автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Разработка методов и средств интеллектуализации измерении в задачах определения свойств технических объектов

Санкт-Петербургский Государственный технический университет

Р Г б ОД На п*)авах РуК01ШСИ

'с г Г"?' '."■'^л

I $ ¿)СП

Ыалыхина Галина Федоровна

РАЗРАБОТКА МЕТОДОВ И СРЕДСТВ ИНТЕЛЛЕКТУАЛИЗАЦИИ ИЗМЕРЕНИИ В ЗАДАЧАХ ОПРЕДЕЛЕН/Я СВОЙСТВ ТЕХНИЧЕСКИХ ОБЪЕКТОВ

Специальность:05.11.16 - Информационно-измерительнне системы

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Сянкт-Пятердург - .1996

Работа выполнена в Санкт-Петербургском Гоосударственном техническом университете

Официальные оппоненты:

доктор технических наук профессор ИВАНОВ В.Н., доктор технических наук профессор КОНДРАВКОВА Г.А., доктор технических наук профессор ПРОКОПЧИНА О.В.

Ведущая организация - Холдинговая компания "Ленинец"

Защита диссертации состоится 1996 г.в часов

на заседании диссертационного совета Д 063.3$.14. Санкт-Петербургского Гоосударственного технического университета по адресу 195251, Санкт-Петербург, Политехническая ул., 21.

О диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан *2ЕЩ Г 1996 г.

Ученые секретарь диссертационного совета

Лобан В.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы работы. Современным направлением развития теории и практики информационно-измерительной техники является интеллектуализация измерения. Это обусловлено расширением и усложнением функций, выполняемых техническими системами и возросшей специализацией измерительных средств. Средства измерения, встроенные или интегрированные с объектом измерения, позволяют получать информацию в течение всего времени эксплуатации объекта или технологического процесса и при наличии собственных ресурсов (или ресурсов объекта измерения) осуществлять обработку получаемой измерительной информации.

" Дальнейшее углубление специализации измерительных средств позволяет учитывать в- алгоритмах измерения модели измеряемых объектов внешних условий функционирования объектов и измерительных средств и на этой основе осуществлять переход к решению многоцелевых измерительных задач, которые включают, кроме измерения параметров объекта в количественных шкалах, обработку, накопление и классификацию измерительной информации и получение результатов в шкалах, согласованных с измеряемым свойством-объекта. Результатом измерения является значение компонент вектора параметров объекта, заключение о состоянии объекта, рекомендации по управлению или выработка автоматических управляющих воздействий. Применение классификационных моделей обработки данных служит основой интеллектуализации измерений в информационных и диагностических системах.

Спецификой измерения свойств технических объектов является высокая цена ошибочных решений, неправильных рекомендаций и недостаточной точности измерения параметров. К таким объектам относятся технологические процессы добычи и транспортировки нефти, системы силового и радиоэлектронного бортового оборудования. В связи с этим актуальной становится задача разработки измерительного подхода . к определению свойств технических объектов, отличающегося метрологической обоснованностью решений.

В современной теории измерений не разработаны методологические вопросы применения классификационных моделей при многомерных статистических измерениях, включающие методы отбора

информативных признаков, выбора решающих правил, определения метрологических характеристик и способов их улучшения, не определены формы предстваления метрологических характеристик в многомерном пространстве измеряемых параметров. Перечисленные вопроси требуют специальной разработки и не могут быть решены с привлечением существующих методов теории решений, классификации, распознавания. Методология определения свойств . объектов в качественных шкалах, построенная на показателях инструментальной достоверности, не позволяет решать ряд задач, связанных с анализом и синтезом процедур и алгоритмов принятия решений. Задачам интеллектуализации измерений отвечает разработка новой системы показателей и решение связанных с ней методических вопросов. Решение этих задач позволит расширить функциональные возможности и повысить эффективность измерительных и диагностических систем. Поэтому разработка методов интеллектуализации измерений на основе моделей классификации и принятия решений в задачах определения свойств технических объектов и разработка алгоритмических, программных й аппаратных средств интеллектуализации измерений является актуальной задачей создания современных информационно-измерительных и диагностичесих систем.

Цель работы. Работа посвящена теоретическому обобщению, разработке методологии, методов, алгоритмов и программных средств интеллектуализации измерений для решения задач определения свойств технических объектов с применением процедур принятия решений на примере технологических процессов добычи и транспортировки нефти, системы контроля бортового силового и радиоэлектронного оборудования.

Решение этой проблемы включает ряд связанных с ней задач:

1. Разработку математической модели интеллектуализации измерений в многомершх количественных шкалах с использованием процедур классификации.

2. Обоснование метода анализа метрологических свойств средств измерения, реализующих многомерные статистические измерения, вглючающие процедуры классификации.

3. Определение способов оптимизации процедур измерения в многомершх количественных шкалах, включапдих отбор наиболее информативных признаков и использование оптимальных

статистических оценок.

4. Обоснование семейства многомерны* распределений, его применение в задачах интоллектуализации измерений и представления метрологических характеристик в многомерном пространстве.

5. Разработку метода идентификации распределений, принадлежащих, этому семейству.

6. Обоснования математической модели интеллектуализации измерений в номинальных и порядковых шкалах на основе допускового контроля параметров.

7. Разработку системы показателей качества контрам состояния объекта на основе допускового контроля параметров и алгоритмов многопараметрического контроля и определение способов получения их количественных оценок.

8. Разработку метода определения технического состояния дискретного обгокта на основе функционального тестирования с принятием решений по результатам реализации каждого тоста.

9. Разработку способа измерения параметров двухфазных потоков и ого реализацию в ИИС, предназначенных для контроля технологических процессов добычи и транспортировки нефти.

10. Разработку автоматизированной системы анализа полетных данных, идентификации моделей газотурбинного двигателя (ГТД) и определения системы показателей качества контроля состояния объекта.

11. Разработку системы функциональных тестов программируемого процессора сигналов Ц200.

Методы исследования, используемые в данной работе для достижения поставленных целей, объединяются на основе системного подхода к решаемой проблеме. Используется аппарат, принципы и основные положения теории измерений, метрологии, теории вероятностей, математической статистики, функционального анализа, оптимальных решений, теории распознавания образов, технической диагностики.

Научная новизна результатов диссертационной работы состоит в разработке методологии, методов и алгоритмов интеллектуализации измерений свойств технических объектов на основе процедур принятия решений в диагностических и информационно-измерительных системах, реализующих многомерные статистические измерения в количественных и качественных шкалах. Предложена система

показателей точности и достоверности определения состояний объектов.

• Основные научные результаты, выдвигаемые на защиту:

1. Предложена новая модель интеллектуализации измерений с переходом к многомерным количественным шкалам на основе процедур классификации.

