автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Повышение эффективности информационно-измерительной системы комплексной безопасности зданий и сооружений

На правах рукописи

005045»»«

Черушов Игорь Викторович

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ КОМПЛЕКСНОЙ БЕЗОПАСНОСТИ ЗДАНИЙ И СООРУЖЕНИЙ

Специальность 05.11.16 - «Информационно-измерительные и управляющие системы»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2012

005045581

Работа выполнена в Федеральном государственном бюджет образовательном учреждении высшего профессионального образов. «Московский государственный университет приборостроения информатики».

Научный руководитель: доктор технических наук, профессор

Шатерников Виктор Егорович заведующий кафедрой ПР-4 ФГБОУ ВПОМГУПИ

Официальные оппоненты: доктор технических наук, профессор

Данилин Николай Семенович ОАО «Российские космические системы» заместитель начальника научного центра

кандидат технических наук, доцент Боголюбов Дмитрий Петрович доцент ФГБОУ ВПОМИЭМ

Ведущая организация: ФГБОУ ВПО "НИУ МЭИ"

Защита состоится 29 мая 2012 г., в 15-00 часов, на засед; диссертационного совета Д.212.119.01 при Федеральном государстве! бюджетном образовательном учреждении высшего профессиональ образования «Московский государственный университет приборостроен информатики» по адресу: 107996, г. Москва, ул. Стромынка, д. 20.

С диссертацией можно ознакомиться в библиотеке Федераль государственного бюджетного образовательного учреждении выс1 профессионального образования «Московский государственный универс приборостроения и информатики».

Сведения о защите и автореферат диссертации размещены официальных сайтах ВАК Министерства образования и н РФЬйр://\\г\у\Улгак.е<1и^0У.ги и Федеральном государственном бюдже образовательном учреждении высшего профессионального образов «Московский государственный университет приборостроения информатики» (МГУПИ) http://www.mgupi.ru.

Автореферат разослан 25 апреля 2012 г.

Учёный секретарь диссертационного совета доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность работы.

Федеральный закон Российской Федерации «Технический регламент о безопасности зданий и сооружений», принятый Государственной Думой23 декабря 2009 годаСНиП 2.09.04-87 "Административные и бытовые здания", СНиП 2.09.02-85 "Производственные здания" определяют основные требования к эксплуатации зданий и сооружений: ипредупреждение (профилактика) обрушений перекрытий и несущих конструкций в результате их износа и старения; выполнение противопожарных мероприятий; соблюдение санитарных норм, предъявляемых к зданиям и помещениям.

В настоящее время большое внимание уделяется автоматизированному контролю и управлению системами пожарной безопасности, вентиляции, кондиционирования, дегазации, теплоснабжения, электроснабжения, водоснабжения; системами грузоподъемных механизмов; вертикальному транспорту (лифт); системами сбора, обработки, хранения данных;

Аварии зданий и сооружений могут происходить по техническим и организационным причинам, например, в результате превышения допустимых нагрузок, износа строительных конструкций, возникновения в них различных дефектов и т.п.

Анализ тяжести последствий аварий повышают требования к работе информационно-измерительных систем, призванных прогнозировать предаварийные ситуации и обеспечить безопасную работу зданий и сооружений.

В настоящее время в этой области разработано и принято в эксплуатацию большое число информационо-измерительных систем, в создании которых принимали участие C.B. Костюченко, А.Ф. Тузовский, С.Б.Пугачев, Н.К. Николаев, B.C. Ивановский, В.Д. Дарищев, В.И. Каштанов, А.Р. Сабиров, С.Г. Пекин, М.М. Волобуев, А.Н. Терпелюк и многие другие.

Наибольший интерес представляют разработки Кибернетического центра Томского политехнического университета, ИИС "СИАМ" (г, Томск), ЗАО "Компания Безопасность», корпорация «SchneiderElectric», НИУ МГСУ, ЗАО «Техиндустрия», ЗАО «Группа ЭНТЕР»

Перспективы построения и развития многофункциональных систем безопасности связаны с разработкой и внедрением многокомпонентных многоуровневых информационно-измерительных систем, обеспечивающих одновременное повышение эффективности и уровня безопасности за счет предоставления оперативной и достоверной агрегатированной информацию состоянии, тенденциях и признаках возникновения опасных ситуаций,

получаемых за счет комплексной обработки данных от различных информационных, измерительных, управляющих и противоаварийных систем.

Объектами контроля, анализа, оценки и прогноза служат аэрологическое и геодинамическое состояние, технологическое оборудование, системы и средства обеспечения безопасности, несущие конструкции зданий и сооружений.

Задача повышения эффективности информационно-измерительных систем с целью быстрого реагирования на возникновение предаварийной ситуации, обеспечения комплексной безопасности зданий и сооружений, является своевременной и актуальной

Цели и задачи. Целью диссертационной работы является повышения эффективности информационно-измерительных систем комплексной безопасности зданий и сооружений путём прогнозирования изменения параметров технического состояния диагностируемых объектов контроля.

В работе решались следующие основные задачи:

1. Проведен анализ современного состояния проблемы использования информационно-измерительных систем для повышения уровня безопасности высотных зданий и сооружений. Выявлены основные задачи и осуществлен выбор путей их решения.

2. Разработан метод анализа технического состояния зданий и сооружений, основанный на контроле отклонений результатов измерений от нормы и методы прогнозирования уровня изменения их безопасной эксплуатации.

3. Разработаны методы прогнозирования нарушения состояния и определения предаварийных ситуацийзданий и сооружений на основе аппарата искусственных нейронных сетей.

4. Разработан пакет прикладных программ прогнозирования предаварийных ситуаций в режиме реального времени.

Научная новизна работы заключается в следующем:

1. Предложен новый метод без эталонного оценивания значений параметров работы оборудования, требующий вместо процедуры сравнения объекта с эталоном упорядочивания выборки из множества объектов.

2. Доказано, что коэффициент ранговой корреляции Кендалла является достоверным показателем, характеризующим изменение уровня технического состояния анализируемого оборудования, а статистика Кендалла второго порядка является диагностическим критерием уровня технической безопасности строительных объектов.

3. Разработан паллиативный метод прогноза, в кагором возможна интерпретация

результатов за счет участия в процедуре прогноза лица, принимающего решение о достоверное™ и точности прогноза Метод основан на свободном от модели алгоритме, предназначенном д щ исследования струтоуры временных радов, совмешэет достоинства анализа Фурье и регрессионного анализа и отличается от существующих методов наглядностью и простотой управления. 4. Разработан новый комплексный метод и алгоритм прогнозирования нарушения состояния зданий и сооружений по данным информационно-измерительной системы (отклонения от нормы), позволивший выявить качественно новые закономерности при определении предаварийных ситуаций зданий и сооружений на основе аппарата обобщенно-регрессионной нейронной сети (ОИМЫ).

Теоретическая значимость исследования обоснована тем, что - доказана возможность применения методов анализа временных рядов для прогнозирования предаварийного состояния зданий и сооружений; -проведен анализ существующих информационно-измерительных систем и разработаны методы повышения их эффективности для обеспечения комплексной безопасности;

-проведена модернизация существующих моделей прогнозирования, обеспечивающих получение новых результатов при обеспечении комплексной безопасности зданий и сооружений.

Применительно к проблематике диссертации результативно использован комплекс существующих базовых методов исследования, в т.ч. вероятностно-статистические методы, элементы теории детерминированного хаоса, метод структурной минимизации эмпирического риска, теория временных рядов, математического моделирования, искусственных нейронных сетей, современные технологии разработки алгоритмов и программного обеспечения, объектно-ориентированного программирования. Значение полученных соискателем результатов исследования для практики подтверждается тем, что:

-разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило качественно повысить степень прогноза предаварийных ситуаций зданий и сооружений; -определены пределы и описаны перспективы применения предлагаемых методов повышения эффективности информационно-измерительной системы для комплексной безопасности зданий и сооружений;

-даны методические рекомендации по совершенствованию и модернизации алгоритмов функционирования существующих информационно-измерительных системах комплексной безопасности зданий и сооружений;

-проведена апробация предлагаемой методики для прогнозирования развития основных дефектов зданий и сооружений, которая позволила увеличить точность прогноза при ее применении на 20-30%. Оценка достоверности результатов исследования выявила: - экспериментальные результаты получены с использованием лицензионного программного обеспечения с применением разработанного программного модуля на различных аппаратных платформах;

-теоретические изыскания построены на известных методах теории временных рядов, с использованием статистики Кендалла, методов структурной минимизации среднего риска, искусственных нейронных сетей; -использованы современные средства и методики проведения исследований, доказывающие обоснованность применения разработанного программно-аппаратного комплекса ввиду согласованности данных эксперимента и научных выводов.

