А., Хакена Г., Винера Н., Габора Д., Фельдбаума А.А., Ивахненко А.Г. определены основные принципы построения и свойства адаптивных самоорганизующихся технических систем. Отмечается, что наряду с общими принципами самоорганизации, такими, как принципы открытости, нелинейности в развитии, неравновесности, подчинения и наблюдаемости, при построении технических систем особую роль играют принципы внешнего дополнения Бира С, неполноты Геделя К., свободы выбора Габора Д., необходимого разнообразия Эшби У., конструктивной эмерджентности и некоторые другие.

На основе морфологического подхода и учета рекомендаций, представленных в работах Воинова Б.С., Кузякина В.И., определены классификационные признаки, система кодирования и разработана классификация СМД, необходимая для упорядоченного исследования систем, отличающаяся от известных процедурой выбора качественно-количественного состава классификационных признаков и классификационного кода системы, позволяющего определять перечень основных задач и порядок их решения в процессе проектирования СМД.

В результате исследования организации, архитектуры, принципов построения, режимов работы, анализа экономических, технических и социальных предпосылок и предистории развития СМД получены следующие результаты: - отмечено, что современные СМД являются результатом интеграции существующих ранее подсистем контроля, диагностирования, прогнозирования и принятия решения по предупреждению аварийных ситуаций и ликвидации последствий нерегламентированных состояний (НС);

- показано, что современные СМД представляют собой сложные двухуровневые системы для мониторинга техногенных систем (ТС) сложных промышленных объектов, а также контроля и диагностирования СПО как элементов ТС;

- определена обобщенная структурно-функциональная схема СМД СПО, представленная на рисунке 1.

Рис.1- Структурно-функциональная схема СМД СПО

Подсистема мониторинга содержит блоки для выполнения таких функций, как контроль состояния техногенной системы (КСТС), прогнозирование состояния ТС (ПСТС), адаптация режимов работы функциональных блоков подсистемы диагностирования (А) к изменению характеристик СПО, выбор глобальной стратегии для предупреждения и ликвидации последствий от нерегламентированных состояний объектов на уровне ТС (ВГС)

Подсистема диагностирования содержит блоки для выполнения функций, предусмотренных ГОСТ 20911-89. контроль состояния промышленного объекта (КСПО), диагностирование (Д), прогнозирование остаточного ресурса объекта (ПОРО), выбор локальной стратегии по устранению конкретного обнаруженного нерегламентированного состояния (ВЛС).

Одной из отличительных особенностей рассматриваемых в работе систем является то, что в представленный выше функциональный состав, включена функция адаптации режимов работы подсистемы диагностирования к изменению характеристик объектов, в результате чего СМД обеспечивается параметрической адаптивностью на системном уровне. При этом блок адаптации инициирует самоорганизацию системы для создания эффекта согласованного взаимодействия ее

подсистем с целью реализации принципа максимального использования системных ресурсов.

Проведенный анализ современного состояния методологической базы для создания СМД СПО показал, что несмотря на существующие методы и средства разработки отдельных функциональных элементов СМД, в настоящее время существует актуальная проблема создания единой методологии построения адаптивных СМД, позволяющей на основе системных принципов и обобщенного критерия определять оптимальную организацию систем и эффективные режимы их функционирования, осуществлять поиск технических решений при разработке средств обеспечения систем на различных этапах проектирования. Для решения рассматриваемой проблемы определена базовая концепция научных исследований и разработки на создание единой системы методов и средств построения СМД СПО, основными аспектами которой являются:

- создание адаптивных двухуровневых СМД, в которых управление режимами работы подсистемы диагностирования, находящейся на нижнем уровне, производится на верхнем уровне подсистемой мониторинга состояний объектов всей техногенной системы;

- выбор общей стратегии по предупреждению и ликвидации нерегламентирован-ных состояний СПО производится на основе результатов работы обеих подсистем;

- проведение диагностирования СПО по принципу необходимости с учетом оценок реального состояния объектов, получаемых в результате их мониторинга;

- адаптация СМД на пространственно-временное изменение параметров входного потока объектных данных производится на различных уровнях на основе принципов самоорганизации сложных систем с использованием методов структурной и параметрической адаптации и метода группового принятия решений;

- развитие известных и разработка новых эффективных методов контроля СПО на основе современных информационных технологий и повышения уровня интеллектуальности аппаратно-программных средств СМД.

Вторая глава посвящена вопросам эффективности функционирования СМД СПО. Рассмотрены различные аспекты СМД как составного элемента АСУТП, в частности: структурный, функциональный и экономический. Показано, что в составе современных АСУ ТП системы мониторинга на уровне подсистем выполняют функции интеллектуального датчика состояния объекта. При этом отмечается, что принцип управления по ограниченному числу параметров, широко используемый в АСУ ТП, применим в основном для детерминированных объектов и не является адекватным в случае промышленных объектов, отличающихся сложной структурой и стохастичностью поведения. Показано, что СМД в составе АСУ ТП позволяет обеспечивать управляющие органы дополнительной информацией о состоянии объекта, полученной на основе усложненной обработки параметров объектов, доступных для измерения. Особенностью структуры рассматриваемых систем является то, что принятие решения о стратегии предупреждения и ликвидации последствий нерегламентированных состояний производится непосредственно в СМД, что разгружает управляющие органы и обеспечивает АСУ ТП необходимой функциональной полнотой.

Основной задачей построения СМД является определение проектных решений, позволяющих получить максимальное значение выбранного критерия Е:

E=iraxE(X) ЕеЕр,ХеГ

(1)

Рх={х\гр(х)<г5,тр(х)<т;},

где Е(Х) и Ер — соответственно целевая функция проектирования СМД и допустимая область изменения Е; X — вектор проектных показателей СМД, включающий в себя проектные характеристики подсистем, т.е. соответственно вся и допустимая области изменения параметров Л"; Zp^^ Zs - соответственно фактические и допустимые стоимостные затраты на получение проектных параметров системы; Тр и 7$— соответственно реальное и допустимое время на принятие конечного решения в СМД.

С учетом (1) постановку задачи на проектирование СМД можно представить следующим образом:

X = {Xl,X2,X„Xt}^ та хЕ(Х) \ZPüZs,TP<Ts.

(2)

XeF

ЕеЕР

Поскольку задачей СМД является определение принадлежности исследуемого состояния одному из состояний класса нерегламентированных состояний (НС) или к класса регламентированных состояний ^^ и принятие соответствующих мер, целевую функцию СМД можно представить следующим образом:

£ = |>,{[e,(l-a)+ze, a]-Pl+{eB(\-p) + zNP].Ps\,

(3)

где М — число видов контролируемых состояний СМД, входящих в класс НС и определяющих полноту (глубину) диагностирования; /V; — число проверок на i-e НС в течение некоторого интервала времени Т; e¡ И ец —эффект от правильного принятии решения, если контролируется i-e состояние из класса НС или состояние из класса PC; И Z¡n- соответствующие эффекты в виде затрат от ошибочного принятия решений; а и /3 - соответственно ошибки первого и второго рода при выборе конечного решения СМД; P¿ И Яд — априорные вероятности 1-го НС и РС СПО. Из выражения (3) видно, что проектными являются параметры а и 0, характеризующие погрешность принятия решения в СМД, остальные аргументы определяют условия задачи. Параметры а и (¡ могут быть получены в процессе испы« таний СМД в реальных условиях, а также в результате вычисления соответствующих аналитических выражений, полученных в процессе разработки СМД. Средняя статистическая оценка общей достоверности принятия решения в СМД по результатам испытаний определяется следующим образом:

а + Р

D = \ -

(4)

Следует отметить, что параметры а и 0 в (3) являются обобщенными, поскольку решение принимается на основе совместной работы подсистем контроля, диагностирования, прогнозирования и принятия решения. С учетом последова-

тельного характера работы подсистем при обработке каждой заявки общая достоверность принятия решения определяется следующим образом:

где сомножители характеризуют достоверности принятия решений и определяются с учетом специфики конкретной подсистемы. В частности, D1 и D2 оцениваются по выражению (4), а Dj И О/ — как вероятности нахождения заданной погрешности прогноза остаточного ресурса и прогноза возникновения несанкционированных состояний ТС на перспективу. Dj и D4 на стадии проектирования системы определяются с использованием статистик Стьюдента по таблицам t-распределения. На стадии испытаний и эксплуатации эти параметры определяются как соотношение подтвержденных прогнозов к общему числу прогнозов. Выражение (5) справедливо для СМД, в которых показатели достоверности не зависят от изменения состояния объектов во времени. Отличительной особенностью рассматриваемого класса СМД СПО является их функционирование в условиях динамического изменения состояния объектов и соответствующего изменения информативности параметров, что существенно влияет на характеристики СМД, представленные в выражении (1). Кроме того, в зависимости от оперативности принятия решения находится доля остаточного ресурса объекта, величина которого находится в обратной зависимости от временных задержек на принятие решений и которую можно сохранить при достоверном решении. На рисунке 2 представлены графики потерь качества СПО (£.(/)), изменения вероятности правильного принятия решения (P(t)) и эффективности от принятия решений {E(t))..

D = Z>, • D2 ■ D} • D

4 >

(5)

Ut).D(t),

1.0

0.8

0.6

0.4

0.2

0

t

0

0.2

0.4

0.6

0.8

1.0

Рис.2 - Графики изменения достоверности принятия решения -0(1), потерь каче^ ства СПО - ¿(0 и эффективности СМД - Е(1)

Точка а на графике потерь соответствует начальному моменту возникновения НС, точка Ь - моменту обнаружения отклонений в состоянии СПО, точки с, й, и е соответствуют моменту времени оптимального принятия решения с точки зрения минимальной ошибки и максимально возможного сохранения остаточного ресурса СПО.

При известных зависимостях 0(!) и Ь(0 оценка качества СМД производится согласно следующему выражению:

*(/) = £>(')•[!-ДО], (6)

где /-текущее время, начиная с момента обнаружения НС.

= (7)

где О1-О4(0 — параметры, характеризующие достоверности принятия решений для каждой из четырех подсистем СМД, соответствующие моменту времени I.

В (6) параметр КО) характеризует вероятностную величину сохраненного ресурса СПО в случае достоверного решения. Анализ выражений (5) и (6) позволяет сделать вывод о применимости параметров Б и К(1) в качестве критериев оценки качества СМД. Использование критерия (6) позволяет учитывать динамику возникновения и развития технологических нарушений, эффективность работы каждой подсистемы СМД в зависимости от временных ограничений и характера возникающих НС, влияние качества работы одной подсистемы на результат функционирования других подсистем, а также вклад качества каждой подсистемы в общий результат СМД.

Аргументы целевой функции (1) М, /V), имеют вероятностный характер, изменяются в некотором диапазоне и составляют множество переменных параметров V]. Они являются общими для всех подсистем СМД. Кроме них существует ряд параметров, объединенных в множестве V}, имеющих также стохастический характер и влияющих на эффективность конкретной подсистемы. К этим параметрам, в частности, относятся: средняя вероятностная информативность признаков, их количество, характеристики закона распределения величин. Множество переменных признаков СПО можно представить как:

У = {У„Уг). (8)

Поскольку каждое состояние СПО характеризуется соответствующим перечнем и значениями параметров V, для поддержания максимального значения целевой функции (1) при изменении состояния объекта необходимо адекватное изменение параметров вектора Хв соответствии ^со ^следующими выражениями:

Фо и Ф — соответственно функционал, обеспечивающий тахЕ, и множество возможных функционалов.

Под функционалом Фд понимается некоторый алгоритм из множества Ф, позволяющий для конкретной совокупности параметров У определить соответст-

вующие параметры вектора X, обеспечивающие тахЕ среди значений Е, полученных при тех же условиях другими алгоритмами из множества Ф. В работе для обеспечения соотношения (9) использованы алгоритмы параметрической адаптации и самоорганизации моделей функционирования подсистем.

Из выражения (9) следует, что основная задача построения СМД определяется как задача совместного поиска параметров Хи функционала Фу, обеспечивающих максимальное значение целевой функции, удовлетворяющее условию экономичности использования СМД:

=шах Е(У,Х). ^

Проведенный анализ параметров эффективности позволил определить декомпозицию основной задачи разработки методов и средств построения адаптивной СМД СПО, согласно которой в перечень подзадач, решение которых обеспечивает максимум целевой функции (1) включены: изучение характеристик СПО, составляющих вектор V, разработка и исследование моделей СМД и ее компонентов, разработка методов и средств построения СМД СПО и апробация результатов на примере СМД конкретных объектов.

Третья глава посвящена вопросам разработки и исследования модельного базиса для построения адаптивной СМД: модели СПО, модели СМД как системы массового обслуживания, моделей подсистем.

Характеристика модели СПО. В результате исследования современных подходов к построению моделей сложных объектов определен двухэтапный метод построения моделей СПО, согласно которому на первом этапе разрабатывается концептуальная модель объекта, состоящая из двух подсистем: автоматной, определяющей алгоритм перехода состояний объекта, и имитационной, воспроизводящей сигналы от объекта, соответствующие состояниям перехода. На втором этапе на основе канонического метода проектирования разрабатывается система вложенных автоматов для имитации переходов состояний объекта и имитаторы сигналов для каждого состояния. Модель каждого вложенного автомата (ВА) описывается следующим кортежем:

где Х,У,С - соответственно векторы управляющих, возмущающих и коррелирующих параметров модели, образующих в совокупности множество входных данных для каждого ВА; У— вектор выходных значений, У={у|, уг,.« > У.» ••• >Ур<}> $ - вектор состояний; 3, Х - соответственно функции перехода состояний и выходов; 80 - начальное состояние ВА. Функции переходов 5(1') и выходов^//'^ ВА в режиме автоматного времени /'определяются следующим образом:

з^С) = 0' -1), коТ^^'» -

Согласно значениям вектора У каждого вложенного автомата в подсистеме имитации производится выбор и настройка соответствующей модели временного ряда параметра СПО в виде следующего полигармонического полинома:

где п-число гармоник на периоде обучения модели Ы; Л", - коэффициент, определяющий номер гармоники (¡=1,п; 2); / • номер временного интервала (месяц, час, секунды), <=1,2,3... .Коэффициенты модели: яЛ а„ Ь, являются среднестатистическими оценками коэффициентов Фурье для временных рядов параметров, полученных экспериментально, а коэффициенты ёц, ¡¡г - среднестатистические характеристики тренда. Все коэффициенты модели (5) определяются с использованием метода наименьших квадратов. Таким образом, выходной сигнал модели, соответствующий обобщенному параметру Р для момента / , определяется как суперпозиция имитационных сигналов Р, (I) (г = I, от), т.е.:

„з,

Разработанная модель обладает широким спектром функциональных возможностей, по сравнению с известными аналогами имеет гибкую настройку, может адаптироваться при изменении структуры СПО и реализована доступными аппаратно-программными средствами.

