Контроль и диагностика технического состояния авиационных двигателей на основе интеллектуального анализа данных тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Жернаков, Сергей Владимирович

• Жернаков, Сергей Владимирович
• доктор технических наук
• 2005

Оглавление диссертации доктор технических наук Жернаков, Сергей Владимирович

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ПРОБЛЕМЫ ИНФОРМАЦИОННОГО МОНИТОРИНГА СОСТОЯНИЯ АВИАЦИОННОГО ГАЗОТУРБИННОГО ДВИГАТЕЛЯ (ГТД).

1.1. Современный авиационный двигатель как сложный технический объект мониторинга.

1.2. Общая характеристика проблемы мониторинга и управления эксплуатацией авиационного двигателя по техническому состоянию.

1.3. Современные информационные технологии мониторинга состояния сложных технических объектов.

1.4. Интеллектуальные технологии автоматизации испытаний и управления эксплуатацией авиационного двигателя.

1.5. Концепция решения проблемы информационного мониторинга параметров авиационного ГТД.

Результаты и выводы по первой главе.

ГЛАВА 2. ПРИМЕНЕНИЕ МЕТОДОЛОГИИ СИСТЕМНОГО АНАЛИЗА К РЕШЕНИЮ ПРОБЛЕМЫ ИНФОРМАЦИОННОГО МОНИТОРИНГА СОСТОЯНИЯ АВИАЦИОННОГО ДВИГАТЕЛЯ.

2.1. Применение технологий системного моделирования на этапе проектирования интеллектуальной системы мониторинга состояния авиационного двигателя.

2.2. Разработка комплекса функциональных моделей процесса мониторинга параметров авиационного ГТД.

2.3. Разработка комплекса информационных моделей процесса мониторинга параметров авиационного ГТД

2.4. Разработка динамической модели процесса мониторинга состояния авиационного ГТД.

2.5. Требования к экспертной системе мониторинга состояния авиационного ГТД на основе IDEF — моделей.

Результаты и выводы по второй главе.

ГЛАВА 3. РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ МЕТОДОВ КОНТРОЛЯ H ДИАГНОСТИКИ ТЕХНИЧЕСКОГО состояния АВИАЦИОННОГО ГТД НА ОСНОВЕ ЭКСПЕРТНЫХ СИСТЕМ (ЭС).

3.1. Введение.

3.2. Решение задач контроля и диагностики на основе компонентной реализации математической модели ГТД в среде экспертной системы C-PRIZ.

3.2.1. Реализация компонентных математических моделей ГТД на основе семантических сетей.

3.2.2. Методика наполнения баз знаний экспертной системы C-PRIZ

3.2.3. Особенности решения задач контроля и диагностики ГТД с использованием экспертной системы C-PRIZ.

3.3. Решение задач контроля и диагностики ГТД в среде экспертной

Ф системы TILShell 3.0.

3.3.1. Представление математической модели ГТД в базе знаний экспертной системы TILShell 3.0.

3.3.2. Решение задач контроля и диагностики ГТД в среде экспертной системы TILShell 3.

3.4. Решение задач контроля и диагностики ГТД с использованием пакета прикладных программ "Диагноз".

3.4.1. Основные принципы реализации алгоритмов контроля и диагностики ГТД с использованием пакета прикладных программ "Диагноз".

3.4.2. Представление математической модели ГТД в среде пакета прикладных программ "Диагноз".

3.4.3. Особенности решения задач контроля и диагностики ГТД с помощью пакета прикладных программ "Диагноз".

3.5. Сравнительный анализ полученных результатов.

Результаты и выводы по третьей главе.

ГЛАВА 4. НЕЙРОСЕТЕВЫЕ МЕТОДЫ КОНТРОЛЯ И ДИАГНОСТИКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ГТД.

4.1. Идея предлагаемого подхода.

4.2. Классификация режимов работы ГТД на основе нейронных сетей . 187 f.J, 4.3. Идентификация характеристик ГТД на основе нейронных сетей.

4.3.1. Идентификация параметров многорежимной модели ГТД на основе нейронных сетей.

4.3.2. Решение задачи идентификации обратной многорежимной модели ГТД на основе НС.

4.3.3. Идентификация динамической многорежимной модели ГТД

4.4. Контроль технического состояния ГТД на основе нейронных сетей

4.5. Диагностика технического состояния ГТД на основе нейронных сетей.

4.6. Прогнозирование технического состояния ГТД на основе нейронных сетей.

4.7. Отладка параметров ГТД с использованием нейронных сетей.

Результаты и выводы по главе 4.

ГЛАВА 5. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ НЕЙРОСЕТЕВОЙ ЭКСПЕРТНОЙ СИСТЕМЫ "ЭКСПЕРТ НЕЙРО" КОНТРОЛЯ И ДИАГНОСТИКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ АВИАЦИОННОГО ГТД.

5.1. Краткий обзор нейросетевых экспертных систем.

5.2. Общая структура нейросетевой экспертной системы "Эксперт Нейро".

5.3. Особенности программной реализации интерфейса и программных модулей нейросетевой экспертной системы "Эксперт Нейро".

5.4. Методика работы с нейросетевой экспертной системой "Эксперт Нейро".

5.5. Особенности бортовой реализации нейросетевых алгоритмов контроля и диагностики ГТД.

5.5.1. Восстановление информации с использованием нейросетевой модели ГТД на примере БСКД ЭСУ

5.5.2. Восстановление информации при отказах датчиков с использованием автоассоциативной нейронной сети.

Результаты и выводы по пятой главе.

Введение диссертации (часть автореферата) на тему «Контроль и диагностика технического состояния авиационных двигателей на основе интеллектуального анализа данных»

Актуальность работы. Газотурбинный двигатель (ГТД) как восстанавливаемый объект в течение срока службы требует постоянного мониторинга, трудоемкость которого зависит от уровня автоматизации процессов получения, обработки, хранения, документирования информации о текущем состоянии авиационного двигателя, а также контроля, диагностики, прогнозирования его технического состояния, последовательность и методы выполнения которых определяют информационную технологию мониторинга (ИТМ). Средством их реализации являются распределенные системы мониторинга, на которые возлагается задача определения степени соответствия объекта мониторинга предъявляемым требованиям, то есть контроля его технического состояния.

Распределенная система мониторинга является логическим дополнением ИТМ, так как совместно с последней осуществляет анализ фактического технического состояния ГТД: прогнозирование остаточного ресурса, отслеживает деградацию рабочих характеристик авиационного двигателя, определяет программу ремонтно-восстановительных работ и т.д.

Основные летно-технические характеристики ГТД определяются на всех этапах его жизненного цикла (ЖЦ). Эффективность мониторинга авиационного & двигателя существенно зависит от вероятности правильного распознавания его технического состояния. Мониторинг технического состояния ГТД обеспечивается рациональным выбором SCADA систем и методов обработки информации в соответствии с задачами контроля, диагностики и прогнозирования технического состояния двигателя, эффективно решающих задачи координации управления эксплуатацией двигателя по техническому состоянию и осуществляющих поддержку принятия решений. Основу мониторинга технического состояния ГТД составляет подчинение целей функционирования информационных технологий мониторинга и управления эксплуатацией целям функционирования ГТД, определяющим правила и порядок обработки комплексной информации в соответствии с условиями его эксплуатации.

Создание информационных технологий мониторинга и управления эксплуатацией ГТД является процессом, предполагающим. определенную методологию использования априорной и апостериорной информации об объекте, измерительных, вычислительных и корпоративных средствах, образующих ресурсы информационных технологий мониторинга, и разнообразные математические методы решения задач обработки и анализа информации о техническом состоянии двигателя, а также принятия решений для достижения целей мониторинга и управления его эксплуатацией. Проблемам создания информационных технологий мониторинга и управления эксплуатацией сложных технических объектов посвящены работы: О.В. Абрамова, Е.В. Барзиловича, И.В. Бармина, Г.И. Братухина, Л.И. Волкова, Ю.М. Гусева, Б. Г. Ильясова, A.A. Ицковича, A.A. Каштанова, В.А. Острейковского, В.В. Смирнова, Б.Е. Федунова, В.А. Фурсова, Р.М Юсупова и др. Проблемы контроля и диагностики технического состояния ГТД исследуются в работах В.Г. Августиновича, A.M. Ахмедзянова, И.А. Биргера,

B.И. Васильева, Х.С. Гумерова, В.Т. Дедеша, Н.Г. Дубравского, И.В. Егорова,

C.B. Епифанова, В.Н. Ефанова, Ю.С. Кабальнова, В.Г. Крымского, Г.Г. Куликова, Д.Ф. Симбирского, H.H. Сиротина, А.П. Тунакова, В.Т. Шепеля и др. Теоретические основы создания математических моделей ГТД и его узлов рассматриваются в работах В.М. Акимова, В.О. Боровика, О.С. Гуревича, Г.Н. Добрянского, Т.С. Мартьяновой, Е.М. Тарана, А .Я. Черкеза, A.A. Шевякова и др.

Вместе с тем, несмотря на значительный объем исследований в данных областях, информационные технологии мониторинга технического состояния ГТД не являются совершенными по ряду причин, основными из которых являются, с одной стороны, разобщенность баз данных испытаний, контроля и диагностики, отсутствие интеллектуальных компонент, позволяющих качественно и эффективно осуществлять поддержку принятия ответственных решений и, как следствие, сокращать общее время, затрачиваемое на обслуживание ГТД; с другой стороны, нестационарность физических процессов в авиационном двигателе, сложность его математического описания, зависимость технических характеристик двигателя от внешних условий работы, ограниченный состав измеряемых термогазодинамических параметров двигателя, их технологический разброс и т.д. Указанные факторы приводят к необходимости принятия решений о техническом состоянии двигателя в условиях существенной неопределенности.