Личный вклад автора состоит в: проведении анализа существующих способов разработки информационно-измерительных систем; создании математической модели прогнозирования предаварийных ситуаций зданий и сооружений; непосредственной разработке алгоритма на основе паллиативного метода для анализа данных при принятии решений о состоянии безопасности зданий и сооружений; личном участии во внедрении разработанного пакета прикладных программ в эксплуатацию в информационно-измерительных системах; непосредственной подготовке основных публикаций по выполненной работе.

Реализация результатов. Разработанные программные средства входят в состав программного обеспечения модернизируемых информационно-измерительных систем, используемых для обеспечения комплексной безопасности высотных зданий, сложных строительных сооружений и технологического оборудования.

Разработанные методы, алгоритмы и программное обеспечение для повышения эффективности информационно-измерительных системобеспечения комплексной безопасности зданий и сооружений использованы в учебном процессе Пензенского регионального центра высшей школы (филиале) ФГБОУ ВПО «Российский государственный университет инновационных технологий и предпринимательства»при реализации образовательной программы по специальности 280705 «Пожарная безопасность» в дисциплинах «Здания, сооружения и их устойчивость при пожаре», «Производственная и пожарная автоматика», «Пожарная безопасность технологических процессов».

В Главном управлении МЧС РОССИИ по Пензенской области при совершенствовании системы обработки информации о состоянии пожарной

6

безопасности и работоспособности систем пожарной автоматики объектов различного функционального назначения г. Пензы.

Достоверность полученных результатов. Достоверность полученных результатов подтверждена:

-экспериментальными данными и моделированием предложенных алгоритмов и методов повышения эффективности информационно-измерительных систем на ПЭВМ;

-апробированием программных средств в информационно-измерительных системах обеспечения комплексной безопасности высотных зданий и повышением эффективности работы системы и автоматики противопожарной безопасности г. Пензы.

Положения, выносимые на защиту.

- Алгоритм без эталонного оценивания значений параметров работы оборудования для обеспечения комплексной безопасности зданий и сооружений.

- Алгоритм, основанный на паллиативном методе прогноза, в котором всшажна интерпретация результатов за счет учасгая в процедуре прогноза лица, принимающего реша те о достовер юсти и точности прогноза.

-Комплексный метод прогнозирования нарушения состояния зданий и сооружений.

Апробация работы. Наиболее важные результаты докладывались на международных конференциях «Перспективные инновации в науке, образовании, производстве и транспорте, 2008» (Украина, г. Одесса), пятой международной конференции - выставке «Промышленные АСУ и контроллеры 2009: от А до Я» (Россия, г. Москва),XIV Международной конференции-выставки «Информационные технологии в образовании» (ИТО-2008) (Россия, г.Москва), IX Международной научной конференции «Новые информационные технологии и менеджмент качества» (Россиия, г. Таганрог), а также Международной научной конференции "Проблемы регионального и муниципального управления" (Россия, г.Москва, РГТУ)

Основные положения и результаты докладывались и обсуждались на научных семинарах кафедр «Автоматизированные системы управления и информационные технологии» и «Электротехника и электроника» Московского государственного университета приборостроения и информатики.

Публикации. По материалам диссертационной работы опубликовано восемь научных работ, в том числе две в журналах, входящих в перечень ВАК, пять работ, в сборниках трудов научно-технических конференций, одна работа в межвузовском сборнике.

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и 4 приложений.

Основная часть диссертации содержит 166 страниц, включая 29 рисунков и 9 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель, задачи исследования, определены научная и практическая значимость работы, приведена краткая характеристика основных разделов диссертации.

Первая глава диссертации посвящена анализу современного состояния проблемы использования информационно-измерительных систем для повышения уровня безопасности высотных зданий и технически сложных сооружений.

Обзор работ, посвященных расчету показателей надежности и разработке методов повышения эффективности эксплуатации зданий и сооружений показывает, что для этих целей требуется большой объем достоверной информации по режимам работы оборудования.

Рассмотрены следующие системы ЫеШ^агс! 9000, САКС-2М, ОекаЫей^О Р1и8р&88уз1ет, "Аккорд-2", системы фирмы С&К815(ет.

Рассмотрены методы моделирования процессов и параметров надежности, которые позволяют проводить оценку времени безотказной работы оборудования, определять виды возникающих дефектов и прогнозировать динамику важнейших характеристик, влияющих на безопасность зданий и сооружений.

В работе показано, что в последнее время все более широкое применение в диагностике технического состояния сложных систем находят методы теории динамического хаоса. В работах современных авторов отмечаются проявления в обеспечении безопасности зданий и сооружений процессов, характерных для систем со свойствами самоорганизации.

Рассмотрены теоретические аспекты применения фрактальных характеристик систем безопасности для контроля и управления.

Наиболее эффективно такие задачи решаются методами, основанными на применений современных разделов математики и кибернетики, разработка которых проводилась В.Н. Вапником, Дж.Моудером, С.Элмаграби, Е.С. Вентцелъ и другими.

К методам исследований подобных операций можно отнести также теоретико-игровые методы. Их разработка связана с именами H.H. Воробьева и Э. Мулена.

Для повышения эффективности информационно-измерительных систем обеспечения комплексной безопасности зданий и сооружений весьма перспективно применение методов обработки временных рядов для измерений текущих параметров как для целей прогнозирования, так и диагностики технического состояния системы оборудования зданий и сооружений.

В заключении главы рассмотрены возможности применения для решения поставленных задач таких методов, как: спектральный анализ, метод порядковых статистик, метод авторегрессии, построение предикторных моделей, нейросетевых методов, программная реализация метода анализа главных компонент (АГК) и др.

На основании проведенного в первой главе анализа современного состояния работ в области обеспечения комплексной безопасности сложных строительных объектов, делаются выводы о необходимости увеличения достоверности информации, получаемой с помощью информационно-измерительной системы, разработки методов и алгоритмов обработки соответствующих баз данных и прогнозирования развития событий.

Вторая глава посвящена вопросам анализа показателей надёжности технологического оборудования, зданий и сооружений на основе полученных баз данных информационно-измерительных систем, а также прогнозирования предаварийных ситуаций.

В разработанном методе предложено использование адаптивного выбора интервала времени измерения технологических параметров индивидуально для каждого оборудования, что позволяет отслеживать все индивидуальные характеристики объекта. Главным критерием выбора оптимальной частоты опроса контрольно-измерительных систем при этом является максимальная достоверность полученной информации.

Информационно-измерительная система, используемая для оценки безопасности зданий и сооружений, включает в себя базу данных, в которой хранятся результаты измерений технологических параметров эксплуатации за весь период функционирования здания.

Проведенные исследования позволили выявить основные статистические закономерности изменения показателей надежности

9

эксплуатации технологического оборудования и количественно оценить их параметры.

Выявлено, что статистический анализ, даже охватывающий динамику изменения показателей надежности всех объектов, не решает проблему интегральной оценки уровня технического состояния высотных зданий и технически сложных строительных сооружений, рассматриваемых как единый объект.

Предлагается новый метод безэталонного оценивания значений параметров работы оборудования, требующий вместо процедуры сравнения объекта с эталоном упорядочивания выборки из множества объектов. При этом предполагается, что на основании базы данных информационно-измерительной системы можно построить законы распределения анализируемых параметров.

