RU2138849C1 - Method of dynamic analysis of conditions of multiparametric object or process - Google Patents
Method of dynamic analysis of conditions of multiparametric object or process Download PDFInfo
- Publication number
- RU2138849C1 RU2138849C1 RU98107047A RU98107047A RU2138849C1 RU 2138849 C1 RU2138849 C1 RU 2138849C1 RU 98107047 A RU98107047 A RU 98107047A RU 98107047 A RU98107047 A RU 98107047A RU 2138849 C1 RU2138849 C1 RU 2138849C1
- Authority
- RU
- Russia
- Prior art keywords
- parameters
- change
- state
- mpo
- dynamic
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
Изобретение относится к области структурного распознавания образцов и может быть использовано в автоматизированных системах оперативной диагностики технического и функционального состояний многопараметрического процесса или объекта (МПО) по данным измерительной информации, а также для динамического анализа изменения состояний сложных объектов и процессов в экономике, финансах и энергетике. The invention relates to the field of structural pattern recognition and can be used in automated systems for the operational diagnostics of the technical and functional states of a multi-parameter process or object (MPO) according to measurement information, as well as for dynamic analysis of changes in the state of complex objects and processes in economics, finance and energy.
Известны устройства и способы контроля и диагностики состояний технического объекта (СССР, А.С. N-01504653, A1, G 06 F 15/46, 1989 г.), при реализации которых в процессе контроля и диагностики фиксируются медленные изменения параметров за каждый цикл, а полученные данные сравниваются с эталонными значениями и на основании сравнения делается заключение о состоянии объекта, а также способ для ввода считываемых автоматически цифровых данных в полутоновые изображения (ЕВП/ЕР/, N-0493053, A2, G 06 K 1/12, 19/06, 15/00, 1992 г. ) и способ обработки данных (ЕВП/ЕР/, N-0493105, A1, G 06 F 15/20, 1992 г.). Known devices and methods for monitoring and diagnosing the conditions of a technical object (USSR, A.S. N-01504653, A1, G 06
Предлагаемые устройства и способы не позволяют оперативно проводить диагностику состояний МПО по большому множеству измерительных параметров. The proposed devices and methods do not allow you to quickly diagnose the state of MPO on a large set of measuring parameters.
Наиболее близким по технической сущности является способ контроля и оценки технического состояния МПО по данным телеметрической информации (Патент N 2099792, Бюллетень N 35, 1997 г. М., кл. G 06 F 7/00, 15/00). Использование предлагаемого способа в реальных условиях обеспечивает проведение локального динамического анализа текущего состояния объекта диагностики с оперативным обнаружением источников возмущений и мест их возникновения в объектах по данным телеметрической информации. Вместе с тем, способ не позволяет проводить динамический анализ обобщенного состояния объекта (процесса) по всему объему диагностической информации, в том числе с определением величины и характера изменения интегрального состояния (класса состояний) объекта. The closest in technical essence is the method of monitoring and evaluating the technical condition of MPO according to telemetric information (Patent N 2099792,
Цель изобретения - наглядное представление для динамического анализа обобщенного по всему множеству контролируемых параметров состояния многопараметрического объекта или процесса с оперативным определением относительной величины и характера изменения его состояния, а также сокращение сроков анализа для информационной поддержки принятия решений при диагностике состояния МПО. The purpose of the invention is a visual representation for dynamic analysis of the state of a multi-parameter object or process generalized over the entire set of controlled parameters with the operational determination of the relative magnitude and nature of changes in its state, as well as reducing the analysis time for information support for decision-making in diagnosing the state of MPO.
Цель достигается реализацией заявляемого способа динамического анализа состояний МПО по данным измерительной информации, позволяющего реализовать принцип учета предыстории функционирования объекта (процесса) по последовательности переходов его из одного состояния в другое во времени. The goal is achieved by the implementation of the proposed method for the dynamic analysis of MPO states according to the measurement information, which allows implementing the principle of taking into account the history of the operation of an object (process) by the sequence of transitions from one state to another in time.