Основными направлениями, определяющими повышение качества информационных технологий мониторинга технического состояния ГТД, следует считать интеллектуализацию процессов обработки информации с привлечением методов интеллектуального анализа данных, которые способны обеспечить повышение качества распознавания технического состояния ГТД при действии указанных выше неопределенных факторов, а также интеграцию информационных процессов (распределенных локальных баз данных и знаний в глобальную базу данных и знаний). Таким образом, создание информационной технологии мониторинга состояния ГТД включает в себя разработку методологии, методов, методик, алгоритмического и программного обеспечения, позволяющих повысить эффективность решения задачи управления эксплуатацией ГТД по техническому состоянию.

В связи с вышеизложенным, тема диссертационной работы, посвященная созданию интеллектуальных систем контроля, диагностики и прогнозирования технического состояния ГТД на основе интеллектуального анализа данных, является актуальной.

Данная работа выполнялась в период с 1986 по 2005 гг. на кафедрах авиационных двигателей и вычислительной техники и защиты информации Уфимского государственного авиационного технического университета в рамках:

- отраслевых программ и госбюджетных НИР в соответствии с планом научно-исследовательских работ АН СССР на 1986-1990 гг.;

- федеральной целевой программы и тематических отраслевых планов: "Авиационная технология", "Надежность и безопасность технических систем" в 1991-1998 гг.;

- федеральной целевой программы Государственной поддержки интеграции высшего образования и фундаментальной науки на 1997 - 2006 гг.

Целью диссертационной работы является разработка научно-обоснованных принципов, методов, алгоритмов и программного обеспечения систем контроля, диагностики и прогнозирования технического состояния ГТД на основе интеллектуального анализа данных с использованием технологий экспертных систем и нейронных сетей.

Для достижения указанной цели в работе поставлены и решены следующие задачи:

1. Разработка концепции построения интеллектуальных систем мониторинга технического состояния авиационного ГТД на основе интеллектуального анализа данных.

2. Разработка комплекса системных моделей процесса мониторинга технического состояния авиационного ГТД.

3. Разработка методов и алгоритмов контроля и диагностики технического состояния ГТД на основе технологий экспертных систем.

4. Разработка методов и алгоритмов контроля, диагностики и прогнозирования технического состояния ГТД на основе нейросетевых технологий.

5. Разработка исследовательского прототипа нейросетевой экспертной системы контроля, диагностики и прогнозирования технического состояния ГТД.

6. Разработка нейросетевых алгоритмов восстановления информации в случае отказа штатных датчиков в составе бортовой системы контроля и диагностики авиационного двигателя.

7. Исследование эффективности разработанного алгоритмического и программного обеспечения экспертных систем и нейросетевых технологий для решения задач контроля, диагностики и прогнозирования технического состояния авиационных ГТД и их систем.

Основные научные результаты, выносимые на защиту:

1. Концепция построения интеллектуальных систем мониторинга технического состояния ГТД.

2. Комплекс системных моделей процесса мониторинга технического состояния ГТД.

3. Формализованные методы и алгоритмы контроля и диагностики технического состояния ГТД с использованием технологий экспертных систем.

4. Нейросетевые методы и алгоритмы контроля, диагностики и прогнозирования технического состояния ГТД.

5. Нейросетевая экспертная система контроля, диагностики и прогнозирования технического состояния ГТД.

6. Нейросетевые алгоритмы восстановления информации в случае отказа штатных датчиков в составе бортовой системы контроля и диагностики двигателя.

7. Результаты исследования эффективности применения разработанных экспертных систем и нейросетевых технологий для решения задач контроля, диагностики и прогнозирования технического состояния ГТД и их систем.

Обоснованность и достоверность результатов диссертации

Обоснованность предложенной концепции построения интеллектуальных систем мониторинга технического состояния ГТД обусловлена проведенным системным анализом предметной области, учетом основных факторов, влияющих на процессы функционирования ГТД, современных требований и возможностей, представляемых новыми информационными технологиями для решения задач управления ГТД по техническому состоянию.

Обоснованность предложенного подхода к системному моделированию процесса мониторинга технического состояния ГТД подтверждается корректностью основных положений, принятых при построении функциональных, информационных и динамических моделей интеллектуальной системы мониторинга технического состояния ГТД.

Обоснованность и достоверность реконфигурируемой математической модели ГТД, построенной на основе расширяемой семантической сети и используемой для контроля и диагностики технического состояния двигателя, подтверждается корректностью математического описания ГТД и его узлов, возможностью настройки модели под характеристики индивидуального двигателя с учетом требуемого класса задач контроля и диагностики.

Обоснованность и достоверность процессов принятия решений с помощью экспертных систем С-РЯК, Т1Ш5Ье11, "Диагноз", а также исследовательского прототипа нейросетевой экспертной системы "ЭкспертНейро" подтверждается результатами моделирования и решения большого числа практических задач контроля, диагностики и прогнозирования технического состояния авиационных двигателей.

Методы исследования

Поставленные в диссертационной работе задачи решены с использованием методов системного анализа, теории воздушно-реактивных двигателей, теории идентификации, теории вероятностей и математической статистики, теории дифференциальных уравнений, нейроинформатики, теории нечетких множеств, теории распознавания образов, теории информационных систем и обработки данных, теории оптимизации, теории планирования эксперимента, теории принятия решений и экспертных систем, имитационного моделирования, объектно-ориентированного программирования.

Научная новизна результатов

1. В работе поставлена и решена проблема разработки методологических основ построения интеллектуальных систем мониторинга технического состояния ГТД, реализующих методы контроля и диагностики авиационных двигателей на основе технологий экспертных систем и нейронных сетей, обеспечивающие повышение эффективности процессов мониторинга и управления эксплуатацией ГТД по техническому состоянию.

2. Предложена концепция построения интеллектуальных систем мониторинга технического состояния ГТД, основанная на использовании методов интеллектуального анализа данных о режимах работы двигателя на различных этапах его эксплуатации, применении единой методологии контроля, диагностики и прогнозирования технического состояния ГТД на основе технологии экспертных систем и нейронных сетей, интеграции разработанных средств и систем с CALS-технологиями, SCADA-системами, распределенными базами данных и знаний, обеспечивающая повышение уровня автоматизации, оперативности и достоверности мониторинга технического состояния проточной части двигателя, с целью реализации стратегии эксплуатации ГТД по техническому состоянию.

3. На основе SADT-методологии и IDEF-технологий разработан комплекс системных моделей процесса мониторинга технического состояния ГТД, что позволило выделить основной спектр функциональных задач мониторинга и их информационное сопровождение, а также обоснованно сформировать требования к их реализации в составе экспертной системы контроля и диагностики ГТД.

4. Разработан и реализован ряд экспертных систем контроля и диагностики технического состояния ГТД в рамках интеллектуальных оболочек C-PRIZ, TILL Shell, "Диагноз" с использованием реконфигурируемой математической модели авиационного двигателя, построенной на основе расширенной семантической сети, и организации контроля и диагностики ГТД на основе метода диагностических матриц и правил нечеткой логики, что позволило повысить качество решение задач контроля и диагностики состояния ГТД в условиях неопределенности.

5. Разработаны и исследованы методы, модели, алгоритмы и методики решения задач контроля, диагностики и прогнозирования технического состояния ГТД с использованием нейросетевых технологий, позволяющих накапливать и анализировать информацию о характеристиках индивидуального двигателя по результатам стендовых и летных испытаний и повысить качество решений, принимаемых экспертной системой, за счет использования алгоритмов обучения и самообучения нейронных сетей.

6. Разработаны нейросетевые модули, зарегистрированные в РосАПО, для решения задач контроля, диагностики и прогнозирования состояния ГТД, интегрированные в составе исследовательского прототипа нейросетевой экспертной системы контроля и диагностики состояния ГТД, применение которых позволяет повысить достоверность и глубину контроля и диагностики основных узлов двигателя в условиях факторов неопределенности.

7. Разработаны и исследованы методы, модели и алгоритмы восстановления информации в случае отказа штатных датчиков в составе бортовой системы контроля и диагностики двигателя, основанные на использовании автоассоциативных нейронных сетей, применение которых позволяет с заданной точностью восстанавливать потерянную информацию в режиме реального времени.

Практическая значимость результатов

Практическая значимость результатов диссертационной работы определяется тем, что использование предложенной в ней концепции построения интеллектуальной системы мониторинга технического состояния ГТД позволит сократить затраты на контроль и диагностику состояния двигателя в процессе его стендовых испытаний и летной эксплуатации в 2-3 раза за счет более полного использования априорной и апостериорной информации о режимах работы двигателя, автоматизации процессов обработки и анализа данных, применения методов искусственного интеллекта на всех этапах оценки технического состояния ГТД и принятия решений.

Разработаны алгоритмы и инженерные методики контроля, диагностики и прогнозирования состояния ГТД, реализованные в составе исследовательских прототипов экспертных систем, применение которых позволяет существенно повысить качество и эффективность принимаемых решений о техническом состоянии ГТД.

Разработана и внедрена на ряде предприятий России нейросетевая экспертная система контроля, диагностики и прогнозирования технического состояния ГТД, позволяющая решать широкий спектр практических задач мониторинга технического состояния авиационных двигателей. Предложены нейросетевые алгоритмы восстановления информации при отказе штатных датчиков в составе перспективной бортовой системы контроля и диагностики двигателя (БСКД) в режиме реального времени.

Внедрение результатов работы

Основные результаты работы внедрены на ряде предприятий авиационной промышленности: ФГУП НПП "Мотор" (Уфа), ФГУП "Самарские моторы" (г. Самара), ФГУП УНПП "Молния" (Уфа) в виде инженерных методик, алгоритмов и экспертных систем контроля и диагностики технического состояния ГТД, а также в учебный процесс Уфимского государственного авиационного технического университета.

