RU2013154163A - Способ автоматизированной обработки и анализа телеметрической информации многопараметрического объекта и система для его осуществления - Google Patents

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 A_i,n(t), при которой каждый параметр a_i,n(t) в каждый момент времени статистически анализируют, для чего задают интервал T_i,n(t), вычисляют математическое ожидание am_i,n(t), сравнивают с эталоном, который определяют кортежем [математическое ожидание эталонного значения на интервале T_i,n(t), амплитуда эталонного значения на интервале T_i,n(t), T_i,n(t)], сохраняют кортеж в базе знаний, вычисляют непрерывную аналоговую функцию отклонения A_i,n(t) по формуле, равной отношению разности математического ожидания текущего значения параметра и эталонного значения на интервале T_i,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…N_i, 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 AD_i,n(t) контролируемого объекта, ячейке которой присваивают значение ноль, если функция отклонения A_i,n(t) больше отрицательного, но меньше положительного значения первого коэффициента порогового отклонения функции отклонения, присваивают значение q, если функция отклонения A_i,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 A_i,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 M_j={Ad_i,n(t), m(Ad_i,n(t))}, где j=1…I - количество нештатных ситуаций, определенных индексами Ind, для чего вектор AD_i,n(t) преобразуют в нечеткий вектор {Ad_i,n(t), m(Ad_i,n(t))} в соответствии со значением AD_i;n(t) и количеством дискретных состояний фаззификации Q, при этом значению Ad_i,n(t) присваивают одно из трех состояний или «нуль», если AD_i,n(t) равно нулю или «минус единица», если AD_i,n(t) больше нуля или «плюс единица», если AD_i,n(t) меньше нуля, значению m(Ad_i,n(t)) присваивают единицу, если AD_i,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 k_j матрицы коммутации km_i каждой группы параметров, элементам матрицы коммутации присваивают весовые коэффициенты k_j по первому измерению и индекс Ind нештатной ситуации по второму, находят наибольший коэффициент в каждой матрице коммутаций km_i, 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 N_i - мерном пространстве в радиальной системе координат, которое графически изображают в виде звезды осей N_i-мерного пространства, которые соединяют в точке «минусовой области» с радиальным шагом, равным 360/N°_i, на осях N_i-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 M_I+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.