Способ позволяет обеспечить наглядное представление для динамического анализа изменения состояния МПО с экрана одного многоцветного видеомонитора и оперативное (в реальном масштабе времени) определение относительной величины изменения и характера развития диагностируемого процесса с оценкой последовательности (предыстории) его изменения. Все это в комплексе обеспечивает сокращение сроков анализа изменения состояния МПО и используемых технических средств отображения результатов обработки динамических данных для информационной поддержки принятия решений обработчиком-аналитиком, подготавливающему решения (АПР) по распознаванию состояния МПО и который является элементом автоматизированной системы диагностики. The method allows to provide a visual representation for dynamic analysis of changes in the state of MPO from the screen of one multicolor video monitor and operative (in real time) determination of the relative magnitude of the change and the nature of the development of the diagnosed process with an assessment of the sequence (background) of its change. All this in combination provides a shorter time for analyzing changes in the state of MPO and the technical means used to display the results of processing dynamic data for information support of decision-making by the processor-analyst who prepares decisions on the recognition of the state of MPO and which is an element of an automated diagnostic system.
Пусть МПО характеризуется некоторым конечным множеством параметров 
Введем следующую характеристику изменения n-го параметра, которая определяет возможные оценки состояния этого параметра (класса состояний An) в виде:
An = < A1 n, A2 n, A3 n >, n ∈ N, j = 1, 2, 3, (1)
где A1 n состояние n-го параметра, который не изменяется в течение некоторого заданного временного интервала, что характеризует (по этому параметру) стабильное (неизменное) состояние Kc n ∈ K объекта процесса; A2 n (A3 n) - состояние параметра, который уменьшает (увеличивает) свое физическое (или относительное) значение в течение некоторого заданного временного интервала, что характеризует соответствующее состояние (класс состояния) объекта или процесса Kп n(Kр n) объекта или процесса.We introduce the following characteristic of the change of the nth parameter, which determines the possible estimates of the state of this parameter (state class A n ) in the form:
A n = <A 1 n, A 2 n, A 3 n> , n ∈ N, j = 1, 2, 3, (1)
where A 1 n is the state of the nth parameter, which does not change during some given time interval, which characterizes (by this parameter) a stable (unchanged) state K c n ∈ K of the process object; A 2 n (A 3 n ) is the state of a parameter that decreases (increases) its physical (or relative) value over a given time interval, which characterizes the corresponding state (class of state) of an object or process K p n (K p n ) object or process.
Обобщая выражение (1) по всему множеству параметров n ∈ N, получаем обобщенные оценки изменения пространства состояний параметров МПО в виде
A = < A1, A2, A3 >, j = 1, 2, 3, (2)
Состояние параметров, оцененных в соответствии с выражением (2) по этапам функционирования (движения, развития) МПО, определяет соответственно его обобщенное (интегральное) состояние и переходы объекта из одного класса состояний в другой (динамику состояний). Обобщенные множества (идентифицированные классы состояния параметры) A1, A2, A3 и их распределение во времени, таким образом, определяют соответствующие множества (классы) состояний МПО Kс, Kп, Kр.Generalizing expression (1) over the entire set of parameters n ∈ N, we obtain generalized estimates of the change in the state space of MPO parameters in the form
A = <A 1, A 2, A 3>, j = 1, 2, 3, (2)
The state of parameters estimated in accordance with expression (2) at the stages of the MPO functioning (movement, development) determines, respectively, its generalized (integral) state and transitions of an object from one class of states to another (state dynamics). Generalized sets (identified classes of state parameters) A 1 , A 2 , A 3 and their distribution in time, thus, determine the corresponding sets (classes) of state MPO K s , K p , K p .