Апробация работы. Основные положения, представленные в диссертационной работе, докладывались, обсуждались и получили положительную оценку на 60 Всесоюзных, Всероссийских и Международных симпозиумах, конференциях и семинарах, в том числе на:

- Всесоюзной научно-технической конференции "Декомпозиция и координация в сложных системах" (г. Челябинск, 1986);

- Всесоюзной научно-технической конференции "Диалоговые средства распределенной обработки данных в комплексах и сетях" (г. Москва, 1990);

- Всесоюзной научно-технической конференции "Новые информационные технологии" (г. Гурзуф, 1991);

- III - XI Всероссийских научно-технических конференциях "Нейроинформатика и ее применения" (г. Красноярск, 1995 - 2003);

- Всероссийской научно-технической конференции "Информационные и кибернетические системы управления и их элементы" (г. Уфа, 1995);

- XXII Гагаринских чтениях по авиации и космонавтике (г. Москва,

1996);

- Международной научно-технической конференции "Мягкие вычисления" (г. Казань, 1996);

- Всероссийской научно-технической конференции "Проблемы совершенствования робототехнических и интеллектуальных систем летательных аппаратов" (г. Москва, 1996);

- Международной научно-технической конференции "Интеллектуальные системы" (г. Геленджик, 1996);

- Международной научно-технической конференции "Проблемы и перспективы развития двигателестроения в Поволжском регионе" (г. Самара,

1997);

- Всероссийской научно-технической конференции "Нейронные сети в информационных технологиях" (г. Снежинск, 1998);

- II Международной научно-технической конференции "Мягкие измерения и вычисления" (г. Санкт-Петербург, 1998);

- Международной научно-технической конференции "Новые технологии управления движением технических объектов" (г. Ставрополь, 1999);

- IV-VIII Всероссийских научно-технических конференциях "Нейроинформатика" (г. Москва, 1999 - 2002);

- Международной научно-технической конференции "Авиация XXI века" (г. Воронеж, 1999);

- III-V Всероссийских научно-технических конференциях "Нейрокомпьютеры и их применение" (г. Москва, 2000-2002);

- Международной научно-технической конференции "Моделирование, вычисления, проектирование в условиях неопределенности" (г. Уфа, 2000);

- Международной научно-технической конференции "Интеллектуальные системы и информационные технологии управления" (г. Псков, 2000);

- Международной научно-технической конференции "Двигатели XXI века" (ЦИАМ, г. Москва, 2000);

- Всероссийской научно-технической конференции "Аэрокосмическая техника и высокие технологии" (г. Пермь, 2001);

- Международной научно-технической конференции "К 90-летию академика Н.Д. Кузнецова" (г. Самара, 2001);

- VI Международном симпозиуме "Авиационные технологии XXI века: новые рубежи авиационной науки" (г. Жуковский, 2001);

- III и V Международных семинарах "Компьютерные науки и информационные технологии" (г. Уфа, 2001, 2003) и др.

Публикации. Результаты диссертационной работы опубликованы в 160 печатных работах, из них одна монография (в соавторстве), два учебных пособия (одно - с грифом УМО Минобразования РФ), 45 статей в центральной печати, в том числе 35 - из списка ВАК России, 35 статей в трудах Международных конференций, 40 статей в Межвузовских научных сборниках, 5 свидетельств об официальной регистрации программ в РосАПО.

Структура работы

Диссертация состоит из введения, пяти глав основного материала, заключения, библиографического списка и приложения. Работа изложена на 340 страницах машинописного текста, содержит 109 рисунков, 60 таблиц. Библиографический список содержит 316 наименований.

Список литературы диссертационного исследования доктор технических наук Жернаков, Сергей Владимирович, 2005 год

1. Абраменкова И.В., Дли М.И. Нейросетевой экстраполятор векторных случайных процессов // Нейрокомпьютеры: разработка, применение, № 3 - 4, 2003.-С. 7-13.

2. Абрамов О.В., Розенбаум А.Н. Управление эксплуатацией систем ответственного назначения. Владивосток: Дальнаука, 2000. - 200 с.

3. Августинович В.Г., Акиндинов В.А., Боев Б.В. и др. Идентификация систем управления авиационных газотурбинных двигателей. М.: Машиностроение, 1984. - 200 с.

4. Аведьян Э.Д. Алгоритмы настройки многослойных нейронных сетей. //Автоматика и телемеханика, № 5, 1995. С. 107 - 118.

5. Адгамов Р.И., Беркеев М.М., Заляев И.А. и др. Автоматизированные испытания в авиастроении. М.:Машиностроение, 1989. - 232 с.

6. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. Н.: Финансы и статистика, 1989. -393 с.

7. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985 г. - 385 с.

8. Аксенов Н.К., Митин Б.М., Уваров В.Н. К вопросу о тепловом модуле математической модели масляной системы ГТД.//Симпозиум посвященный 90-летию со дня рождения академика Б.С. Стечкина. М.: АН СССР, 1981. -С. 134-147.

9. Алексеев A.B., Борисов А.Н., Вилюмс Э.Р. и др. Интеллектуальные системы принятия проектных решений. Рига: Зинатне, 1997. - 320 с.

10. Арсеньев Б.П., Яковлев С.А. Интеграция распределенных баз данных. СПб.: Лань, 2001. - 464 с.

11. Арьков Ю.Г., Алаторцев В.П. Об отладке основного контура ТРДФ на форсажных режимах в стендовых условиях. //Испытания авиационных двигателей, № 6. Уфа: УАИ, 1978. - С. 51 - 59.

12. Афанасьев В.Н., Юзбашев H.H. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001. - 288 с.

13. Ахмедзянов A.M., Дубравский Н.Г., Тунаков А.П. Диагностика состояния ВРД по термогазодинамическим параметрам. М.¡Машиностроение, 1983 г.-206 с.

14. Ахмедзянов A.M., Жернаков C.B., Маликов В.М. Система моделирования БД и БЗ удаленного доступа. // Труды международной НТК. Дистанционное управление. Москва: МГТУ, 1994. - С. 117-123.

15. Барзилович Е.Ю. Модели технического обслуживания сложных систем М.:Высшая школа, 1982. - 258 с.

16. Бармин И.В., Юсупов P.M., Прохорович В.Е. Концепция управления состоянием сложных технических комплексов за пределами плановых сроков эксплуатации.//Информационные технологии. 2000. - № 5. - С. 2-7.

17. Белкин Ю.С., Боев Б.В., Гуревич О.С. и др. Интегральные системы автоматического управления силовыми установками самолетов. М.: Машиностроение, 1983.-283с.

18. Биргер И.А. Техническая диагностика. М.: Машиностроение, 1978.

19. Боев Б.В., Бугровский В.В., Вершинин М.П. и др. Идентификация и диагностика в информационно-управляющих системах авиакосмической энергетики. М.:Наука, 1988. - 168 с.

20. Болотов A.A., Ларичев О.И. Сравнение методов распознавания образов по точности аппроксимации разделяющих гиперплоскостей // Автоматика и телемеханика, 1997, № 3. С. 116 - 123.

21. Боровик В.О., Таран Е.М. Анализ результатов испытаний ГТД с использованием математических моделей и методов математической статистики.//Испытания авиационных двигателей, № 6. Уфа: УГАТУ, 1978. -С. 3-12.

22. Борисов А.Н., Алексеев A.B., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. - 304 с.

23. Братухин А.Г., Давыдов Ю.В., Елисеев Ю.С. CALS в авиастроении. -М.:МАИ, 2000.-300 с.

24. Буравлев А.И., Доценко Б.И., Казаков И.Е. Управление техническим состоянием динамических систем. М.: Машиностроение, 1995. - 240 с.

25. Буртаев Ю.Ф., Острейковский В.А. Статистический анализ надежности объектов по ограниченной информации. М.: Энергоатомиздат, 1995.-240 с.

26. Буцев А.В., Первозванский А.А. Локальная аппроксимация на искусственных нейросетях. //Автоматика и телемеханика, № 5, 1995. С. 127 — 136.

27. Валеев С.С., Васильев В.И., Ильясов Б.Г. и др. Отказоустойчивые системы управления сложными динамическими объектами с использованием искусственных нейронных сетей. //Нейрокомпьютеры: разработка, применение. 2000. - № 1. - С. 32-35.

28. Васильев В.И., Гусев Ю.М., Иванов А.И. и др. Автоматический контроль и диагностика систем управления силовыми установками летательных аппаратов. М.:Машиностроение, 1989. - 240 с.

29. Васильев В.И., Жернаков C.B. Экспертные системы: Управление эксплуатацией сложных технических объектов.-Уфа: УГАТУ, 2003. 106 с.

30. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики. Уфа: УГАТУ, 1995. - 80 с.

31. Васильев В.И., Валеев С.С., Жернаков C.B. Применение нейросети для диагностирования состояния САУ ГТД в условиях неопределенности. //Принятие решений в условиях неопределенности. Межвузовский сборник научных трудов. Уфа: УГАТУ, 1996. - С.27 - 33.

32. Васильев В.И., Жернаков C.B., Уразбахтина Л.Б. Нейросетевой контроль параметров газотурбинного двигателя. // Нейрокомпьютеры: разработка и применение. -М.: Радиотехника, №1, 2001. С.37 -43.

33. Васильев В.И., Ильясов Б.Г., Валеев С.С., Жернаков C.B. Интеллектуальные системы управления с использованием нейронных сетей. -Уфа:УГАТУ, 1997.-92 с.

34. Васильев С.Н., Жерлов А.К., Федосов Е.А., Федунов Б.Е. Интеллектное управление динамическими системами. М.: Физматлит,2000. -352с.

35. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. М: Финансы и статистика, 1998 г. -176 с.

36. Веселов В.В., Елманов O.A., Карелов И.Н. Комплекс мониторинга информационных систем на основе нейросетевых технологий. //Нейрокомпьютеры: разработка, применение. 2001. - № 12. - С. 33-36.

37. Волков Л.И. Управление эксплуатацией летательных комплексов. -М.:Высшая школа, 1981. 368 с.

38. Гаврилова Т.А., Хорошевский В.Ф. Базы., знаний интеллектуальных систем. С.-П.: Питер, 2000. - 384 с.

39. Галиуллин К.Ф., Ахмедзянов A.M. Об одном алгоритме диагностики состояния ГТД по диагностическим матрицам.//Испытания авиационных двигателей, № ю. Уфа: УАИ, 1982. - С. 155-163.

40. Галушкин А.И., Васильев В.И., Ильясов Б.Г., Жернаков C.B. и др. Нейрокомпьютеры в авиации, (монография). М.: Радиотехника, 2004. -496 с.