2. Впервые сформулирован метод анализа в многомерном пространстве погрешностей, вносимых . классификационными процедурами в измерительный процесс.

3. Предложен метод уменьшения систематических погрешностей, обусловленных ошибочными решениями, основанный на квантильных оценках центров групп по априорному и по апостериорному распределению измеряемых параметров.

4. Сформулировали новый метод отбора классификационных признаков для задач интеллектуализации измерений в многомерных количественных шкалах, оптимизирующий потери от погрешностей измерения.

5. Впервые предложено семейство многомерных а-экспоненциальных распределений, ориентированных на задачи интеллектуализации измерений, и метод идентификации распределений этого семейства, включающий построение многомерных сферических гистограмм преобразованных эмпирических данных.

6. Разаработана новая система показателей качества контроля технического состояния объекта, основанная на методической и результирующей достоверности допускового контроля.

7. Предложен новый подход к синтезу последовательности функциональных тестов на основе показателей достоверности определения состояния объекта.

. Практическую цонг.ость представляют методики, алгоритмы и программы, построенные по методологии интеллектуализации измерений в задачах опрделения свойств технических объектов, которые включают:

1. алгоритм измерения относительной доли свободного газа в потоке товарной нефти, программу измерения, выполненную на языке Паскаль и Ассемблер для двух модификаций. измерительной системы "Фактор";

2. алгоритм и программу измерения расхода компонентов двухфазного потока и 1 методику определения метрологических

характеристик измерительной системы "Пульсар";

3. методики метрологической аттестации измерительной системы "Фактор" и автоматизированную методику предварительных испытаний;

4. методику получения количественных характеристик системы показателей качества контроля состояния объекта;

5. автоматизированную систему анализа полетных данных, идентификации моделей ГТД и определения системы показателей качества контроля состояния объекта;

6. пакет функциональных тестов программируемого процессора сигналов.

Реализация результатов работы состоит в том, что созданы и внедрены под руководством и при непосредственном участии автора - алгоритм измерения относительной доли свободного газа в двухфазном потоке; программа измерения на языке Паскаль и на языка Ассемблера, реализованные в 1ШС "Фактор", и Методики аттестации КИС "Фактор", используемые в ЦНШРТК при создании, предварительных испытаниях и аттестации системы;

- алгоритм и программа измерения и методика определения метрологических характеристик ИИС "Пульсар" в ЦНИИРТК для измерения расхода продукции нефтяных скгакин;

- методика определения показателей достоверности и эффективности контроля, автоматизированная система анализа полетных данных, идентификации моделей и определения системы показателей достоверности, внедренная в НШВС "Спектр" Холдинговой компании "Ленинец";

- ситема функциональных тестов программируемого процессора сигналов Ц-200, внедренная в НШРЭК Холдинговой компании "Ленинец".

Диссертационная работа выполнялась в рамках пяти хоздоговорных НИР и одной ОКР под руководством или при непосредственном участии автора.

АппроОация работы Материалы диссертации докладывались и обсуждались в период с 1П75 по 1996 г.г. 17-ти Всесоюзных, Всероссийских и Международных конференциях, совещаниях и семинарах в отраслевых институтах и вузах.

Публикации■ По теме диссертации опубликовано 30 работ, включая 11 статей в центральных изданиях, межотраслевых и межвузовских сборниках научных трудов, патент на изобретение и

3 пакета программ, включенных в Фонд алгоритмов и программ.

Структура работы. Диссертация состоит из введения, 'шести глав', заключения, списка литературы из 225 наименований и приложений. Основная часть работы изложена на 287 страницах машинописного текста. Работа содержит 87 рисунков и 3 приложения.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

В первой главе на основе анализа тенденций развития измерительной техники, как инструмента разрешения проблем функционирования и информационного сопровождения технических сметем в течение юс жизненного цикла, определено направление интеллектуализации измерений при определении свойств технических объектов, как сэдачв сложного многоцелевого измерения, включающего измерение свойств объекта в количественной шкале и последующий переход к более слабым шкалам, согласованным с измеряемым свойством, на основа моделей классификации. При этом классификационные процедуры являются основополагающими, первичными, исходными . формами знания. Интеллектуализация измерений рассматривается как придание измерительному средству возможностей искусственного интеллекта, имитирующего классификационные процессы в мыслительной деятельности человека. Методы интеллектуализации , измерений представляют собой неотъемлемую часть практической стороны системного анализа, как системы методов исследования и проектирования сложных технических систем, поэтому обладают междисциплинарным характером, вовлечением в решение проблем как эмпирических экспериментальных методов, так и строгих формальных математических методов, обеспечивающих их теоретическое метрологическое обоснование.

Определен ряд характеристик задач определения свойств технических объектов, которые позволяют отнести их К' направлению интеллектуализации измерений:

- многоцелевой характер задач, направленный на получение результатов в виде значения измеряемых параметров (КП), характеристик состояния объекта, рекомендации по управлению сОьектом, сформированных управляющих воздействий;

- применение модели объекта, которая уточняется в процессе измерений, аккумулируя знания об объекте;

- обработка результатов измерения с применением числовых и классификационных моделей;

- повышенные требования, предъявляемые к результатам измерения, поскольку ошибочные рекомендации и неправильно сформированные управляющие воздействия могут привести к тяжелым последствиям;

• - требование, метрологической обоснованности результатов измерения, базирующейся на развитом метрологическом обеспечении.

Проведенный анализ, показал, что применение в измерительном процессе процедур классификации определяет два направления: измерение в номинальных и порядковых шкалах; измерение в многомерных количественных шкалах (для которых задано отношение "быть эталоном"). Последнее направление мозкно определить как многомерные статистические измерения.

В теории измерений не создана единая методология многомерных статистических измерений, основанных на процедурах классификации, отсутствует математическая модель метода,' не разработаны методы классификации, ориентированные на задачи измерения, не сформулирован метод отборе информативных признаков для принятая решений, метода определения погрешностей и анализа их составляющих, методы уменьшения погрешностей измерения и способы представления метрологических характеристик средств измерения, реализующих многомерные статистические измерения. Задачи измерения такого класса достаточно часто возштают в практике, они связаны с измерением среднего значения, среднеквадратического отклонения, или иного функционала от распределения параметов в классе, сформированном в результате принятия решения. Примером являются измерения параметров двухфазных газожидаостных потоков в технологических процессах добычи и транспортировки нефти.