Для сложного МПО с высокой динамикой смены его состояний, комплексный (системный) анализ изменения даже незначительного количества динамических параметров при обработке в соответствии с выражениями (1-2) и традиционным графическим представлением вызывает определенные трудности. Это связано с рядом причин, среди которых основными для традиционных методов обработки являются высокая динамика изменения параметров и погрешности измерения, сбора, обработки и анализа измерительной информации, обусловленные активным или пассивным воздействием внешней среды. Особенно это характерно для удаленных от центра обработки МПО, таких как летательные аппараты и т.п., состояние которых контролируется десятками сотен и тысяч параметров. For a complex MPO with high dynamics of changing its states, a complex (system) analysis of changes in even a small number of dynamic parameters during processing in accordance with expressions (1-2) and the traditional graphical representation causes certain difficulties. This is due to a number of reasons, among which the main ones for traditional processing methods are the high dynamics of parameter changes and errors in the measurement, collection, processing and analysis of measurement information due to active or passive environmental influences. This is especially true for remote MPO processing centers, such as aircraft, etc., whose state is controlled by tens of hundreds and thousands of parameters.
Аналогичные сложности по наглядному представлению и динамическому анализу большой группы параметров (показателей) возникают при анализе динамики состояний такого класса объектов как финансово-экономические МПО. Например, при оперативной оценке биржевых курсов на всех биржах традиционно используются различные показатели для характеристики динамики цен акций, зарегистрированных на них компаний, количество которых, как правило, весьма велико. Так, Американская фондовая биржа оценивает различные показатели для 800 зарегистрированных на бирже компаний. В этом случае в качестве динамического параметра можно рассматривать тот или иной показатель n-й компании, состояние которого может представляться в виде выражений (1), а состояние рассматриваемого показателя, обобщенное по всем компаниям, т.е. по бирже в целом в виде выражения (2). Высокая динамика цен акций и большое количество компаний, с одной стороны, и необходимость оперативной оценки динамики изменения (колебания) биржевых курсов, с другой, вызывают известные трудности при аналитической обработке и анализе исходных динамических данных, представляемых в традиционной табличной форме или в виде множества графиков. Similar difficulties in visual presentation and dynamic analysis of a large group of parameters (indicators) arise when analyzing the dynamics of the states of such a class of objects as financial and economic MPOs. For example, in the operational assessment of exchange rates at all exchanges, various indicators are traditionally used to characterize the dynamics of the price of shares registered by companies, the number of which, as a rule, is very large. Thus, the American Stock Exchange estimates various indicators for 800 listed companies. In this case, one or another indicator of the nth company can be considered as a dynamic parameter, the state of which can be represented in the form of expressions (1), and the state of the indicator in question, generalized across all companies, i.e. on the stock exchange as a whole in the form of expression (2). High dynamics of stock prices and a large number of companies, on the one hand, and the need for a quick assessment of the dynamics of changes (fluctuations) in exchange rates, on the other hand, cause certain difficulties in the analytical processing and analysis of initial dynamic data presented in a traditional tabular form or in the form of many graphs .
Таким образом, с повышением требований к диагностике состояния МПО по оперативности, например, при обеспечении оперативной диагностики в реальном масштабе времени протекания высокодинамических процессов на объекте, проведение обработки и представление ее результатов для анализа традиционными методами диагностики становится проблематичным. В этих условиях проведение наглядного представления и оперативного динамического анализа состояний МПО по всему множеству параметров вызывает значительные трудности ввиду отсутствия соответствующих методов оперативной оценки и представления необходимых обобщенных данных для информационной поддержки принятия решений по диагностике состояний МПО. Thus, with increasing requirements for diagnosing the state of MPO in terms of efficiency, for example, while providing real-time real-time diagnostics of highly dynamic processes at the facility, the processing and presentation of its results for analysis by traditional diagnostic methods becomes problematic. Under these conditions, carrying out a visual representation and operational dynamic analysis of the MPE states over the entire set of parameters causes considerable difficulties due to the lack of appropriate methods for the rapid assessment and presentation of the necessary generalized data for information support of decision-making on diagnostics of MPO states.