41. Галушкин А.И. Теория нейронных сетей. М.: ИПРЖР "Радиотехника", 2000. - 416 с.

42. Гапоненко И.В. Построение решающих правил в задаче распознавания образов при использовании экспертной информации // Автоматика и телемеханика, № 5, 1996. С. 118 - 125.

43. Гачурин В.А. Конструкция и летная эксплуатация двигателя D-ЗОКУ-154 второй серии. М.:Воздушный транспорт, 1989 - 202 с.

44. Герасименко В.А. Защита информации в автоматизированных системах обработки данных.- М.: Энергоатомиздат, 1994, кн.1 -400 с.

45. Герман О.В. Введение в теорию экспертных систем и обработку знаний. Минск: Дизайн ПРО, 1995. - 255 с.

46. Гишваров A.C., Приб И.В., Жернаков B.C. Математическое моделирование рабочих процессов газотурбинных энергетических установок.//Труды АН Республики Башкортостан. Отделение технические науки. Уфа: АН РБ, 2002. - С. 212-229.

47. Глухов В.В. Техническое диагностирование динамических систем. М.:Транспорт, 2000. 96 с.

48. Головко В.А. Нейронные сети: Обучение, организация и применение. М.: Радиотехника, 2001. - 256 с.

49. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. - 276 с.

50. ГОСТ 20911-89. Техническая диагностика. Термины и определения. М.: Изд-во стандартов, 1989. 22 с.

51. ГОСТ 27002-89. Надежность в технике. Основные понятия, термины и определения. М.: Изд-во стандартов, 1989. - 36 с.

52. ГОСТ 27518-87. Техническая диагностика. Показатели диагностирования. М.: Изд-во стандартов, 1990. - 16 с.

53. ГОСТ 8.009-84 ГСИ. Нормируемые метрологические характеристики средств измерений. М.: Изд-во стандартов, 1984. - 16 с.

54. ГОСТ 8.326-89. Метрологическая аттестация средств измерений. М.: Изд-во стандартов, 1990. - 14 с.

55. ГОСТ 34-602.89. Информационная технология. Комплекс стандартов и руководящих документов на автоматизированные системы. М.: Изд-во стандартов, 1991. - 142 с.

56. ГОСТ 19.701-90. (ИСО 5807-85). Схемы алгоритмов, программ, данных и систем. Условные обозначения и правила выполнения. М.: Издательство стандартов, 1990. - 17 с.

57. Григорьев Ю.А., Ревунков Г.И. Банки данных М.: МГТУ, 2002. -320 с.

58. Гумеров Х.С., Алаторцев В.П., Горюнов ИМ. Оценка и отладка параметров турбореактивного двигателя на самолетах. //Авиационная техника. -1998.-№3.-С. 72-77.

59. Гуревич О.С., Гольберг Д.Ф., Селиванов О.Д. Интегральное управление силовой установкой многорежимного самолета. М.: Машиностроение, 1993. -304с.

60. Двигатели семейства D 30. Диагностическая обработка параметров, измеряемых в эксплуатации. Методика № 41-00-815 ПМ 117-2, 1991 г. -45 с.

61. Дегтярев А.Б., Кирюхин И.А. Оперативный контроль параметров аварийного динамического объекта на основе нейросетевых алгоритмов. // Нейроинформатика, т. 2. М.: МИФИ, 2002. - С. 151 - 158.

62. Дегтярев Ю.Д., Гумеров Х.С., Юлдыбаев Л.Х. Сравнение методов идентификации математических моделей ГТД.//Испытания авиационных двигателей, № 9. Уфа: УАИ, 1981. - С. 98-104.

63. Дегтярев Ю.Д., Алаторцев В.П., Гумеров Х.С., Афанасьев И.П. Статистическое моделирование технологического процесса отладки одновальных ГТД при стендовых испытаниях. //Испытания авиационных двигателей, № 10. Уфа: УАИ, 1982. - С. 97 - 102.

64. Дейч А.М. Методы идентификации динамических объектов. М.: Энергия, 1979.-239 с.

65. Демидович В.М., Готлиб М.С. К вопросу исследования суммарного коэффициента сопротивления в радиально-упорных шарикоподшипниках опор роторов на нестационарных режимах.//Испытания авиационных двигателей, № 10. Уфа: УАИ, 1982. - С. 128-132.

66. Джексон П. Введение в экспертные системы. М.: Вильяме, 2001. -624 с.

67. Диагностирование и прогнозирование технического состояния авиационного оборудования./Под ред. Синдеева И.М. М.:Транспорт, 1984. -186 с.

68. Диагностическая обработка параметров двигателей Б 30КУ. Измеряемые в эксплуатации на самолетах ИЛ - 62 М. Методика 40 РР - 48 - 1 предприятия п/я Р - 6837, 1989. - 35 с.

69. Диагностическая обработка параметров двигателей О 30 (1 и 2 серии), измеряемых в эксплуатации на самолетах ТУ - 134 и ТУ - 134А. Методика 41-00-815 ПМ предприятия п/я Р - 6837, 1989. - 56 с.

70. Долматова Л.М. Что считать результатом обучения: интерпретация зависимостей посредством анализа топологии обученной нейронной сети. // Известия АН. Теория и системы управления, 1996. № 5. С. 71-76.

71. Дубравский Н.Г., Егоров И.В., Знаменков O.K. и др. Структура и алгоритмы системы диагностики двигателей по функциональным параметрам. -М.:ЦИАМ, 1984, № 10261. 156 с.

72. Дубровин В.И., Субботин С.А., Богуслаев A.B. Интеллектуальные средства диагностики и прогнозирования надежности авиадвигателей. -Запорожье: Мотор Сич, 2003. - 279 с.

73. Дулин С.К., Киселев И.А. Структуризация знаний в системах мониторинга. //Известия АН. Теория и системы управления, 1999, № 5. -С. 28-33.

74. Дунаев С.Б. Доступ к базам данных и техника работы в сети. М.: ДИАЛОГ-МИФИ, 1999.-416 с.

75. Епифанов C.B., Кузнецов Б.И., Богаенко И.Н. др. Синтез систем управления и диагностирования газотурбинных двигателей. Киев: Техника, 1998.-312 с.

76. Ефимов В.В., Яковкин В.А. Метод технического диагностирования на основе нейронной сети // Приборостроение. 1999. — №9.-С.42 - 47.

77. Ефимов Д.В. Оптимальный алгоритм обучения многослойных нейронных сетей. //Изв. вузов. Приборостроение, 2000, т. 43, № 6 С. 40 - 46.

78. Жернаков C.B., Кривошеев И.А. Поддержка принятия решений при структурном синтезе в САПР двигателей. //Информационные технологии, № 12. М.: Машиностроение, 2000. - С. 17-30.

79. Жернаков C.B. Система поддержки принятия решений диагностической ЭС в условиях неопределенности. //Труды международной НТК. Мягкие измерения и вычисления. С.-Пб.: СЭТУ, 1998. - С. 126-129.

80. Жернаков C.B. Параметрическая диагностика ГТД на базе гибридной нечеткой экспертной системы. //Вестник ПГТУ. Аэрокосмическая техника. Пермь: ПГТУ, 1999. - С.33-38.

81. Жернаков C.B. Контроль и диагностика параметров ГТД гибридными экспертными системами. //5-й Международный научно-технический симпозиум. "Авиационные технологии 21 века." Жуковский: ЦАГИ, 1999. вып. 2640-С. 215-222.

82. Жернаков C.B. Сравнительный анализ гибридных экспертных систем для диагностики и контроля параметров ГТД. //Авиационно-космическая техника и технология, № 9. Харьков: ХАИ, 1999. - С. 134-141.

83. Жернаков C.B., Кривошеев И.А. Использование сетевых методов представления математических моделей в САПР двигателей //Информационные технологии. М: Машиностроение, № 5, 1999. - С. 17-26.

84. Жернаков C.B. Комплексная диагностика и контроль параметров ГТД в условиях неопределенности на базе нечеткой экспертной системы TILShell 3.0 + //Информационные технологии. М: Машиностроение, № 8, 2000.-С. 36-43.

85. Жернаков C.B. Параметрическая диагностика ГТД на базе гибридной нечеткой экспертной системы. //Вестник Пермского государственного технического университета. Аэрокосмическая техника, № 5. Пермь: ПГТУ, 2000. -С. 39-45.

86. Жернаков C.B., Юлдыбаев JI.X. Диагностика и контроль параметров ГТД в среде пакета "Диагноз". //Вычислительная техника и новые информационные технологии. Уфа: УГАТУ, 2000. - С.22-30.

87. Жернаков C.B. Комплексная параметрическая диагностика и контроль ГТД современными гибридными экспертными системами.Аэрокосмическое приборостроение России. Серия 2. Авионика. Выпуск 4. Санкт-Петербург: СГТУ, 2000. С.28-41.

88. Жернаков C.B. Диагностика и контроль ГТД в условиях неопределенности на базе нечеткой экспертной системы TILShell 3.0 //Авиационная промышленность. М: Машиностроениё, № 1, 2001. - С.20-23.

89. Жернаков C.B. Интеллектуальная система комплексного мониторинга и управления эксплуатацией авиационных газотурбинных двигателей. //Международная НТК. К 90-летию академика Н.Д. Кузнецова, Вестник СГТУ, т.З. Самара: СГТУ, 2001. - С.38-46.

90. Жернаков C.B. Комплексное моделирование авиационного двигателя в среде гибридных экспертных систем. //Автоматизация и современные технологии, № 5. М: Машиностроение, 2001. - С.22-26.

91. Жернаков C.B. Комбинированные модели нейросетей для диагностики и прогнозирования ГТД. //Нейроинформатика-99. Всероссийская научно-техническая конференция. М.МИФИ, 1999. - С. 115 - 122.

92. Жернаков C.B. Идентификация параметров ГТД гибридным ансамблем нейросетей. // Нейроинформатика-2000. Всероссийская НТК. -М.:МИФИ, 2000. С. 117 - 126.