Задачи измерения свойств технических объектов в номинальных и порядковых шкалах определены для автоматизированных систем контроля и диагностики (АСКиД), которые являются по-существу информационно-измерительными системами, включающими процедуры принятия решений о состоянии объекта. В практике проектировния АСКиД в качестве основного критерия качества контроля используется инструментальная достоверность. Причиной этому служит всесторонняя разработанность показателей инструментальной достоверности. Имеются удобные для использования в инженерной практике методики • ' их оценки, показатели инструментальной

достоверности положены в основу вероятностных, информационных и временных показателей качества контроля. Однако показатели инструментальной достоверности не отвечают задачам определения состояния технического объекта, позволяя оценивать лишь состояние его параметров, поскольку не учитывают свойства самого объекта и влияния на них степени отклонения параметров от номинала. Такой подход не отвечает задаче определения состояния технического объекта, поскольку не учитывает тот факт, что даже точное измерение параметров не может снять неопределенности состояния объекта. Применение этого подхода приводит к тому, что внимание разработчиков сосредотачивается на инструментальных причинах недостоверности контроля, что ведет зачастую к неоправданно жестким требованиям к погрешностям датчиков и измерительных каналов, трудностям при определении решающих правил.

Решение задач интеллектуализации измерений свойств технических объектов с применением процедур классификации на примере технологических процессов добычи и транспортировки нефти, контроля и диагностирования бортового силового и радиоэлектронного оборудования позволяет получить общее решение для классов дискретных и непрерывных технических объектов; измерения в количественных многомерных шкалах и в качественных шкалах; принятия решений на основе решающих функций, последовательного анализа и алгоритмов произвольной структуры; определения свойств технических объектов в условиях случайной и

расплывчатой неопределенности.

Алгоритмической основой определения свойств технических

объектов является группа критериев отношения правдоподобия, учитывающих риск от ошибочной классификации и включающих критерии Байеса, Неймана-Пирсона, минимума среднего риска, идеального наблюдателя, минимаксный. При этом классификационная модель процесса измерения многопараметрических объектов строится как на решающих функциях, так и в форме допускового контроля параметров в соответстрии с алгоритмами.

В следующих разделах с позиций теории множеств определены классы моделей технических объектов, используемые в процессе интеллектуализации измерений. Выделены функциональные модели, описываемые системой Г =< А, Р >, в которой на множество Л = X И У входных (X) и выходных (У) переменных определено отношение

функционального базиса F, структурные модели, для которых на множестве А определено отношение инциденции S = < A, R > и структурно-функциональныо модели W = <А, F, Ru>,- включающие оба отношения. Свойство функционирования и развития объекта отражают динамические модели, которые учитывают временные характеристики входных и выходных переменных x(t), y(t) в виде отображения на множества X и Y моментов времени Т: Т —> X: i(t)íXT, X —> Y: y(t) € YT. Динамические модели могут быть функциональными и структурно-функциональными. Последние являтся наиболее подробными и полными на данном этапе нашего знания.

Множество состояний технического объекта в процессе функционирования отражено семейством диагностических моделей. В рамках каждого класса семейство построено на расширенном множестве, носителе А* = A U А" и множествах отношений, ГГ = Ru U R^, Р'= F U Fw, объединяющих множества отношений, характерных для объекта в различных классах состояний, обозначенных R^, Fu, А".

Определите состояния технического объекта в процессе функционирования предложено проводить на основе признаков z, инвариантных к множеству отношений, учтенных моделью объекта. Используя биективное преобразование множества параметров объекта

в множество признаков А -> Z можно добиться инвариантности к

отношениям на объекте измерения Z = <р(а,г,гм) = <р(а), где г, гм~ отношения, определенные на объекте и отраженные в его модели. Вычисление инвариантов связано с использованием структурной , функциональной, аналитической и временной избыточности, присущей объекту.

Рассмотрены измерения свойств объектов в многомерных количественных, порядковых, номинальных шкалах. Для измерения свойств объектов с дискретным множеством состояний система шкалы М =< Z, Н на множестве носителя включает отношение Я

1 «V > ~

эквивалентности, определяющее фактор-множество состояний ш, отношение R порядка или древовидного порядка. Для ряда объектов с дискретным множеством состояний на фактор-мжжзствах {ы ,<*> ,...,un> задано отношение R0 "быть эталоном". В качестве эталона рассматриваются сроднее значение, медиана, центр тяжести множества ш . Система измерительной шкалы для таких объектов имеет

вид М„= <г,11«,Н ,Н > и с позиции теории множеств представляет многомерную количественную шкалу с упорядоченными классами.

Определены причины методического и инструментального характера, влияющие на характеритсики определения состояний тохничеких объектов. Негомоморфность отображения системы отношений объекта в систему отношений шкалы определяет ошибочные решения методичесого характера и методическую погрешность измерения в количественных шкалах. Если отношения гомоморфны, то отображения признаков происходит на подвижное множество, ошибочные решения имеют инструментальный характер, и измерение в количоствешшх шкалах характеризуется инструментальными погрешностями. Совместное действие двух причин, заключающееся в подвижности множества Ъ и негомоморфности отображения отношений, приводит к результирующим ошибочным решениям.

Уточнение модели объекта в процессе накопления данных в результате проведения эксперимента, более полный учет предикторов, переход к более совершенным моделям объекта уменьшают методические погрешности измерения и ошиОочнио репения методического характера.

Вторая глава посвящена решению методических вопросов организации измерений в многомерных количественных шкалах с использованием решающих функций при нормальном распределении измеряемых признаков (Ш). В ней рассмотрены вопросы синтеза решающих правил, определения состава метрологических характеристик (ИХ) процедур принятия решений, анализа ИХ, разработке методов их улучшения и разработка методов количественной оценки МХ при интеллектуализации измерений.

Обоснована груша критериев принятия решений, направленных на интеллектуализацию измерений свойств технических объектов и получены решающие функции для этих критериев при различном объеме априорной информации. Проведен анализ погрешности процедур принятия решений, соответствующих этим критериям и показано, что погрешности, вносимые в процесс измерения, имеют методические и инструментальные составляющие.

Определена форма представления МХ средств измерения при интеллектуализации количественных измерений в многомерном пространстве, при которой численные характеристики ногр-глюети задаются векторами средних значений и матрицами рассеяния, а

области, в которых с заданной вероятностью находится погрешность измерения, ограничены поверхностью второго порядка.

Предложен метод количественной оценки МХ процедур принятия решений. Систематическую составляющую погрешности предложено определять на основании величины смещения центра решающей функции относительно эталона класса и единичного вектора направления смещения в пространстве ИП. Направление единичного вектора предложено опроделять на основе анализа топологии шкалы. В соответствии с предложенным методом получены аналитические соотношения для количественной оценки систематической составляющей погрешности измерения для следующих вариантов многомерных шкал: при равных ковариационных матрицах, при равных собственных векторах ковариационных матриц, при различных ковариационных матрицах классов.