Введем обобщенную характеристику
где N - общее количество контролируемых динамических параметров (оцениваемых типовых показателей для всех компаний биржи), N(ti) - количество параметров, текущее значение которых в ti-й момент времени отнесено к одному классу из множества A выражения (2). На основе применения результатов допусковой оценки факта и направления изменения n-го параметра, 
where N is the total number of controlled dynamic parameters (estimated typical indicators for all companies of the exchange), N (t i ) is the number of parameters, the current value of which at the t i -th moment in time is assigned to one class from the set A of expression (2). Based on the application of the results of the tolerance assessment of the fact and direction of change of the nth parameter,
В качестве наблюдаемого процесса (объекта) могут быть: а) для сложных технических МПО - давление, температура и т.п.; б) для финансово-экономических МПО - индексы курсы акций (облигации) или курсовой цены, число акций определенного типа, номинал акции и т.п. The observed process (object) can be: a) for complex technical MPO - pressure, temperature, etc .; b) for financial and economic IGOs - indices of stock prices (bonds) or exchange rate, number of shares of a certain type, par value of shares, etc.
В качестве оцениваемой характеристики процесса (объекта) могут быть: а) для сложных технических МПО - амплитуда, частота, дисперсия и т.п.; б) для финансово-экономических МПО - цена акций (номинальная, средневзвешенная) и т.п. As the estimated characteristics of the process (object) can be: a) for complex technical MPO - amplitude, frequency, dispersion, etc .; b) for financial and economic IGOs - the price of shares (nominal, weighted average), etc.
В качестве используемых динамических параметров оцениваемой характеристики могут быть: а) для сложных технических МПО - быстро меняющиеся (вибропараметры), медленно меняющиеся параметры, траекторные параметры; б) для финансово-экономических МПО - контролируемые показатели по каждой зарегистрированной на бирже компании, и т.п. The used dynamic parameters of the evaluated characteristics can be: a) for complex technical MPO - rapidly changing (vibration parameters), slowly changing parameters, trajectory parameters; b) for financial and economic IGOs - controlled indicators for each listed company, etc.
Сущность способа состоит в том, что с целью обеспечения наглядного представления для оперативного динамического анализа изменения обобщенного состояния МПО осуществляется преобразование результатов допусковой оценки факта и направления изменения динамических параметров по контролируемой характеристике исследуемого процесса в соответствующие информационные сигналы, с обобщением по всему множеству параметров в заданном временном интервале, при динамическом анализе которых определяют относительную величину и характер изменения интегрального состояния многопараметрического объекта. Операцию преобразования осуществляют путем формирования соответствующего цветового сигнала видимого спектра в зависимости от результатов допусковой оценки факта и направления изменения динамического параметра (падает - повышается) с обобщением по всему множеству параметров на заданном временном интервале, при этом отображают информационные сигналы посредством матрицы-диаграммы, столбцы которой соответствуют относительной величине оцененного класса состояния параметров объекта, строки - заданным временем интервалам, а относительную величину и характер изменения интегрального состояния объекта определяют по направлениям изменения и относительным величинам этого изменения во времени цветовых сигналов, обобщенных по всему множеству параметров по контролируемой характеристике исследуемого процесса. The essence of the method is that in order to provide a visual representation for operational dynamic analysis of changes in the generalized state of MPO, the results of the tolerance assessment of the fact and the direction of change of dynamic parameters according to the controlled characteristic of the process under study are converted into corresponding information signals, with a generalization over the entire set of parameters in a given time interval, the dynamic analysis of which determine the relative magnitude and nature of the change and integral state of a multiparameter object. The conversion operation is carried out by forming the corresponding color signal of the visible spectrum depending on the results of the tolerance assessment of the fact and the direction of change of the dynamic parameter (decreases - increases) with a generalization over the entire set of parameters at a given time interval, while information signals are displayed through a matrix diagram, the columns of which correspond to the relative value of the estimated class of the state of the object parameters, the rows correspond to the time intervals specified, and th magnitude and the variation of the integral object state is determined by the directions of the changes and the relative values of the change in time of color signals, generalized over the whole set of parameters controlled by the test process characteristics.
