RU2013154163A - Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления - Google Patents
Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления Download PDFInfo
- Publication number
- RU2013154163A RU2013154163A RU2013154163/08A RU2013154163A RU2013154163A RU 2013154163 A RU2013154163 A RU 2013154163A RU 2013154163/08 A RU2013154163/08 A RU 2013154163/08A RU 2013154163 A RU2013154163 A RU 2013154163A RU 2013154163 A RU2013154163 A RU 2013154163A
- Authority
- RU
- Russia
- Prior art keywords
- parameter
- parameters
- value
- deviation
- input
- Prior art date
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
1. Способ автоматизированной обработки и анализа телеметрической информации от многопараметрического объекта, при котором оперативно преобразуют результаты допусковой оценки параметров в соответствующие информационные цветовые сигналы видимого спектра в зависимости от результатов допусковой оценки, факта и направления изменения динамического параметра, обобщают по всему множеству параметров на заданном временном интервале и отображают цветокодовой матрицей-диаграммой, на ее основе формируют матрицу состояний многопараметрического объекта контроля, количество и номера элементов которой соответствуют количеству и номерам контролируемых параметров объекта, причем элементам матрицы присваивают вычисленные значения признаков соответствия, после чего формируют цветографическую форму, которую представляют в полярной системе координат и интерпретируют как образ состояния объекта контроля в момент окончания измерений или в момент идентификации нештатной ситуации в заданном временном интервале, отличающийся тем, что операцией преобразования представляют результаты функционирования группы параметров агрегатов или узлов объекта относительным многомерным параметрическим пространством, в котором нулю на оси измерения устанавливают при нахождении параметра в «норме», отклонение от нормы этой группы представляют длиной вектора группы в параметрическом пространстве и положением параметра относительно эталона на оси измерения в «минусовой», или «нулевой», или «плюсовой» областях, вектор определяют функцией отклонения A(t), при которой каждый параметр a(t) в каждый момент времени статистически ана�
Claims (2)
1. Способ автоматизированной обработки и анализа телеметрической информации от многопараметрического объекта, при котором оперативно преобразуют результаты допусковой оценки параметров в соответствующие информационные цветовые сигналы видимого спектра в зависимости от результатов допусковой оценки, факта и направления изменения динамического параметра, обобщают по всему множеству параметров на заданном временном интервале и отображают цветокодовой матрицей-диаграммой, на ее основе формируют матрицу состояний многопараметрического объекта контроля, количество и номера элементов которой соответствуют количеству и номерам контролируемых параметров объекта, причем элементам матрицы присваивают вычисленные значения признаков соответствия, после чего формируют цветографическую форму, которую представляют в полярной системе координат и интерпретируют как образ состояния объекта контроля в момент окончания измерений или в момент идентификации нештатной ситуации в заданном временном интервале, отличающийся тем, что операцией преобразования представляют результаты функционирования группы параметров агрегатов или узлов объекта относительным многомерным параметрическим пространством, в котором нулю на оси измерения устанавливают при нахождении параметра в «норме», отклонение от нормы этой группы представляют длиной вектора группы в параметрическом пространстве и положением параметра относительно эталона на оси измерения в «минусовой», или «нулевой», или «плюсовой» областях, вектор определяют функцией отклонения Ai,n(t), при которой каждый параметр ai,n(t) в каждый момент времени статистически анализируют, для чего задают интервал Ti,n(t), вычисляют математическое ожидание ami,n(t), сравнивают с эталоном, который определяют кортежем [математическое ожидание эталонного значения на интервале Ti,n(t), амплитуда эталонного значения на интервале Ti,n(t), Ti,n(t)], сохраняют кортеж в базе знаний, вычисляют непрерывную аналоговую функцию отклонения Ai,n(t) по формуле, равной отношению разности математического ожидания текущего значения параметра и эталонного значения на интервале Ti,n(t) к половине амплитуды эталонного значения на этом интервале измерения, после определения вектора формируют двухуровневую локализацию неисправности, при которой на первом уровне - визуализации формируют графический образ изделия по группам, объединяют параметры в i=1…k групп по агрегатам и узлам с числом параметров n=1…Ni, анализируют длину векторов групп, выделяют группы с векторами длиной больше единицы первым цветом видимого света - «не норма», с иной длиной вектора - вторым цветом видимого спектра, для групп «не норма» запускают второй уровень локализации, для которого используют элементы теории нечеткой логики, для чего проводят фаззификацию путем вычисления матрицы состояний многопараметрического объекта контроля, являющейся матрицей-системой дискретных характеристик ADi,n(t) контролируемого объекта, ячейке которой присваивают значение ноль, если функция отклонения Ai,n(t) больше отрицательного, но меньше положительного значения первого коэффициента порогового отклонения функции