В частности, в случае равенства .ковариационных матриц классов в модели Фишера решение о принадлежности ИП к классу о> принимается по значению решающей функции и^ < 0 и к классу о^ - при и^ >0, где 0 - граничное значение решающей функции. Величину систематического смещения центра решающей Функции класса при равенстве априорных вероятностей предложено определять по формуле:

9 + Г, У2

(1)

где г^От^-т^ЬС" •(ю1-т;))- расстояние Махалонобиса, п^.п^ -векторы математических ожиданий' распределений ИП в классах о>1 и С - ковариационная матрица, Ф(>) - интеграл вероятности, Р(*) - плотность нормального распределения

Вектор систематической составляющей погрешности измерения д ) • Ли1 сондадает по направлению с вектором, разности

математических ожиданий.

Для уменьшения систематических погрешностей предложено использовать квантильцые оценки центра групп. С этой целью введены два порога 61 и 82 на величину решающей функции, соответствующие qЖ~нoй квантили априорного распределения. Эффективность метода проанализирована на примере классификации ИП при равных априорных вероятностях. Величина систематического смещения центра решающей функции в этом случае определяется соотношением (2):

"1 + Г1 /2 е+г1 /2 Аи1={2-(1-д) - Ф ( )} .{/^ -) -

е+г. /г

г л 1

и

В аналогичных условиях получена величина смещения решающей функции при введении двух границ и в2 и соответствующие д*-ныв квантили апостериорного расгфеделения ИП в виде:

6,-г,,/2 е,-г,4/2 в,+г, У2

г. ./2 е,+г У2

•{г - ,/г- К^Н ♦ ф( ~~~)]}

(3)

Расчеты по формулам (1 ) - (3), проведенные на ЭВМ, показали, что систематическая погрешность может быть уменьшена в нескольк раз путем использования квантильых оценок центра.

Решены вопросы отбора признаков для процедур классификации.!', за. .чах интеллектуализации измерений по критерию ограничении потерь, связанных с погрешностями измерения. Если задан вектор Ь потерь, то условие достижения оптимального набора а тж/иакоь

определяется соотношением:

Ь'"Лх3 « Ндоп< ДЛЯ Б € Б, , (4)

где - множество измеряемых признаков. В ряде задач таким уело- . вием может служить нопревышение-систематической погрешностью каждой компоненты допустимого значения: ; ( "

Лх1 * Лх1доп. * 1 (5)

Предложена схема пошаговой процедуры отбора признаков на основе индивидуальной моры различимости' с . контролем величины смещения центра решающей функции и направления смещения в пространстве признаков. Показано, что манипулирование направлением смещения является эффективным способом достижения условий (4) и (5).

При отборе признаков в задачах измерения неполного вектора параметров предложено включение в решающую функцию в порядке уменьшения индивидуальных мер различий сначала нвкзмеряемнх параметров, затем измеряемых с проверкой условий (4) и (5). При достижении удовлетворительной различимости классов предложено включение измеряемых параметров с целью компенсации погрешностей смещения центра класса, что обеспечивает уменьшение систематических погрешностей уже на этапе отбора признаков.

В третьей главе для решения задач интеллектуализации измерений, связанных с синтезом решающих функций, оцениванием и представлением МХ результатов измерения, предложено семейство многомерных а-экспоненциальных распределений в виде:

«•Г<п/2> 1 -1 .а,

= -¡ЯГИ-Т7г--еЧ,[-(_^.(х-«)».С .<*-»>] J ,

(2%) Лпа | СI -Г(п/2а) па •

(6)

где а - параметр, характеризующий форму, п> - математическое ожидание, С- ковариационная матрица, Г( •) - гамма-функция,

Хпа-{[п.Г(п/2-а)]/[2.г(<п+2^/2а)]},/2.

Предложеное семейство относится к классу эллипсосимметричннх

распределений. При а=1 плотность многомерного а-экспоненциэльного распределения совпадает с плотностью многомерного нормального распределения, при а < 1 характеризует островершинше распределения, при а > 1 - плосковершинные, а при а -» а> описывает многомерное распределение равной вероятности. Предложенное семейство охватывает диапазон форм двух распределений - Пирсона второго и седьмого типа и обладает тем преимуществом, что включает нормальное распределение в неасимптотической форме. Использование этого распределения позволяет расширить область . применения разработанных методов.

Проведено исследование а-экспоненциальных распределений в задачах интеллектуализации измерений. Получен аналитический вид решающих функций и определены их статистические характеритсики, необходимые для вычисления характеристик погрешности процедур принятия решений.

Предложенное семейство а-экспоненциальных распределений позволяет представить результаты количественных интеллектуальных измерений в соответствии с Методическими указаниями МИ 1317-86. Распределения дают возможность охватить диапазон форм стандартных одномодальных симметричных распределений, рекомендованных в качестве стандартных аппроксимаций плотности распределения

погрешности измерения. Численные характеритсики погрешности зада-

-1

ются вектором ш средних значений и матрицей весов Я = С а доверительная область - в виде гиперэллипсоида:

п и" 1 /

, Г П , П чп а

(х-т)'(х-га) = Г"1.[—; Р-г[—]] . (7)

1 г п г пч 1 2а 2а

где Г —;Р-Г—||- функция, обратная неполной гамма-функции, <-2а

зависящая от величины Р доверительной вероятности.

Для вектора погрешностей с независимыми координатами предложено ,продетавденив результатов количественных интеллектуальных измерений в виде доверительных интервалов для координат погрешности в виде:

(-к.Л^.о,, К.Хпа.о1) 1=1...п.

(8)

П

(9)

Определение вида многомерного распределения предложено проводить на основе гипотезы о согласии экспериментальных данных с распределением той . или иной формы из семейства а-экспоненциальных по критерию Хи-квадрат. Предложен эффективный метод построения гистограммы в многомерных сферических координатах. Метод включает преобразование координат экспериментальных данных х. в виде:

где Т - ортогональная матрица, состоящая из собственных векторов ковариационной матрицы С, л - диагональная матрица, элементами которой являются собственные числа матрицы С; переход к риманову пространству (р.ф, ,<р2,.. • ) и формирование интервалов равной длины или интервалов равной вероятности.

Теоретические частоты п попадания экспериментальных данных в интервалы равной длины могут быть определены по формуле:

Принцип рк интервалов равной вероятности Ро предложено определять по рекуррентному соотношению:

-1/2

х1 = Л •(х1*Т - т-Т) ,

(Ю),

(11)

П

п

1/2 а

(12)

Метод позволяет снизить объем вычислений, связанных с определением сглаживающих частот и границ интервалов равной вероятности и снизить требования к объему выборочных данных.

В четвертой главе рассмотрены вопросы интеллектуализации измерений в качественных шкалах на примере систем контроля и диагностики, реализующих допусковый контроль параметров объекта в соответствии с алгоритмами. Показано, что широко распространенный подход к процедурам допускового контроля на основе показателей инструментальной достоверности не отвечает задачам интеллектуализации измерений, поскольку не учитывает того, что даже точное измерение параметров не снимает полностью неопределенность состояния объекта. В рамках этого подхода не может быть решена задача синтеза решающих правил, а обоснование требований к точности измерительных каналов приводит к слишком «четким ограничениям.