Характеристика модели СМД. В результате анализа структуры системы, информационных потоков и временных режимов работы исследуемая СМД представляется в виде одноканальной многофазной системы массового обслуживания (СМО) конвейерного типа с пуассоновским входным и выходным потоками, экспоненциальным временем обслуживания заявок на каждой фазе и прореживанием входного потока на первой и второй фазе. Структурная схема СМО представлена на рисунке 3.

Рйс.3 -Структурная схема модели системы массового обслуживания

СМО содержит N объектов ТС (О), подсистему контроля (М), диагностирования (Б), прогнозирования остаточного ресурса (Р), принятия решений (РЯ) и адаптации (А). Входной поток заявок Уцц поступает в начале на вход подсистемы М и далее обрабатывается в подсистемах D, Р и PR. Потоки V/ и Ап характеризуют потоки отсеянных заявок, соответствующих PC СПО. В работе использован метод исследования многофазных систем как совокупности последовательно соединенных автономных систем МО, объединенных общим управлением посред-

ством подсистемы адаптации. При создании типовых СМО, как правило, выбор производительности осуществляется для наиболее напряженного режима системы при с учетом того, что в остальных случаях система будет гарантиро-

ванно устойчиво работать. При этом возникающую избыточность в производительности системы обычно не используют. Положительной особенностью рассматриваемой СМД является то, что при подсистема адаптации А инициирует увеличение времени обслуживания для каждой подсистемы и обеспечивает постоянство коэффициента загрузки узлов обработки согласно следующим выражениям:

Р = / \Я 6 У, >; РГ=Р<\: {Т,у, < Т^,Т0 = : В(Т0) ± В^ Та=^:Л1_1<Л<Л„1 = 1,Й; (И)

где время нахождения заявки в подсистеме; минимальная допустимая

достоверность принятия решения; текущая интенсивность заявок на входе подсистемы, определяемая на основе прогнозных данных и коэффициентов разрежения потока; число уровней интенсивности заявок.

При выборе коэффициентов загрузки подсистем производится проверка условия на соответствие общего времени нахождения заявки в СМО максимально допустимому с учетом временного ограничения выражения (1).

Величина является настроечным параметром для каждой подсистемы как реакция на изменение в соответствии с которой каждая подсистема автоматически перестраивает свою функциональную модель с учетом максимума достоверности принятия решения согласно выражению:

дг,,еХ,: А = шах= 1,2,3,4;./= 1,2,... (15)

Выбор параметров СМД согласно (14) и (15) позволяет реализовать алгоритм двухуровневой адаптации системы. На первом уровне производится выбор системных характеристик ри Гм, соответствующих параметр^дена втором - выбор подсистем ных характеристик, соответствующих параметрам

В результате исследования модели построены номограммы для оценки и выбора режимов подсистемы диагностирования, а также номограммы для оценки времени упреждения аварийной ситуации и задержки обслуживания заявок. Номограмма первого вида представлена на рисунке 4. Параметрами номограммы являются: среднее время поступления заявки на обслуживание коэффициент загрузки р, средняя вероятностная информативность признака Р1, множество моделей Мдля обработки заявок. Каждая модель из М характеризуется зависимостью достоверности принятия решения В(Р1) (графики 1-5) и временем обслуживания Та. Графики четвертого квадранта (6-13) характеризуют линии одинаковой достоверности, которую может обеспечить подсистема за счет перехода на соответствующую модель множества Л/ при изменении характеристик СПО: Х1иР1. Разработанные номограммы и соответствующие программные средства позволяют проведение анализа и выбор оптимальной модели работы подсистемы в соответствии с изменениями характеристик СПО.

g 10 0(Р1) ч

Рис.4 - Номограмма оценки и выбора режимов работы подсистемы диагностирования при изменении характеристик объектов

В результате исследования СМО предложен комбинаторно-вероятностный метод анализа режимов работы подсистемы диагностирования с циклической дисциплиной обслуживания. Особое внимание уделено исследованию характера маршрутов обслуживающего устройства (ОУ) и соответствующих им потерь от задержки обслуживания. Для определения степени загруженности ОУ введено понятие "склейки", представляющей собой непрерывную последовательность обслуженных запросов до первой паузы. Предложен новый способ кодирования

маршрутов ОУ с использованием группового кода, доказана теорема для обоснования алгоритма вычисления числа маршрутов, имеющих идентичные коды. Полученные результаты позволяют оценить возможные потери качества обслуживания для каждого маршрута ОУ и выбрать требуемые режимы его работы.

Актуальность задачи прогноза в СМД определяется необходимостью прогнозирования нагрузки на входе системы по данным от всех объектов ТС, а также -оценки остаточного ресурса конкретного СПО, находящегося в НС.

Учитывая цикличность технологических операций, сезонность явлений, обусловленных изменениями природных циклов, температурных режимов и погодных условий, наиболее адекватной для прогнозирования интенсивности входного потока заявок на входе СМД является модель, описываемая полигармоническим полиномом, представленным в выражении (12). Для уточнения прогноза эта модель дополняется прогнозом случайной компоненты, производимым на основе уравнения авторегресии. Для автоматизации синтеза адекватной модели разработаны итерационная процедура, алгоритм и программа, позволяющие на основе последовательного усложнения модели за счет дополнения ее последовательным рядом гармоник синтезировать модель оптимальной сложности в соответствии со следующими критериями: критерием стохастичности колебаний уровнен остаточной последовательности, критерием нормального распределения случайной последовательности остаточной компоненты, критерием равенства математического ожидания случайной последовательности нулю и критерием независимости значений случайной последовательности (критерий Дарбина-Уотсона). Анализ моделей для прогнозирования процесса развития НС и оценки остаточного ресурса на примере анодных эффектов алюминиевого электролизера и процесса износа долота показал, что эти модели могут иметь вид полиномов первой, второй и третьей степени. При этом динамика каждого НС описывается, как правило, новой моделью, вид которой определяется в процессе контроля НС

Формализация задачи выбора стратегии СМД позволила свести ее к задаче из теории игр с природой, в которой природа случайным образом задает характеристики НС, а подсистема принятия решений выбирает соответственную собственную оптимальную стратегию восстановления состояния объектов. Модель выбора стратегии представляется в виде платежной матрицы С размером Строки матрицы соответствуют стратегиям СМД, а столбцы - прогнозируемым интенсивностям не регламентируемых состояний на перспективу ДТ. Каждый элемент матрицы содержит оценку эффекта соответствующую экономиче-

скому (или другому) эффекту для конкретной стратегии, представленному в виде

дроби ^т/^у , числитель которой характеризует сэкономленное качество, а знаменатель - затраты от применения /-ой стратегии при ликвидации у-ого НС (/=!-/», /=1-м). Выбор стратегии 5 из множества £ производится с учетом условия каждой задачи, например, по максимуму экономии или минимуму затрат с учетом следующего выражения:

хеБгтг^тт^е/^ «=1.п; )-\,т. (16)

Эффективность от выбранной локальной стратегии (ЛС) и глобальной стратегии (ГС) зависит от надежности прогнозирования соответственно остаточного ресурса СПО и состояния ТС, и определяется вероятностями Б3 и Б4 нахождения заданной погрешности в доверительном интервале. Достоинством данного метода является адаптивность на изменение характера возникновения технологических нарушений, технологичность в компьютерном исполнении и эволюционность, позволяющая в процессе эксплуатации его накапливать базу данных стратегий.

Для оптимального распределения временных и стоимостных ресурсов по подсистемам, с целью обеспечения максимума критерия (5) разработаны соответствующий алгоритм и программа.

Четвертая глава посвящена разработке методов и средств построения подсистем СМД на основе принципов самоорганизации и коллективного принятия решений. Для изучения механизма и принципов самоорганизации построена математическая модель самоорганизующейся технической системы (СТС) для распознавания образов и исследованы режимы ее работы. Модель СТС имеет следующий вид:

СТС (17)

где У— множество детерминированных воздействий на СТС со стороны разработчика или обслуживающего персонала, обуславливающих предварительный выбор варианта организации системы; V - множество стохастических параметров, воздействующих на систему со стороны объекта распознавания; X— множество выходных параметров модели, характеризующих организацию системы при изменении элементов множеств У и К например достоверность и быстродействие распознавания, сложность разделяющей функции и другие; Я - множество ресурсов СТС, которые могут быть использованы для изменения организации системы: характеристики временной, структурной, информационной и других видов избыточности; £ — множество средств самоорганизации системы: алгоритмы, программы, специализированные устройства. При создании СТС определяются параметры вектора X в соответствии с постановкой задачи.

Рассматриваемая СТС должна быть адаптивна:

- к изменяющимся требованиям постановки задач, определяемых вектором К,

- к изменению параметров исследуемых объектов, определяемых вектором V.

В результате исследования СТС показано, что

- время самоорганизации, определяемое числом итераций до достижения требуемой вероятности распознавания, зависит от вероятностных характеристик признаков распознавания;

число признаков, необходимых для получения требуемой общей вероятности распознавания А/, зависит от величины РЛ и достоверности признака Л;

- диапазон адаптации СТС при самоорганизации не безграничен и определяется параметрами Рй, Ря и числом информативных признаков.

В работе впервые на основе теории метода группового учета аргументов (МГУА) проведены исследования по синтезу разделяющих функций мажоритарного вида (РФМВ) и показана их эффективность при решении задач диагностиро-

вания состояний СПО. Выбор мажоритарной функции (МФ) обусловлен следующими причинами:

- МФ позволяет получение результата с высокой степенью достоверности на основе коллективного решения информативных признаков, обладающих вероятностной ошибкой;

- эта функция, будучи дискретным аналогом функций, реализующих перцептрон Розенблатта, является характерной моделью для многих биологических социальных и технических объектов;

- множество МФ, образуя отдельный класс функций, имеющих различные характеристики по сложности описания и времени синтеза, достоверности и времени принятия решения, аппаратной и программной реализации, предоставляет определенную свободу выбора решений при использовании ее в СТС при наличии различных видов архитектурной избыточности.

Алгоритм комбинаторного типа построен на основе следующего выражения:

= (18)

в котором р = С", т=\п!2\ и характеризует порог мажорирования для п аргументов, а коэффициенты представляют собой различные сочетания аргументов МФ, расположенные в матрице размером так, что в каждой ячейке матрицы находится только один аргумент. Усложнение и перебор мажоритарных функций в комбинаторном алгоритме производится при последовательном увеличении п, т.е. /1=3,5,7,....

На первой итерации алгоритма итерационного типа используется выражение (18) прип=3. При этом выбирается к наилучших моделей, составляющих множество имеющих наибольшую достоверность разделения на исходных выборках для следующей итерации. Параметр к определяет свободу выбора. На каждой последующей итерации определяются модели

Л*,=0П • (19)

где {с,)^ — содержимое ячеек матрицы, соответствующее моделям предыдущей итерации с номером

Поскольку основным требованием в задаче является обеспечение максимальной достоверности распознавания, то в качестве критерия для оценки варианта искомой функции использован критерий максимума достоверного распознавания образов на экзаменационной выборке, соответствующий общему числу верных исходов при распознавании классов А и В. Условием останова итерационного алгоритма является прекращение возрастания достоверности разделения на последующем шаге итерации. Согласно теории МГУА при упорядоченном переборе и усложнении моделей значение критерия должно иметь экстремальное значение, в данном случае максимальное значение достоверности распознавания. Модель, соответствующая экстремуму, имеет оптимальную сложность и является искомым результатом. Анализ канонических сложностей синтезируемых МФ позволил определить аналитические выражения для вычисления функциональной

сложности и временных затрат, необходимых для машинного синтеза мажоритарных функций при различном значении п для комбинаторного и итерационного алгоритмов.

В результате исследования алгоритмов показано, что:

- итерационный алгоритм позволяет определить модель РФ с более высокими оценками по достоверности распознавания, при этом полученные модели имеют также и относительно большую сложность и время синтеза;

- получение более высоких показателей по достоверности распознавания с применением итерационного алгоритма объясняется возможностью синтеза более сложной модели на основе лучших моделей предыдущих итераций, что исключает волевое добавление в перечень аргументов модели признаков с малой информативностью или признаков, зашумляющих модель;

- получение аналитических выражений и расчетных характеристик алгоритмов позволяет оценить их возможности и произвести выбор оптимального алгоритма с учетом временных и аппаратных затрат при реализации способа распознавания в виде специализированного устройства.

В результате сравнительного анализа метода РФМВ и классического метода Байеса построены регрессионные уравнения достоверности распознавания от сложности распознавания образов.

В результате исследований сделаны следующие выводы:

- разработанный подход обеспечивает практически идентичные показатели по достоверности по сравнению с классическим подходом - методом Байеса; в рабочем диапазоне изменения оценки сложности различие в пользу метода Байеса не превышает 1%;

- разделение образов с использованием РФМВ производится за один такт специализированного распознающего устройства, в то время как при использовании метода Байеса производительность снижается на несколько порядков из-за необходимости выполнения операций умножения.

Разработанные алгоритмы использованы при проектировании устройств распознавания образов (УРО). Рассматриваемые устройства относятся к классу аппаратно-программных средств, реализующих структурно-логический метод распознавания образов. В общем случае образ состояния объекта может быть задан совокупностью распределений плотностей вероятности его параметров, проявляющихся в виде спектральных оценок дискретного спектра некоторого обобщенного параметра объекта, например акустического шума или напряжения электрического питания. На рисунке 5 представлены графики возможных нормальных распределений плотностей вероятности для ряда оценок дискретного спектра, соответствующих гармоникам, отражающим изменение различных параметров ТП. Для СПО наиболее типичными являются образы, когда области изменения признаков, соответствующих различным классам, имеют пересечения, например, признаки При этом оценка вероятности ошибки распознавания образа отдельным признаком определяется характером пересечения площадей, ограниченных кривыми Рл(хк) и Pb(xi)i видом разделяющей функции R(x) и разделяющего правила. Бинарное значение некоторого признака разделяющая функция и

разделяющее правило при распознавании по одному признаку определяются следующими выражениями:

Как видно из последних выражений, информативность признака x, оцениваемая в 1 бит, имеет вероятностный характер и зависит от степени схожести распределений Рл(Хк) и Ри(Хк)- Вероятности ошибок от и /} при условии равной априорной вероятности появления образов А и В на примере признака х^ можно оценить следующим образом:

Рис.5 -Графики распределения плотности вероятности значений признаков распознавания

(20)

га; = |-а,

Для системы распознавания с одним признаком вероятностные информативности первого и второго рода, а также средняя вероятностная информативность признака могут быть оценены соответственно по выражениям (21) - (23):

(21)

(22) (23)

Р, = 5 '

Для системы распознавания с произвольным числом признаков п разработанные алгоритмы позволяют выбирать признаки с максимальной информативностью и организовывать их в виде мажоритарных функций оптимальной сложности. Оценки достоверности Р(т,п) и времени принятия решения Т(т,п) производятся по следующим выражениям:

Т(т,п) = &^(С',-\), (25)

где Рц - средняя вероятностная информативность признакЙ,-время для выполнения логической операции конъюнкции при вычислении МФ.