отклонения, присваивают значение q, если функция отклонения Ai,n(t) больше или равна положительному значению текущего коэффициента порогового отклонения функции отклонения, но меньше положительного значения последующего коэффициента порогового отклонения функции отклонения, присваивают значение -q, если функция отклонения Ai,n(t) меньше или равна отрицательному значению текущего коэффициента порогового отклонения функции отклонения, но больше отрицательного значения последующего коэффициента порогового отклонения функции отклонения, при этом q - номер коэффициента порогового отклонения, а количество коэффициентов равно количеству дискретных состояний фаззификации Q, по длине вектора группы и положению на дискретной оси системы дискретных характеристик контролируемого объекта определяют насколько существенна аномалия, приводит ли она к нештатной ситуации и какой конкретно по анализу принадлежности нечеткому множеству нештатных ситуаций Mj={Adi,n(t), m(Adi,n(t))}, где j=1…I - количество нештатных ситуаций, определенных индексами Ind, для чего вектор ADi,n(t) преобразуют в нечеткий вектор {Adi,n(t), m(Adi,n(t))} в соответствии со значением ADi;n(t) и количеством дискретных состояний фаззификации Q, при этом значению Adi,n(t) присваивают одно из трех состояний или «нуль», если ADi,n(t) равно нулю или «минус единица», если ADi,n(t) больше нуля или «плюс единица», если ADi,n(t) меньше нуля, значению m(Adi,n(t)) присваивают единицу, если ADi,n(t) равно нулю и q*1/Q в остальных случаях, оценку производят нечетким выводом по накопленной информации из сервера базы знаний нештатных ситуаций известными методами с использованием аппарата теории нечетких множеств, проводят дефаззификацию, для чего находят весовые коэффициенты kj матрицы коммутации kmi каждой группы параметров, элементам матрицы коммутации присваивают весовые коэффициенты kj по первому измерению и индекс Ind нештатной ситуации по второму, находят наибольший коэффициент в каждой матрице коммутаций kmi, из второго измерения матриц коммутаций выбирают индекс нештатной ситуации нештатной ситуации Ind и формируют последовательность рекомендаций по выходу их нештатной ситуации, кроме того, эксперт имеет возможность оценить идентифицированную нештатную ситуацию графически, для чего систему дискретных характеристик контролируемого объекта характеризуют положением группы параметров в Ni - мерном пространстве в радиальной системе координат, которое графически изображают в виде звезды осей Ni-мерного пространства, которые соединяют в точке «минусовой области» с радиальным шагом, равным 360/N°i, на осях Ni-мерного пространства фиксируют относительное положение каждого параметра в виде точки на оси, полученную конфигурацию оценивают визуально, если конфигурация этого пространства правильная окружность, то агрегат находится в штатном состоянии, в противном случае, если конфигурация пространства - деформированная окружность, то можно сделать вывод, что в агрегате возникли нештатные ситуации, по виду деформации определяют тип нештатной ситуации, в результате интерпретации цветографической формы оператор определяет новое правило MI+1 идентификации нештатной ситуации, определяет последовательность рекомендаций по выходу из нештатной ситуации Ind, записывает правило и рекомендации в базу знаний производя обучение системы, а осях на которых выявлены аномальные значения параметров в отдельном графическом окне преобразуют в двухмерный график зависимости физического значения параметра во времени.
2. Система для осуществления способа, которая содержит устройство ввода данных, вход которого является входом системы для входной информации, а выход соединен с первым входом мультиплексора, первый выход которого соединен с входом обучаемой нейронной сети, выход которого соединен к входам устройства вывода данных, отличающаяся тем, что обучаемая нейронная сеть содержит блок визуализации модели изделия, вход которого соединен с входом обучаемой нейронной сети, сервер баз знаний, входы которого соединены со вторыми выходами мультиплексора, а выходы со вторыми входами мультиплексора, блок фаззификатора, вход которого соединен с выходом блока визуализации модели изделия, а выход с третьим входом мультиплексора, блок дефаззификатора, входы которого соединен с третьими выходами мультиплексора, а выход соединен с выходами обучаемой нейронной сети, блоки нечеткого логического вывода по числу к контролируемых узлов и агрегатов контролируемого объекта, причем входы блоков нечеткого логического вывода соединены соответственно с четвертыми, пятыми и до 3+k выходами мультиплексора, кроме того, устройство вывода содержит к блоков вывода, выходы которых соединены со вторым входом сервера баз знаний, одновременно являющимся входом обучаемой нейронной сети.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013154163/08A RU2557477C2 (ru) | 2013-12-05 | 2013-12-05 | Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013154163/08A RU2557477C2 (ru) | 2013-12-05 | 2013-12-05 | Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2013154163A true RU2013154163A (ru) | 2015-06-10 |
RU2557477C2 RU2557477C2 (ru) | 2015-07-20 |
Family