В разделе решены вопросы обоснования модели процедуры допускового измьрительного контроля1, отвечающей задачам определения состояния объекта, определены показатели достоверности контроля состояния объекта, а не состояния его параметров, предложена система показателей качества решений и рекомендаций, вырабатываемых алгоритмами многопараметрического контроля.

Предложенная модель процедуры допускового контроля (ГЩК), включает функцию параметр-свойство (ФПС), плотность распределения контролируемых параметров (КП) и плотность распределения погрешности измерения. Для объекта с дискретными состояниями ФПС характеризует вероятность состояния при значении параметра х. Для объекта с непрерывным изменением свойств ФПС представляет собой зависимость от параметра х эффективности объекта.

Универсальность разрабатываемых показателей и методов их оценки зависит от полноты модели. При обосновании вида аналитических зависимостей сформулированы требования полноты учета встречающихся на практика условий эксплуатации технических объектов, информативности параметров и распределений погрешностей их измерения. Для ФПС предложена экспоненциальная зависимость вида '

Е(х) = ехр(-0.693.|х/хо|п) , (13)

где п - параметр, характеризующий информативность признака х; xf-пораметр масштаба. Для аналитического описания плотности f(x) распределения КП и распределения <р(б) погрешности измерения

принято однопараметрическое распределение из семейства а-экспоненциалькых, охватывающее разнообразие форм унимодальных и антимодальных распределений и допускающее статистическое оценивание параметров. Изучение данных о дефектах при эксплуатации газотурбинных авиадвигателей самолетов ТУ-154 по 9200 полетам в течение двух лет эксплуатации и 65 распределений КП газотурбинных двигателей Д18 показало правильность выбора аналитических форм зависимостей Е(х) и Г(х). Погрешность аппроксимации экспериментальных данных не превысила 155.

. Предложены показатели методической достоверности процедур допускового контроля (ПДК), как предельно достижимой достоверности определения состояния объекта при идеально точном измерении параметров, обусловленной информативностью параметров для задач определения состояния объекта. Показатели методической недостоверности, - совместные вероятности ошибочных решений, -определяются по формулам:

Рм(и1,.П2) - / Е (х).г(х).а3(п2) (14)

3(П2)

Рм(шг.О,) = /[1-Е(х)]-Г(х)-йЗШ,) (15)

8(0,)

где 5(Пг),(ЗШ1) - области принятия решения П2, (0,), Е(х) - ФПС.

.Численный анализ показателей, проведенный на ЭВМ, показал, что вероятность ошибочных решений методического характера в ряде случаев значительна и может достигать 0.5, на ее величину наибольшее влияние оказывает информативность параметров.

Показатели результирующей достоверности выражаются

интегралом по двумерной области э'2^) в виде:

(2)

ррез..(Ш1Пг> " / Е (х)-Г(х)>ф(0)'Лэ (П2) (16)

Б{г)(0,)

(2)

Грвз>(шг0,) = /(1-В(х)1.Г(х).ф(в).«е (О,) (17)

8(г)(П,)

и при ограниченной ьиличине погрешности имеют методические и инструментальные составляющие.

Исследование с помощью ЭВМ влияния инструментальных составляющих на результирующие вероятности ошибочных решений показало,, что методическая компонента преобладает над инструментальной в широком диапазоне условий контроля и в существенной мере определяет результирующую достоверность.

Предложен метод определения показателей достоверности многопараметрического допускового контроля в рамках принятой модели плотности распределения КП. Показатели методической и

результирующей недостоверности - вероятность Р(и>., и П..)

3 1

неправильного обнаружения состояния ы^ и вероятности Р(П.., и ш.)ложного решения П. придопусковом контроле предложено

получать на основе графов С решений и Сг правильных решений. Сводный граф С отражает структуру принятия решений о состоянии объекта. Граф является деревом. Корень дерева отвечает множеству решений, промежуточные вершины соответствуют подмножествам решений, постепенно выделяя отдельные решения, отвечающие листьям графа. Веса дуг характеризуют вероятности решений. Аналогично построен граф .Вероятности решений или вероятности правильных решений предложено определять простым перемножением вероятностей переходов на пути, соединяющем корень и вершину графа 0 или Сг. Произведение вероятностей правильных решений необходимо дополнить произведением априорных вероятностей неконтролируемых параметров. Для распределений с зависимыми координатами вероятности решений ПДК, характеризующие вероятности перехода графов Си аг, определяются на основе модели ГЩК, включающей условные вероятности принадлежности к состоянию ы1 Би (х^/х^1') и

условные плотности распределения ИП 3"с1))» зависящие от перестановки 1а(1) координат вектора х на пути £ от корня графа к вершине х^.

Предложена система показателей измерительного допускового контроля, позволяющая оценить качество контроля объектов с непрорывным изменением свойств, а также качество рекомендаций по управлению объектом.

Апостериорная вероятность ошибочных решений:

/ П.,) = ^ Р^О,) / Р(П3) (18)

характеризует долю ошибочных в решении и у Анализ этих показателей на ЭВМ дал возможность определить область параметров, соответствующую активному влиянию рекомендаций, вырабатываемых при контроле, на свойства объекта.

Предложены показатели эффективности контроля, позволяющие оценить улучшение свойств групп объектов, возникающее в результате контроля по сравнению со случаем, когда эти группы формировались баз контроля из всей совокупности объектов.

Эффективность многопараметрического контроля 1-го состояния объекта определяется по формуле:

е1 = ( 1~Р(и±) ) / [1-Р(ш1/П1)) (19)

Если 1=1 и и, - состояние правильного функционирования, то формула характеризует эффективность эксплуатации, показывающую, во сколько раз при выполнении выработанных в результате контроля рекомендаций уменьшится вероятность эксплуатации объекта, имеющего дефекты.

Если и - соответствует наличию 1-го дефекта функционирования, то эффективность (е) характеризует, во сколько раз при введении контроля уменьшается доля объектов, требующих исправления дефекта, при условии, что без контроля все объекты проходят обслуживание, связанное с 1-тим дефектом.

Анализ на ЭВМ показателей эффективности контроля показал, что эффективность контроля зависит от информативности КП. Возможности увеличения эффективности за счет уменьшения погрешности измерения выше для параметров, имеющих более высокую информативность

Предложенная система показателей инвариантна к характеру изменения свойств объекта: показатели второго и третьего уровня дают достаточно полную оценку определения состояния объекта как с дискретным, так и с непрерывным изменением свойств.

В пятой главе решены вопросы определения свойств дискретных объектов, относящихся к классу больших систем, в процессе функционирования на интерволах времени, свободных от решения тактических задач. Решение включает обоснование класс."' моделей.