Рассмотрены некоторые свойства порядковых статистик, используемых для построения прогноза предаварийных ситуаций зданий и сооружений, когда функция распределения Дх) рассматриваемой генеральной совокупности полученных результатов измерений (например, при определении напряженного состояния несущих перекрытий здания) непрерывна почти всюду. Элементы выборки из этой генеральной совокупности ...,хп получены как последовательные значения

измеряемого временного ряда наблюдаемого параметра. Изменив исходное расположение элементов ряда в соответствии с их возрастанием (или убыванием), получим ряд Л < < —сх„

В таком случае элементы Х1 представляют собой /-ю порядковую статистику в выборке объема п из генеральной совокупности. При подобном подходе генеральная совокупность представляет собой комплекс случайных величин.

Входные данные представляют собой временные ряды данных М-

П-1 п

Использовалась статистика ¡=1/=1 ,

Хпри

81} = •

О, ТЦ>нР1 = Р] -1,прнр£ к Р]

где

^/—результаты измерения из временного ряда контролируемых параметров,у <л, «-количество измерений.

Коэффициент ранговой корреляции к zS(ri) ~ пСп - 1)

позволяет сделать выводы о степени монотонности зависимости F(t).

При к = i функция монотонно возрастает, к = —г характеризует монотонное убывание.

Проведенный анализ на основе использования баз данных информационно-измерительной системы, рассматриваемых как временные ряды, показал, что в большинстве случаев эти ряды характеризуются целым набором характерных локальных экстремумов функции F(t). Тем самым нарушается условие монотонности функции, определяемое статистикой Кендалла.

В работе было показано, что первую статистику Кендала можно дополнить, если существует достоверная априорная информация о координатах локальных экстремумов, разделяющих области возрастания или убывания функции/7^). Это достигается приЛК2л (для четного количества измерений и симметричного расположения точки экстремума).

Выборка измерений разбивалась на первые и вторые п наблюдений.

Доказано, что величина ~S(*)-S(2) и коэффициент ранговой корреляции Кендэла второго порядка

определяет характер изменения временной последовательности {^г}.

Анализ данной функции показывает, что если {Fi} монотонно возрастает от Ft до Fn и монотонно убывает от ^п+1До Fm-N, то значение = 1 ■ При этом не играет роли, как быстро возрастают или убывают значения Fi с ростом i.

Однако со временем техническое состояние зданий изменяется, что, как следствие, сопровождается изменением вида данных и координат соответствующих локальных экстремумов. Старение и износ можно охарактеризовать временным вектором стабильного направления. Вследствие этого статистика Кендэла второго порядка будет претерпевать изменения по мере ухудшения технического состояния оборудования.

Анализ результатов исследований показывает, что параметр является весьма чувствительным показателем, характеризующим изменение уровня технического состояния системы и оборудования.

Доказано, что пограничным значением параметра отделяющим одно характерное состояние от другого, является величина кх = 0,5 . Таким

образом, статистика Кендэла второго порядка может служить диагностическим критерием, позволяющим выносить суждения вида «да»/«нет» об уровне технической безопасности эксплуатации зданий.

Рассмотрены методы прогнозирования изменения уровня безопасности эксплуатации строительных объектов на основе ретроспективного анализа баз данных ИИС об аварийных ситуациях.

Основной задачей всех используемых в настоящее время методов прогноза времени наступления отказа является необходимость построения временной прогностической функции той или иной степени сложности. Степень сложности модели в общем случае зависит не только от самого параметра, характеризующего изменение технического состояния, но и от уровня шумовой составляющей измерений и объема выборки.

В работе предлагается метод определения оптимальной степени сложности прогностической модели. Использование метода структурной минимизации среднего риска (СМСР) позволяет строить прогностические модели оптимальной сложности даже по информации с высоким уровнем шума. В качестве критерия предпочтения той или иной модели в нем используется функционал эмпирического риска, структура которого была разработана В.Н. Вапником.

В работе проведена апробация предлагаемой методики для прогнозирования развития основных дефектов зданий и сооружений, которая показала, что увеличивает точность прогноза на 20-30%.

Предлагаемый метод выбора прогностической модели оптимальной степени сложности имеет тот недостаток, что априорно предполагается, что класс функций, в котором оцениваются эти модели, определен. В реальных же условиях выбор того или иного класса функций сам по себе является весьма сложной, а порой неразрешимой задачей.

Поэтому в диссертации предлагается паллиативный метод прогноза, в котором возможна интерпретация результатов за счет участия в процедуре прогноза лица, принимающего решение о достаточности точности прогноза. В его основе лежит свободный от модели алгоритм, предназначенный для исследования структуры временных рядов. Этот метод совмещает в себе достоинства многих других алгоритмов, в частности, анализа Фурье и регрессионного анализа. Одновременно он отличается наглядностью и простотой в управлении.

Рассмотрен временной ряд {х;}л'1=ь образованный последовательностью N равноотстоящих значений некоторой (возможно, случайной) функции Д/): х, =/(/'-1)£>0, где /=1,2,...Л

Алгоритм анализа одномерных временных рядов, используемый для повышения эффективности информационно-измерительной системы.

Шаг 1. Развертка одномерного ряда в многомерный.

Пусть некоторое число М<К Представить первые М значений последовательности/в качестве первой строки матрицы X, в качестве второй строки матрицы - значения последовательности с х2 по хм+1. Последней строкой с номером к = N - М + 1 будут последние М элементов последовательности.

Матрица, элементы которой равны ху = представляет собой М -мерную выборку объема к или М - мерный временной ряд, которому соответствует М - мерная траектория (ломаная в М - мерном пространстве из к-1 звена. Матрица X (матрица ряда) представлена в виде:«строка - индивид, столбец - признак».

Шаг 2Анализ главных компонент: сингулярное разложение выборочной ковариационной матрицы.

Вычислить ковариационную матрицу (нецентральная) V = (1 /к)ХТХ.

Вычислить собственные числа и собственные вектора матрицы V, т.е. разложить ее следующим образом V = РЬРТ, где Ь - диагональная матрица, на диагонали которой стоят упорядоченные по убыванию собственные числа, а Р - ортогональная матрица собственных векторов матрицы V.

Матрица Р —это матрица перехода к главным компонентам ХР = ¥ =

Собственные числа матрицы V являются выборочными дисперсиями соответствующих главных компонент, а квадратные корни из них -выборочными стандартами.

При выборе длины, равной Ы-М+1, собственные вектора и главные компоненты (с точностью до нормировки) меняются местами.

■ Шаг 3.Отбор главных компонент.

Матрицу Р представить матрицей ряда X как X = УРТ.

Таким образом, получено разложение матрицы ряда по ортогональным составляющим (главным компонентам).

Преобразование у] = X р} является линейным преобразованием исходного процесса с помощью дискретного оператора свертки, т.е.

У] Щ = д,\

Таким образом, процедура алгоритма порождает набор линейных фильтров, настроенных на составляющие исходного процесса. При этом собственные векторы матрицы V выступают в роли переходных функций соответствующих фильтров.

Таким образом, среди главных компонент можно выделить относящиеся к тренду (медленно меняющиеся), периодические, шумовые.

Шаг 4. Восстановление одномерного ряда.

Разложить X = У/. Восстановление проводится по данному набору главным компонентам, если при применении формулы восстановления X = У'Р^ матрица У получена из матрицы V обнулением всех не входящих в набор главных компонент.

Таким образом, получено приближение матрицы ряда для построения алгоритма прогнозирования аварийных ситуаций.

Определена важная особенность описанного алгоритма - его интерактивность, то есть использование диалога исследователя и ЭВМ в процессе применения метода. Доказано, что интерактивность связана с типично статистическим свойством алгоритма - необходимостью интерпретации промежуточных результатов и управлением работой алгоритма в процессе многоэтапной процедуры обработки.

Результатом применения метода является разложение временного ряда на простейшие элементы: медленные тренды, сезонные и другие периодические или колебательные составляющие, а также шумовые компоненты. Полученное разложение может служить основой прогнозирования как самого ряда, так и его отдельных составляющих.

Решена задача прогнозирования внезапных аварийных ситуаций, наступление которых не сопровождается заметными трендами эксплуатационных характеристик оборудования. Для прогнозирования подобных отказов в работе предлагается использовать методы теории детерминированного хаоса.