Эффективность Е распознающего устройства может быть оценена дополнительной экономией (затратами) от его использования в течение некоторого периода времени Г по формуле (1). Для исследования и определения вида МФ, а также соответствующих затрат на ее реализацию в зависимости от вероятностных характеристик признаков распознавания построены номограммы, содержащие графики зависимости достоверности распознавания от средней вероятностной информативности признака Р$ при использовании различных МФ, а также графики затрат на реализацию способа распознавания с требуемым соотношением т из и. Разработанные номограммы позволяют выбрать рациональную с точки зрения требуемой достоверности и приемлемых затрат архитектуру УРО, производить сравнительный анализ эффективности от их использования, а также оценить адаптивность УРО к изменению параметров СПО, используемых для диагностирования.

Результаты теоретических исследований нашли свое отражение в разработке дихотомического метода распознавания образов на основе РФМВ. Согласно данному методу разделяющее правило Я(Ол\()в) для отнесения неизвестного образа qx к одному из двух классов Од или имеет следующий вид:

Я{0,1е,):*гбе„.«лиЛ/(Л")=1, (26)

Распознавание образа при числе классов более двух производится на основе совокупности РФМВ, построенных по принципу "каждый от каждого". Число функций Я определяется по формуле сочетаний по два класса из общего числа классов К. Принятие решения о принадлежности образа Цх к одному из К классов производится согласно следующему правилу:

Ч4х><2)-4х ее'гпихКв^Х-Л. = (27)

где V- весовая функция результатов у, (¡=1, К) РФМВ при распознавании образа Ях,

вероятность правильного распознавания с использованием РФМВ.

При использовании данного правила считаем равными априорные вероятности

соответствия образа любому из К классов. При равных значениях и

отсутствии неопределенностей вида парадокса Эрроу решение о принадлежности может быть принято на основании простого большинства результатов у1 в пользу одного из классов. Новизна разработанного метода подтверждена патентом на устройство распознавания ситуаций, реализующего этот метод. Апробация метода при диагностировании дефектов модельных насосно-компрессорных труб, используемых при нефтедобыче, показало высокие характеристики идентификации дефекта, близкие к 100%.

Пятая глава посвящена характеристике разработанной системы методов и средств, составляющих методологический базис для построения адаптивных СМД СПО. Основными элементами этого базиса являются:

- метод классификации СМД с использованием качественных классификационных признаков и фасетной системой кодирования классов;

- метод двухэтапного моделирования СПО с использованием автоматной и имитационной моделей объекта;

- метод исследования СМД на основе многофазной конвейерной модели массового обслуживания с использованием блока адаптации к изменению интенсивности входного потока;

- комбинационно-вероятностный метод исследования маршрутов обслуживающего устройства в СМД с циклической дисциплиной обслуживания заявок;

- дихотомический метод диагностирования СПО на основе разделяющей функции мажоритарного вида;

- метод прогнозирования временных рядов на основе полигармонического полинома;

- метод выбора стратегии упреждения и ликвидации последствий от аварии.

В основе каждого метода лежат способы выполнения отдельных операций и процедур, например:

- номограммный способ анализа и исследования режимов работы СМД и выбора структуры устройства для распознавания образов;

- способы диагностирования технологических состояний объектов;

- морфолого-игровой способ выбора стратегий по предупреждению и ликвидации последствий аварии;

- алгоритм оптимального распределения стоимостных и временных затрат по подсистемам, позволяющий обеспечить максимальную достоверность принятия решения.

Единство объекта, единство цели и критерия оценки результата, общность стратегии при достижении результатов проектирования позволили объединить перечисленные методы в единую методологию построения СМД.

К основным особенностям разработанного методологического базиса относятся следующие характеристики:

- представленные методы и средства могут быть использованы на всех этапах проектирования СМД, начиная с предпроектного обследования систем, завершая внедрением их в производство и рекомендациями по техническому обслуживанию;

- основной концепцией методологических разработок является синтез проектных решений на основе самонастройки режимов работы и самоорганизации подсистем с использованием системной архитектурной избыточности;

- рассматриваемый методологический базис ориентирован на компьютерную реализацию и поддерживается соответствующим программным обеспечением.

Проведенные исследования показали, что для СМД, наряду с общими принципами построения систем, основными являются следующие два организационно-технических принципа:

- принцип построения адаптивных СМД как интегрированных систем, выполняющих функции мониторинга и диагностирования на основе единой методологии;

- принцип параметрической адаптации СМД к изменению нагрузки на входе системы и принцип структурной адаптации подсистем к изменению вероятностных характеристик информации об объекте на основе самоорганизации моделей функционирования подсистем.

Шестая глава работы посвящена результатам применения разработанных методов и средств при построении адаптивных СМД состояния алюминиевых электролизеров и некоторых объектов нефтедобычи. В качестве исходных данных были использованы технико-экономические характеристики и экспериментальные данные, полученные на ТадАЗе и ВгАЗе, в лаборатории вибродиагностики Октябрьского филиала Уфимского государственного нефтяного технического университета (ОФ УГНТУ).

В результате сопоставительного анализа современных способов контроля состояния алюминиевых электролизеров определено, что в настоящее время наиболее эффективными являются способы на основе анализа амплитудных оценок спектра напряжения электролизера, полученных с использованием дискретного преобразования Фурье. Для построения и исследования моделей СМД разработана подсистема сбора, регистрации и первичной обработки технологической информации, позволяющая в составе АСУ ТП электролиза алюминия проводить регистрацию исходных данных о технологическом состоянии электролизеров. Для определения частотного диапазона для целей диагностики с использованием корреляционного анализа проведены исследования, позволяющие минимизировать и уточнить область информативных гармоник сигналов. В результате исследований определен частотный диапазон изменения напряжения электролизера 0,75-1,5 Гц, соответствующий минимальным характеристикам взаимокорреляционных функций между интенсивностями соответствующих частот напряжений соседних электролизеров. На основе исследований по организации и планированию эксперимента определены основные параметры режимов сбора, регистрации и обработки информации, обеспечивающие требуемые характеристики по точности и репрезентативности исходных данных. В частности, интервалы дискретности регистрации аналоговых сигналов определяются на основе теоремы Котельникова с учетом пропускной способности измерительных каналов, доступного объема оперативной памяти средств регистрации и дискретности, обеспечиваемой используемыми устройствами задания времени - таймеров. Для обеспечения должной репрезентативности исходной выборки данных использованы способы определения характеристик выборки при известных оценках параметров генеральной совокупности сигнала. В частности размеры выборки определялись для случая обеспечения 5-процентного отклонения среднего по выборке от генеральной оценки с вероятностью 0,95 с учетом кратности степени два длины временного ряда для последующего использования процедуры быстрого преобразования Фурье. В случае неизвестных статистических характеристик генеральной совокупности оценка вероятностных диапазонов среднего по выборке определяется на основе аналитических выражений и соответствующих таблиц распределения Стью-

дента. Задача выбора объектов диагностирования решается при непосредственном участии экспертов, выполняющих также функции оценки реального состояния объекта, обучения и настройки СМД.

В процессе анализа существующих методов диагностирования ТН на алюминиевом электролизере произведено разделение методов диагностирования на содержательные, основанные на учете знаний физических процессов, протекающих на объекте, и на формальные, основанные на результатах исследования объекта как "черного ящика". В качестве примеров рассмотрены два способа, относящиеся к двум различным классам. В частности, способ по авторскому свидетельству № 4296937, основанный на исследовании взаимокорреляционных характеристик между инфранизкочастотной составляющей компонентой частотного спектра напряжения электролизера, соответствующей процессу пассивации подошвы анода фторуглекислыми соединениями, и гармонической составляющей, соответствующей газовыделению из-под подошвы анода электролизера. К формальным способам относится способ диагностирования, представленный в патенте РФ № 2195703, основанный на дихотомическом распознавании образов с использованием РФМВ. Для реализации дихотомического метода распознавания разработаны алгоритмы и программы диагностирования нерегламентированных состояний алюминиевого электролизера: анодного эффекта (АЭ) и подмыкания анода на металл (конус на аноде), отвечающие современным требованиям по достоверности и позволяющие повысить экономические показатели ТП. В частности достоверность распознавания данных технологических нарушений по полученным экспериментальным данным составляет 95%.

В результате изучения задач контроля и диагностирования в нефтедобыче определен комплекс технологического оборудования, конструктивные и эксплуатационные характеристики которого соответствуют классу рассматриваемых сложных объектов: оборудование штанговых и длинноходовых глубинных насосных установок, насосно-компрессорные трубы (НКТ), долото буровой установки.

В качестве исходных данных для апробирования метода были использованы результаты экспериментов, проведенных с целью исследования вибросигналов буровой колонны и разработки критериев оценки износа состояния долота. Оборудование включало в себя: турбобур ЗТСШ-195, буровой насос типа У8-6МА2, трехшарошечное долото типа 215-9ТЗГН. Сбор и регистрация данных производились с использованием датчиков вибросигналов типа ДН-3, ДН-5, серийных ана-логоцифрового преобразователя и персонального компьютера.

Основная гипотеза, использованная при поиске информативных гармоник для оценки степени износа долота, базировалась на следующих предположениях:

- предполагалось, что функция износа долота монотонна и имеет непрерывно возрастающую компоненту;

- отклонения параметров режимов работы бурового оборудования не превышают заданных технологических норм;

- величина признакового расстояния между техническими состояниями долота прямо пропорциональна времени его работы.

В соответствии с данной гипотезой первоначально определены информативные гармоники, разделяющие на два класса реализации сигналов для верхнего и

нижнего положения долота. Перечень информативных гармоник определяется с использованием дихотомического метода распознавания образов на основе РФМВ. Далее, по данным гармоникам с использованием дискретного преобразования Фурье производится определение амплитудных оценок для вибросигналов для работы долота на различной глубине бурения. Исследования показали, что по мере увеличения глубины скважины при бурении исследуемым долотом наблюдается возрастание амплитудных спектральных оценок информативных гармоник в 3-6 раз. Следует отметить, что это данное возрастание коррелированно не с глубиной скважины, а непосредственно с износом долота, поскольку относительное увеличение глубины скважины при проходке с данным долотом составляет 12%, при этом изменение спектральных оценок составляет от 200 до 500%. Исследование изменения спектральных оценок информативных гармоник позволяет подтвердить принятую гипотезу и объяснить динамику изменения спектров вибросигнала по мере износа долота. По результатам исследований определен перечень информативных гармоник, позволяющих контролировать состояние износа долота буровой установки, построены модели для оценки прогноза полного износа долота и определены возможные критерии оценки износа долота.

Разработанный дихотомический метод диагностирования на основе РФМВ также был апробирован при идентификации состояния НКТ. В процессе испытаний были использованы восемь образцов модельных НКТ: новая, рабочая (без дефектов), шесть труб с различными дефектами типа отверстия, трещины, искусственно снятого металла и парафиновых пробок. Во время экспериментов по каждому виду дефектов было получено по 10 реализаций акустического сигнала, подаваемого специальным ударником с одного торца НКТ и регистрируемого аппаратурой стенда. В процессе обработки сигналов, принадлежащих различным классам дефектов, были определены амплитудные оценки спектров преобразования Фурье для огибающих исходных сигналов, построены модели РФМВ, а также определены оценки достоверности разделения по каждой РФМФ. Апробация разработанного дихотомического метода распознавания образов на основе РФМВ при диагностировании различных дефектов модельных насосно-компрессорных труб показала достоверность диагностирования, близкую к 100%.

ЗАКЛЮЧЕНИЕ

Совокупность теоретических и прикладных результатов, полученных в диссертационной работе, можно квалифицировать как научное обоснование и разработку технических решений для развития перспективного направления в области создания СМД СПО на базе общего методологического подхода, базирующегося на принципах адаптации, коллективного метода принятия решений.

К основным результатам работы относятся следующие:

1) На основе анализа характеристик контролируемых объектов, представленного в работах Клира Д., Бусленко Н.П., Растригина Л.А., Шаракшанэ А.С., Ивах-ненко А.Г. определен класс сложных промышленных объектов, основным признаком которого является сложность для мониторинга и диагностирования, обусловленная стохастичностью протекающих процессов, сложностью конструкции

и дефицитом доступной для контроля информации. Характерными представителями СП О являются объекты цветной металлургии и оборудование для нефтедобычи.

С использованием формализованного подхода теории автоматов построена и описана функционально-логическая модель СПО, позволяющая определить подходы для создания имитационных моделей СПО и методов их контроля.

2) Определена базовая концепция научных исследований и разработки на создание единой системы методов и средств построения СМД СПО, основными аспектами которой являются:

- создание адаптивных двухуровневых СМД, в которых управление режимами работы подсистемы диагностирования, находящейся на нижнем уровне, производится на верхнем уровне подсистемой мониторинга состояний объектов всей техногенной системы;

- проведение диагностирования СПО по принципу необходимости с учетом оценок реального состояния объектов, получаемых в результате их мониторинга;

- выбор общей стратегии по предупреждению и ликвидации нерегламентирован-ных состояний СПО производится на основе результатов работы обеих подсистем;

- адаптация СМД на пространственно-временное изменение параметров входного потока объектных данных производится на системном и подсистемном уровнях на основе принципов самонастройки и самоорганизации сложных систем;

- развитие известных и разработка новых эффективных методов контроля СПО на основе современных информационных технологий и повышения уровня интеллектуальности аппаратно-программных средств СМД.

3) Интеграция в системах мониторинга и диагностирования подсистем второго уровня контроля, диагностирования, прогнозирования и принятия решений определила необходимость разработки единого обобщенного критерия оценки СМД. Конвейерный характер обработки данных, временная и информационная архитектура СМД обусловили мультипликативный характер критерия, а рассмотрение СМД как интеллектуального датчика в АСУТП предопределило в качестве основных сомножителей критерия - параметры оценки проектируемых систем по достоверности и своевременности отображения состояния СПО.

4) Разработанное математическое обеспечение представляет собой систему имитационных моделей для проведения научно-исследовательских работ по созданию СМД и систем аналогичного профиля. Система моделей содержит:

- автоматно-имитационную модель СПО, позволяющую моделировать поведение объекта и синтезировать сигналы его технологических состояний;

- модель СМД как многофазной конвейерной системы массового обслуживания для исследования и выбора оптимальных режимов работы;

- модель прогнозирующей системы на основе полигармонического полинома и итерационной процедуре определения параметров модели, позволяющая определять в перспективе характер загрузки СМД;

- модель выбора рациональной стратегии на основе морфологического подхода и теории игр, позволяющая принимать решения по выбору оптимальной стратегии

на перспективу для предупреждения и ликвидации отрицательных последствий от нерегламентированных состояний СПО;

- модель самоорганизующейся технической системы для распознавания образов на базе РФМВ, позволяющую исследование механизма самоорганизации и предельных режимов системы.