допускающих декомпозицию объекта и отражающих особенности функционирования, определение показателей достоверности решений о состоянии объекта и обоснование синтеза алгоритма принятия решений на основе пакета функциональных тестов.

С теоретико-множественных позиций определена модель шкалы определения свойств дискретного объекта в виде системы ® = <гт,1?~> с отношением эквивалентности Н~ на инвариантном носителе гт=ут»увт , который представляет собой результат сопоставления <») выходных параметров объекта, с эталонами при реализации тестовых воздействий.

Предложено в задачах определения свойств такого класса объектов использовать Е-сетевые модели, которые дают возможность постеленной декомпозиции контролируемой системы, позволяют адекватно описывать ого функции, в частности, параллельные процессы работы, допускают достаточно простой синтез множества диагностических моделей путем изменения описателей позиций и переходов и имеют развитые программные средства моделирования. Предложенные модели имеют преимущества перед функционально-логическими моделями, рекомендуемыми в литературе и регламентированными методикой МУ-108.84.

Предложенный метод получения показателей достоверности определения состояния дискретного объекта при функциональном тестировании по методу расширяющихся областей включает установление соответствия мевд> элементами молели (позициями, переходами) и множеством элементов аппаратуры и получение таблиц покрытия. На основании анализа таблиц покрытий предложено формировать множество элементов 1Л11 усройства, для контроля которых предназначен 1-ый тест, и множество ьлементов контролирующего ядра Я . Вследствие неполноты контроля множество

разделяется на множества контролируемых *Я1к и множество неконтролируемых элементов. Показатели недостоверности,

вероятности Р (ш, П2) ложного обнаружения и вероятности (^П,) необнаружения неисправности устройства, для которого предназначен 1-ый тест:

= р*1<и,>,рн1<и1>'ря>г> (20)

гда " вероятности исправного ) и неис-

правного (<1>г) состояния множества элементов Я и Я1н, Ря1(ш,). Ря1(ы2) - вероятности исправного и неисправного состояния множества элементов 9Г.,.

Я1

Предложено для определения состояний дискретного объекта синтезировать последовательность тестов по критерию минимума риска от ошибочных решений.

Шестая ' глава посвящена разработке алгоритмов

интеллектуализации измерений в задачах определения свойств технических объектов на основе процедур принятия решений в информационно-измерительных и диагностических системах.

Разработаны алгоритмы интеллектуализации измерений в многоморноных количественных шкалах на примере информационно-измерительных систем (ШС) для измерения параметров технологических процессов добычи и транспортировки нефти.

Предложен способ измерения относительной доли свободного газа (ОДСГ) в потоке товарной нефти, основанный на синтезе многомирной количественной шкалы, и.разработан алгоритм измерения реализованный в ИИС "Фактор", использующей радиоизотогшый первичный измерительный преобразователь (РПП). Алгоритм включает

- регистрацию данных, поступающих по двум измерительным каналам, соответствующих прямому и рассеянному излучению, и формирование текущей выборки из N данных, полученных по каналу прямого излучения и смещение выборки на один отсчет;

- вычисление признаков состояния потока: среднего значения, дисперсии и автокорреляции, определение решающей функции, сравнение ее с порогом 9 и принятие решетя об отнесении всей выборки к группе измерений на нофти или к группе измерений на газожидкостной снеси, а также принятие решения об отнесении каждого отдельного измерения плотности к одной из групп;

- приведение результатов измерения плотности, полученных по двум измерительным каналам к одному масштабу и формирование выборки приведенных значений плотности чистой нефти;

- вычисление оценок средней плотности нефти р при отсутствии свободного газа и сродной плотности смеси р по всему массиву и?м»рпияй, кспгрохь ылотгаш погрешности определения средних плотностей- и повторение цикла измерений при недостаточном объеме выборок;

S5

- определение относительной доли свободного газа (ОДСГ) при удовлетворительной погрешности измерения плотностей по формуле:

Ф = 1 - Ром /Рн • (18)

Определены характеристики информативности признаков состояния потока и получена их зависимость от структуры, потока, характеристик алгоритма, объема выборки, используемой для вычис-Л01шя признаков, и от погрешностей РПП. Определены пути оптимизации алгоритма для получения максимальной информативности признаков.

Для уменьшения вероятностей ошибочных решений P(w /0,) предложен скользящий алгоритм с подтверждением рошешШ об отнесении измерения к группе но чистой нефти. Получены аналитические соотношения вероятностей ошибочных решений скользящего алгоритма с подтверждением решений от характеристик РИП; характеристики алгоритма измерения (объема анализируемой Выборга и правила принятия решений) и от структуры двухфазного потока.

Проведен статистический анализ алгоритма намерения ОДСГ, на основании которого выбран наиболее информативный канал с энергией 550 кэВ и ранжированы признаки состояния потока по критерию информативности.

На основе полученных экспериментальных данных определены априорные распределения признаков в группах, соответствующих различным состояниям потока, получены MX алгоритма измерения и определен состав признаков путем анализа MX при последовательном включении признаков, определена нижняя граница диапазона измерения.

Разработанный алгоритм реализован в виде программы на языко Паскаль для персональной ЭВМ и на языке ассемблера - для специализированного вычислителя, в соответствии с двумя вариантами выполнения ИИС "Фактор" для измерения относительной доли свободного газа в товарной нефти. Программа содержит 2? модулей и занимает 8 Кбайт ПЗУ и 1 Кбайт ОЗУ.

Абсолютная погрешность измерения ОДСГ составляет 0,002 отн. ед. в диапазоне от 0,005 до 0,05 отн. ед.

Создание ЩС "Фактор" позволяет повысить эффективность учета товарной нефти, ликвидировать разбалансы между производителями и потребителями, приводящие к значительным экономическим потерям.

В Приложении 1 приведено краткое описание разработошшх методик проведения предварительных испытаний и метрологичоской аттестации 1ГЛС "Фактор". Разработана многоступенчатая схема аттостапда ИИС "Фактор", включающая аттестацию метрологической установки для воспроизведете ОДСГ, аттестацию твердого имитатора ОДСГ, аттестацию КИС "Фактор". Разработана программа для ЭВМ, автоматизирующая этапы предварительных испытаний и метрологической аттестации.

Принцип синтеза многомерной количественной шкалы реализован в алгоритме измерения параметров потоков продукт™ нефтя1шх скважин, ревлизопшшом в ИИС "Пульсар". В приложении 2 приведены результаты разработки алгоритма измерения массового расхода жидкой игпзообрпзнсЯ фазы потока и величины гозосодержания потока. Приведенная погрешность измерения Ъ%, диапазон измерения 10-600 т/сут. К.10 "Пульсар" позволяет повысить эффективность использования нефтяных скважин на основа контроля технологического процесса доОЬчи нефти.