93. Жернаков C.B. Выявление отказов ГТД моделями нейросетей. // Вестник Пермского государственного технического университета. Аэрокосмическая техника. Пермь:ПГТУ, вып.4, 2000. - С.26 - 31.

94. Жернаков C.B. Ансамблевые нейросети для контроля и диагностики параметров газотурбинного двигателя. // Нейроинформатика-2001. Всероссийская НТК. М.МИФИ, т. 1., 2001. - С. 116 - 124.

95. Жернаков C.B. Применение нейросетей для отладки параметров ГТД в процессе эксплуатации. // Нейрокомпьютеры и их применение. VII Всероссийская конференция с международным участием. М.:ИПУ, 2001. -С.161 165.

96. Жернаков C.B. Параметрическая идентификация ГТД гибридным ансамблем нейросетей. // Нейрокомпьютеры: разработка и применение. М.: Радиотехника, № 4 5, 2001. - С.31 - 35.

97. Жернаков C.B. Хранение информационного портрета авиационного газотурбинного двигателя на базе нейросетей.// Нейрокомпьютеры:разработка и применение. М.: Радиотехника, № 4-5, 2001. - С. 44 - 51.<

98. Жернаков C.B. Распознавание параметров авиационного двигателя нейросетями. // Автоматизация и современные технологии. -М.:Машиностроение, № 4, 2003. С. 29 - 31.

99. Жернаков C.B., Муслухов И.И. Нейросетевые технологии для повышения отказоустойчивости измерительных каналов ГТД. // Информатика и информационные технологии. Труды Международной конференции. Уфа: УГАТУ, 2003, том 2. - С. 91 - 96.

100. Жернаков C.B. Контроль и диагностика параметров газотурбинного двигателя нейронными сетями. // Нейрокомпьютеры: Разработка и применение. -М.: Радиотехника, №8 -9, 2003. С.51 -66.

101. Жернаков C.B. Отладка параметров авиационного газотурбинного двигателя на основе нейронных сетей. // Приборы и системы. Управление. Контроль. Диагностика. М.: Научтехлитиздат, № 12, 2003. - С. 33 - 40.

102. Жернаков C.B. Диагностика параметров авиационного ГТД на основе нейронных сетей. //Авиакосмическое приборостроение. М.: Научтехлитиздат, № 12, 2003. - С. 50 - 60.

103. Жернаков C.B. Идентификация параметров авиационного двигателя на основе нейронных сетей. // Информационные технологии. М.: Машиностроение. № 12, 2003. - С. 31 - 39.

104. Жернаков C.B. Определение тренда параметров авиационного двигателя активной экспертной системой //Авиационная промышленность. -2001. -№4. С. 24 -28.

105. Жернаков C.B., Тарасов Ф.Ф. Разработка интеллектуальных баз данных ВРД в гибридной экспертной системе. // Испытание авиационных двигателей. -Уфа: УГАТУ, 1996. С. 115-126.

106. Жернаков C.B., Молотков Е.Г. Диагностика САУ СУДА на базе нечеткой ЭС PB. // Мягкие вычисления 96. - Казань: КГТУ, 1996. - С. 96115.

107. Жернаков C.B. Применение разнородных знаний экспертных систем для диагностики ГТД в условиях неопределенности. //Авиационнокосмическая техника и технология, вып. 5. Харьков: ХАИ, 1998. - С. 123129.

108. Жернаков C.B. Система поддержки принятия решений диагностической ЭС PB в условиях неопределенности. // Мягкие измерения и вычисления. С. -Пб.: СГТУ, 1998. - С. 117-122.

109. Жернаков C.B. Разработка гибридных нейронечетких экспертных систем диагностики ГТД. // Нейроинформатика-99. М.: МИФИ, 1999. - С. 101-108.

110. Жернаков C.B. Гибридная нейронечеткая экспертная система диагностики состояния ГТД. // Аэрокосмическое приборостроение России. Серия 2. Авионика. Выпуск 3. С. -Пб.: НААП, 1999. - С. 96-114.

111. Жернаков C.B. Параметрическая диагностика ГТД на базе нейронечеткой ЭС. // Вестник СГТУ. Самара: СГТУ, 1999. - С. 123-136.

112. Жернаков C.B. Диагностика и прогнозирование состояния газотурбинного двигателя гибридными нейронечеткими экспертными системами. // Известия РАН. Теория и системы управления. N 5, 1999. С. 95-101.

113. Жернаков C.B. Комплексная диагностика и контроль параметров масляной системы ГТД гибридными нейронечеткими экспертными системами. // Нейроинформатика 2000. - М.: МИФИ, 2000. - С. 115-123.

114. Жернаков C.B. Диагностика и контроль гидромеханических устройств нейронечеткими экспертными системами. // Нейроинформатика-2000. М.: МИФИ, 2000. - С. 115-123.

115. Жернаков C.B. Диагностика и контроль параметров масляной системы ГТД гибридными нейронечеткими экспертными системами. // Информационные технологии. М: Машиностроение, № 3, 2000. - С.31-36.

116. Жернаков C.B. Комплексная диагностика и контроль параметров ГТД в условиях неопределенности на базе нечеткой экспертной системы TIL Shell 3.0 // Информационные технологии. М: Машиностроение, № 8, 2000. С. 36-43.

117. Жернаков C.B. Параметрическая диагностика ГТД на базе гибридной нечеткой экспертной системы. // Вестник Пермского государственноготехнического университета. Аэрокосмическая техника. Пермь: ГТГТУ, вып. 5, 2000. - С. 39-45.

118. Жернаков C.B. Применение экспертных систем с нейросетевыми базами знаний к диагностике и контролю устройств авиационных двигателей. // Информационные технологии. М: Машиностроение, № 12, 2000. - С. 3744.

119. Жернаков C.B. Комбинированная диагностика и контроль параметров ГТД нейронечеткой гибридной экспертной системой. // Радиоэлектроника. Информатика. Управление. Запорожье: ЗНТУ, № 2,2000. С. 55-67.

120. Жернаков C.B. Комплексная диагностика и контроль параметров гидромеханических устройств ГТД нейронечеткими экспертными системами. М.: МИФИ, т. 2, 2001. С. 115-124.

121. Жернаков C.B., Сунарчин P.A. Активная экспертная система с нейросетевыми базами знаний для комплексной диагностики и контроля гидромеханических устройств ГТД. // Вестник ПГТУ. Пермь: ПГТУ, вып. 1,2001.-С. 33-41.

122. Жернаков C.B. Диагностика и контроль ГТД в условиях неопределенности на базе нечеткой экспертной системы TIL Shell 3.0 // Авиационная промышленность. М: Машиностроение, № 1, 2001. - С. 2023.

123. Жернаков C.B. Активная экспертная система диагностики и контроля параметров ГТД. // Авиационная промышленность. М: Машиностроение, № 2, 2001. - С. 34-39.

124. Жернаков C.B. Нейросетевая экспертная система комплексного мониторинга и управления эксплуатацией авиационных двигателей. // Нейрокомпьютеры: разработка и применение. М.: Радиотехника, № 6, 2001.-С. 33-40.

125. Жернаков C.B. Интеллектуальная система комплексного мониторинга и управления эксплуатацией авиационных газотурбинных двигателей. //Вестник СГТУ. Самара: СГТУ, т. 3. 2001. - С. 38-46.

126. Жернаков C.B. Комплексное моделирование авиационного двигателя в среде гибридных экспертных систем. // Автоматизация и современные технологии. М: Машиностроение, № 5, 2001. - С.22-26.

127. Жернаков C.B. Применение динамических экспертных систем с нейросетевыми базами знаний в процессе эксплуатации авиационных двигателей. // Информационные технологии. М: Машиностроение, № 6, 2001.-С. 42^18.

128. Жернаков C.B. Активная экспертная система комплексной диагностики и контроля параметров газотурбинных двигателей. // Автоматизация и современные технологии. М: Машиностроение, № 6, 2001.-С. 16-22.

129. Жернаков C.B. Активные экспертные системы в комплексной диагностике и контроле гидромеханических устройств газотурбинных двигателей. // Автоматизация и современные технологии. М: Машиностроение, № 9, 2001. - С. 20-24.

130. Жернаков C.B. Активные экспертные системы с нейросетевыми базами знаний для эксплуатации авиационных двигателей. // Авиационная промышленность. М.: Машиностроение, № 3, 2001. - С. 2530.

131. Жернаков C.B. Об одном подходе к разработке активных экспертных систем диагностики и контроля параметров ГТД. // Мир авионики. С. -Пб.: Авиационное приборостроение, № 4, 2001. - С. 21-27.

132. Жернаков C.B. Интеллектуальный мониторинг параметров газотурбинных двигателей активными экспертными системами. // Автоматизация и современные технологии. М: Машиностроение, № 11, 2001.-С. 10-15.

133. Жернаков C.B. Активная экспертная система комплексного мониторинга и управления эксплуатацией авиационных двигателей. // Информационные технологии. М: Машиностроение, № 12, 2001. - С.27-31.

134. Жернаков C.B. Определение тренда параметров авиационного двигателя активной экспертной системой. //Авиационная промышленность. -М.: Машиностроение, № 4, 2001. С. 24-28.

135. Жернаков C.B. Интеллектуальный мониторинг и диагностика параметров газотурбинного двигателя гибридными экспертными системами. // Автоматизация и современные технологии. М: Машиностроение, № 12, 2001. - С. 16-22.

136. Жернаков C.B. Экспертная система с нейросетевыми базами знаний для определения разладки параметров авиационного ГТД. // Нейроинформатика-2002. М.: МИФИ, т. 1., 2002. - С. 81 - 92.

137. Жернаков C.B. Базы знаний прецедентов активных экспертных систем на основе ансамблевых нейросетей. //Нейроинформатика-2002. М.: МИФИ, т. 2., 2002. - С. 69-80.

138. Жернаков C.B. Использование активной экспертной системы для комплексного анализа работы газотурбинного двигателя. //Автоматизация и современные технологии. М: Машиностроение, № 1, 2002. - С. 27-32.