В третьей главе решена задача прогнозирования аварийных ситуаций с помощью нейросетевых технологий.

Входными данными для алгоритма прогнозирования являются данные с приборов информационно-измерительной системы, которые представляют собой п дискретных отсчетов —•З'ЙпЙ в последовательные

моменты времени t1.t2.--tn. Тогда для решения задачи прогнозирования необходимо определить значения У&п +в момент времени + * .

Решены следующие задачи: выбран произвольный временной ряд, содержащий N отсчетов; ряд разбит на три множества: обучающую, тестирующую и контрольную выборки, которые подаются на вход сети. Результатом прогнозирования является ' значение временного ряда в требуемый момент времени.

Для повышения качества прогноза проводилась предварительная

(препроцессорная) обработка информации, которая сводилась к масштабированию значений отсчетов с целью их приведения в единый диапазон.

Каждая выборка представляет собой дискретную функцию, заданную в точках на интервале fö,iV] с шагом 1, где N - максимальное значение аргумента этой функции.

Задача прогнозирования решена с помощью нейросетевых технологий. Обладая информацией о значениях переменной х в моменты, предшествующие прогнозированию х(Ы), x{k-2)jc{k-N), сеть вырабатывает решение, каким будет наиболее вероятное значение последовательности текущий момент к. Для адаптации весовых коэффициентов сети используются фактическая погрешность прогнозирования г = xUc)-xÜö и значения этой погрешности в предшествующие моменты времени.

Выбрана архитектура сети. Исходя из того, что задача прогнозирования является частным случаем задачи регрессии, то в диссертации рассматривались следующие типы нейронных сетей: многослойный персептрон (MLP), радиально-базисная сеть (RBF), обобщенно-регрессионная сеть (GRNN), сеть Вольтерри и сеть Эльмана.

В качестве нейронной сети была выбрана обобщенно-регрессионная сеть (GRNN), реализующая методы ядерной аппроксимации. В задачах регрессии выход сети может рассматриваться как ожидаемое значение модели в данной точке пространства входов.

GRNN-сеть копирует внутрь себя все обучающие наблюдения и использует их для оценки отклика в произвольной точке. Окончательная выходная оценка сети получается как взвешенное среднее выходов по всем обучающим наблюдениям, где величины весов отражают расстояние от этих наблюдений до той точки, в которой производится оценивание. Структура нейронной сети GRNN представлена на рисунке 1.

СЮТО-сеть имеет два скрытых слоя: слой радиальных элементов и слой элементов, которые формируют взвешенную сумму для соответствующего элемента выходного слоя. В выходном слое определяется взвешенное среднее путем деления взвешенной суммы на сумму весов. В качестве радиальной функции применяется функция Гаусса.

Входной слой передает сигналы на первый промежуточный слой нейронов, являющихся радиально симметричными. Они несут в себе информацию о данных обучающих случаев или же их кластерах и передают ее во второй промежуточный слой. В нем формируются взвешенные суммы для всех элементов выходного слоя и сумма весов, вычисляемая специальным элементом. Если обозначить выход 1-го нейрона ЯВР-слоя как г>1, то выходной сигнал 1-го нейрона второго промежуточного слоя вычисляется по формуле

к

¡=1 .,

к

где к - число нейронов в ГШР — слое, ¡=в ,<¿1 - весовой коэффициент ¡-го нейрона ЯВР-слоя.

Выходной слой делится на сумму весов и выдает окончательный прогноз.

и, 1о,

гдеу( -взвешенные суммы.

На вход радиальных элементов из входного слоя подается вектор

Базисные функции ШЗР-слоя задаются матрицей но в практическом плане более удобно использовать для описания элементов матрицу корреляции С, которая получается из матрицы следующим образом:

С = <Г<?.

Окончательный результат обработки входных сигналов 5/ вычисляется по следующим формулам:

1=1 ,

где

Вектор выходных сигналов ^'передается на вход второго промежуточного слоя сети.

Обучение сети необходимо выполнять отдельно для каждого временного ряда, так как попытка прогнозирования ряда, на котором сеть не была обучена, приведет к ошибочному результату.

В качестве алгоритма обучения использовался модифицированный алгоритм обратного распространения ошибки с автоматической коррекцией длины шага обучения (РагТап).

Четвертая глава посвящена программной реализации методов.

В диссертации проведена апробация разработанных моделей и алгоритмов и исследованы зависимости качества прогноза от параметров алгоритма обучения и структуры нейронной сети. Результаты исследований показали, что качество прогнозирования зависит от разбиения отсчетов ряда на три множества - обучающее, тестирующее и контрольное.

Наилучшее качество прогноза достигается при соотношении объемов выборок 60:20:20. Доказано, что точность прогноза падает по мере увеличения дальности. Оптимальными значениями параметров алгоритма являются: коэффициент скорости обучения ц=0.7, коэффициент момента обучения г|=0.9, количество итераций до запоминания N=20, величина изменения коэффициента скорости обучения а=0.1. Число нейронов в скрытых слоях сети определялось для каждого временного ряда индивидуально.

При проведении исследований использовался временной ряд: прогноз механических напряжений в пилонах опасного строительного сооружения в г. Пенза. Результаты прогнозирования представлены в таблице 1 и приведены в графическом виде на рисунке 2.

Таблица 1 - Статистика обучения сети СЮЧЫ для ряда «Прогноз леханических напряжений в пилонах высотного здания в г. Пермь».

Итоговые статистики Параметры алгоритма

11=0,25 ц=0,5 Т1=0,5 ц=0,9 г)=0,7 (1=0,9

Латематическое ожидание ошибки 0.12474 0.05218 0.01153

{исперсия ошибки 0.002285 0.00119 0.00087

Греднеквадратическое отклонение ошибки 0.01995 0.03184 0.01318

Исследование проводилось на нейронной сети следующей структуры: количество нейронов в 1 скрытом слое равно 8, количество нейронов во 2 скрытом слое равно 6, дальность прогноза 5, алгоритм обучения - РагТап, параметры алгоритма - оптимальные, разбиение отсчетов ряда на множества - оптимальное.

Пржиш НС Ш Oí.ittíi« *1т1|ишМвЯЛ йШЖВИяа

Ü

Рисунок 2 - Результаты прогнозирования

Эффективное решение задачи прогнозирования возможно только в том случае, если нейронная сеть обучается на большом объеме данных. В случае малоразмерной или некачественной обучающей выборки разработанный алгоритм не дает удовлетворительного результата, поскольку без полноценного набора данных нейросеть принципиально не способна обучиться.

По полученным в предыдущих главах результатам разработаны структуры и диалоговые процедуры пакета прикладных программ.

Разработанный в работе пакет прикладных программ предназначен для принятия решений об обеспечении безопасной эксплуатации зданий и сооружений. Пакет прикладных программ позволяет автоматизировать выполнение следующих задач:

- представление входных и выходных данных;

— результаты прогнозных значений состояния исследуемого

объекта;

обучение и настройка нейронной сети; визуализация полученных результатов.

Разработана система различных меню, многопользовательский интерфейс, набор управляющих элементов (рисунок 3).

шярикзв

' ____

мЛудндим тШ:! Ю-11

ип=«»®.М! утях,

ш -ЛГ'Ь «.¡и Q&ixai

t»<«!IW !6j9»» Я®«!®?) '«ММ»

ШЗЯК ' Й'ЙКЖЙ

МЯ» iCiiass сейте

«S3SSS

iisSKt« ' 8BSM

. sortm ШК»

mm ii smm

ПШК» «я»

ттт

Рисунок 3- Интерфейс программы

Пакет прикладных программ работает под управлением операционных систем семейства Windows.

Разработка пакета прикладных программ осуществлялось на базе объектно-ориентированных технологий.

Исследована его эффективность и осуществлена проверка его работоспособности.

Для того, чтобы оценить правдоподобность построенных моделей, построена зависимость величины ошибки от номера наблюдения, а также зависимость значений предсказанного ряда от значений исходного.

Алгоритмы и разработанный пакет прикладных программ были использованы в проекте Управления министерства РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий по Пензенской области при разработке новой системы дистанционного мониторинга высотных зданий и технически сложных строительных сооружений.

