к.т.н. Жашкова Т.В., аспирант Котякова В.А.

Пензенский государственный технологический университет, Россия

Нейросетевая идентификация состояний системы мониторинга и контроля критически важных объектов

Проблема нейросетевой идентификации критически важных объектов (КВО) их состояний связана не только с их распределенностью и нелинейностью, но и с возможным отсутствием или неполной априорной информацией о внутреннем устройстве исследуемой системы и закономерностях ее функционирования. Подсистема идентификации параметров представляет собой совокупность функционально объединенных измерительных и вычислительных средств для получения информации о состоянии систем, ее преобразования и обработки с целью ее идентификации.

В настоящее время проблема мониторинга КВО вызывает необходимость решения целого комплекса задач измерения и управления. С ускорением научно-технического прогресса возникает актуальная задача анализа больших объемов многопараметрической информации, поступающей с датчиков физических величин, в том числе интеллектуальных мониторинговых датчиков, контролирующих состояние критически важных объектов.

Для анализа многопараметрической информации первостепенная роль отводится разработке и применению новейших методов интеллектуального анализа данных, основывающихся на моделировании, алгоритмизации и нейросетевой идентификации КВО для принятия адекватных управленческих решений, обеспечивающих повышение безопасности эксплуатации КВО.

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

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

Для решения задач измерения и управления КВО создается информационная база, которая содержит множество специализированных компонентов, важнейшие из которых описывают: целевое назначение КВО и особенности работы в разных режимах и ситуациях; модели КВО и его элементов; методы измерения характеристик КВО и идентификации текущих ситуаций.

Для решения задач диагностирования КВО целесообразно использовать машинно-ориентированный вариант семантических сетей в виде UML-диаграмм, в качестве программной платформы UML-моделирования будет использоваться пакет Enterprise Architect 7.0. Преимуществом применения диагностирования критически важных объектов является возможностью ее реализации в режиме реального времени, что позволяет применять ее в системах мониторинга и контроля. На рис.1 представлена диаграмма последовательности Activity Diagram – алгоритм сбора данных.

Из рисунка видно, что процесс обработки информации включает в себя процесс сбора информации с ИД₁…ИД_n, которая характеризует состояние систем и процесс обработки интеллектуальным контроллером, который хранит накопленную информацию. Данный процесс представляет собой сбор первичной измерительной информации о параметрах физических объектов; предварительная цифровая обработка преобразует электрический сигнал в цифровой код; накопленная информация в интервалы времени между моментами передачи информации заносится в буфер обмена.

Рис. 1 Диаграмма деятельности – алгоритм сбора данных

Интеллектуальный контроллер обеспечивает сбор первичной измерительной информации о параметрах физических объектов и заносит информацию в базу данных, происходит формирование пакета для передачи накопленной информации в центральную базу данных, где происходит накопление большого количество данных, семантика которых не определена.

Широкое внедрение современных многопараметровых датчиков, имеющих многокомпонентные схемы замещения, вызывает необходимость наряду с решением задачи измерения, решать более общую задачу нейросетевой идентификации состояний системы мониторинга и контроля критически важных объектов.

Обобщая сказанное, можно сделать вывод о практической важности разработки теоретических и практических вопросов нейросетевой идентификации состояний критически важных объектов по результатам мониторинга параметров физических объектов их образующих.

Литература:

1. Поспелов Д.А. Ситуационное управление: Теория и практика/ Д.А. Поспелов, - М.: Наука, 1986. – 288с.

2. Жашкова Т.В. Обобщенные структурные модели информационных объектов/ Т.В. Жашкова, Щербань А.Б., К.Е. Братцев, и др.// Изв. высших учебных заведений. Поволжский регион. Сер. Технические науки. – 2009. - №1 (9) – с. 12-20.

3. Жашкова Т.В. Семантическая структурная модель k-го порядка / Т.В. Жашкова, А.Б. Щербань // Обозрение прикладной и промышленной математики: Шестой всероссийский симпозиум. – Вып.4. Т.15. Москва: Редакция журнала «ОПиПМ», 2008. – С.471-472

4. Михеев М.Ю., Щербань А.Б. Концепция реализации принципа структурной идентификации. Обозрение прикладной и промышленной математики. Том 12, вып.2 М.: ОПиПМ, 2005г.