139. Жернаков C.B. Активная диагностическая экспертная система. // Проблемы машиностроения и надежности машин. М.: РАН, № 1, 2002. -С. 92-99.

140. Жернаков C.B. Разработка баз знаний прецедентов в среде активных экспертных систем на основе ансамблевых нейросетей. // Приборы и системы. Управление. Контроль. Диагностика. М.: Научтехлитиздат, № 3, 2002. -С. 64-68.

141. Жернаков C.B. Нейросетевая база знаний прецедентов активной экспертной системы для комплексного контроля и диагностики параметров авиационного двигателя. //Информационные технологии. М.: Машиностроение, № 5, 2002. - С. 45-53.

142. Жернаков C.B. Контроль и диагностика силовых установок летательных аппаратов активными экспертными системами. //Автоматизация и современные технологии. М: Машиностроение, № 11, 2002. - С. 26-31.

143. Жернаков C.B. Классификация комплексных отказов ГТД базой знаний прецедентов активной экспертной системы в процессе эксплуатации. // Мир авионики. С. -Пб.: Авиационное приборостроение, № 4, 2002. -С. 22-29.

144. Жернаков C.B. Решение комплексных задач контроля и диагностики силовых установок летательных аппаратов активнымиэкспертными системами. //Приборы и системы. Управление. Контроль. Диагностика М.: Научтехлитиздат, № 12, 2002. - С. 53-57.

145. Жернаков C.B. Базы знаний прецедентов активных экспертных систем для процесса мониторинга параметров авиационного двигателя. //Автоматизация и современные технологии. М.: Машиностроение, № 2, 2003. -С. 28-33.

146. Жернаков C.B. Активная экспертная система с нейросетевыми базами знаний для определения тренда параметров авиационного газотурбинного двигателя. //Приборы и системы. Управление. Контроль. Диагностика. М.: Научтехлитиздат, № 5, 2003. - С. 59-64.

147. Жернаков C.B. Уточнение классификации отказов ГТД базой знаний прецедентов активной экспертной системы в процессе эксплуатации. // Контроль. Диагностика. М.: Машиностроение, № 5, 2003. С. 30-41.

148. Жернаков C.B. Активная экспертная система для комплексного мониторинга сложного технического объекта. //Вестник ИжГТУ. Ижевск: ИжГТУ, № 2, 2003. - С. 37-42.

149. Замулин A.B. Системы программирования баз данных и знаний. -Новосибирск: Наука, 1990. 352 с.

150. Игнатьев H.A. Выбор минимальной конфшурации нейронных сетей. // Вычислительные технологии, т. 6, № 1, 2001. С. 23 - 28.

151. Идентификация на основе нейросетей // В кн. Я.З. Цыпкина: Идентификация систем. М.:Наука, 1995. - 385 с.

152. Искусственный интеллект, т. 3 /Под ред. Хорошевского В.Ф. и Захарова В.Н. М.: Радио и связь, 1990. - 368 с.

153. Испытания воздушно реактивных двигателей. /Черкез А.Я., Онищик И.И., Таран Е.М. и др. - М.: Машиностроение, 1992. - 304 с.

154. Каллан Р. Основные концепции нейронных сетей М.: Вильянс, 2001.-288 с.

155. Калянов Г.Н. CASE-технологии: Консалтинг в автоматизации бизнеспроцессов. - М.: Горячая линия - 2000 г. - 320 с.

156. Кеба И.В. Диагностика авиационных газотурбинных двигателей. -М.Транспорт, 1980. 248 с.

157. Компьютерно-интегрированные производства и CALS-технологии в машиностроении./Под ред. Б.И. Черпакова. М.:ВИМИ, 1999. - 512 с.

158. Контроль. Диагностика. Энциклопедия. т.УИ.//Под ред. В.В. Клюева М.'Машиностроение, 2000. - 665 с.

159. Корнеев В.В., Гарев А.Ф., Васютин C.B. и др. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. - 325 с.

160. Котенко П.С. Системы технического обслуживания и автоматизированного контроля летательных аппаратов. //Учебное пособие. -Уфа: УГАТУ, 2000. 212с.

161. Котов В.Е. Сети Петри. М.: Наука, 1984 г. - 285 с.

162. Кулик Н.С., Тамаргазин A.A. Перспективные направления диагностирования авиационных двигателей. //Авиационно-космическая техника и технологии. Вып. 23.2001. С. 163 - 168.

163. Куликов Г.Г., Набатов, Речкалов A.B. и др. Автоматизированное проектирование информационно-управляющих систем: проектирование ЭС на основе системного моделирования. Уфа: УГАТУ, 1999. - 223 с.

164. Куликов Г.Г., Флеминг П.Д., Брейкин Т.В. и др. Марковские модели сложных динамических систем: идентификация, моделирование и контроль состояния. Уфа: УГАТУ, 1998. - 104 с.

165. Кусимов С.Т., Ильясов Б.Г., Васильев В.И. и др. Управление динамическими системами в условиях неопределенности. М.:Наука, 1998. -452 с.

166. Кусимов С.Т., Ильясов Б.Г., Васильев В.И. и др. Проблемы проектирования и развития систем автоматического управления и контроля ГТД. М.:Машиностроение, 1999. - 609 с.

167. Ладыгин С.Ф. Эффективность методов уравнивания в задачах идентификации параметров математических моделей ГТД.//Испытания авиационных двигателей, № 13. Уфа: УАИ, 1985. - С. 31-41.

168. Ларичев О.И., Мечитов А.И., Мошкович Е.М. и др. Выявление экспертных знаний. М.: Наука, 1989. - 128 с.

169. Леонов A.A., Леонова М.А., Федосеев Ю.Н. Синтез нейронной сети для решения задачи идентификации состояния объекта. // Нейроинформатика, т. 1. М.: МИФИ, 2000. - С. 100 - 109.

170. Липаев B.B. Системное проектирование сложных программных средств для информационных систем. М.:СИНТЕГ, 1999. - 224 с.

171. Лозицкий Л.П., Степаненко В.П., Студеникин В.А. и др. Практическая диагностика авиационных газотурбинных двигателей. -М.:Транспорт, 1985. 102 с.

172. Медведев B.C., Потемкин В.Г. Нейронные сети. М.: Диалог -МИФИ-2002 г.-496 с.

173. Мерил У.К. Обнаружение отказов датчиков ГТД за счет аналитической избыточности //Аэрокосмическая техника. № 6. - С. 28-41.

174. Месарович М., Такахара И. Общая теория систем: математические основы. М.: Мир, 1978. - 311 с.

175. МИ 2174-91. Рекомендация. Аттестация алгоритмов и программ обработки данных при измерениях. Основные положения. С-Пб.: НПО ВНИИМ им. Д.И. Менделеева - 1993 г. - 34 с.

176. Миркес Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука, 1999.-337 с.

177. Митин Б.М., Рахальский В.А. Математическая модель маслосистемы авиационного ГТД. Принципы формирования гидравлического модуля.//Трубы ЦИАМ, № 1085. С. 20-27.

178. Морозов A.A., Саранцев В.В. Структура и особенности систем эксплуатации двигателей по техническому состоянию.//Испытания авиационных двигателей. № 15.-Уфа:УАИ, 1987.-С. 155-162.

179. Морозов A.A., Никонова И.А. Технико-экономические методы повышения эффективности авиационных ГТД. М.:Машиностроение, 1983. -251 с.

180. Надежность в технике. Термины и определения. ГОСТ 27.002.-89. -М.: Изд-во стандартов, 1990. 36 с.

181. Надежность, диагностика, контроль авиационных двигателей. / Шепель В.Т., Кузьменко M.JI., Сарычев C.B. и др. Рыбинск: РГТА, 2001. -352 с.

182. Назаров A.B., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. С-Пб.: Наука и техника, 2003. - 384 с.

183. Наумов А.Н. Вендров A.M., Иванов В.К. и др. Системы управления базами данных и знаний. М.: Финансы и статистика, 1991. - 352 с.

184. Научный вклад в создание авиационных двигателей.//Под ред. В.А. Скибина и В.И. Соломина, кн.1. М.:Машиностроение, 2000. - 625 с.

185. Нейронные сети в системах автоматизации /Архангельский В.И., Богаенко И.Н., Грабовский Г.Г. и др. Киев: Техника, 1999. - 364 с.

186. Нечаев Ю.И., Дегтярев А.Б., Кирюхин И.А. Синтез самоорганизующейся нейронной сети в задаче идентификации состояний сложного динамического объекта. //Нейроинформатика, Т.2. М.: МИФИ, 2001.-С. 169- 177.

187. Никонова И.А., Шепель В.Т. Технико-экономическая эффективность авиационных ГТД в эксплуатации. М.: Машиностроение, 1989 г. - 200 с.

188. Олифер В.Г., Олифер М.А. Компьютерные сети. С.-П.: Питер, 2001. -672 с.

189. Опыт диагностического контроля двигателей D 30КУ самолета ИЛ - 62М в лаборатории диагностики аэропорта Шереметьево. Отчет № 9237, предприятия п/я В - 2504, 1990. - 130 с.

190. Осовский С. Нейронные сети для обработки информации М.: Финансы и статистика, 2002. - 344 с.

191. Осуга С. Обработка знаний. М.: Мир, 1989. - 293 с.

192. Осуги С., Саэки Ю. Приобретение знаний. М.: Мир, 1990. - 304 с.

193. Павлов C.B. Системы обработки и хранения информации для контроля и прогнозирования состояния авиакосмических и экологических объектов на основе концепции многомерных баз данных.//Автореферат докт. техн. наук. Уфа: УГАТУ, 1998. - 34 с.

194. Питерсон D. Теория сетей Петри и моделирование систем. М.: Мир, 1984 г.-320 с.

195. Попов Э.В., Фоминых И.Б., Кисель Е.Б. и др. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. - 320 с.

196. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988. - 280 с.

197. Разработка нейросетевых алгоритмов контроля и диагностики технического состояния авиационных двигателей. //Технический отчет. Руководители: В.И. Васильев, Х.С. Гумеров. Ответственный исполнитель: C.B. Жернаков. Уфа: УГАТУ, 2003. - 156 с.