В соответствии с используемым принципом причинно-следственных зависимостей, происходящих во времени в МПО процессах, отображаемых параметрами, по временной шкале будет представлено изменение интегрального (обобщенного по всему множеству динамических параметров) состояния МПО, идентифицированное по наблюдаемому процессу (процессам). Это позволяет однозначно по виду цветокодовой матрицы-диаграммы, которую по наглядности представления можно отнести к когнитивной (т.е. порождающей новые значения у АПР), определять в наблюдаемые моменты времени по всему множеству относительную величину и характер развития процесса в МПО. In accordance with the principle of causal relationships occurring in time in the MPO processes displayed by the parameters, the time scale will show the change in the integral (generalized over the entire set of dynamic parameters) state of the MPO identified by the observed process (processes). This makes it possible, unambiguously by the appearance of the color-matrix matrix diagram, which can be attributed to the cognitive one (i.e., generating new values in the APR), to determine at the observed time instants the relative magnitude and nature of the development of the process in MPO over the whole set.
Степень дискретизации наблюдаемой характеристики (параметра, показателя компании) A и выбор цветового решения определяет АПР в зависимости от специфики объекта и условий решаемой задачи оперативной диагностики по данным динамической информации. The degree of discretization of the observed characteristic (parameter, company indicator) A and the choice of color scheme determines the APR depending on the specifics of the object and the conditions of the problem of operational diagnostics to be solved according to dynamic information.
Таким образом, новизна предлагаемого способа по сравнению с известными устройствами и способами диагностики состояния объекта заключается в том, чтобы всю совокупность обрабатываемых по допусковому способу динамических параметров по контролируемой характеристике исследуемого процесса преобразуют в соответствующие информационные сигналы, при обобщении которых по всему множеству параметров, определяют относительную величину и характер изменения интегрального состояния многопараметрического объекта. При этом, на экране видеомонитора по временной шкале будут последовательно отображаться относительная величина и характер изменения каждого из составляющих классов изменения параметров (падает, повышается, не изменяется), совокупность которых характеризует динамику интегрального состояния объекта (процесса) последовательно во времени. Thus, the novelty of the proposed method in comparison with known devices and methods for diagnosing the state of an object lies in the fact that the entire set of dynamic parameters processed by the tolerance method is converted into the corresponding information signals according to the controlled characteristic of the process under study, when generalized over the entire set of parameters, the relative the magnitude and nature of the change in the integral state of a multiparameter object. At the same time, on the screen of the video monitor on a timeline, the relative magnitude and nature of the change in each of the component classes of parameter changes (drops, rises, does not change) will be sequentially displayed, the combination of which characterizes the dynamics of the integral state of the object (process) sequentially in time.