5) Разработана система научно обоснованных методов и средств, составляющая методологический базис для построения адаптивных СМД СПО, которая базируется на традиционных принципах системного проектирования автоматизированных систем и является логическим развитием существующей методологической базы, обусловленным, с одной стороны, естественной интеграцией задач контроля, диагностирования, прогнозирования и принятия решений в одну глобальную задачу мониторинга и диагностики объектов, а с другой стороны — насущной необходимостью создания единой методологии построения СМД с учетом современного уровня развития техники и достижений в смежных областях науки. В основе разработок лежат принципы самонастройки и самоорганизации сложных систем, позволяющие в условиях стохастичного объекта выбирать оптимальную организацию систем.

Основными элементами разработанного методологического базиса являются:

- метод классификации СМД с использованием качественных классификационных признаков и фасетной системы кодирования классов;

- метод двухэтапного моделирования СПО с использованием автоматной и имитационной модели объекта;

- метод исследования СМД на основе многофазной конвейерной модели массового обслуживания с использованием блока адаптации к изменению интенсивности входного потока, позволяющий выбирать оптимальные режимы работы подсистем;

- комбинационно-вероятностный метод анализа и исследования маршрутов обслуживающего устройства в СМД с циклической дисциплиной обслуживания заявок;

- дихотомический метод диагностирования СПО на основе разделяющей функции мажоритарного вида;

- метод прогнозирования временных рядов на основе полигармонического полинома;

- метод выбора стратегии упреждения и ликвидации последствий от аварии;

- метод синтеза разделяющей функции мажоритарного вида на основе МГУ А.

6) В основе каждого метода лежат разработанные алгоритмы и программы для выполнения отдельных проектных операций и процедур, в частности:

- алгоритм вычисления числа маршрутов обслуживающего устройства в системе с циклическим обслуживанием заявок;

- комбинаторный и итерационный алгоритмы синтеза оптимальной функции мажоритарного вида для построения устройств распознавания образов;

- алгоритм и программы для реализации номограммного метода исследования режимов работы СМД и выбора структуры устройства для распознавания образов;

- алгоритм и программа оптимального распределения стоимостных и временных затрат по подсистемам, позволяющий обеспечить максимальную достоверность принятия решения для заданных затрат;

- алгоритмы и программы для диагностирования и прогнозирования технологических состояний объектов.

7) На основе перечисленных методов и средств разработан комплекс технического и программного обеспечения для реализации различных функций СМД СПО: сбора, предварительной и полной обработки данных об объекте, анализа, прогнозирования и диагностирования состояния СПО.

Результаты разработок были апробированы и нашли применение при разработке СМД состояния алюминиевых электролизеров и объектов нефтедобычи. В частности, при апробировании метода дихотомического разделения на основе РФМВ при диагностировании технологических нарушений алюминиевых электролизеров, дефектов НКТ получена достоверность диагностирования состояний, близкая к 100%. Использование данного метода при исследовании вибросигналов буровой колонны позволило определить частотный диапазон и возможные критерии для оценки состояния износа долота буровой установки.

Аппаратные и программные средства также нашли применение при построении подсистем сбора и регистрации данных об испытаниях сложных объектов на базе унифицированной системы технических средств "Сектор" на Южном механическом заводе в Днепропетровске, при решении задач мониторинга энергопотребления в отделе прогнозирования энергопотребления АО "Оренбургэнерго", при контроле и прогнозировании состояния производственного оборудования на газоперерабатывающем заводе "Оренбурггазпрома", при мониторинге и прогнозировании пожаров в Управлении Государственной Противопожарной службы УВД Оренбургской области, а также при разработке системы мониторинга учебного процесса в Оренбургском государственном университете.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Реутов В.Б., Аралбаев Т.З. Применение программируемого контроллера в системе управления испытаниями //Механизация и автоматизация управления. -1980.-№1.-С.48-50.

2. Аралбаев Т.З. Некоторые вопросы надежности управляющих подсистем с магистрально-модульной структурой /Технические средства мини- и микро-ЭВМ. -Киев: ИК АН УССР, 1980 . - С 28-34.

3. Аралбаев Т.З., Севастьянов А.К., Вавилин Г.В. Подсистема автоматизации дифрактометрической установки ДРОН-2 //Механизация и автоматизация управления. - 1980. - №4. - С.53-54.

4. Аралбаев Т.З., Назимов А.Б., Галимов Р.Э. Особенности машинного разложения группового кода//Доклады АН Тадж.ССР, т. XXX, 1987. -№ 5.-С. 282-285.

5. Аралбаев Т.З., Реутов В.Б., Аралбаева Г.Г. Об одном способе мажоритарной выборки сигналов //Известия АН Тадж. ССР, 1984. -№ 4.-С. 76-78.

6. Мухамадиев Э.М., Аралбаев Т.З., Назимов А.Б. Об одном алгоритме расчета маршрутов в задаче с циклическим обслуживанием абонентов //Известия АН Тадж. ССР.-1986. -№ З.-С. 33-36.

7. Аралбаева Г.Г., Реутов В.Б., Аралбаев ТЗ. Подсистема регистрации и предварительной обработки информации о техноложческом состоянии алюминиевых электролизеров //Механизация и автоматизация управления. -1988. -№ З.-С. 53-54.

8. Аралбаев Т.З., Аралбаева Г.Г., Никулин В.Н. О контроле состояния контактной поверхности анода по спектру напряжения алюминиевого электролизера //Автоматика. - 1990. -№ 2.-С. 74-76.

9. Аралбаев Т.З., Аралбаева Г.Г. Разработка алгоритма спектральной диагностики технологического состояния группы электролизеров //Известия АН Республики Таджикистан. Депонир. в ВИНИТИ 17.06.91 г.,№2510-В91.-7с.

10. Аралбаев Т.З., Аралбаева Г.Г. Применение корреляционного метода при диагностике анодного эффекта в алюминиевом электролизере //Известия АН Республики Таджикистан. -1992. -№ 2. - С.45-48.

11 .Аралбаев Т.З., Аралбаева Г.Г. Исследование корреляционных характеристик частотных гармоник спектров напряжения алюминиевых электролизеров /Анализ структур электронной и вычислительной техники: Сборник научных трудов. -Оренбург: ОГУ, 1995. -С. 84-87.

12. Ганский П.Н., Аралбаев Т.З., Аралбаева Г.Г. О технических аспектах ввода в действие роботизированной поточной линии для сварки щитовой опалубки /Оптимизация информационных систем. Ч.2.- Оренбург: ОГУ, 1997. -С.70-75.

13. Абдрашитов Р.Т., Пешков В.В, Аралбаев Т.З. К вопросу прогнозирования пожаров //Пожарная безопасность. -2000. -№ 3. -С. 100-103.

Н.Абдрашитов Р.Т., Пешков В.В., Аралбаев Т.З. Прогнозирование прямого материального ущерба от пожаров в Оренбургской области //Пожарная безопасность. -2000.-№ 4, - С.144-148.

15. Аралбаев Т.З., Ташкус B.C. Программный имитатор длинноходовой насосной установки /Депонир. в ВИНИТИ 27.04.2000 г., № 1252-В00.-8 с.

16. Аралбаев Т.З., Бочкарев Е.Б., Доброжанов К.В., Сальников М.В. Об одной модели и пакете программ для прогноза нагрузки в энергосистеме //Оренбургский научный вестник "Вертикаль". -2000. -№ 5-6. -С. 2-4.

17. Аралбаев Т.З., Синицын Ю.И., Матюшко А.И., Тимонин И.В. Об одном подходе к решению задачи распознавания графического образа / Депонир. в ВИНИТИ 20.11.2000, № 2937-В 00. -13 с.

18. Аралбаев Т.З. Особенности синтеза оптимальной мажоритарной функции в задаче распознавания образов //Проблемы управления и информатики,-2002.-№ 5. -С. 98-102.

19. Аралбаев Т.З. Синтез разделяющих функций мажоритарного вида на основе МГУА //International Conference on inductive modeling "ICIM - 2002", section 7. -Lviv, 2002.-Pp. 176-180.

20. Аралбаев Т.З. Теоретические и прикладные аспекты построения адаптивных мажоритарных устройств распознавания образов //Вестник Оренбургского государственного университета. - 2002. -№ 5. -С. 131 -136.

21.Аралбаев Т.З. Методологические аспекты построения адаптивных систем мониторинга и диагностики сложных технических объектов / Информационные технологии в образовании, технике и медицине: Сборник научных трудов международной научно-технической конференции. 4.2. -Волгоград: РПК "Политехник", 2002. -С.55-58.

22. Аралбаев Т.З. Автоматно-имитационная модель сложного технического объекта / Инновации в машиностроении: Сборник статей II Всероссийской научно-практической конференции 29-30 октября 2002 г. Пенза. -С. 8-10.

23. Аралбаев Т.З. Прогнозирование энергопотребления и энергопотерь на основе полигармонического полинома / Проблемы энерго- и ресурсосбережения в промышленном и жилищно-коммунальном комплексах: Материалы III международной научно-практической конференции, 9-10 апреля 2002 г. - Пенза: Приволжский дом знаний, 2002. -С. 81-84.

24. Аралбаев Т.З. Принципы разработки имитаторов промышленных объектов для систем мониторинга и диагностики / Современные информационные технологии: Материалы международной научно-технической конференции (Computer-Based Conference). - Пенза, 2003. - С. 85-88.

25. Аралбаев Т.З. Функционально-логическая модель сложного промышленного объекта и ее реализация / Новые информационные технологии в электротехническом образовании НИТЭ-2003: Материалы шестой международной научно-методической конференции. -Астрахань: АГТУ.-С. 185-189.

26. Аралбаев Т.З., Мельникова Е.Ю. Метод дихотомического диагностирования насосно-компрессорных труб на основе разделяющей функции мажоритарного вида / Проблемы машиностроения и технологии материалов на рубеже веков: Материалы VIII международной научно-технической конференции.- Пенза, 2003. -С. 114-117.

27. Аралбаев Т.З., Москвин С.А. К вопросу оценки и прогнозирования технического состояния долота буровой установки с использованием дихотомического метода распознавания образов / Современные информационные технологии: Материалы международной научно-технической конференции (Computer-Based Conference). - Пенза, 2003.-С. 78-83.

28. Аралбаев Т.З. Построение адаптивных систем мониторинга и диагностирования сложных промышленных объектов на основе принципов самоорганизации: Монография. -Уфа: РАН, УНЦ, изд. 'Тилем", 2003.-248 с.

29. Аралбаев Т.З. Об одной модели самоорганизующейся технической системы распознавания образов /Вестник Оренбургского государственного университета, -2004.-№2.-С. 194-197.

30. А.с. 640120 (СССР). Расходомер обтекания /Т.З. Аралбаев, Л.Е. Вербицкий, Н.Р. Рабеджанов. - Опубл. в Б.И., № 48,1978.

31. А.с. 809217. (СССР). Вычислительное устройство /Т.З. Аралбаев.- Опубл. вБ.И.,№8, 1981.

32. А.с. 826567 (СССР). Устройство для мажоритарного выбора сигналов /Т.З. Аралбаев. - Опубл. в Б.И., № 16,1981.

33. Ах. 875383 (СССР). Устройство мажоритарной выборки сигнала /Т.З. Аралбаев, В.Б. Реутов. - Опубл. в Б.И., № 39,1981.

34. А.с. 4296937. Способ диагностики анодного эффекта в алюминиевом электролизере /Т.З. Аралбаев, Г.Г. Аралбаева, В.П. Довгаль и др. Опубл. в Б.И., № 20,1989.

35. Патент РФ на изобретение № 2195702. Устройство для распознавания образов / Аралбаев Т.З. Опубл. В БИ 27.12.2002 № 36.

36. Патент РФ на изобретение № 2195703. Устройство для распознавания ситуаций / Аралбаев Т.З. Опубл. В БИ 27.12.2002 № 36.

Лицензия № ЛР020716 от 02.11.98.

Подписано в печать 29.04.2004 г. Формат 60x84 7|6. Бумага писчая. Усл.печ. листов 2,0. Тираж 100. Заказ 239.

РИК ГОУ ОГУ 460352 г. Оренбург ГСП пр. Победы, 13 Государственное образовательное учреждение «Оренбургский государственный университет»

»11140

ВВЕДЕНИЕ

Глава 1. ОСНОВНАЯ ПРОБЛЕМА И КОНЦЕПЦИЯ ЕЕ РЕШЕНИЯ

1. Объект и предмет исследования. Основные понятия и определения.

Характеристика сложных промышленных объектов (СПО) как объектов мониторинга и диагностирования.

3. Классификация систем мониторинга и диагностирования (СМД)

4. Проблема мониторинга и диагностирования СПО.

5. Традиционные пути решения основной проблемы, их ограничения и недостатки

6. Содержательная постановка задачи построения адаптивных СМД СПО.49 .7. Принципы самоорганизации и их значимость для создания адаптивных

СМД СПО.

8. Основная концепция решения проблемы.

9. Выводы.

Глава 2. АНАЛИЗ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ СМД СПО

2.1. СМД как подсистема АСУ ТП.

2.2. Организация и архитектура СМД СПО.

2.3.Классификация, характеристика и анализ режимов работы СМД СПО.

2.4. Анализ факторов, определяющих эффективность СМД СПО.

2.5. Анализ и синтез критериев оценки качества СМД СПО.

2.6. Формальная постановка и декомпозиция основной задачи разработки методов и средств построения адаптивных СМД СПО.

2.7. Выводы.

Глава 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ИНТЕГРАЛЬНОЙ МОДЕЛИ

АДАПТИВНОЙ СМД И ЕЕ КОМПОНЕНТОВ

3.1. Разработка модели сложного промышленного объекта.

3.1.1. Концептуальная модель СПО.

3.1.2. Автоматная модель СПО.

3.1.3. Имитационная модель СПО.

3.2. СМД СПО как многофазная адаптивная система массового обслуживания.

3.3. Исследование адаптивных характеристик модели СМД СПО.

3.4. Комбинаторно-вероятностный метод анализа и исследования маршрутов в СМД с циклическим обслуживанием объектов.

3.5. Моделирование остаточного ресурса СПО.

3.6. Разработка модели для прогнозирования режимов загрузки СМД СПО на основе полигармонического полинома.

3.7. Принятие решения о выборе оптимальной стратегии устранения нерег-ламентированных состояний на основе морфологического анализа и игрового подхода.

3.8. Выводы.

Глава 4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ И СРЕДСТВ ПОСТРОЕНИЯ АДАПТИВНЫХ СМД СПО НА ОСНОВЕ САМООРГАНИЗАЦИИ И КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ 4.1. Модель самоорганизующейся технической системы для распознавания образов.

4.2. Разработка алгоритмов синтеза разделяющей функции мажоритарного вида на основе метода группового учета аргументов (МГУА).