В заключении изложены основные результаты и выводы по диссертационной работе.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен анализ современного состояния проблемы использования информационно-измерительных систем для повышения уровня безопасности высотных зданий и сооружений. Выявлены основные задачи и осуществлен выбор путей их решения.

2. Разработан метод анализа технического состояния зданий и сооружений, основанный на контроле отклонений результатов измерений от нормы и методы прогнозирования уровня изменения их безопасной эксплуатации.

3. Разработаны комплексные методы прогнозирования нарушения состояния и определения предаварийных ситуаций зданий и сооружений.

4. Разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило качественно повысить степень прогноза предаварийных ситуаций зданий и сооружений.

5. Определены пределы и описаны перспективы применения предлагаемых методов повышения эффективности информационно-измерительной системы для комплексной безопасности зданий и сооружений.

6. Даны методические рекомендации по совершенствованию и модернизации алгоритмов функционирования на существующих информационно-измерительных системах комплексной безопасности зданий и сооружений.

7. Проведена апробация предлагаемой методики для прогнозирования развития основных дефектов зданий и сооружений, которая показала, что увеличение точности прогноза при ее применении достигает 20-30%.

СПИСОК ОСНОВНЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

Работы, опубликованные в научных рецензируемых изданиях, рекомендуемых ВАК.

1 .Черушов //.Б.Мониторинг общей безопасности объектов с комплексной оценкой риска от аварийных воздействий природного и техногенного характера.// Приборы и системы. Управление. Контроль. Диагностика, 2012. №4.-С. 37-42.

2. Черушов И.В. Создание современных автоматизированных систем управления зданий и сооружений.// Промышленные АСУ и контроллеры, 2012. №5.-С. 33-35.

[убликацин в других изданиях

Черушов И.В. Автоматизированная система управления ехнологическими процессами, предназначенная для выработки и реализации правляющих воздействийназдания и сооружениям/Информационные ехнологии в образовании, науке, технике и гуманитарной сфере: Межвузовский сборник трудов. - М.: МГУПИ, - 2009. - С. 69 - 73.

Черушов И.В. Метод раннего диагностирования неисправностей в аботе оборудования зданий и сооружений.// Сборник трудов Международной научно-практической конференции «Современные аправления теоретических и прикладных исследований '2008». Том 2. -)десса: Черноморье, 2008. - С. 29 - 34.

Черушов Я.ДМетодпрогнозирования сроков наступления отказов в аботе технического оборудования.// Пятая международная конференция-ыставка «Промышленные АСУ и контроллеры 2009: от А до Я» (Россия, г. Москва), 2009. - С. 78 - 82.

Черушов Я.Л.Оповышении надежности эксплуатации высотных зданий технически сложных строительных сооружений.// XIV Международная онференция-выставка «Информационные технологии в образовании» ИТО-2008) (Россия, г. Москва), 2009. - С. 101 - 109.

Черушов И. В. Методика определения энергетических характеристик рансформаторных подстанций и линий электропередач.// X Международная научная конференция «Новые информационные ехнологии и менеджмент качества» (Россия, г. Таганрог), 2008. — С. 53 - 61.

Черушов И.В., Шатерников В.Е. К вопросу об автоматизации правления современными зданиями и сооружениями.//Международная [аучная конференция «Проблемы регионального и муниципального правления». РГТУ (Россия, г. Москва), 2012. - С. 62 - 66.

Подписано к печати 23.04.2012 г. Формат 60x84. 1/16. Объем 1,25 п.л. Тираж 100 экз. Заказ №55.

Московский госудсрственный университет приборостроения и информатики

107996, Москва, ул. Стромынка, 20

Введение.

Глава 1. Использования информацинно-измерительных систем для повышения уровня промышленной безопасности высотных зданий и ц технически сложных строительных сооружений.

1.1 Общие правила проведения обследования и мониторинга технического состояния зданий и сооружений. j j

1.2. Мониторинг технического состояния зданий и сооружений. Основные положения.

1.3. Общий мониторинг технического состояния зданий и сооружений

1.4. Требования к мониторингу общей безопасности объектов (с комплексной оценкой риска от аварийных воздействий природного и техногенного характера).

1.5. Геотехнический мониторинг зданий и сооружений (включая 20 геодезический мониторинг).

1.6. Организация мониторинга зданий и сооружений в городе Москве.

1.7 Примеры проектирования и эксплуатации схем мониторинга конструкций и оснований высотных зданий.

1.8. Методы контроля и диагностики эксплуатационной надежности зданий и сооружений.

1.9. Использование систем автоматизированного сбора информации для контроля и измерения характеристик надежной эксплуатации зданий и 42 сооружений.

1.10. Методы моделирования процессов и параметров надежности.

1.11 .Выводы по первой главе.

Глава 2. Метод повышения эффективности информационно-измерительной системы комплексной безопасности зданий и сооружений, основанный на контроле отклонений результатов измерений от нормы и методы прогнозирования уровня изменения их безопасной эксплуатации.

2.1. Метод безэталонного оценивания значений параметров безопасной эксплуатации зданий и сооружений.

2.2. Методы непараметрической корреляции и регрессия для оценки состояния зданий и сооружений.

2.3. Паллиативный метод прогноза предаварийных ситуаций.

2.4. Распознавание предаварийных состояний зданий и сооружений на основе использования методов теории детерминированного хаоса.

2.5. Разработка рекомендаций по выбору структуры моделей, обеспечивающих прогнозирование предаварийных ситуаций зданий и сооружений.

2.6. Выводы по второй главе.

Глава 3. Разработка методов прогнозирования нарушения состояния и определения предаварийных ситуаций зданий и сооружений на основе аппарата нейронных сетей.

3.1. Теоретическое обоснование решения задачи прогнозирований аварийных ситуаций зданий и сооружений на основе аппарата искусственных нейронных сетей.

3.2. Синтез структуры нейронной сети для решения задачи количественного анализа.

3.3. Методы и алгоритмы обучения нейронных сетей.

3.4. Построение алгоритма решения задачи прогнозирования аварийных ситуаций зданий и сооружений на основе нейросетевого аппарата.

3.5. Создание и обучение нейронной сети решения задачи прогнозирования аварийных ситуаций зданий и сооружений.

3.6. Выводы по третьей главе.

Глава 4. Программное обеспечение для повышения эффективности информационно-измерительных систем и прогнозирования аварийных | ситуаций зданий и сооружений в режиме реального времени.

4.1. Основные задачи, реализуемые пакетом прикладных программ.

4.2 Подсистема «нейронные сети».

4.3. Обзор программ для имитации работы нейронных сетей.

4.4. Описание реализации пакета прикладных программ.

4.5. Инженерная методика оценки прогнозирования пред аварийной ситуации здания и сооружений.

4.6. Выводы по четвертой главе.

Федеральный закон Российской Федерации «Технический регламент о безопасности зданий и сооружений», принятый Государственной Думой 23 декабря 2009 года СНиП 2.09.04-87 "Административные и бытовые здания", СНиП 2.09.02-85 "Производственные здания" определяют основные требования к эксплуатации зданий и сооружений: ипредупреждение (профилактика) обрушений перекрытий и несущих конструкций в результате их износа и старения; выполнение противопожарных мероприятий; соблюдение санитарных норм, предъявляемых к зданиям и помещениям.

В настоящее время большое внимание уделяется автоматизированному контролю и управлению системами пожарной безопасности, вентиляции, кондиционирования, дегазации, теплоснабжения, электроснабжения, водоснабжения; системами грузоподъемных механизмов; вертикальному транспорту (лифт); системами сбора, обработки, хранения данных;

Аварии зданий и сооружений могут происходить по техническим и организационным причинам, например, в результате превышения допустимых нагрузок, износа строительных конструкций, возникновения в них различных дефектов и т.п.

Анализ тяжести последствий аварий повышают требования к работе информационно-измерительных систем, призванных прогнозировать предаварийные ситуации и обеспечить безопасную работу зданий и сооружений.