Разработаны алгоритмы интеллоктушшзмции измерений в качественных шкалах в задачах определения состояния газотурбинаиг ввигижмей (ГТД). Автоматизированная система анализа полетных данных предназначена для идентификации диагностических моделей ГТД, уточнения моделей по норе накопления данных по эксплуатации двигателей, получения моделей процедур допускового контроля, принятия решений о состоянии ГГД в соответствии с алгоритмами контроля и определения показателей достоверности контроля, включающих методические и инструментальные компонента.

Автоматизированная система содержит наборы дшшых на магнитной ленто или на магнитном диске, модуль управления наборами данных, обнаружения и устранения результатов измерения, содержащих аномальную погрешность, модуль идентификации диагностических моделей ГТД на установившихся режимах в классе функциональных моделей на основе имеющегося функционального базиса, модуль идентификации моделей процедур допускового контроля, модуль принятия решений о техническом состоянии ГТД и модуль определения систем показателей качества контроля состояния объекта. Система реализована на ОВМ СМ-1420 и ЕС-1060, имеет оверлейную структуру и занимает 320 Кбайт.

■ Разработаны алгоритмы определения технического состояния программируемого процессора сигналов (ППС) методом функционального тестирования на.интервалах времени, свободных от решения основных задач. Архитектурные особенности ППС, конвейерная организация арифметического устройства, параллельная работа двух операционных устройств, центрального процессора и устройства предварительной обработки ю1формации, наличие двухуровневой памяти, сверхоперативного ОЗУ центрального процессора и главного запоминающего устройства, - позволяют достаточно эффективно реализовать функциональное тестирование.

Разработана система функционального тестирования, состоящая из 28 тестов отдельных устройств. Программа выполнена на языке Ассемблера 1ШС и занимает 4668 24-разрядных слов. Время реализации программ тестирования не превышает 3,6 секунд.

Разработанная система функциональных тестов позволяет повысить надежность и готовность бортовых радиоэлектронных систем, повысить безопасность полетов.

В приложении приведены результаты разработки методик предварительных испытаний и метрологической аттестации ШЛС "Фактор",алготитм измерения параметров двухфазных потоков ШС "Пульсар", результаты определения технического состояния ГТД.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В работе получены следующие основные научные и практические результаты:

1. Определен класс интеллектуализации измерений свойств технических объектов как класс, многоцелевых задач, включающих, кроме измерения параметров объекта в количественных шкалах, переход к более слабим шкалам, согласованным с наблюдаемым свойством, на основе процедур классификации. Показано, что задачи определения состояний технических объектов, технологического процесса добычи и транспортировки нефти, системы , бортового силового и радиоэлектронного оборудования относятся к классу задач интеллектуализации измерений.

2. Предложена модель интеллектуализации количественных измерений путем включения процедур классификации в измерительный процесс, реализующая многомерные статистические измерения. Разработан

метод анализа в многомерном пространстве погрешностей, вносимых классификационными процедурами, и способ представления метрологических характеристик измерительных средств "в многопвраметрическом пространстве.

3. Предложен метод уменьшения систематической составляющей погрешностей измерения путем использования квантильных оценок-центров классов по априорному и апостериорному распределению измеряемых параметров.

4. Сформулирован метод отбора классификационных признаков для интеллектуализации измерений в многомерных количественных шкалах, оптимизцрукхций потери от погрешностей измерения.

5. Разработана модель многомерных а-экспоненциалышх распределений для аппроксимации экспериментальных данных в задаче синтеза многомерных шкал, оценивания погрешностей и представления результатов измерения. -Предложен метод идентификации многомерного распределе1гая из семейства а-экспоненциалышх, основанный на построении сферической гистограммы эмпирических данных, преобразованных на основе декоррелирующего преобразования.

6. Предложен способ измерения параметров двухфазных потоков, основанный на синтезе многомерной шкалы. В соответствии 'с предложенным способом разработан алгоритм и программа измерения относительной доли свободного газа в потоке товарной нефти, реализованные в ИИС "Фактор". Разработана группа методик предварительных испытаний и метрологической аттестации ИИС "Фактор".

7. Разработана стохастическая модель допускового контроля состояния объекта и предложена система показателей качества контроля, включающая характеристики методической, инструментальной и результирующей достоверности, апостериорные вероятности состояшй объекта и показателя эффективности измерительного контроля.

8. Разработана -автоматизированная система анализа полотных данных, идентификации диагностических и классификационных моделей, получения системы показателей качества многопарамэтрического контроля технического состояния газотурбинного двигателя.

9. Предложен метод построения функциональных тестов на основе Е-сетевых моделей контролируемого устройства по кратер;... минимуме

риска от ошибочных решений. Разработана система функциональных тестов программируемого процессора сигналов с параллельной обработкой информации. •

Выполненное научное иследовагав является теоретическим обобщением системологиче ских задач измерительной техники и включает решение крупной научной проблемы, состоящей в разработке методов и средств интеллектуализации измерительных процессов в задачах определения свойств технических объектов на основе процедур принятия решений в диагностических и информационно-измерительных системах, что позволяет

- расширить функциональные возможности измерительных средств;

- непрерывно получать информацию о свойствах объекта в процессе эксплуатации и формировать знания, позволяющие предотвратить аварийные ситуации;

- повысить качество представляемой оператору информации для принятия решений по управлению объектом;

- повысить качество автоматических решений по управлению объектом,

что имеет важное народно-хозяйственное значение.

Основные результаты диссертации опубликованы в следующих работах:

1. Донецкая Т.В., Малыхина Г.Ф. Соотношение погрешностей измерительного тракта АСК с показателями достоверности // Тр./ Ленингр. политехи, ин-т. - 1985,- N 407. - с. 79-82.,

2. Донецкая Т.В., Малыхина Г.Ф. Метод определения требований к точности измерительных каналов автоматизированной системы контроля // Тезисы докладов Всесоюзн. конф. Методы и средства измерения механических параметров в системах контроля и управления. Пенза 21-23 января 1986./ Пенза: изд. Пенз. политехи, инст., 1986. - с.151-153. ,

3. Малыхина Г.Ф. Оценка показателей качества контроля систем по, условным алгоритмам // Тезисы докладов научно-методической , конфэренщга Эргономическое обеспечение проектирования к эксплуатации изделий млшиностроения. Минск, 1-2 декабря 1988 / Минск: Инст. техн. кибернетики АН БССР, .1903. с. 65-66.

4. Ефремова Н.Я., Малыхина Г.Ф., Погорельская Л.И. Структура ал-

горитмов предварительной обработки полетной информации и организации наборов данных для идентификации моделей газотурбинного двигателя. Вопросы спецрадиоэлектроники, серия РЛТ, вып. 7, 1988. - с.102-106.

5. Донецкая Т.В., Егоров Д.С., Малыхина Г.Ф. Алгоритмы статистического анализа полетных данных и идентификации диагностических моделей газотурбинного двигателя. Вопросы спецрадиоэлектроники, серия РЛТ, вып. 7, 1988. - с.107-115.