4.3. Исследование характеристик комбинаторного и итерационного алгоритмов МГУА.

4.4. Сопоставление способов распознавания состояний СПО на основе метода Байеса и метода разделяющих функций мажоритарного вида.

4.5. Исследование адаптивной самоорганизующейся технической системы для распознавания образов.

4.6. Метод дихотомического диагностирования состояний СПО.

4.7. Принципы построения адаптивных устройств распознавания образов.

4.8. Принципы разработки средств имитации СПО.

4.9. Особенности построения программных средств диагностирования и прогнозирования СМД СПО.

4.10. Выводы.

Глава 5. МЕТОДОЛОГИЧЕСКИЙ БАЗИС ДЛЯ ПОСТРОЕНИЯ

АДАПТИВНЫХ СМД СПО

5.1. Организационно-технические принципы построения СМД СПО.

5.2. Декомпозиция процесса проектирования СМД.

5.3. Распределение стоимостного ресурса между подсистемами СМД.

5.4. Характеристика методологического базиса СМД СПО.

5.5. Выводы.

Глава 6. РАЗРАБОТКА АДАПТИВНЫХ СМД СПО НА ОСНОВЕ

МЕТОДОВ И СРЕДСТВ САМООРГАНИЗАЦИИ СИСТЕМ

6.1. Разработка адаптивной СМД состояния алюминиевых электролизеров.

6.1.1. Алюминиевые электролизеры как объекты мониторинга и диагностирования.

6.1.2. Нерегламентированные состояния алюминиевого электролизера и методы их диагностирования.

6.1.3. Подсистема сбора, регистрации и первичной обработки данных об объекте.

6.1.4. Минимизация признакового пространства состояний алюминиевого электролизера на основе корреляционного метода.

6.1.5. Планирование и организация эксперимента по сбору, регистрации и первичной обработке исходных данных.

6.1.6. Способы диагностирования анодного эффекта на алюминиевом электролизере на основе корреляционного и дихотомического методов распознавания образов.

6.1.7. Способ диагностирования состояния "подмыкание анода" алюминиевого электролизера.

6.1.8. Прогнозирование анодного эффекта на алюминиевом электролизере

6.1.9. Алгоритм и программы диагностирования технологического состояния алюминиевого электролизера.

6.2. Применение метода дихотомического распознавания образов в диагностике оборудования для нефтедобычи.

6.2.1. Особенности мониторинга и технического диагностирования оборудования для нефтедобычи.

6.2.2. Метод дихотомического диагностирования насосно-компрессорных труб на основе разделяющей функции мажоритарного вида.

6.2.3. Способ оценки и прогнозирования технического состояния долота буровой установки с использованием дихотомического метода диагностирования.

6.3. Выводы.

Актуальность проблемы:

Одним из основных факторов повышения эффективности производства является обеспечение работоспособности и оптимальных технологических режимов промышленного оборудования с использованием АСУ ТП, оснащенных современными средствами технической диагностики (ТД).

Качество функционирования и использования средств ТД в условиях крупных производств, техногенных систем, со сложной топологией расположения большого количества объектов в свою очередь определяется эффективностью организации систем ТД и управления режимами диагностирования на основе мониторинга общего состояния объектов.

Интеграция подсистем мониторинга и диагностирования в настоящее время обусловила острую необходимость создания методов и средств построения систем мониторинга и диагностирования (СМД), как единых систем, на основе общих критериев, принципов построения с учетом современного уровня развития техники и достижений в смежных областях науки.

Особую актуальность на современном этапе приобретает проблема разработки методологических принципов построения автоматизированных СМД для класса сложных промышленных объектов (СПО), характеризуемых сложным математическим описанием и дефицитом информации, необходимой и доступной для контроля. К данному классу относятся, в частности, объекты цветной металлургии и нефтедобычи.

Вопросам технической диагностики посвящен обширный перечень работ отечественных и зарубежных ученых. К этому перечню относятся работы Мозгалевского А.В., Пархоменко П.П., Согомоняна Е.С., Биргера И.А., Фомина Я.А., Глазунова Л.П., Павлова Б.В., Клюева В.В. Большую значимость при решении вопросов организации систем имеют работы Богданова А.А., JI. фон Берталанфи, Хакена Г., Пригожина И.Р., Клира Д., Флейшмана Б.С. Следует особо отметить работы Эшби У .Р., Глушкова В.М, Ивахненко А.Г., Бусленко

B.Н., Ту Д., Гонсалеса Р., Горелика А.Л., Воинова Б.С., Симанкова B.C., Луценко Е.В. - в которых большое внимание уделено теоретическим и практическим аспектам построения автоматизированных управляющих систем. Вопросам практической разработки, внедрения и эксплуатации средств контроля и диагностики в составе АСУ ТП цветной металлургии и нефтедобычи посвящены работы Деркача А.С., Гарнова В.К., Громыко А.И., Шайдурова Г.Я., Рабиновича Б.В., Туринского З.М., Баркова А.В., Тимашева

C.А., Кузякина В.И., Алиева Т.М. и целого ряда других ученых.

Анализ известных работ показал, что существующие в теории технической диагностики методы не полностью учитывают специфику построения СМД СПО как единой сложной системы, выполняющей функции контроля, диагностирования, оценки состояния, прогнозирования и принятия решений, как на уровне всей техногенной системы, так и на уровне каждого объекта в частности, адаптирующейся к пространственно-временным изменениям параметров объектов. Интеграция частных методов в одну методологию не всегда приводит к методологии построения оптимальной системы. Для построения СМД СПО нужна единая методология, позволяющая на основе системных принципов и обобщенного критерия определять оптимальную организацию систем и эффективные режимы их функционирования, осуществлять поиск технических решений при разработке средств обеспечения систем на различных этапах проектирования.

Цель работы: разработка новых методов и средств построения эффективных адаптивных систем мониторинга и диагностирования сложных промышленных объектов.

Объектом исследования в работе являются системы мониторинга и диагностирования сложных промышленных объектов, в частности: алюминиевых электролизеров, оборудования для нефтедобычи.

Предметом исследования являются модели СПО и СМД, методология построения организации и архитектуры СМД, а также аппаратно-программных средств СМД.

Задачи исследований. Проблема создания методологии построения адаптивных СМД СПО предполагает решение целого ряда задач, основными из которых являются:

- разработка обобщенной функционально-логической модели СПО;

- анализ существующих методов и средств построения систем мониторинга и диагностики СПО и определение научной концепции создания единой методологии построения адаптивных СМД СПО;

- разработка обобщенного критерия оценки эффективности СМД СПО, как сложной системы, и на его основе системы частных критериев для каждой подсистемы;

- разработка математических моделей СМД СПО и ее компонентов для исследования и разработки оптимальной организации и архитектуры систем и обеспечивающих подсистем;

- разработка и исследование методов и средств организации адаптивных СМД СПО и выбора эффективных режимов их работы;

- разработка и исследование эффективных аппаратных и программных средств СМД СПО;

- исследование и апробация разработанных методов и средств при построении адаптивных СМД состояния алюминиевых электролизеров и оборудования для нефтедобычи.

Методы исследований. В работе синтез и исследование моделей распознавания состояний объектов проведены с использованием теории вероятности, комбинаторики и метода группового учета аргументов. При разработке технического и программного обеспечения систем диагностики применен канонический метод проектирования цифровых автоматов, а также элементы теории множеств и теории графов.

Научная новизна. В диссертации впервые поставлена и решена комплексная задача построения адаптивных систем мониторинга и диагностирования СПО как интегрированных систем на основе принципов самоорганизации сложных систем. При этом:

- предложена двухуровневая самоорганизующаяся система мониторинга и диагностирования состояния СПО, отличающаяся от аналогов способностью автоматического выбора оптимальных режимов работы подсистем при изменении характеристик входного потока заявок;

- предложен единый подход, обеспеченный соответствующими методами и средствами, позволяющий синтезировать оптимальную структуру систем на этапе проектирования и выбирать оптимальные режимы работы подсистем в процессе эксплуатации.

- представлен метод исследования СМД на основе многофазной конвейерной модели массового обслуживания с использованием блока адаптации к изменению интенсивности входного потока;

- разработан комбинационно-вероятностный метод анализа режимов работы СМД с циклической дисциплиной обслуживания заявок;

- разработан алгоритм вычисления числа маршрутов обслуживающего устройства в системе с циклическим обслуживанием заявок, обоснованный соответствующей теоремой;

- разработан новый подход для синтеза разделяющих функций мажоритарного вида, позволяющий на основе метода группового учета аргументов с высокой степенью достоверности и производительности решать задачу распознавания образов по спектру случайных признаков распознавания.

- разработан дихотомический метод диагностирования СПО на основе разделяющей функции мажоритарного вида;

- разработаны новый способ диагностирования и ряд оригинальных технических решений для построения адаптивных СМД СПО, защищенные патентами и авторскими свидетельствами на изобретение.

Практическая значимость и реализация результатов работы

Практическая ценность работы заключается в разработке современных научно обоснованных методов и средств для создания и эффективной эксплуатации адаптивных СМД СПО, в частности: алюминиевых электролизеров, оборудования для нефтедобычи.

Научные и практические результаты получены при проведении работ в рамках следующих бюджетных и хоздоговорных тем:

- № 01814014251 "Разработка типовых алгоритмов и программ прогнозирования технологического процесса электролиза алюминия и внедрение их в АСУ ТП Таджикского алюминиевого завода Минцветмета СССР", утвержденной ГКНТ СССР за № 287 от 29.07 1981 г., 01870000447 "Исследование особенностей моделирования и синтеза оптимального управления технологическим процессом электролиза алюминия", утвержденной постановлением Президиума АН Таджикской ССР за № 213 от 18 декабря 1987 г.,

- № 01.990000102 от 01.10.98 "Исследование и разработка унифицированных методов и средств вычислительной техники для спектральной диагностики сложных объектов" в Оренбургском государственном университете (ОГУ);

- по хоздоговору № 665 между Институтом кибернетики Украины и предприятием П/Я В-2289 "Разработка подсистемы связи с объектом управления наземного комплекса автоматизированной системы управления" (индекс темы ДЕ 0411-003);

- по хоздоговору № 19/85 между Математическим институтом АН Республики Таджикистан и ТадАЗом по теме "Исследование нестабильности тока серии и напряжения электролизеров с использованием средств микропроцессорной техники с целью повышения технико-экономических показателей технологического процесса электролиза на ТадАЗе";

- по хоздоговору № 1/95 от 16.01.95 между ОГУ и АО "ОРОПАЛ" в г. Орске: "Техническая экспертиза линии автоматизированной сварки и разработка технических предложений по вводу ее в действие" (номер госрегистрации отчета - № 02.960.005268);

- по бюджетной теме ОГУ "Исследование и разработка унифицированных методов и средств вычислительной техники для спектральной диагностики сложных объектов", номер госрегистрации 01990000102.

Теоретические результаты и разработанные технические средства использовались при создании управляющих подсистем нижнего уровня АСУ испытаниями сложных объектов, разработанной при участии автора в Институте кибернетики АН Украины и внедренной на предприятии ГТ/Я В-2289 в г. Днепропетровске. Подтвержденный актом о внедрении реальный экономический эффект от разработанных технических средств составляет 105 тысяч рублей.

Новизна и значимость технических решений подтверждается патентами, авторскими свидетельствами и публикациями в научных изданиях.

Представленные в диссертации методы, способы, алгоритмы и аппаратно-программные средства апробированы и используются при создании многоцелевого учебно-исследовательского стенда "Спектр".

Научные аспекты исследований нашли отражение в учебно-методическом материале и используются в учебном процессе в Оренбургском государственном университете.

Основные защищаемые положения диссертационной работы: 1. Двухуровневая адаптивная СМД СПО, содержащая на верхнем уровне подсистему мониторинга, а на нижнем уровне — подсистему диагностирования, причем функциями подсистемы мониторинга являются: управление режимами работы подсистемы диагностирования на основе регулярного контроля и прогнозирования общего технического и технологического состояния СПО производственного подразделения (цеха, участка, предприятия), а также -выбор глобальной стратегии по предупреждению и ликвидации нерегламентированных состояний объектов, а функциями подсистемы диагностирования являются: контроль, диагностирование, прогнозирование и выдача рекомендаций по устранению нерегламентированного состояния по конкретному объекту.

2. Совокупность методов для выбора оптимальной организации СМД СПО на этапе проектирования и эффективных режимов работы - на этапе эксплуатации, составляющих методологический базис для построения СМД СПО. Основными элементами разработанного методологического базиса являются:

- метод классификации СМД с использованием качественных классификационных признаков и фасетной системы кодирования классов;

- метод двухэтапного моделирования СПО с использованием автоматной и имитационной модели объекта;

- метод исследования СМД на основе многофазной конвейерной модели массового обслуживания с использованием блока адаптации к изменению интенсивности входного потока;

- комбинационно-вероятностный метод исследования маршрутов обслуживающего устройства в СМД с циклической дисциплиной обслуживания заявок;

- дихотомический метод диагностирования СПО на основе разделяющей функции мажоритарного вида;

- метод прогнозирования временных рядов на основе полигармонического полинома;

- метод выбора стратегии упреждения и ликвидации последствий от аварии;

- метод синтеза разделяющей функции мажоритарного вида на основе МГУА.

3. Система имитационных моделей для исследования, анализа и выбора проектных решений при построении СМД СПО, содержащая следующие модели:

- автоматно-имитационную модель СПО, позволяющую моделировать поведение объекта и синтезировать сигналы его технологических состояний;

- модель СМД как многофазной конвейерной системы массового обслуживания;

- модель подсистемы диагностирования с циклической дисциплиной обслуживания для анализа и исследования маршрутов обслуживающего устройства,

- модель прогнозирующей системы на основе полигармонического полинома и итерационной процедуры определения параметров модели, позволяющая определять в перспективе характер загрузки СМД;

- модель выбора рациональной стратегии на основе морфологического подхода и теории игр, позволяющую принимать решения по выбору оптимальной стратегии на перспективу для предупреждения и ликвидации отрицательных последствий от нерегламентированных состояний СПО;

- модель самоорганизующейся технической системы (СТС) на основе устройства для распознавания образов с переменной структурой и алгоритмом работы, позволяющую исследование экстремальных режимов СТС и выбор оптимального режима, соответствующего текущим характеристикам СПО.

4. Алгоритмическое обеспечение, содержащее перечень алгоритмов для выполнения расчетных процедур, выбора проектных решений и синтеза оптимальных разделяющих функций:

- алгоритм вычисления числа маршрутов обслуживающего устройства в системе с циклическим обслуживанием заявок;

- комбинаторный и итерационный алгоритмы синтеза оптимальной функции мажоритарного вида для построения устройств распознавания образов.