Сущность предложенного способа хорошо иллюстрируется для финансовых МПО, например, при исследовании различных показателей для характеристики динамики цен акций зарегистрированных в биржах компаний. На фиг. 1 приведено традиционное представление графиков изменения контролируемого типового показателя для ряда (N=7) компаний, каждая из которых с заданной дискретностью сообщает соответствующие значения показателя, множество которых характеризует динамику изменения цен акций этой компании. На фиг. 2 приведено наглядное представление процесса изменения обобщенного типового показателя для всех N компаний в виде цветокодовой матрицы-диаграммы состояний [Aj * • t] МПО, где Aj * - относительное количество компаний, контролируемый показатель каждой из которых принадлежит j-му классу состояния (в рассматриваемом случае j = 3); ti-5 - начало и ti+8 - конец устойчивого (лавинообразного) процесса изменения курса цен акций. < A1, A2, A3 > идентифицированные классы состояний типового показателя (параметра), динамическое сочетание (интеграция) которых определяет соответствующие классы состояния < Kс, Kр, Kп > исследуемого МПО, где Kс - стационарный класс состояния МПО, Kр (Kп - класс состояния МПО, обусловленный изменением (ростом или падением) составляющих множества Aj *.The essence of the proposed method is well illustrated for financial IGOs, for example, in the study of various indicators to characterize the dynamics of stock prices of listed companies. In FIG. Figure 1 shows the traditional presentation of graphs of changes in the controlled type indicator for a number (N = 7) of companies, each of which with a given discreteness reports the corresponding values of the indicator, many of which characterize the dynamics of changes in the stock prices of this company. In FIG. Figure 2 shows a visual representation of the process of changing the generalized typical indicator for all N companies in the form of a color-code matrix-state diagram [A j * • t] MPO, where A j * is the relative number of companies, the controlled indicator of each of which belongs to the j-th state class ( in the case under consideration, j = 3); t i-5 is the beginning and t i + 8 is the end of a stable (avalanche-like) process of changing stock prices. <A 1, A 2, A 3> identified classes of states of the model parameter (parameter) dynamic combination (integration) which defines the respective state class <K a, K p, K p> investigated MPO where K with - a stationary state class MPO , K p (K p is the MPO state class, caused by a change (increase or decrease) in the components of the set A j * .
Использование предлагаемого способа позволит получить новые нетрадиционные формы представления динамики состояний МПО. Так, совмещая представление частиц множества (классов состояний параметров) Aj * на одном информационном поле общего A* получаем компактное представление динамики распределения состояний МПО (фиг. 3). В это случае повышается наглядность проведения динамического анализа перехода МПО из одного класса состояний в другой. При этом обеспечивается наглядность выделения (декомпозиции) так называемых нечетных (размытых, расплывчатых) классов Kн динамических состояний МПО, характеризуемый неопределенностью, вызванной как одновременным увеличением, так и уменьшением составляющих множества A*.Using the proposed method will allow you to get new non-traditional forms of representing the dynamics of the state of MPO. So, combining the representation of particles of the set (classes of parameter states) A j * on one information field of the general A *, we obtain a compact representation of the dynamics of the distribution of MPO states (Fig. 3). In this case, the visibility of a dynamic analysis of the transition of MPO from one class of states to another increases. This ensures the visibility of the allocation (decomposition) of the so-called odd (blurry, vague) classes K n of dynamic MPO states, characterized by uncertainty caused by both a simultaneous increase and decrease in the components of the set A * .
Анализ рассматриваемых представлений обобщенных данных о МПО (фиг. 2, 3), раскрывающих суть предлагаемого способа, позволяет проводить оперативный динамический анализ интегрального состояния МПО, в том числе оценить характер изменения обобщенного по всем параметрам (компаниям) анализируемого показателя (процесса) для объекта (биржи) в целом. Так, проведение динамического анализа изменения состояния МПО с использованием предлагаемого способа, один из примеров реализации которого приведен на фиг. 3, позволяет:
а) определить устойчивый лавинообразный характер роста курса цен относительно количества акций компаний на интервале (ti-5 - ti-3), а также устойчивый и постепенный характер понижения роста курса на интервале (ti+2 - ti+4);
б) определить устойчивый лавинообразный характер падения курса цен относительного количества акций компаний на интервале (ti - ti+4), а также устойчивый и лавинообразный характер уменьшения падения курса на интервале (ti+5 - ti+8);
в) оценить распределение диаграммы изменения (роста или падения) курса цен по всему множеству наблюдаемых параметров (показателей), а также соотношения между ними по временной оси, что позволяет оценить в целом динамику движения денежной массы во времени;
г) оценить в относительной величине максимальную (минимальную) величину изменения (роста или падения) курса цен по общему количеству компаний, принявших решение о изменении ставок.The analysis of the considered representations of the generalized data on MPO (Fig. 2, 3), revealing the essence of the proposed method, allows you to conduct an online dynamic analysis of the integral state of MPO, including assessing the nature of the change of the analyzed indicator (process), generalized for all parameters (companies) for the object ( exchanges) in general. So, conducting a dynamic analysis of changes in the state of MPO using the proposed method, one example of the implementation of which is shown in FIG. 3, allows:
a) determine the steady avalanche-like nature of price growth relative to the number of shares of companies in the interval (t i-5 - t i-3 ), as well as the stable and gradual nature of the decrease in exchange rate in the interval (t i + 2 - t i + 4 );
b) determine the stable avalanche-like nature of the fall in the price rate of the relative number of companies' shares in the interval (t i - t i + 4 ), as well as the stable and avalanche-like nature of the decrease in the fall in the price in the interval (t i + 5 - t i + 8 );
c) to evaluate the distribution of the diagram of changes (growth or fall) in the price rate over the entire set of observed parameters (indicators), as well as the relationship between them along the time axis, which allows us to estimate the overall dynamics of the money supply in time;
d) to evaluate in relative terms the maximum (minimum) value of the change (increase or decrease) in the price rate for the total number of companies that have decided to change rates.