198. Ревунков Г.И., Самохвалов Э.Н., Чистов В.В. Базы и банки данных и знаний. М.: Высшая школа, 1992. - 367 с.

199. Рутковский В.Ю., Куликов Г.Г., Котенко П.С. и др. Интеллектуальные информационные технологии контроля и диагностики авиационных двигателей и их систем на протяжении жизненного цикла. //Труды ИПУ, т. 19. М.: ИПУ, 2002. - С. 25-33.

200. Рыбина Г.В. Интегрированные экспертные системы: современное состояние, проблемы и тенденции. //Известия АН. Теория и системы управления, 2002, № 5. С. 111-126.

201. Саранцев В.В. Методические аспекты перевода авиационных двигателей на эксплуатацию по состоянию.//Испытания авиационных двигателей, № 14. Уфа:УАИ, 1986. - С. 3-8.

202. Саранцев В.В. Цели и методы контроля состояния двигателей при эксплуатации по состоянию//Испытания авиационных двигателей. № 14. -Уфа:УАИ, 1986.-С. 8-18.

203. Сиротин H.H., Коровкин Ю.М. Техническая диагностика авиационных газотурбинных двигателей. М.: Машиностроение, 1979. - 272 с.

204. Смирнов H.H., Ицкович A.A. Обслуживание и ремонт авиационной техники по состоянию М.: Транспорт, 1987. - 272 с.

205. Смирнов H.H., Владимиров Н.И., Черненко Ж.С. Техническая эксплуатация летательных аппаратов. М.: Транспорт, 1990 г. - 423 с.

206. Соловьев Б.А., Куландин A.A., Макаров Н.В. и др. Устройство и летная эксплуатация силовых установок. М.: Транспорт, 1991 . - 256 с.

207. Соломатин H.H. Информационные семантические системы. М.: Высшая школа, 1989. - 127 с.

208. Таран Е.М. Универсальный метод согласования математической модели ГТД с результатами испытаний.//Испытания авиационных двигателей, № 14. Уфа: УАЙ, 1986. - С. 63-70.

209. Терехов В.А., Тюкин И.Ю.' Исследование устойчивости процессов обучения многослойной нейронной сети. //Автоматика и телемеханика, № 10, 1999.-М: С. 136-143.

210. Тихонов В.И., Миронов М.А. Марковские процессы. М.:Советское радио, 1987. - 350 с.

211. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.-376 с.

212. Труды ЦИАМ № 756.//Под ред. В.М. Акимова, Н.Г. Дубравского. -М.:ЦИАМ, 1977. 120 с.

213. Тэрано Т., Асан К., Сугэно М. Прикладные нечеткие системы. М.: Мир, 1993.-368 с.

214. Тыугу Э.Х. Концептуальное программирование. М.: Наука, 1984. -236 с.

215. Убейко В.М., Убейко В.В. Экспертные системы в технике и экономике. М.: МАИ, 1992. - 240 с.

216. Умнов H.A., Орлов С.Н. Сравнение алгоритмов RPROP и SCG обучения многослойных нейронных сетей. //Приборостроение, 1996, Т. 39, № 1,-С. 17-22.

217. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. - 223 с.

218. Уразбахтина Л.Б., Васильев В.И. Выбор стратегии управления объектом, основанный на распознавании образов его состояний. // Международная НТК. Мягкие измерения и вычисления, т.2. СПб.: СГЭТУ, 1998.-С. 87-91.

219. Уэно X., Исидзука М. Представление и использование знаний. М.: Мир, 1989. - 220 с.

220. Федунов Б.Е. Проблемы разработки бортовых оперативно-советующих экспертных систем для антропоцентрических объектов. //Изв. РАН. Теория и системы управления, 1996, №5. С. 147-159

221. Харрингтон Д.Л. Проектирование реляционных баз данных. М.: Лори, 2000. - 230 с.

222. Царегородцев В.Г. Оптимизация предобработки данных: константа Липища обучающей выборки и свойства обученных нейронных сетей. // Нейрокомпьютеры: разработка, применение, № 7, 2003. С. 3 - 8.

223. Чебатко М.Н. Нейронные сети для решения задач на борту летательных аппаратов. //Автоматизация и современные технологии, 1994 г., №5, с. 40^14.

224. Черемных C.B., Семенов И.О., Ручкин B.C. Структурный анализ систем: IDEF-технологии. М.: Финансы и статистика, 2001. - 208 с.

225. Черкез А.Я. Инженерные расчеты газотурбинных двигателей методом малых отклонений. М.:Машиностроение, 1975. - 380 с.

226. Чуян Р.К. Методы математического моделирования двигателей летательных аппаратов. М.: Машиностроение, 1988. - 288 с.

227. Щеглов И.Н., Богомолов A.B., Печатное Ю.А. Исследование влияния репрезентативности обучающей выборки на качество работы методов распознавания образов. // Нейрокомпьютеры: разработка, применение, № 9 -10, 2002.-С. 3-9.

228. Эйкхофф П. Основы идентификации систем управления М.: Мир, 1975. - 683 с.

229. Юлдыбаев Л.Х., Гумеров Х.С., Алаторцев В.П. и др. Оценка рассеивания коэффициентов потерь газовоздушного тракта серийных ВРД.//Испытания авиационных двигателей, № 4. Уфа: УАИ, 1976. - С. 100— 105.

230. Яковенко A.B. Идентификация математической модели движения самолета на основе нейросетевого подхода. // Нейроинформатика, 2002, т.2. -М.: МИФИ, 2002. - С. 158 - 164.

231. Anderson R., Flachsbart В., Holland J. Application of Emerging Technologies to Improve Supportability, IEEE Conference Publication. Vol. 15. -1994. No. 3.-P. 1165- 1172.

232. Arkov V.Y., Patel V.C., Kulikov G.G., Breikin T.V. Aircraft Engine Condition Monitorings: Stochastic Identification and Neural Networks //Artifical Neural Networks, IEEE Conference Publication. 1994. - No. 440. - P.295 - 299.

233. Ayoubi M., Isermann R. Neuro-Fuzzy Systems for Diagnosis. //Journal of Fuzzy Sets and Systems. 1997. - No. 2. - P. 289 - 306.

234. Brousset C., Baudrilard G. Neural Network for Automating Diagnosis in Aircraft //Review of Progress in Quantitative Nondestructive Evaluation, Vol. 12. -1993.-P. 797-802.

235. Da R., Lin C.F., Failure A. Diagnosis Approach Uusing ARTMAP Neural Networks //AIAA Journal of Guidance, Control and Dynamics. Vol. 18. 1995. - P. 696-701.

236. Dalmi I., Kovacs L., Lorant I. Adaptive Learming and Neural Networks in Fault Diagnosis //UKACC International Conference on CONTROL'98, IEEE, 1998. -pp. 284-289.

237. Ding S.X., Ding E.L. An approach to analysis and design of observer and parity relation based FDI systems. //Proc. The 14th IFAC World Cougr., Beijing, 1999, Vol. 3, No. 1, pp. 1256 1264.

238. Doel D. An Assessment of Weighted Leastsguares Based Gas Path Analysis, ASME 93-GT-l 19, Transactions of the ASME: Journal of Engineering for Gas Turbines and Power. Vol. 116. - 1994. - P. 366 - 373.

239. Dunia R., Mc Avoy T. A Subspace Approach to Multidimensional Fault Identification and Reconstruction. //AIChE. Journal, 1998, Vol. 44, pp. 927-943.

240. Dunia R., Qin S.J., Edgar T.F Sensor fault identification and reconstructi on using principalcomponent analysis. //Proc. of 13th IFAC Triennial World Congress, 1998, Vol. 2, pp. 259-264.

241. Eustace R. Neural Network Fault Diagnosis of a Olimp 593 Engine, XI IS ABE 93 7091, Tokyo, Japan, 1995. - P. 937 - 956.

242. Frank M.P., Ding S.X. Current developments in the theory of FDI //Preprints of the 4th IFAC Symposium on Fault Detection Supervision and Safety for Technical Processes, Budapest, 14 16 June, 2000. - Vol. 1 - pp. 16 - 27.

243. Frank P.M., Koppen Selinger B. New Developments Using Artificial Intelligence in Fault Diagnosis. //Engineering Application Artificial Intelligence, 1997, Vol. 10, pp. 3 - 14.

244. Garg V., Hedrick J.K. Fault detection jilters for a class of nonlinear systems. //Proc. of ACC'98, 1998, pp. 1647 1651.

245. Garsia A., Frank P.M. On the relationship between observer and parameter identification based approaches to fault detection. //The 3th IFAC World Congress, 1996.-pp. 25-29.

246. Ge J. H., Frank P.M. A Novel Fault Tolerant Control Approach and its Application. //Preprints of the 5 th IFAC Sumposium on Automated Systems Based on Human Skill, Berlin, Germany, 1995. P. 198 - 202.

247. Goel S., Hajela P. Identification of Parameter Coupling in Turbine Design Using Neural Network// Journal of Propulsion and Power. Vol. 13. No. 3. - 1996. -P. 503-508.

248. Guo T., Moller J. Neural Network-Based Sensor Validation for Turboshaft Engines //Proc. of the 34th AIAA/ASME/S AE/ASEE Joint Propulsion Conference & Exhibit, 1998. P. 1-8.

249. Guo T., Musgrave J., Lin C. Neural Networks Based Sensor Validation for Reusable Rocket Engines //Proceedings of the American Control Conference, 1995. -P. 1367-1372.

250. Guo T., Sans J. Sensor Validation for Turbofan Engines Using an Autoassociative Neural Network //Proceedings of the AIAA Guidance, Navigation and Control Conference, 1996. P. 1-7.

251. Habib S., Zaghloul E. System Identification Using Time Dependent Neural Networks //Proc. of the AIAA Guidance Navigation and Control Conference, 1996. -P. 1 8.