6. Донецкая Т.В., Иссерлин Г.С., Малыхина Г.Ф. Методы оценки достоверности и оптимизация допускового контроля на основе функции параметр-свойство // Сб.: Вопроси спецрадиоэлектроники, серия ОВС, вып.Б, 1984. - с.85-90.

7. Малыхина Г.Ф. Автоматизированная оценка на ЭВМ показателей достоверности алгоритмов системы контроля // Приборы и системы управления, N 3, 1989,с.29-30.

8. Малыхина Г.Ф. Моделирование на ЭВМ показателей качества и достоверности контроля по целевому критерию // Мое. ФАП, per. номер 1929, 1981 г, 40с.

9) Малыхина Г.Ф., Исаева Л.Д. Пакет прогрет для идентификации диагностических моделей ГТД по экспериментальным данным / ФАП КИВЦ МГУ, N1897,120с.

10) Малыхина. Г.Ф. Автоматизированный анализ полетных данных и идентификация ГТД // ФАП НИВЦ ЮТ. - М.: МГУ, 1977 г./ Инф. бюл. 28, Алгоритмы и программы, N 4, Per. N 5087000787.

11) Кратиров В.А., Казаков А.К., Малыхина Г.Ф., Перешиткинв Л.Д. Совершенствование флуктуационного метода измерения расхода двухфазных нефтегазоводяных потоков // Цифровая информационно-измерительная техника. Вт. 20./ Пенза: ПЛИ, 1991. - с. 16-23. '

12. Кратиров В.А., Малыхина Г.Ф. Аттестация статистических измерений, основанная на методе имитационного моделирования // Электронная техника. Сер. Управление качеством, автоматизация, метрология, исгатнния. - М.: 1990. Вып. 5(142). - с. 51-54.

13. Кратиров В.А., Малыхина Г.Ф., Баскакова О.И. йсследоввание алгоритма измерения концентрации свободного газа в двухфазных потоках // Межвузовский сб. трудов Шаровая информационно-измерительная техника Run.21 / Пенза, 1992. - с.27-35.

14. Патент на изобретение, II 94007263/25(007607). Способ измерения параметров газоасидкостного потека / Кратиров В.А., Ка:-ион А.П.,

Малыхина Г.Ф., Гареев М.М. (Решение от 15.05.96).

15. Анкудинов E.H. .Малыхина Г.Ф. Определение функции параметр-свойство по статистическим данным о влиянии ряда неисправностей двигателя на его газодинамические параметры. Вопросы спецрадиоэлектроники, серия ОВР, вып.5,с91-95.

16. Кратиров В.А.Малыхина Г.Ф. Метрологические характеристики рекурсивного алгоритма изерения объемной доли свободного газа в двухфазном потоке. Электронная техника. Сер. Управление качеством, стандартизация, метрология, испытания. - М.: 1991, вып.4., с. 51-53.

17. Баженков Я.А., Колесников Д.Н., Малыхина Г.Ф:, Сиднев А.Г., Смирнова B.C. Обеспечение достоверности информации в .управляющей системе с параллельной организацией вычислительного процесса // Тез. докл. Всесоюзного совещания Надежность,. живучесть и безопасность автоматизированных комплексов. Суздаль, ноябрь 1991с. 171-173.

18. Баженков Я.А., Колесников Д.К., Малыхина Г.Ф., Сиднев А.Г., Смирнова B.C. Разработка метода самодиагностирования процессора сигналов с параллельной обработкой информации ■ // Отказоустойчивость и нсивучесть аппартуры и программного обеспечения вычислительных машин, систем и сетей в пироцессе их разработки и эксплуатации. Материалы Всесоюзной клнферонции. / М.: Инст. пробем управления, 1991. - с.86.

19. Сиднев А.Г., Малыхина Г.Ф. Организация самодиагностирования программируемого процессора саигналов // Труда СПбГГУ, N 449, 1994. - С.51-57.

20. Колесников Д.Н., Малыхина Г.Ф., Сиднев А.Г., Исаева Л.Д. Тестовое диагностирование специализированной вычислительной системы // Тезисы докл. научно-техн. конф. Диагностика, информатика и метрология - 94. СПб, 28-30 июня 1994. - с. 94-95.

21. Малыхина Г.Ф. Обеспечение достоверности информации в информационно-измерительных системах // Тезисы докл. Российской научно-техн. конф. Инновационные наукоемкие технологии для России. СПб, 25-27 апреля 1995. с. 70-71.

22. Малыхина Г.Ф. Метрологические аспекты в интеллектуальной измерительной системе с принятием решений // Приборы и системы управления (в печати).

23. Малыхина Г.Ф., Сиднев А.Г. Математические модоли конвейерного

за

вычислителя для оценки эффективности функционального самодиагностирования // Тезисы докл. научно-техн. конф. Диагностика, информатика и метрология - 95. Санкт-Петербург, 4-6 июня 1995. - с.82-84.

24. Малыхина Г.Ф., Сиднев А.Г. Моделирование вычислительных систем на структурном уровне. // Тезисы докл. Международной научно-технической конференции Информационные технологии в моделировании и управлении. - СПб, 25-2? июля 1996 г. - с.40-42.

25. Малыхина Г.Ф., Сиднев А.Г. Интеллектуализация измерений на основе иерархических алгоритмов принятия решений. // Тезисы докл. Мевдународной научно-технической конференции Диагностика, информатика, метрология, экология, безопасность. - СПб. 25-27 июня 1996 г. - с.168-170.

26. Малыхина Г.Ф., Сиднев А.Г. Использование сетевых моделей вычислительных систем для решения задач функционального и тестового диагностирования. // Тезисы докладов Международной научно-технической конференции Диагностика, информатика, метрология, экология, безопасность. - СПб. 25-27 июня 1996. -с.62-64. .

27. Колесников Д.Н., Малыхина Г.Ф., Сиднев А.Г. Математические модели конвейерного вычислителя, обеспечивающие решение задач функционального и тестового диагностирования // Тезисы докл. Российской научно-техн. конф. Инновационные наукоемкие технологии для России. - СПб, 25-27 апреля 1995. - С. 26-27.

28. Малыхина Г.Ф. Оптимизация характеристик операций допускового контроля при автоматизации проектирования // Труды ЛГШ, 1981,

N 377. - с. 34-37.

29. Донецкая Т.В., Малыхина Г.Ф. Об оценках эффективности двух видов задач допускового контроля // Труды ЛПИ, 1983, N391. - с. 102-105.

30. Ефремова Н.Я., Донецкая Т.В., Малыхина Г.Ф. Необходимые метрологические характеристики средств измерения для задач допускового контроля / Метрология, И 2, 1980. с.48-51.