Таким образом, способ позволяет осуществить наглядное представление для динамического анализа интегрального состояния объекта с экрана видеомонитора, оперативно (в реальном масштабе времени) обнаруживать изменение класса состояний МПО и оценивать относительную величину и характер изменения состояния по всему множеству контролируемых параметров. Thus, the method allows for a visual representation for dynamic analysis of the integral state of an object from the screen of a video monitor, to quickly (in real time) detect a change in the class of MPO states and evaluate the relative magnitude and nature of the state change over the entire set of controlled parameters.
К достоинствам способа можно отнести:
возможность выявления новых (системных) свойств и закономерностей исследуемых процессов в МПО за счет наглядного представления обобщенных результатов оценки всего множества параметров в динамике их изменения, такое наглядное динамическое представление позволяет комплексно оценить величину и характер изменения интегрального состояния МПО по большому множеству контролируемых измерительных параметров, которые могут быть разнотипными;
высокую оперативность представления общей картины развития процесса изменения состояния МПО с возможностью оценки характера его развития, сокращение сроков анализа динамической информации и используемых технических средств ее отображения для информационной поддержки принятия решений обработчиком-аналитиком, подготавливающему решения по диагностике состояния МПО и который является элементом автоматизированной системы оперативной диагностики.The advantages of the method include:
the ability to identify new (systemic) properties and patterns of the processes under study in MPO due to the visual representation of the generalized results of the assessment of the entire set of parameters in the dynamics of their change, such a visual dynamic representation allows you to comprehensively evaluate the magnitude and nature of the change in the integral state of MPO by a large number of controlled measurement parameters, which may be of different types;
high efficiency of presenting the general picture of the development of the state of the MPO process with the possibility of assessing the nature of its development, reducing the time of analysis of dynamic information and the technical means used to display it for information support of decision-making by an analyst who prepares solutions for diagnosing the state of MPO and which is an element of an automated operational system diagnostics.