В настоящее время в этой области разработано и принято в эксплуатацию большое число информационо-измерительных систем, в создании которых принимали участие C.B. Костюченко, А.Ф. Тузовский, С.Б.Пугачев, Н.К. Николаев, B.C. Ивановский, В.Д. Дарищев, В.И. Каштанов, А.Р. Сабиров, С.Г. Пекин, М.М. Волобуев, А.Н. Терпелюк и многие другие.

Наибольший интерес представляют разработки Кибернетического центра Томского политехнического университета, ИИС "СИАМ" (г. Томск), ЗАО "Компания Безопасность», корпорация «Schneider Electric», НИУ МГСУ, ЗАО 4

Техиндустрия», ЗАО «Группа ЭНТЕР»

Перспективы построения и развития многофункциональных систем безопасности связаны с разработкой и внедрением многокомпонентных многоуровневых информационно-измерительных систем, обеспечивающих одновременное повышение эффективности и уровня безопасности за счет предоставления оперативной и достоверной агрегатированной информации о состоянии, тенденциях и признаках возникновения опасных ситуаций, получаемых за счет комплексной обработки данных от различных информационных, измерительных, управляющих и противоаварийных систем.

Объектами контроля, анализа, оценки и прогноза служат аэрологическое и геодинамическое состояние, технологическое оборудование, системы и средства обеспечения безопасности, несущие конструкции зданий и сооружений.

Задача повышения эффективности информационно-измерительных систем с целью быстрого реагирования на возникновение предаварийной ситуации, обеспечения комплексной безопасности зданий и сооружений, является своевременной и актуальной

Цели и задачи. Целью диссертационной работы является повышения эффективности информационно-измерительных систем комплексной безопасности зданий и сооружений путём прогнозирования изменения параметров технического состояния диагностируемых объектов контроля. В работе решались следующие основные задачи:

1. Проведен анализ современного состояния проблемы использования информационно-измерительных систем для повышения уровня безопасности высотных зданий и сооружений. Выявлены основные задачи и осуществлен выбор путей их решения.

2. Разработан метод анализа технического состояния зданий и сооружений, основанный на контроле отклонений результатов измерений от нормы и методы прогнозирования уровня изменения их безопасной эксплуатации.

3. Разработаны методы прогнозирования нарушения состояния и определения предаварийных ситуаций зданий и сооружений на основе аппарата искусственных нейронных сетей.

4. Разработан пакет прикладных программ прогнозирования предаварийных ситуаций в режиме реального времени.

Научная новизна работы заключается в следующем:

1. Предложен новый метод без эталонного оценивания значений параметров работы оборудования, требующий вместо процедуры сравнения объекта с эталоном упорядочивания выборки из множества объектов.

2. Доказано, что коэффициент ранговой корреляции Кендалла является достоверным показателем, характеризующим изменение уровня технического состояния анализируемого оборудования, а статистика Кендалла второго порядка является диагностическим критерием уровня технической безопасности строительных объектов.

3. Разработан паллиативный метод прогноза, в котором возможна интерпретация результатов за счет участия в процедуре прогноза лица, принимающею решение о достоверности и точности прогноза. Метод основан на свободном от модели алгоритме, предназначенном для исследования структуры временных рядов, совмещает достоинства анализа Фурье и регрессионного анализа. Отличается от существующих методов наглядностью и простотой управления.

4. Разработан новый комплексный метод прогнозирования нарушения состояния (отклонения от нормы), позволивший выявить качественно новые закономерности при определении предаварийных ситуаций зданий и сооружений. Использован аппарат обобщенно-регрессионной нейронной сети (ОК№\[) для создания алгоритма прогнозирования аварийных ситуаций.

Теоретическая значимость исследования обоснована тем, что:

- доказана возможность применения методов анализа временных рядов для прогнозирования предаварийного состояния зданий и сооружений;

-проведен анализ существующих методик разработаны методы обеспечения 6 комплексной безопасности зданий и сооружений;

-проведена модернизация существующих моделей прогнозирования, обеспечивающих получение новых результатов при обеспечении комплексной безопасности зданий и сооружений.

Применительно к проблематике диссертации результативно использован комплекс существующих базовых методов исследования, в т.ч. вероятностно-статистические методы, элементы теории детерминированного хаоса, метод структурной минимизации эмпирического риска, теория временных рядов, математического моделирования, искусственных нейронных сетей, современные технологии разработки алгоритмов и программного обеспечения, объектно-ориентированного программирования.

Значение полученных соискателем результатов исследования для практики подтверждается тем, что:

-разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило качественно повысить степень прогноза предаварийных ситуаций зданий и сооружений; -определены пределы и описаны перспективы применения предлагаемых методов повышения эффективности информационно-измерительной системы для комплексной безопасности зданий и сооружений;

-даны методические рекомендации по совершенствованию и модернизации алгоритмов функционирования на существующих информационно-измерительных системах комплексной безопасности зданий и сооружений;

- проведена апробация предлагаемой методики для прогнозирования развития основных дефектов зданий и сооружений, которая показала, что увеличение точности прогноза при ее применении достигает 20-30%.

Оценка достоверности результатов исследования выявила:

- экспериментальные результаты получены с использованием лицензионного программного обеспечения с применением разработанного программного модуля на различных аппаратных платформах; 7

-теоретические изыскания построены на известных методах теории временных рядов, с использованием статистики Кендалла, методов структурной минимизации среднего риска, искусственных нейронных сетей; идея базируется на проведенном анализе практики и обобщении передового опыта построения информационно-измерительных систем; -использованы современные средства и методики проведения исследований, доказывающие обоснованность применения разработанного программно-аппаратного комплекса ввиду согласованности данных эксперимента и научных выводов.

Личный вклад автора состоит в: проведении анализа существующих способов разработки информационно-измерительных систем; создании математической модели прогнозирования предаварийных ситуаций зданий и сооружений; непосредственной разработке алгоритма на основе паллиативного метода для анализа данных при принятии решений о состоянии безопасности зданий и сооружений; личном участии во внедрении разработанного пакета прикладных программ в эксплуатацию в информационно-измерительных системах; непосредственной подготовке основных публикаций по выполненной работе.

Реализация результатов. Разработанные программные средства входят в состав программного обеспечения модернизируемых информационно-измерительных систем, используемых для обеспечения комплексной безопасности высотных зданий, сложных строительных сооружений и технологического оборудования.

Разработанные методы, алгоритмы и программное обеспечение для повышения эффективности информационно-измерительных систем обеспечения комплексной безопасности зданий и сооружений использованы в учебном процессе Пензенского регионального центра высшей школы (филиале)

ФГБОУ ВПО «Российский государственный университет инновационных технологий и предпринимательства» при реализации образовательной программы по направлению подготовки (специальности) 280705 Пожарная 8 безопасность в дисциплинах «Здания, сооружения и их устойчивость при пожаре», «Производственная и пожарная автоматика», «Пожарная безопасность технологических процессов».

В Управлении министерства РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий по Пензенской области при совершенствовании системы обработки информации о состоянии пожарной безопасности и работоспособности систем пожарной автоматики

Достоверность полученных результатов. Достоверность полученных результатов подтверждена:

-экспериментальными данными и математическим моделированием предложенных алгоритмов и методов повышения эффективности информационно-измерительных систем на ПЭВМ;

-апробированием программных средств в информационно-измерительных системах обеспечения комплексной безопасности высотных зданий и повышением эффективности работы системы и автоматики противопожарной безопасности г. Пензы;

Апробация работы. Наиболее важные результаты докладывались на международных конференциях «Перспективные инновации в науке, образовании, производстве и транспорте, 2008» (Украина, г. Одесса), пятой международной конференции - выставке «Промышленные АСУ и контроллеры 2009: от А до Я» (Россия, г. Москва), XIV Международной конференции-выставки «Информационные технологии в образовании»

ИТО-2008) (Россия, г.Москва), IX Международной научной конференции

Новые информационные технологии и менеджмент качества» (Россиия, г.

Таганрог), а также Международной научной конференции "Проблемы регионального и муниципального управления" (Россия, г.Москва, РГГУ)

Основные положения и результаты докладывались и обсуждались на научных семинарах кафедр «Автоматизированные системы управления и информационные технологии» и «Электротехника и электроника» 9

Московского государственного университета приборостроения и информатики.