5. Результаты использования методов и средств построения СМД в виде способов контроля и диагностирования состояний СПО, аппаратных и программных средства для обеспечивающих подсистем СМД. Апробация результатов работы

Основные научные положения и результаты диссертационной работы докладывались и обсуждались на 18 научно-практических конференциях и семинарах, из которых 10 - с международным участием. В частности: третья Всероссийская научно-практическая конференция с международным участием: "Достижения науки и техники - развитию сибирских регионов"

Красноярск, 2001), Международная научно-практическая конференция "Учебная, научно-производственная и инновационная деятельность высшей школы в современных условиях" (Оренбург, 2001), Международная конференция по индуктивному моделированию "ICIM - 2002" (Львов, 2002), Международная научно-практическая конференция "Информационные технологии в образовании, технике и медицине" (Волгоград, 2002), III Международная научно-практическая конференция "Проблемы энерго- и ресурсосбережения в промышленном и жилищно-коммунальном комплексах" (Пенза, апрель, 2002), II Всероссийская научно-практическая конференция "Инновации в машиностроении" (Пенза, 2002), Межвузовская научно-практическая конференции "Компьютерные технологии в науке и образовании" (Самара, 2002), III Международная научно-техническая конференция "Проблемы машиностроения и технологии материалов на рубеже веков" (Пенза, 2003), VI Международная научно-методическая конференция "Новые информационные технологии в электротехническом образовании (НИТЭ-2003" (Астрахань, 2003), Международная научно-техническая конференция "Современные информационные технологии" (Пенза, 2003).

Результаты работы представлены в 44 публикациях, в числе которых одна монография /22/, семь авторских свидетельств и патентов на изобретение.

Разработанные алгоритмы, программы и технические средства апробированы с использованием технических средств АСУ ТП Таджикского алюминиевого завода, технологической информации Волгоградского алюминиевого завода, экспериментальных данных, полученных при бурении скважины № 826 Туймазинского управления буровых работ, а также при диагностировании насосно-компрессорных труб в лаборатории вибродиагностики Октябрьского филиала Уфимского государственного нефтяного технического университета.

Структура и объем диссертации. Работа состоит из введения, 6 глав, заключения, списка литературы и приложений. Работа изложена на 383 страницах, в том числе: основной текст на 334 страницах, 16 таблиц, 63

6.3. Выводы

1. В процессе проектирования подсистем адаптивной СМД состояния алюминиевых электролизеров с использованием разработанных методов и средств получены следующие результаты:

- алюминиевые электролизеры рассмотрены, как объекты мониторинга и диагностирования, отмечена актуальность и эффективность использования СМД для контроля этого класса объектов, при этом проведен анализ технологических нарушений в работе электролизеров, причин их возникновения и способов устранения.

- на основе анализа существующих методов и средств контроля и диагностирования состояния электролизеров определено, что на современном этапе наиболее эффективными являются методы и средства диагностики с использованием спектральных оценок напряжения электролизера;

- разработана подсистема сбора, регистрации и первичной обработки технологической информации для исследования и синтеза моделей мониторинга, распознавания образов, прогнозирования и принятия решений;

- с использованием корреляционного анализа проведены исследования, позволяющие минимизировать и уточнить область информативных гармоник напряжения электролизера для решения задачи спектральной диагностики его состояний;

- на основе исследований по организации и планированию эксперимента определены основные параметры режимов сбора, регистрации и обработки технологических параметров, обеспечивающих требуемые характеристики по точности и репрезентативности исходных данных;

- на базе дихотомического метода распознавания образов с использованием РФМВ разработаны алгоритмы и программы диагностирования нерегламентированных состояний алюминиевого электролизера: анодного эффекта и подмыкания анода с металлом, отвечающие современным требованиям по достоверности и позволяющие повысить экономические показатели ТП;

- разработан способ диагностирования анодного эффекта, защищенный авторским свидетельством на изобретение; достигаемая экономия от внедрения способа на электролизерах при токе серии 165 кА может принести предприятию экономию электроэнергии не менее 132 МгВат-часов в сутки лишь на электролизерах одной серии (около 200 электролизеров).

2. Определен комплекс технологического оборудования нефтедобычи, конструктивные и эксплуатационные характеристики которого соответствуют классу рассматриваемых сложных объектов: оборудование штанговых и длинноходовых глубинных насосных установок, насосно-компрессорные трубы, долото буровой установки. В процессе апробации и исследования результатов разработок для контроля и диагностирования этого комплекса получены следующие результаты: апробация разработанного дихотомического метода распознавания образов на основе РФМВ при диагностировании различных дефектов модельных насосно-компрессорных труб показала достоверность диагностирования, близкую к 100%;

- использование дихотомического метода на основе РФМВ при исследовании данных вибросигнала буровой колонны позволило определить экспериментально подтвержденный подход для контроля и прогнозирования технологического состояния долота в процессе бурения и возможные критерии оценки его износа.

ЗАКЛЮЧЕНИЕ

К основным результатам работы относятся следующие:

1). На основе анализа признаков, представленных в работах Клира Д., Бусленко Н.П., Растригина JI.A., Шаракшанэ А.С., Ивахненко А.Г. определен класс СПО, основным признаком которого является сложность СПО, как объекта мониторинга и диагностирования, обусловленная стохастичностью протекающих процессов на объекте, сложностью конструкции и дефицитом доступной для контроля информации. Характерными представителями СПО являются объекты цветной металлургии и оборудование для нефтедобычи.

С использованием формализованного подхода теории автоматов построена и описана функционально-логическая модель СПО, позволяющая определить подходы для создания имитационных моделей СПО и методов их контроля.

2) Определена базовая концепция научных исследований и разработки на создание единой системы методов и средств построения СМД СПО, основными аспектами которой являются:

- создание адаптивных двухуровневых СМД как совокупности подсистем контроля, диагностирования, прогнозирования и принятия решений по устранению нерегламентированных состояний СПО на основе принципов самоорганизации систем с использованием спектральных оценок параметров объектов и группового метода принятия решений;

- проведение диагностирования СПО по принципу необходимости с учетом оценок реального состояния объектов, получаемых в результате их мониторинга;

- развитие известных и разработка новых эффективных методов контроля СПО на основе новых информационных технологий и повышения уровня интеллектуальности аппаратно-программных средств СМД;

- повышение адаптивных характеристик СМД, надежности работы и достоверности в принятии решений на основе применения и развития принципов самоорганизации систем, за счет рационального использования архитектурной избыточности и группового метода принятия решений.

3). Интеграция в одной системе подсистем контроля, диагностирования, прогнозирования и принятия решений определила необходимость разработки единого обобщенного критерия. Конвейерный характер обработки информации, временная и информационная архитектура СМД обусловили мультипликативный характер критерия, а рассмотрение СМД как интеллектуального датчика в АСУТП предопределило в качестве основных сомножителей критерия - параметров оценки проектируемых систем - по достоверности и своевременности отображения состояния СПО.

4). Разработанное математическое обеспечение представляет собой систему имитационных моделей для проведения научно-исследовательских работ по созданию СМД и систем аналогичного профиля. Система моделей содержит:

- автоматно-имитационную модель СПО, позволяющую моделировать поведение объекта и синтезировать сигналы его технологических состояний;

- модель СМД как многофазной конвейерной системы массового обслуживания для исследования и выбора оптимальных режимов работы;

- модель подсистемы диагностирования с циклической дисциплиной обслуживания для анализа и исследования маршрутов обслуживающего устройства,

- модель прогнозирующей системы на основе полигармонического полинома и итерационной процедуры определения параметров модели, позволяющая определять в перспективе характер загрузки СМД;

- модель выбора рациональной стратегии на основе морфологического подхода и теории игр, позволяющая принимать решения по выбору оптимальной стратегии на перспективу для предупреждения и ликвидации отрицательных последствий от нерегламентированных состояний СПО;

- модель самоорганизующейся технической системы на основе устройства для распознавания образов с переменной структурой и алгоритмом работы, позволяющей исследование экстремальных режимов СТС и выбор оптимального режима, соответствующего текущим характеристикам СПО.

5). Разработана научно обоснованная система методов и средств, составляющая методологический базис для построения адаптивных СМД СПО, которая базируется на традиционных принципах системного проектирования автоматизированных систем и является логическим развитием существующей методологической базы, обусловленным с одной стороны естественной интеграцией задач контроля, диагностирования, прогнозирования и принятия решений в одну глобальную задачу мониторинга и диагностики объектов, а с другой стороны - насущной необходимостью создания единой методологии построения СМД с учетом современного уровня развития техники и достижений в смежных областях науки. В основе разработок лежат принципы самоорганизации сложных систем, позволяющие в условиях стохастичного объекта выбирать оптимальную организацию и архитектуру систем.

Основными элементами разработанного методологического базиса являются:

- метод классификации СМД с использованием качественных классификационных признаков и фасетной системой кодирования классов;

- метод двухэтапного моделирования СПО с использованием автоматной и имитационной модели объекта;

- метод исследования СМД на основе многофазной конвейерной модели массового обслуживания с использованием блока адаптации к изменению интенсивности входного потока, позволяющий выбирать оптимальные режимы работы подсистем;

- принцип многоуровневой адаптации СМД к изменению временных и пространственных характеристик СПО;

- комбинационно-вероятностный метод анализа и исследования маршрутов в СМД с циклической дисциплиной обслуживания заявок;

- дихотомический метод диагностирования СПО на основе разделяющей функции мажоритарного вида;

- метод прогнозирования временных рядов на основе полигармонического полинома;

- метод выбора стратегии упреждения и ликвидации последствий от аварии;

- метод синтеза разделяющей функции мажоритарного вида на основе МГУА.

В основе каждого метода лежат алгоритмы и способы выполнения отдельных операций и процедур, например:

- алгоритм вычисления числа маршрутов обслуживающего устройства в системе с циклическим обслуживанием заявок;

- комбинаторный и итерационный алгоритмы синтеза оптимальной функции мажоритарного вида для построения устройств распознавания образов.

- номограммный способ анализа и исследования режимов работы СМД и выбора структуры устройства для распознавания образов;

- способы диагностирования технологических состояний объектов.

Разработанные методы обеспечены соответствующими средствами, в частности: алгоритмами и программами выбора рациональной нагрузки подсистем СМД, синтеза оптимальных разделяющих функций, прогнозирования и диагностирования состояния СПО.

На основе перечисленных методов и средств разработан комплекс технического и программного обеспечения для реализации различных функций СМД СПО: сбора, предварительной и полной обработки данных об объекте, анализа, прогнозирования и диагностирования состояния СПО.

6). Результаты разработок были апробированы и нашли применение при разработке СМД состояния алюминиевых электролизеров и объектов нефтедобычи. В частности, при апробировании метода дихотомического разделения на основе РФМВ при диагностировании технологических нарушений алюминиевых электролизеров, дефектов НКТ получена достоверность диагностирования состояний, близкая к 100%. Использование данного метода при исследовании вибросигналов буровой колонны позволило определить частотный диапазон и возможные критерии для оценки состояния износа долота буровой установки.

Аппаратные и программные ередства также нашли применение при построении подсистем сбора и регистрации данных об испытаниях сложных объектов на базе унифицированной системы технических средств "Сектор" на предприятии п/я В-2289 (г. Днепропетровск), при проектировании и применении систем контроля и прогнозировании состояния производственного оборудования в ОАО "Союзцветметавтоматика" (г. Москва) и на газоперерабатывающем заводе ООО "Оренбурггазпром", при решении задач прогнозирования энергопотребления в АО "Оренбургэнерго", при мониторинге и прогнозировании пожаров в Управлении Государственной Противопожарной службы УВД Оренбургской области (г. Оренбург), а также - при разработке системы мониторинга учебного процесса в Оренбургском государственном университете.

1. А.с. 809217. (СССР). Вычислительное устройство /Т.З. Аралбаев. -Опубл. вБ.И., 1981, N8.

2. А.с. 640120 (СССР). Расходомер обтекания /Т.З. Аралбаев, Л.Е. Вербицкий, Н.Р. Рабеджанов. -Опубл. в Б.И., 1978, N 48.

3. А.с. 1568235 (СССР). Мажоритарный элемент "5 или более из 9" /В.Ш. Арутюнян, A.K. Аракелян. -Опубл. в Б.И., 1990, № 20.

4. А.с. 1575211. (СССР). Устройство для распознавания образов /Ю.Н. Ефимов. Опубл. в Б.И., 1990, №24.

5. А.с. 4296937 (СССР). Способ диагностики анодного эффекта в алюминиевом электролизере /Т.З. Аралбаев, Г.Г. Аралбаева, В.П. Довгаль и др. Опубл. в Б.И., 1989 г., N 20.

6. А.С. 1161695 (СССР) Устройство для контроля натяжения движущегося гибкого тягового органа длинноходовой насосной установки /Ф.Х. Халиуллин, Р.А. Максутов, Б.П. Корнев. Опубл. в Б.И.1985, N 26.

7. А.с. 826567 (СССР). Устройство для мажоритарного выбора сигналов /Т.З. Аралбаев. -Опубл. в Б.И., 1981, N 16.

8. А.с. 875383 (СССР). Устройство мажоритарной выборки сигнала /Т.З. Аралбаев, В.Б. Реутов. Опубл. в Б.И., 1981, N 39.

9. Абдрашитов Р.Т., Пешков В.В., Аралбаев Т.З. К вопросу прогнозирования пожаров//Пожарная безопасность-2000. -№ 3. -С. 100103.

10. Азовцев А.Ю., Барков А.В. Новое поколение систем диагностики и прогнозирования технического состояния. -СПб.: АО ВАСТ, 1994.

11. З.Алиев Т.М., Тер-Хачатуров А. А. Автоматический контроль и диагностика скважинных штанговых насосных установок. -М.: Недра, 1988.-232 с.

12. Андрианова Л.П. Идентификация, контроль и диагностика систем автоматического управления газотурбинными двигателями при полунатурных и стендовых испытаниях: Автореф. дисс. . д-ра техн. наук. -Уфа, 1999.

13. Аралбаев Т.З. Автоматно-имитационная модель сложного технического объекта //И Всероссийская научно-практическая конференция "Инновации в машиностроении". 29-30 октября 2002 г.: Сборник статей. -Пенза, 2002. -С. 8-10.

14. Аралбаев Т.З. Исследование и разработка технических средств управляющих подсистем нижнего уровня АСУ испытаниями одного класса сложных объектов: Автореф. дисс. . канд. техн. наук. Киев, 1982. -20 с.

15. Аралбаев Т.З. Некоторые вопросы надежности управляющих подсистем с магистрально-модульной структурой //Технические средства мини- имикро-ЭВМ: Сборник научных трудов. -Киев: ИК АН УССР, 1980. -С.28-34.

16. Аралбаев Т.З. Особенности синтеза оптимальной мажоритарной функции в задаче распознавания образов // Проблемы управления и информатики. -Киев, 2002. -№ 5.-С.96-102.

17. Аралбаев Т.З. Об одной модели самоорганизующейся технической системы распознавания образов //Вестник Оренбургского государственного университета. 2004. -№ 2. -С. 194-197.