ID=53285281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2013154163/08A RU2557477C2 (ru) | 2013-12-05 | 2013-12-05 | Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2557477C2 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117007083A (zh) * | 2023-09-22 | 2023-11-07 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测距能力评估方法及其系统、设备、介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU167890U1 (ru) * | 2015-12-16 | 2017-01-11 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Уфимский государственный нефтяной технический университет" | Нечеткий регулятор с двойной базой правил |
RU2645267C2 (ru) * | 2016-04-13 | 2018-02-19 | Открытое акционерное общество "Ракетно-космическая корпорация "Энергия" имени С.П. Королева" | Способ контроля телеметрической информации |
RU2649843C2 (ru) * | 2016-08-16 | 2018-04-04 | Публичное акционерное общество "Ракетно-космическая корпорация "Энергия" имени С.П. Королёва" | Способ контроля телеметрической информации |
RU2661749C1 (ru) * | 2017-09-11 | 2018-07-19 | федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия связи имени Маршала Советского Союза С.М. Буденного" Министерства обороны Российской Федерации | Устройство вычисления многопараметрического интегрального показателя |
RU2766106C1 (ru) * | 2018-01-26 | 2022-02-07 | Уэйгейт Текнолоджиз Ю-Эс-Эй, Лп | Обнаружение нештатных ситуаций |
RU2688754C1 (ru) * | 2018-05-30 | 2019-05-22 | Публичное акционерное общество "Ракетно-космическая корпорация "Энергия" имени С.П. Королёва" | Способ контроля телеметрической информации |
RU2699685C1 (ru) * | 2018-12-18 | 2019-09-09 | федеральное государственное бюджетное образовательное учреждение высшего образования "Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова" | Способ анализа и контроля состояния технической установки, содержащей множество динамических систем |
RU2719467C1 (ru) * | 2019-11-11 | 2020-04-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Пензенский государственный университет" (ФГБОУ ВО "Пензенский государственный университет") | Способ комплексного контроля состояния многопараметрического объекта по разнородной информации |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2200345C2 (ru) * | 2000-12-05 | 2003-03-10 | Общество с ограниченной ответственностью "Новые Алмазные Технологии" | Способ визуального отображения и анализа аномалий многомерного объекта или процесса |
RU2237273C2 (ru) * | 2001-04-13 | 2004-09-27 | Общество с ограниченной ответственностью "Новые Алмазные Технологии" | Способ визуального представления и анализа аномальных значений измерительных параметров многомерного объекта или процесса |
RU2417442C2 (ru) * | 2008-12-19 | 2011-04-27 | Учреждение Российской академии наук Институт конструкторско-технологической информатики РАН (ИКТИ РАН) | Способ построения систем нечеткой логики и устройство для его реализации |
RU2459245C1 (ru) * | 2011-02-17 | 2012-08-20 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный авиационный инженерный университет" (г. Воронеж) Министерства обороны Российской Федерации | Способ комплексного контроля состояния многопараметрического объекта по разнородной информации |
-
2013
- 2013-12-05 RU RU2013154163/08A patent/RU2557477C2/ru active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117007083A (zh) * | 2023-09-22 | 2023-11-07 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测距能力评估方法及其系统、设备、介质 |
CN117007083B (zh) * | 2023-09-22 | 2024-03-05 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测距能力评估方法及其系统、设备、介质 |
Also Published As
Publication number | Publication date |
---|---|
RU2557477C2 (ru) | 2015-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2013154163A (ru) | Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления | |
DE102016008987A1 (de) | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt | |
EP3776113B1 (en) | Apparatus and method for controlling system | |
Bisht et al. | Fuzzy time series forecasting method based on hesitant fuzzy sets | |
CN111179591B (zh) | 一种路网交通时序特征数据质量诊断与修复方法 | |
Chen et al. | Weighted evidence combination rule based on evidence distance and uncertainty measure: An application in fault diagnosis | |
CN108362510B (zh) | 一种基于证据神经网络模型的机械产品故障模式识别方法 | |
JP2018119924A5 (ru) | ||
CN104463331B (zh) | 基于模糊理论的加速退化试验建模方法 | |
CN110309537B (zh) | 一种飞行器的智能健康预测方法及系统 | |
CN104615122A (zh) | 一种工控信号检测系统及检测方法 | |
Aikhuele | Intuitionistic fuzzy model for reliability management in wind turbine system | |
Sun et al. | Hesitant fuzzy multi-attribute decision making based on TOPSIS with entropy-weighted method | |
CN111813644A (zh) | 系统性能的评价方法、装置、电子设备和计算机可读介质 | |
CN108596364B (zh) | 一种化工园区重大危险源动态预警方法 | |
CN105741184B (zh) | 一种变压器状态评估方法及装置 | |
CN113327062A (zh) | 信息的等级确定方法、装置、计算机设备和存储介质 | |
Solomentsev et al. | Diagnostics programs efficiency analysis in operation system of radioelectronic eguipment | |
AU2012264478A1 (en) | Heterogeneous data fusion using gaussian processes | |
Terceño et al. | Prediction of business failure with fuzzy models | |
RU2559401C1 (ru) | Способ диагностирования технического состояния служебных систем летательного аппарата | |
Zakharova et al. | Visual Classification of Data Sets with the Assistance of Experts in the Problems of Intelligent Agents Learning for Incompletely Automated Control Systems | |
Wu et al. | Fault diagnosis method based on DS evidence theory | |
US11669082B2 (en) | Online fault localization in industrial processes without utilizing a dynamic system model | |
Hamda et al. | An advanced weighted evidence combination method for multisensor data fusion in IoT |