Публикации. По материалам диссертационной работы опубликовано восемь научных работ, в том числе две в журналах, входящих в перечень ВАК, пять работ, в сборниках трудов научно-технических конференций, одна работа в межвузовском сборнике.

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и 4 приложений.

4.6. Выводы по четвертой главе

1. Проведена описана реализация модели прогнозирования аварийных ситуаций зданий и сооружений.

2. Проведена оценка эффективности разработанной модели.

3. Проведена оценка алгоритма прогнозирования аварийных ситуаций по данным информационно-измерительной системы. 4. Создана инженерная методика оценки прогнозирования предаварийной ситуации здания и сооружений. Приведены необходимые данные по работе с программным обеспечением. Установлены параметры, по которым была проведена оценка работоспособности.

ЗАКЛЮЧЕНИЕ

1. Проведен анализ современного состояния проблемы использования информационно-измерительных систем для повышения уровня безопасности высотных зданий и сооружений. Выявлены основные задачи и осуществлен выбор путей их решения.

2. Разработан метод анализа технического состояния зданий и сооружений, основанный на контроле отклонений результатов измерений от нормы и методы прогнозирования уровня изменения их безопасной эксплуатации.

3. Разработаны комплексные методы прогнозирования нарушения состояния и определения предаварийных ситуаций зданий и сооружений.

4. Разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило качественно повысить степень прогноза предаварийных ситуаций зданий и сооружений.

5. Определены пределы и описаны перспективы применения предлагаемых методов повышения эффективности информационно-измерительной системы для комплексной безопасности зданий и сооружений.

6. Даны методические рекомендации по совершенствованию и модернизации алгоритмов функционирования на существующих информационно-измерительных системах комплексной безопасности зданий и сооружений.

7. Проведена апробация предлагаемой методики для прогнозирования развития основных дефектов зданий и сооружений, которая показала, что точности прогноза увеличивается на 20-30%.

1. Абламейко C.B., Лагуновский Д.М. Обработка изображений: технология,методы, применение.—Мн.: Амалфея, 2000. — 304 с.

2. Автоматизированные информационные системы / H.A. Криницкий, ГА. Миронов, Г.Д. Фролов; под ред. A.A. Дородницына. — М.: Наука. Главная редакция физико-математической литературы, 1982.—384 с.

3. Адаменко А.Н., Кучков A.M. Логическое программирование и Visual Prolog. СПб.: БХВ-Петербург, 2003. - 992 с.

4. Алгоритмы и программы восстановления зависимостей / Под ред. В.Н. Вапника.—М.: Наука, 1984. — 816 с.

5. Ахо Альфред, Джон Ульман Структуры данных и алгоритмы. /Пер. с англ.: М.: Издательский дом «Вильяме», 2001. 384с.

6. Айме К.А. Мониторинг зданий и котлованов, ч. 2 //Строительные материалы, оборудование, технологии века, № 11, 2005, С. 37-39.

7. Базы знаний интеллектуальных систем: Учеб. пособие для вузов / Т. А. Гаврилова, В.Ф. Хорошевский.—СПб.: Питер, 2000. — 384 с.

8. Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. — 224 с.

9. Банков И.Р., Смородов Е.Л., Смородова О.В., Деев В.Г. Уточнение прогнозов аварийных отказов технологического оборудования методами теории нечетких множеств// Известия ВУЗов. Проблемы энергетики.-2000.-№7-8.-С. 17-22.

10. Банков И.Р., Смородов Е.А., Смородова О.В. Диагностика технического состояния механизмов на основе статистического анализа вибросигналов //Известия ВУЗов. Проблемы энергетики.-2000.-№7-8.-С. 17-18.

11. Байков И.Р., Сморолов Е.А., Смородова О.В. Применение методов теории самоорганизации в диагностике технического состояниямеханизмов// Известия ВУЗов, Проблемы энергетики.-2000.-№1-2.-С.96-100.

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

13. Бойко В.В., Савинков В.М. Проектирование баз данных информационных систем. М.: Финансы и статистика, 1989. - 351 с.

14. Борщев В.Б. Пролог основные идеи и конструкции. - в кн.: Прикладная информатика. Сб. статей под ред. В. М. Савинкова. - М.: Финансы и статистика, 1986. - с. 49-76.

15. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. /Пер. с англ. —М.: «Издательство Бином», 1999. —560 с.

16. Вапник В.Н. Алгоритмы и программы восстановления зависимостей. -М.:Наука 1984.-816с.

17. Винер Н. Кибернетика или управление и связь в животном мире и машине. М.: Советское радио, 1968 - 326 с.

18. Волкова В.Н. Денисов A.A. Основы теории систем и системного анализа. СПб.: Издательство СПбГТУ, 1999. - 512 с.

19. Вентцель Е.С. Теория вероятностей: Учеб. для вузов. 6-е изд. Стер. -М.: Высш. шк, 1999.-576 с.

20. Воройский Ф.С. Систематизированный толковый словарь по информатике. — М.: Либерея, 1998. — 376 с.

21. Гаскаров Д.В., Истомин Е.П., Кутузов О.И. Сетевые модели распределенных автоматизированных систем. СПб.: Энергоатомиздат, Санкт-Петербургское отделение. 1998.-352 с.

22. Гаскаров Д.В. Интеллектуальные информационные системы.— М: Высшая школа, 2003.—431 с.

23. Гаскаров Д.В., Голинкевич Т.А., Мозгалевский A.B. Прогнозирование технического состояния и надёжности радиоэлектронной аппаратуры / Под ред. Т.А. Голинкевича. М.: Сов. Радио, 1974 - 224 с.

24. Гергей Т., Финн В.К. Об интеллектуальных системах // Экспертные системы: состояние и перспективы. Сб. науч. тр. — М.: Наука, 1989. — с. 9-20.

25. Глаз А.Б. Параметрическая и структурная адаптация решающих правил в задачах распознавания. — Рига: Зинатне, 1988. — 167 с.

26. Горелик A.JL, Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания: Некоторые аспекты.— М.: Радио и связь, 1985. -160 с.

27. Грэхэм И. Объектно-ориентированные методы. Принципы и практика. 3-е издание.: Пер. с англ. -М.: Издательский дом «Вильяме», 2004. -880 с.

28. Данилов В.И., Сотсков А.И. Механизмы группового выбора.— М.: Наука, 1991,—176 с.

29. Джексон П. Введение в экспертные системы. Пер. с англ. -М.: Издательский дом «Вильяме», 2001.-624 с.

30. Дмитриев В.И. Прикладная теория информации: Учеб. для спуд. Вузов по спец. «Автоматизированные системы обработки информации и управления». М.: Высш. шк., 1989.-320 с.

31. Змитрович А.И. Интеллектуальные информационные системы. Мн.: НТООО «ТетраСистемс», 1997.-368 с.

32. Иванов Б.Н. Дискретная математика. Алгоритмы и программы. М.:

33. Лаборатория Базовых Знаний, 2002. -288 с.153

34. Искусственный интеллект. Применение в интегрированных производственных системах/Под. Ред. Э. Кьюсиака. -М.: Машиностроение, 1991.-544 с.

35. Искусственный интеллект: В 3 кн. Кн. 3. Программные и аппаратные средства: Справочник / Под ред. В.Н. Захарова, В.Ф. Хорошевского. М.: Радио и связь, 1990.-368 с.

36. КасьяновВ.Н., Евстигнеев В.А. Графы в программировании: обработка, визуализация и применение. СПб.: БХВ-Петербург, 2003. - 1104 с.

37. Кватрани Т. Rational Rose 2000 и UML. Визуальное моделирование: Пер. с англ. М.: ДМК Пресс, 2001. - 176 с. (Серия «Объектно-ориентированные технологии в программировании»),

38. Кнут Д. Э. Искусство программирования, том 1. Основные алгоритмы, 3-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001.-720 с.

39. Кнут Д. Э. Искусство программирования, том 2. Получисленные алгоритмы, 3-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001.-832 с.

40. Кнут Д. Э. Искусство программирования, том 3. Сортировка и поиск, 2-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001 - 824 с.