18. Аралбаев Т.З. Построение адаптивных систем мониторинга и диагностирования сложных промышленных объектов на основе принципов самоорганизации. -Уфа:РАН,УНЦ, изд-во'Тилем",2003 .-247 с.

19. Аралбаев Т.З. Принципы разработки имитаторов промышленных объектов для систем мониторинга и диагностики //Материалы Международной научно-технической конференции (Computer-Based Conference) "Современные информационные технологии". -Пенза, 2003.-С.85-88.

20. Аралбаев Т.З. Синтез разделяющих функций мажоритарного вида на основе МГУА //International Conference on inductive modeling "ICIM -2002", section 7. -Lviv, 2002. -Pp. 176-180.

21. Аралбаев Т.З. Теоретические и прикладные аспекты построения адаптивных мажоритарных устройств распознавания образов //Вестник Оренбургского государственного университета. -2002. -№5. -0.131-136.

22. Аралбаев Т.З. Техническая экспертиза линии автоматизированной сварки опалубки и разработка технических предложений по вводу ее в действие //Информационный листок N 138-96.-Оренбург: ЦНТИ,1996.

23. Аралбаев Т.З. Устройство для распознавания образов //Патент на изобретение № 2195702. Опубл. в БИ № 36, 27.12.2002.

24. Аралбаев Т.З. Устройство для распознавания ситуаций //Патент на изобретение № 2195703. Опубл. в БИ № 36, 27.12.2002.

25. Аралбаев Т.З., Аралбаева Г.Р. Исследование корреляционных характеристик частотных гармоник спектров напряжения алюминиевых электролизеров //Анализ структур электронной и вычислительной техники: Сборник научных трудов. -Оренбург: ОГУ,1995. -С. 84-87.

26. Аралбаев Т.З., Аралбаева Г.Г. Применение корреляционного метода при диагностике анодного эффекта в алюминиевом электролизере //Известия АН Республики Таджикистан. -1992. -N 2.-С.45-48.

27. Аралбаев Т.З., Аралбаева Г.Г. Разработка алгоритма спектральной диагностики технологического состояния группы электролизеров //Известия АН Республики Таджикистан. Депонир. в ВИНИТИ 17.06.91 г., N 2510-В91. —7 с.

28. Аралбаев Т.З., Аралбаева Г.Г., Никулин В.Н. О контроле состояния контактной поверхности анода по спектру напряжения алюминиевого электролизера //Автоматика. -1990. -N 2. -С.74-76.

29. Аралбаев Т.З., Бочкарев Е.Б., Доброжанов К.В., Сальников М.В. Об одной модели и пакете программ для прогноза нагрузки в энергосистеме //Оренбургский научный вестник "Вертикаль". -2000. -№ 5-6. -С. 2-4.

30. Аралбаев Т.З., Заварихин А.Е., Управление и мониторинг при обучении в образовательном портале //Материалы международной научно-методической конференции. -Пенза, 2003. -С.446-451.

31. Аралбаев Т.З., Назимов А.Б., Галимов Р.Э. Особенности машинного разложения группового кода //Доклады АН Тадж.ССР, t.XXX,-1987.-N5.-С. 282-285.

32. Аралбаев Т.З., Реутов В.Б., Аралбаева Г.Г. Об одном способе мажоритарной выборки сигналов //Известия АН Тадж.ССР.-1984. -N 4.-С. 76-78.

33. Аралбаев Т.З., Севастьянов А.К., Вавилин Г.В. Подсистема автоматизации дифрактометрической установки ДРОН-2 //Механизация и автоматизация управления. 1980.-N 4. -С.53-54.

34. Аралбаев Т.З., Синицын Ю.И., Маношко А.И., Тимонин И.В. Об одном подходе к решению задачи распознавания графического образа //Депонир. в ВИНИТИ 20.11.2000, № 2937-В 00. -13 с.

35. Аралбаев Т.З., Ташкус B.C. Программный имитатор длинноходовой насосной установки //Депонир. в ВИНИТИ, 27 апреля 2000 г., N 1252-В 00. -8 с.

36. Аралбаев Т.З., Шейко А.В. Подсистема компьютерного обучения оператора насосной установки для добычи нефти //Тезисы докладов Всероссийской научно-технической конференции: "Электропотребление, энергосбережение, энергооборудование". -Оренбург: ОГУ,1999.

37. Аралбаева Г.Г., Реутов В.Б., Аралбаев Т.З. Подсистема регистрации и предварительной обработки информации о технологическом состоянии алюминиевых электролизеров //Механизация и автоматизация управления. -1988. -N 3. -С. 53-54.

38. Балицкий П.В. Взаимодействие бурильной колонны с забоем скважины. -М.: Недра, 1975. -293 с.

39. Балл Г.А. Аппаратурный спектральный анализ случайных процессов. -М.: Энергия, 1968.

40. Барков А.В. Диагностика и прогноз состояния подшипников качения по сигналу вибрации //Судостроение. -1985.- N3. -С.21-23.

41. Барков А.В., Баркова Н.А., Азовцев А.Ю. Мониторинг и диагностика роторных машин по вибрации. -СПб: АО ВАСТ, 1997.

42. Беляев А.И. Металлургия легких металлов.-М.: Металлургия, 1970—368 с.

43. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. -М.:Мир, 1989. -540 с.

44. Бир С. Кибернетика и управление производством. -М.:Наука, 1965.-391 с.

45. Биргер И.А. Техническая диагностика. М.: Машиностроение, 1978. -240 с.

46. Блох JI.C. Практическая номография. -М.: Высшая школа, 1971.-328 с.

47. Богданов А.А. Тектология: Всеобщая организационная наука. Кн.1. -М.: Экономика, 1989. -304 с.

48. Бобнев М.П. Генерирование случайных сигналов. -М.: Энергия, 1971.

49. Богомолов А.М., Твердохлебов В.А. О классификации и оценке методов технической диагностики // Методы и системы технической диагностики: Сборник научных трудов. Вып. 1.-Саратов: СГУ, 1980. -С.2-17.

50. Божко А.Е., Штейнвольф A.JI. Воспроизведение полигармонических вибраций при стендовых испытаниях-Киев: Наукова думка, 1984. -168 с.

51. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление // Вып. 1. Пер. с англ. -М.: Мир, 1974. 408 с.

52. Болыпой энциклопедический словарь /Под ред. A.M. Прохорова-М.: "Большая Российская энциклопедия". -СПб: "Норинг", 1997. -1477 с.

53. Бусленко Н.П. Моделирование сложных систем. -М.:Наука, 1978.- 400 с.

54. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. -М.: Наука, 1974. -415 с.

55. Васильев В.И. Распознающие системы //Справочник. -Киев: Наукова думка, 1983. -422 с.

56. Васильев P.P., Ткачев Н.Н. Автоматическая кластеризация и идентификация технологического состояния алюминиевых электролизеров //Известия Вузов. "Цветная металлургия", -1990. -№2.-С.108-115.

57. Вальд А. Последовательный анализ. -М.: Физматгиз,1961.-328 с.

58. Вентцель Е.С., Овчаров JI.A. Прикладные задачи теории вероятностей. — М.: Радио и связь, 1983. —416 с.

59. Воинов Б.С. Информационные технологии и системы. Методология синтеза новых решений //Кн. 1. -Нижний Новгород: НГУ, 2001.-404 с.

60. Гамбаров Г.М., Журавель Н.М., Королев Ю.Г. и др. Статистическое моделирование и прогнозирование /Под ред. А.Г. Гранберга. -М.: Финансы и статистика, 1990. -384 с.

61. Ганский П.Н., Аралбаев Т.З., Аралбаева Г.Г. О технических аспектах ввода в действие роботизированной поточной линии для сварки щитовой опалубки //Оптимизация информационных систем: Сборник научных трудов. Ч.2.-Оренбург:ОГУ, 1977. -С.70-75.

62. Гарнов В.К., Вишневецкий М.М. Оптимизация работы электрометаллургических установок. -М.: Металлургия, 1982. -312 с.

63. Гаскаров Д.В., Голинкевич Т.А., Мозгалевский А.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры. — М.: Советское радио,-1974.-224 с.

64. Гафаров Н.А., Гончаров А. А., Кушнаренко В.М. Определение характеристик надежности и технического состояния оборудования сероводородсодержащих нефтегазовых месторождений. —М.: Недра, 2001.-240 с.

65. Генин А.А. Генератор сигналов произвольной формы //Приборы и техника эксперимента. -1994. -№1. -С. 208.

66. Генкин В.Л., Ерош И.Л., Москалев Э.С. Системы распознавания автоматизированных производств. -Л.: Машиностроение, 1988. -246 с.

67. Глазунов Л.П., Смирнов А.Н. Проектирование технических систем диагностирования. -Л.: Энергоатомиздат, 1982.-168 с.

68. Глинджев В.Г., Бабанов В.Б. Автоматизированные системы управления технологией производства алюминия //Цветные металлы.-1998. -№12.

69. Глушков В.М. Синтез цифровых автоматов. -М.: Физматгиз, 1962. -476 с.

70. Гольдберг О.Д., Абдуллаев И.М., Абиев А.Н. Автоматизация контроля параметров и диагностика асинхронных двигателей. -М.: Энергоатомиздат, -1991. -160 с.

71. Горелик А.Л., Скрипкин В.А. Методы распознавания. -М.: Высшая школа, 1989. -232 с.

72. Городецкий В.И., Дмитриев А.К., Марков В.М. и др. Под ред. P.M. Юсупова. Элементы теории испытаний и контроля технических систем. -Л.: Энергия, 1978, -192 с.

73. ГОСТ 24.104-85. Автоматизированные системы управления. Общие требования. -М.: Изд-во стандартов, 1985.

74. ГОСТ 20911- 89 "Техническая диагностика": Термины и определения. -М.: Изд-во стандартов, 1990.

75. ГОСТ 24026-80 "Исследовательские испытания. Планирование эксперимента. Термины и определения. -М.: Изд-во стандартов, 1980.

76. ГОСТ 27.002 89. "Надежность в технике. Основные понятия. Термины и определения". -М.: Изд-во стандартов, 1989.

77. Григорьев А.В. Интуитивное и нормированное употребление терминов технической диагностики //Контроль. Диагностика.-1999. -№12.-С. 53-56.

78. Громыко А.И., Шайдуров Г.Я. Автоматический контроль технологических параметров алюминиевых электролизеров. -Красноярск: КГТУ, 1984. -240 с.

79. Гуревич А.Б., Туринский З.М., Володченко В.О. Исследование автоматизации диагностики технологических нарушений в работе алюминиевых электролизеров //Цветные металлы.-1981.-№10. -С. 70-75.

80. Гуревич А.Б., Туринский З.М., Кузьмин Н.И., Панин А.П. Применение экспертного метода оценки технологических нарушений работы алюминиевых электролизеров //Цветные металлы. -1981. -№12. -С.64-69.

81. Девятов Д.Х., Дубинин В.М., Рябков В.М. и др. Оптимальное управление нагревом металла в камерных нагревательных печах. -Магнитогорск: МГТУ, 2000. -242 с.

82. Дозоров Т.А., Кутузов Б.Н. Исследование спектров колебаний, возникающих в процессе шарошечного бурения //Автоматизация и телемеханизация нефтяной промышленности. -1975. -№7. -С. 19-23.

83. Дьяконов В.П. MathCAD- 8/2000. /Справочник. -М.; СПб: Питер, 2001. -592 с.

84. Евтихеев Н.Н., Купершмидт Я.А., Папуловский В.Ф. и др. Измерение электрических и неэлектрических величин. -М.: Энергоатомиздат,1990. -350 с.

85. Емельянов С.В., Уткин В.И., Таран В.А. и др. Теория систем с переменной структурой. -М.: Наука, 1970. -592 с.

86. Жданов B.C. Статистические методы проектирования автоматизированных систем централизованного контроля и управления. -М.: Энергия, 1976.-64 с.

87. Иванов В.А., Шапировский М.Р., Самир Хафез. Построение математической модели процесса электролиза алюминия //Известия вузов. Цветная металлургия. -1979.-№6. -С.88-91.

88. Ивахненко А.Г. Алгоритмы МГУА при непрерывных и бинарных признаках. -Киев: Институт кибернетики им. В.М. Глушкова. Препринт № 92-9,1992. -48 с.

89. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. -Киев: Наукова думка, 1982. -296 с.

90. Ивахненко А.Г. Принятие решений на основе самоорганизации. -Киев: Наукова думка, 1976.-280 с.

91. Ивахненко А.Г. Системы автоматической самоорганизации в технической кибернетике. -Киев: Техника, 1971. -370 с.

92. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. -М.:Радио и связь, 1987.-119 с.

93. Карибский В.В., Пархоменко П.П., Согомонян Е.С. и др. Основы технической диагностики. Кн. 1. Модели объектов, методы и алгоритмы диагноза. -М.: Энергия, 1976, -464 с.

94. Кармалита В.А. Цифровая обработка случайных колебаний. -М.: Машиностроение, 1986. -80 с.

95. Качановская И.С., Лебедева Л.В., Свобода Р.В., Котова С.С. Связь пульсаций рабочего напряжения электролизера с некоторыми параметрами процесса электролиза //Цветная металлургия. 1980.-N2. -С. 30-34.

96. Кейтер Дж. Компьютеры-синтезаторы речи. -М.: Мир, 1985. -238 с.

97. Кендэл М. Временные ряды. -М.:Финансы и статистика, 1981. -199 с.

98. Клир Дж. Системология. Автоматизация решения системных задач. /Перевод с английского М.А. Зуева. -М: Радио и связь, 1990. -539 с.

99. Копылов В.Е., Гуреев И.Л. Акустическая система связи с забоем скважины при бурении. -М.: Недра, 1979. -184 с.

100. Корнеева А.И. АО "Токе Софт" //Промышленные контроллеры АСУ. — 2002. -№2. -С. 61.

101. И2.Круглов М.К., Сергеев С.К., Такташов В.А. и др. Менеджмент систем качества. -М.: ИПК "Издательство стандартов", 1997.

102. ПЗ.Кузякин В.И. Компьютерные системы диагностики и мониторинга бурового и нефтегазового оборудования. -Екатеринбург: Свердловский ЦНТИ, 1997.-75 с.

103. Кулаичев А.П. Компьютерный контроль процессов и анализ сигналов. -М.:НПО "Информатика и компьютеры", 1999. -300 с.

104. Куликовский К.Л., Купер В.Я. Методы и средства измерений. -М.: Энергоатомиздат, 1986. -448 с.

105. Курейчик В.В. Эволюционные, синергетические и гомеостатические методы принятия решений. -Таганрог: изд-во ТРТУ, 2001.

106. Панкин В.П., Локшин Р.Г. Локотков Г.И., Фролов Ю.И. Система "Нева" новая система управления процессом электролиза алюминия //Цветные металлы-2001. № 1. -С.78-82.