От использования изобретения следует ожидать вторичный эффект, заключающийся в удешевлении систем диагностики различных технических объектов и систем организационно-технологического класса. Целесообразно использовать в системах идентификации, распознавания, контроля и диагностики технического и функционального состояния изделий авиационной и космической промышленности, а также в энергетике и финансово-экономической деятельности. From the use of the invention, one should expect a secondary effect, consisting in cheaper diagnostic systems of various technical objects and systems of organizational and technological class. It is advisable to use in systems of identification, recognition, control and diagnostics of the technical and functional status of products of the aviation and space industry, as well as in energy and financial and economic activities.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU98107047A RU2138849C1 (en) | 1998-04-10 | 1998-04-10 | Method of dynamic analysis of conditions of multiparametric object or process |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU98107047A RU2138849C1 (en) | 1998-04-10 | 1998-04-10 | Method of dynamic analysis of conditions of multiparametric object or process |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2138849C1 true RU2138849C1 (en) | 1999-09-27 |
Family
ID=20204779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU98107047A RU2138849C1 (en) | 1998-04-10 | 1998-04-10 | Method of dynamic analysis of conditions of multiparametric object or process |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2138849C1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2459245C1 (en) * | 2011-02-17 | 2012-08-20 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный авиационный инженерный университет" (г. Воронеж) Министерства обороны Российской Федерации | Method for integrated control of state of multiparameter object based on different information |
| RU2496409C2 (en) * | 2011-04-27 | 2013-10-27 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Белгородский государственный национальный исследовательский университет" | Method of forming multidimensional image of cardiovascular system state and its visualisation |
| RU2627242C1 (en) * | 2016-08-17 | 2017-08-04 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method for complex monitoring and controlling state of multiparameter objects |
| RU2653286C2 (en) * | 2016-06-10 | 2018-05-07 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Method of forecasting crisis situations in control of multiparameter processes |
-
1998
- 1998-04-10 RU RU98107047A patent/RU2138849C1/en active
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2459245C1 (en) * | 2011-02-17 | 2012-08-20 | Федеральное государственное военное образовательное учреждение высшего профессионального образования "Военный авиационный инженерный университет" (г. Воронеж) Министерства обороны Российской Федерации | Method for integrated control of state of multiparameter object based on different information |
| RU2496409C2 (en) * | 2011-04-27 | 2013-10-27 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Белгородский государственный национальный исследовательский университет" | Method of forming multidimensional image of cardiovascular system state and its visualisation |
| RU2653286C2 (en) * | 2016-06-10 | 2018-05-07 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Method of forecasting crisis situations in control of multiparameter processes |
| RU2627242C1 (en) * | 2016-08-17 | 2017-08-04 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method for complex monitoring and controlling state of multiparameter objects |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alaswad et al. | A review on condition-based maintenance optimization models for stochastically deteriorating system | |
| US20190392252A1 (en) | Systems and methods for selecting a forecast model for analyzing time series data | |
| JP4626852B2 (en) | Communication network failure detection system, communication network failure detection method, and failure detection program | |
| Li et al. | Multi-sensor data-driven remaining useful life prediction of semi-observable systems | |
| US8762301B1 (en) | Automated determination of root cause | |
| CN108229538B (en) | Vehicle system prediction apparatus and method | |
| JP2000512766A (en) | Statistical pattern analysis method for partial discharge measurement in high voltage insulation | |
| JP2019070930A (en) | Abnormality detection device and abnormality detection method | |
| CN110333962B (en) | Electronic component fault diagnosis model based on data analysis and prediction | |
| CN111368980A (en) | State detection method, device, equipment and storage medium | |
| JP2000259223A (en) | Plant monitoring device | |
| Mathew et al. | Regression kernel for prognostics with support vector machines | |
| US20220004163A1 (en) | Apparatus for predicting equipment damage | |
| CN109871002B (en) | Concurrent abnormal state identification and positioning system based on tensor label learning | |
| Bahria et al. | Maintenance and quality control integrated strategy for manufacturing systems | |
| Taleb | Control charts applications for multivariate attribute processes | |
| CN111678992A (en) | Nondestructive testing method for identifying damage type of concrete structure | |
| RU2138849C1 (en) | Method of dynamic analysis of conditions of multiparametric object or process | |
| Züfle et al. | A predictive maintenance methodology: predicting the time-to-failure of machines in industry 4.0 | |
| CN113837591A (en) | Equipment health assessment method oriented to multi-working-condition operation conditions | |
| RU2134897C1 (en) | Method for on-line dynamic analysis of multiple- variable entity condition | |
| RU2156496C1 (en) | Method for on-line dynamic analysis of fuzzy state of object or process described by multiple parameters | |
| CN112228042B (en) | Method for judging working condition similarity of pumping well based on cloud edge cooperative computing | |
| Turochy et al. | Applying quality control to traffic condition monitoring | |
| Nagy et al. | An industrial application using process mining to reduce the number of faulty products |