41. Кольцов П.П. Математические модели теории распознавания образов // Компьютер и задача выбора. — М.: Наука, 1989. С. 89-119.

42. Корчинский И.Л. Колебания высотных зданий, Науч. сообщ. вып. 11, ЦНИПС, М., 1953,44 с.

43. Корнеев В.В., Гареев А.Ф., Васютин C.B., Райх В.В. Базы данных. Интеллектуальная обработка информации. — М.: «Нолидж», 2000. — 352 с.

44. Кендэл М. Ранговые корреляции. М.: Статистика, 1975.-216 с.

45. КендэлМ., Дж. Стьюарт А. Теория распределений, М.: Наука, 1976.-312 с.

46. Кукинов A.M. Применение порядковых статистик и ранговых критериев для обработки наблюдений/В сб. Поиск зависимости и оценка погрешности. -М.: Наука, 1985.- С.97-103.

47. Курицкий Б.Я. Поиск оптимальных решений средствами Excel 7.0.

48. С.-Петербург: "ВНУ-Санкт-Петербург", 1997. -384 с.

49. Кулибанов Ю. М., Кутузов О.И., Жернокова C.JL, Завьялов Н.М.

50. Имитационное моделирование. Статистический метод. СПб.: Судостроение - 131 с.

51. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: 2000. - 239 с.

52. ЛорьерЖ.-Л. Системы искусственного интеллекта / Пер. с франц. М.: Мир, 1991.-568 с.

53. Любарский Ю.Я. Интеллектуальные информационные системы.- М.: Наука. Гл. ред. физ.-мат. лит., 1990.-232 с.

54. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание. : Пер. с англ. М.: Издательский дом «Вильяме», 2003. -864 с.

55. Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 1994. - 256 с.51 .Мартин Дж. Организация баз данных в вычислительных системах: Пер. с англ. /Под. ред. A.A. Стогния и А.Л. Щерса. М.: Мир, 1980. 662 с.

56. Маслов С.Ю. Теория дедуктивных систем и её применения. М.: Радио и связь, 1986.-135 с.

57. Мейер Б., Бодуэн К. Методы программирования: В 2-х томах. Пер. с франц. Ю.А. Первина /Под ред. А.П. Ершова. М.: Мир, 1982. Т.1.- 356 е., Т.2. -368 с.

58. Методы современной теории автоматического управления / Под. ред. Н.Д. Егупова. Москва : изд. МГТУ, 2000. 748 с.

59. Мозгалевский A.B., Гаскаров Д.В. Техническая диагностика. М.: Высшая школа, 1975.-208 с.

60. Микони C.B. Модели и базы знаний. Учебное пособие. СПб.: СПГУПС, 2000,- 155 с.

61. Минский М. Фреймы для представления знаний / Пер. с англ. М.: Энергия, 1979- 151 с.

62. Нейлор К. Как построить свою экспертную систему. М. Энергоатомиз-дат, 1991 -286 с.

63. Нильсон Н. Принципы искусственного интеллекта.— М.: Радио и связь, 1985.-376 с.

64. Новиков Ф.А. Дискретная математика для программистов. СПб.: Питер, 2002.-304с.

65. Норенков И.П., Маничев В.Б. Основы теории и проектирования САПР: Учебник для втузов. М: Высшая школа, 1990. 335 с.

66. Фельдман. — Новосибирск: Наука. Сибирская издательская фирма РАН,1996 — 296 с.

67. Основы технической диагностики. В 2-х кн. Кн. 1. Модели объектов, методы и алгоритмы диагноза / Под ред. П.П. Пархоменко. — М.: Энергия, 1976.-464 с.65.0суга С. Обработка знаний / Пер. с япон. -М.: Мир, 1989.-293 с.

68. Патрик Э. Основы теории распознавания образов / Пер. с англ.; под ред. Б.Р. Левина. -М.: Сов. радио, 1980.-408 с.

69. Попов Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. - 288 с.

70. Попов Э.В. Фоминых И.Б. Кисель Е.Б. Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. -320 с.

71. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989. — 184 с.

72. Представление и использование знаний / Под ред. X. Уэно, М. Исидзука; пер. с япон,—М.: Мир, 1989—220 с.

73. Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания.— М.: Энергоиздат, 1981. — 80 с.

74. Рыбина Г.В. Принципы создания автоматизированной технологии проектирования интегрированных экспертных систем // Новости искусственного интеллекта / АИИ.- 1993.-С. 105-116.

75. Рыбина Г.В. Технология проектирования прикладных экспертных систем: Учеб. пособие.-М.: МИФИ, 1991.-104с.

76. Сидоров В.А., Сидоров A.B. Границы различения технических состояний машин // Вибрация машин: измерение, снижение, защита / Материалы Международной научно-технической конференции. Донецк: ДонНТУ, 2003.-с. 31-37.

77. Селезнев B.C., Еманов А.Ф., Барышев В.Г., Кузьменко А.П. Способ определения физического состояния зданий и сооружений. Патент РФ 2140625 Cl, 17.02.98, Бюлл. № 30, 27.10.99.

78. Советов Б.Я. АСУ. Введение в специальность: Учеб. для вузов по спец.157

79. Автоматизированные системы обра б. информации и упр.». — М.: Высш. шк., 1989,- 128 с.

80. Стогний A.A., Кондратьев А.И. Информационные системы в управлении. — Киев: Об-во «Знание», 1980. — 48 с.

81. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач.- М.: Наука, 1974.-224 с.

82. Тихонов А.Н., Иванов В.К., Лавреньтев М.М. Некорректно поставленные задачи// Дифференциальные уравнения с частными производными.-М.: Наука, 1970.-407 с.80.

83. Теория выбора и принятия решений: Учеб. пособие. — М.: Наука, 1982.328 с.

84. Трофимов С.А. Case-технологии: практическая работа в Rational Rose.

85. Изд. 2-е М.: Бином-Пресс, 2002. - 288с.

86. ТуДж., Гонсалес Р. Принципы распознавания образов / Пер. с англ.; подред. Ю.И. Журавлева. — М.: Мир, 1978. — 411 с.

87. Ульман Дж. Базы данных на Паскале / Пер. с англ. Под ред. Ю.И. Топче- ва.- М.: Машиностроение, 1990. 368 с.

88. Уотермен Д. Руководство по экспертным системам. / Пер. с англ. М.: Мир, 1989,- 388 с.

89. Фомин В.В., Шнуренко A.A. Теоретические основы автоматизированных информационных систем: Учеб. пособие. СПб.: СПГУВК, 2003. - 225 с.

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

91. Фор А. Восприятие и распознавание образов / Пер. с франц.; под ред. Г.П. Катыса. — М.: Машиностроение, 1989. — 272 с.

92. Фукунага К. Введение в статистическую теорию распознавания образов / Пер. с англ.; под ред. A.A. Дорофеюка. — М.: Наука, 1979. — 368 с.

93. Шахраманьян М.А., Нигметов Г.М. и др. Способ динамических испытаний зданий. Патент РФ № 2141635, G01M7/00, 1999.

94. ГОСТ Р 53778-2010 «Здания и сооружения. Правила обследования и мониторинга технического состояния».

95. Технический регламент о безопасности зданий и сооружений, введенный в действие Федеральным законом Российской Федерации от 30.12.2009 года N 384 ФЗ.

96. Awad, E.M. (1996). Building Expert Systems. West Publishing Co.

97. Boehm, B.W. (1988). "A spiral model of software development and enhancement". IEEE computer, May, p. 61-72.

98. Boose, J.H., D.S. Shema, and J.M. Bradshaw (1989). "Recent progress in Aquinas: A knowledge acquisition workbench". Knowledge Acquisition, 1, p. 185-214.

99. Clancey W. J. (1985). Heuristic classification. Artificial Intelligence, 27, p. 289-350.

100. Marcus, S. and J. McDermott (1989). "SALT: A knowledge acquisition language for propose-and-revise systems". Artificial Intelligence, 39, p. 1-37.

101. Musen, M. Domain Ontologies in Software Engineering: Use of Protege withthe EON Architecture // Methods of Inform, in Medicine (1998), p. 540-550.159