107. Лебедев Б.К. Методы поисковой адаптации оптимизационных задач //Перспективные информационные технологии и интеллектуальные системы. -2000, -№ 3.-С.32-47.

108. Луценко Е.В. Разработка методологии синтеза Адаптивных АСУ сложными объектами на основе применения моделей распознавания образов и принятия решений: Автореф. дисс. . канд. техн. наук.-Краснодар, 1999.

109. Манн В.Х., Герасимов В.И., Машуков В.Ф., Черномордик М.Б., Штеренберг Е.И. Прогнозирование анодного эффекта на алюминиевых электролизерах //Цветная металлургия. -1987. -№ 6. -С. 105-107. ,1. V.

110. Маньшин Г.Г., Барзилович Е.Ю., Воскобоев В.Ф. Методы профилактического обслуживания эргатических систем. -Минск: Наука и техника, 1983. -224 с.

111. Меликянц Р.В., Рабинович Б.В. Автоматизация алюминиевых электролизеров. -М.: Цветметинформация, 1976. -56 с. %

112. Мельникова Е.Ю. Разработка критериев диагностирования насосно-компрессорных труб виброакустическими методами в промысловых условиях: Автореф. дисс. канд. техн. наук. -Уфа, 2002.

113. Месарович М., Мако Д., Такахара. Теория иерархических многоуровневых систем. -М.: Мир, 1973.

114. Методика диагностирования и оптимизации режимов работы установок ШГН по динамометрическим исследованиям. РД-39-1-998-84.-Шевченко: КазНИПИ-нефть, 1983.

115. Мирзаджанзаде А.Х., Степанова Г.С. Математическая теория эксперимента в добыче нефти и газа. -М.: Недра, 1977, 228 с.

116. Мозгалевский А.В., Койда А.Н. Вопросы проектирования систем диагностирования. -JL: 1985. -112 с.

117. Мухамадиев Э.М., Аралбаев Т.З., Назимов А.Б. Об одном алгоритме расчета маршрутов в задаче с циклическим обслуживанием абонентов //Известия АН Тадж. ССР, -1986. -N З.-С. 33-36.

118. Мхитарян B.C., Трошин Л.И., Адамова Е.В., Шевченко К.К. Теория вероятностей и математическая статистика. -М.: МГУ экономики, статистики и информатики, 1998. -170 с.

119. Новиков О.А., Петухов С.И. Прикладные вопросы теории массового обслуживания. -М.: Советское радио, 1969. —400 с.

120. Норенков И.П. Основы автоматизированного проектирования. -М.: МГТУ им. Баумана, 2002. -336 с.

121. Ожегов С.И. Словарь русского языка. М.: Русский язык, 1986.-798 с.

122. Павлов Б.В. Акустическая диагностика машин. -М.: Машиностроение, 1971.-222 с.

123. Павлов Б.В. Кибернетические методы технического диагноза. -М.: Машиностроение, 1966. -150 с.

124. Пархоменко П.П., Согомонян Е.С. Основы технической диагностики: Оптимизация алгоритмов диагностирования, аппаратурные средства. -М.: Энергия, 1981.-320 с.

125. Перцептрон система распознавания образов /Под ред. А.Г. Ивахненко. -Киев: Наукова думка, 1975, -432 с.

126. Пирс У. Построение надежных вычислительных машин. -М.: Мир, 1968. -270 с.

127. Половинкин А.И. Основы инженерного творчества. -М.: Машиностроение, 1988. -362 с.

128. Пригожин И.Р., Стенгерс И. Порядок из хаоса. -М.: Мир, 1986. -312 с.

129. Прок А. И. Совершенствование контроля работы глубиннонасосных установок //Обзорная информация, сер. "Нефтепромысловое дело". -М.: ВНИИОНГ, 1980. -47 с.

130. Прохоров Н.Л., Егоров Г.А., Красовский В.Е., Тювин Ю.Д., Шкамарда А.Н. Управляющие вычислительные комплексы. -М.: Финансы и статистика, 2003. 352 с.

131. Прохоров С.А. Математическое описание и моделирование случайных процессов. -Самара: СГАУ, 2001. -209 с.

132. Проценко А.А., Сарвин А.А. Распределенная система контроля и диагностирования "Вектор" //Приборы и системы управления. -1994, -№ 5. -С.20-21.

133. Пустовойтенко И.П. Предупреждение и ликвидация аварий в бурении. — М.: Недра, 1988.

134. Пьявченко О.Н., Клевцов С.И. Информационно-советующая система мониторинга и управления сложными промышленными объектами //Перспективные информационные технологии и интеллектуальные системы. -Таганрог, 2003.

135. Рабеджанов Н.Р., Вербицкий JI.E., Аралбаев Т.З. Универсальный расходомер обтекания //Доклады АН Тадж. ССР, T.XXIII, -1980.-N3. -С.131-134.

136. Рапопорт Э.Я., Лысов В.Е., Алексеев К.В. Структурное моделирование процесса изотермического прессования алюминиевых профилей //Технология легких металлов. -2003. -№1. -С.42-46.

137. Растригин Л.А. Адаптация сложных систем.-Рига: Зинатне, 1981.-375 с.

138. Растригин Л.А., Эренштейн Р.А. Метод коллективного распознавания. -М.: Советское радио, 1981. -80 с.

139. Распознавание образов: состояние и перспективы. К. Верхаген, Р. Дейн, Ф. Грун и др. -М.: Радио, 1985. -103 с.

140. Реутов В.Б., Аралбаев Т.З. Применение программируемого контроллера в системе управления испытаниями //Механизация и автоматизация управления, -1980. -N 1. С.48-50.

141. Родионов В.Д., Терехов В.А., Яковлев В.Б. Технические средства АСУ ТП. -М.: Высшая школа, 1989. -264 с.

142. Романов А.Н., Жабеев В.П. Имитаторы и тренажеры в системах отладки АСУ ТП. -М.: Энергоатомиздат, 1987.- 112 с.

143. Рязанцев А.О. Разработка метода виброакустической диагностики глубиннонасосных штанг в процессе эксплуатации: Автореф. дисс. . канд. техн. наук. -Уфа, 2000.

144. Савельев Л.Я. Комбинаторика и вероятность. -Новосибирск: Наука. 1975.-423 с.

145. Савинова С. Экологическая безопасность на Российских нефтяных и газовых месторождениях //Мир и безопасность. -2000. -№ 2.

146. Саридис Д. Самоорганизующиеся стохастические системы управления. -М.: Наука, 1980.

147. Сарычев А.П. Итерационный алгоритм МГУА для синтеза разделяющих функций в задаче дискриминантного анализа //Автоматика. -1988. -N2. -С.20-24.

148. Себастиан Г. Процессы принятия решений при распознавании образов. -Киев: Техника, 1965.

149. Симанков B.C., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. -Краснодар: изд-во ТУ КубГТУ, 1999.

150. Симанков B.C., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении. -Краснодар: Куб.ГТУ, 2001. -258 с.

151. Смирнова Г.Н., Сорокин А. А., Тельнов Ю.Ф. Проектирование экономических информационных систем. -М.: Финансы и статистика, 2002.-512 с.

152. Советов Б.Я., Яковлев С.А. Моделирование систем. -М.: Высшая школа, 1985.-272 с.

153. Степашко B.C. Алгоритмы МГУА как основа автоматизации процесса моделирования по экспериментальным данным //Автоматика. -1988. -N4, -С.44-55.

154. Технические средства диагностирования //Справочник /Под ред. В.В. Клюева. -М.Машиностроение, 1989. 646 с.

155. Тимашев С.А., Кузякин В.И. Состав и методы решения задач синтеза систем мониторинга состояния буровых установок //Известия вузов. Горный журнал. -1989.-№10. -С. 69-72.

156. Тимофеева М.К. Взаимодействие с ЭВМ на естественном языке /Вычислительные системы: Сб. научн. трудов. -Новосибирск: Институт математики Сиб.отд. АН СССР, -1989. -С. 96-127.

157. Толмасская И.И., Онищенко А.Г. SCADA iFix универсальное средство автоматизации технологических процессов в нефтяной промышленности //Промышленные контроллеры АСУ. -2002. -№2. -С.38-42.

158. Трифонов Е.В. Психофизиология человека. Толковый русско-английский словарь. -СПб., 2001.

159. Троицкий И.А., Железнов В.А. Металлургия алюминия. -М.: Металлургия, 1984.-400 с.

160. Ту Дж., Гонсалес Р. Принципы распознавания образов. -М.: Мир, 1978.412 с.

161. Туринский З.М. Автоматический контроль технологических отклонений в работе алюминиевых электролизеров //Цветные металлы. -2001, -№ 1. — С.109-114.

162. Туринский З.М. Динамика технологических нарушений в работе алюминиевых электролизеров //Цветные металлы. -1999, -№10. -С.32-39.

163. Туринский З.М. Экономия электроэнергии и рациональные параметры автоматической системы стабилизации тока серии алюминиевых электролизеров //Цветные металлы. -1981. -№11. -С. 1-5.

164. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. /Под ред. В.Э. Фигурнова. -М.: ИНФРА-М, 1988. -528 с.

165. Фельдбаум А.А. Основы теории оптимальных автоматических систем. -М.: Наука, 1966.

166. Финогенов К.Р. Программирование измерительных систем реального времени. -М.: Радио и связь, 1990.

167. Флейшман Б.С. Основы системологии. -М.: Радио и связь, 1982. -368 с.

168. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. -М.: Радио и связь, 1986. -264 с.

169. Фу К. Последовательные методы в распознавании образов и обучении машин. -М.: Наука, 1971.

170. Хакен Г. Информация и самоорганизация. Макроскопический подход к сложным системам /Пер. с англ. -М.: Мир, 1991. -240 с.

171. Хакен Г. Синергетика. -М.: Мир, 1980.

172. Халиуллин Ф. X., Максутов Р.А. Определение параметров работы длинноходовой насосной установки с гибким тяговым органом //Нефтяное хозяйство. -1995. -N 8. -С. 60-61.

173. Харкевич А.А. Спектры и анализ. -М.: Физматгиз, 1962.

174. Хотяшов Э.Н. Проектирование машинной обработки экономической информации. -М.: Финансы и статистика, 1987. -248 с.

175. Храмов Р.А. Длинноходовые насосные установки для добычи нефти. -М.: Недра, 1996. -208 с.

176. Цетлин M.JI. Исследования по теории автоматов и моделированию биологических систем. -М.: Наука, 1969. -316 с.

177. Цифровая имитация автоматизированных систем /А.А. Белтянский и др. -М.: Наука, 1983.

178. Цифровые процессоры обработки сигналов /Остапенко А.Г., Лавлинский С.И. и др. //Справочник. -М: Радио и связь, 1994. -264 с.

179. Цыпкин ЯЗ. Основы теории обучающихся систем. -М.: Наука, 1970.252 с.

180. Чернов В.П., Ивановский В.Б. Теория массового обслуживания. -М.: Инфра, 2000.-160 с.

181. Шаракшанэ А.С., Железное И.Г., Ивницкий В.А. Сложные системы. М.: Высшая школа, 1977. -248 с.

182. Шевеленко В.Д. Спектры сигналов как источник измерительной информации //Сборник научных трудов. -Оренбург:ОГУ,1996.-С. 69-78.

183. Шибанов Г.П. Распознавание в системах автоконтроля. -М: Машиностроение, 1973.—424 с. $

184. Щетинин В.Г., Столярова О.В., Костюнин А.В. Синтез решающих правил на нейронных сетях для управления производством //Приборы и системы управления. -М.: 1999.-№1. -С. 72-77.

185. Щербинин С.А., Курашев Ю.А. Исследование физических процессов в алюминиевом электролизере с самообжигающимся анодом на математической модели //Цветные металлы. -1995. -№7.-C.33-35.

186. Эшби У.Р. Общая теория систем. -М.:Мир, 1966.

187. Юнин Е.К. Низкочастотные колебания бурильного инструмента. -М.: Недра, 1983.-132 с.

188. Юэн Ч., Бичем К., Робинсон Дж. Микропроцессорные системы и их применение при обработке сигналов. -М.: Радио и связь, 1986. -296 с.

189. Яковлев Е.И. Машинная имитация. -М.: Наука, 1975.

190. Якубайтис Э.А. Архитектура вычислительных систем. -М.: Статистика, 1980. -279 с.

191. Ямалиев В.У. Эксплуатационно-технологическая оценка состояния глубинного бурового оборудования: Автореф. дисс. . д-ра техн. наук. — Уфа: 2002.

192. Asbjornseen Q.A., Paulsen К.А., Anderson G.A. Practical experience with real time parameter estimation in an aluminia reduction cell //Light metals. 1980,TMS-AIME publications, Warrendall, Pennsylvania, 1979. P. 361-387.

193. Bertalanffy L. An outline of general system theory //British J. for Philos. Of Sci. 1950. V.l. № 2. P. 134-165.

194. Chatfield C. The Holt-Winters Forrecasting procedure //Applied Statistics, 27(1978). P. 264-279.

195. Boseniu K.T. Van der Meer M., Posshel T. A multiprocessor system for high speed simulation of neural networks //Jornal of New Generation Computer Systems. 1990. № 3. P. 65-71.

196. Holland J.H. Adaptation in Natural and Artifical Systems. An Introductory Analysis with Application to Biology, Conrol and Artifical Intelligence. University of Michigan. 1975. 210 p.

197. Kurdymov S.P. Evolution and self-organization laws in complex systems //International journal of modern physics. С. 1. 1990. P. 299-307.

198. Farrow M. Prediction of anode effects in aluminium reduction cells //Jornal of metals. 1984. № 11. p. 33-34.

199. Gorelik G. Bogdanov's tektologia, general system theory and cybernetics //Cybernetics and systems: An international Jornal. 1987. V.18. № 2. P. 157175.

200. Grotheim K., Krohn C., Naeumann R. Forecasting in metallurgy //Metallurgicall transactions. Ganuary, 1971. V.2. № 1. P. 199-204.

201. Neural Network Tool box Users Cuide. /Demuth H., Beale M //Natick: Math Works Inc. 1997. 700 p.

202. Newland D.E. Introduction Random Vibrations Spectral Wavelet Analysis //Addison-Wesley Longman, 1996.

203. Parhami B. Parallel threshold voting //Comput. J. 8, 1996, m.39. P. 692-700.

204. Pao Y-H. Adaptive pattern recognition and neural network. "Addison-Wesley", 1989.

205. Shah B.V., Buchler R.J., Kempthorne O. Some algorithms for minimizing a function for several variables //J. Soc. Indust. Apl. Math. 1964. V.12. № 1.

206. Twarog В., Kwater Т., Kedzior Z. Synthesis of data in real diagnostic system of electric engine with applying artificial neural network //International Conference on inductive modeling "ICIM-2002". -Lviv, 2002. P. 161-168.