252. Hu X., Viam J., Choi J. Propulsion Vibration Analysis Using Neural Network Inverse Modeling // Proc. of the 2002 IEEE World Congress on Computational Intelligence, 2002. P. 546 - 556.

253. Iserman R. Process Fault Detection and Diagnosis Methods. //IFAC Symposium SAFE PROCESS'94, Helsinki, Finland, Vol. 2 - pp. 597 - 612.

254. Iserman R., Balle P. Trends in the application of model Based fault detection and diagnosis of technical processes. //Control Eng. Practice. - No. 5. -Vol. 5-pp. 709-719.

255. Isermann R. Fault Diagnosis of machines via parameter estimation and knowledge processing. Automatica 29, 1993. pp. 815-836.

256. Isermann R. Überwachung und Fehlerdiagnose Methoden und ihre Anwendungen bei Technischen Systemen. Duesseldorf: VDI - Verlag, 1994. -380 p.

257. Koppen Seiinger B., Frank P.M., Neural Networks in Model - Based Fault Diagnosis. //Proc. of the IF AC Simposium on fault detection, 1999, Vol. 1, pp. 133- 139.

258. Kotkas V., Penjam J., Tyugu E. Ontology based desigu of surveillance systems with NUT//15th IFIP World Computer Congress, Wien, 1998. pp. 1-5.

259. Kramer M. Autoassociative Neural Networks, Computers &Chemical Engineering. Vol. 16. 1995. - No. 4. - P. 313 - 328.

260. Kramer M.A. Nonlinear Principal component Analysis using Autoassociative Neural Network. //AIChE Journal, 1997, Vol. 37, pp. 233-243.

261. Kuhlmann D., Handsechin E., Hoffmann W. ANN based fault diagnosis system ready for practical application. //Engineering intelligent systems for electrical engineering and communications, 1999, Vol. 7, No. 1, pp. 29-39.

262. Lee Y., Singh R. Health Monitoring of Turbine Engine Gas Path Components and Measurement Instruments, ASME 96-GT-242, International Gas Turbine Congress & Exhibition, Bermingham, UK, 1996.

263. Li C.J., Fan Y.M. Recurrent neural networks for fault diagnosis and severity assessment of a screw compressor. //Journal of dynamic systems measurement and control transactions of the asme, Vol. 121, No. 4, pp. 724 - 729.

264. Li J.C., Yu X. High pressure air compressor valve fault diagnosis using feed forward neurel networks //Mechanical Systems and Signal Processing, Vol. 9, No. 5, pp. 527 536.

265. Maki Y., Loparo K.A. A neurel network approach to fault detection and diagnosis in industrial processes. //IEEE transactions on control'systems technology, 1997, Vol. 5, No. 6, pp. 529 541.

266. Mattern D., Jaw L., Guo T. Simulation of an Engine Sensor Validation Scheme Using an Autoassociative Neural Network //AIAA 97-2902, 23nd AIAA/ASME/SAE/ASEE Joint Propulsion Conference. Vol. 25. 1998. - No. 2. - P. 235-245.

267. Mitra S., Hayashi Y. Neuro Fuzzy Rule Generation: Survey in Soft Computing Framework. //IEEE Transactions ON Neural Networks, vol. 11, No. 3, 2000. - pp. 748-768.

268. Modern Problems of Design of Aeroengine Control Systems /Eds: Sun Jianguo, V.I. Vasilyev, B.G. Ilyasov, Beijing, China, 2004.

269. Murad G.A., Gu D.W. A robust design approach to integrated controls and diagnostics. //Proc. of the 13th IFAC World Congress, 1998, Vol. 3, No. 1, pp. 345-357.

270. Napolitano M., Neppach C., Casdorph V. Sensor Failure Detection, Identification and Accomodation Using On-Line Neural Architectures, AIAA 94 -3598, AIAA Guidance Navigation and Control Conference, 1994. P. 345-358.

271. Narendra K.G., Sood V.K., Khorasani K. RBF Neural Network for fault diagnosis in a HVDC system. //IEEE transactions on power systems, Vol. 13, No. 1, pp. 177- 183.

272. Narendra K.S. Identification and control of dynamic systems Using neural networks //IEEE Trans, on Nenral Networks. Vol. 1 - pp. 4 - 27.

273. Narendra K.S. Nenral Networks for Control. Theory and Practice //Proceedings of the IEEE, Vol. 84, No. 10, 1996. pp. 1385 -1405.

274. Narendra K.S., Parasarathy K. Identification and Control of Dynamical Systems Using Nenral Netwarks//IEEF, Trans. Nenral Networks, Vol. 1, No. 1, 1990. -pp. 4.-27. ' '

275. Narendra K.S., Sood V.K., Khorasani K., Patel R. RBF Nenral Networks' for fault diagnosis in a HVDC system. //IEEE transactions on power systems, 1999, -Vol. 13.-No. l.-pp. 177- 183.

276. Neagu N.C., Avouris N.M. Using Neuro Fazzy Tools to Express Implicit Knowledge in Hybrid Systems. //The 7th International Conference on Information System Analysis and Synthesis, 2001. - pp. 350-356.

277. Nells O., Ernst S., Isermann R. Neuronale Netze zur Identification Nichtlinearer Dynamischer Systeme. Springer, 1997. - 125 p.

278. Nuansri N., Dillon S., Singh S. An Application of Neural Network and Rule Based System for Network Management: Application Level Problems //IEEE Journal on Selected Areas in Communications, 6, 5, pp. 476-^183.

279. Pantelelis N.G., Kanarachos A.E.,Gotzias N. Neural networks and simple models for the fault diagnosis of naval turbochargers. //Mathematics and computers in simulation, 2000, Vol. 51, No. 3 4, pp. 387 - 397.

280. Patton R.J., Frank P.M., Clark R.N.Issues in fault diagnosis for dynamic systems, 2000, Springer Verlag, London, 536 p.

281. Records M. Spurious Symptom Reduction in Fault Monitoring Using a Neural Network and Knowledge Base Hybrid System, Control Engine Practice. Vol. 5. 1995. - No. 10. - P. 865 - 875.

282. Ren X., Chen J. A Modified Neural Network For Dynamical System Identification and Control. //Proc. 14th World Congress of IFAC, 1999, Vol. 9., No. 5, pp. 376-388.

283. Rolls-Royce The Magazine. ISSUE 87. Desember 2000. p.p. 10-15.

284. Rolls-Royce. The Magazine. ISSUE 96. March 2003. p.p. 26-31.

285. Saund E. Dimensionality-Reduction Using Connectionist Networks, IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol. 11. 1990. No. 3. - P. 125-137.

286. Sharif M.A., Grosvener R.I. Process plant condition monitoring and fault diagnosis. //Journal of Precess Mechanical Engineering, 1999, Vol. 2, No. 1, pp. 13 -30.

287. Shitong W., Scott E., Gamermann A. Extract rules by using rought set and knowledgebased neural network. //Journal of Computer and Technologi, Vol. 13, № 3, 1998.-pp. 65-78.

288. Shpilewski E. Artificial Intelligence Methods in Technical Diagnostics. //IFAC LSS'98. Large Scale Systems: Theory and Applications, vol. 1, 1998. -pp. 868 874.

289. Soliman A., Rzzoni G., Kim Y.W. Diagnosis of an antomotive emission control system using fuzzy inference. //Control engineering practice, 1999, Vol. 7, No. 2, pp. 209-216.

290. Sorsa T., Suontausta J., Koivo H.N. Fault diagnosis of dynamic systems using neural networks. //Proc. IFAC World Congress, 1998, Vol. 7, pp. 476 484.

291. Torella G. Expert Systems and Neural Neiworks for Fault Isolation in Gas Turkines'ISA BE 97-7148.

292. Tyugu E., Using Classes spcifications for automatic construction of programs in the NUT System //Commynications of the ACM, V/ 34., 1998. P. 4659.

293. Tyugu E., Valt R. Visual programming in NUT //Journal of Visual Languages and Computing., V. 8, 1997. P.P. 523-544.

294. Uustalu T., Kopra U., Matskin M., Tyugu E. The NUT Language Report//The Royal Iustitute of Technology (KTH), TRITA IT//R 94 : 14, KTH, March, 1999. - 125 p.

295. Vasilyev V.I., Urazbakhtina L.B. Testing of GAS Turbine - Engine Technical condition With Use of Nenral Network model // Symposium on actual problems of aircraft Engines construction. - Ufa: USATU, 1999. - C. 116 - 123.

296. Vingerhoeds R., Janssens P., Netten B. Enhancing Off Line and On -Line Condition Monitoring and Fault Diagnosis, Control Engine Practice. Vol. 3 -1995.-No. 11.-P. 1515- 1528.

297. Vivian V., Sigh R. Application of Expert System Technology to the Gas Path Analysis of a Gas Turbine Turboprop, EPF 95-01, AIDAA/AAAF/DGLR/RaeS 5th European Forum, Pisa, Italy, 1995. P. 255-265.

298. Vlasov V., Addibpaur M., Tyngu E. NUTS: A distributed object oriented platform with bigh - level communication functions. //Computers and Artifical Intelligence, V. 17, N. 4, 1998. - P.P. 305-335.

299. Wang H., Brown M., Harris C.J. Fault Detection for aclass of unknown non-linear systems via associative memory networks. //Proc. Control and Diagnosis Eng., 1998, Vol. 2, No. 1, pp. 101-107.

300. Wang Z.Y., Liu Y.L., Griffin P.J. A combined ANN and expert system tool for transformer fault diagnosis. //IEEE transactions on power delivery, 1998, Vol. 13, No. 4, pp. 1224-1229.

301. Watton J., Pham D.T. An artificial neural network based approach to fault diagnosis and classification for Engine systems. //Journal of systems and Control Engineering, Vol. 2, No. 4, pp. 307 317.

302. Whitehead B., Kiech E., Ali M. Rocket Engine Diagnostics Using Neural Networks //Proc. of the AIAA/SAE/ASME/ASEE 27th Joint Propulsion Conference, Florida, 1996. P. 565 - 572.

303. Zakrzewski R. Fuel Volume Measurement in Aircraft Using Neural Networks. // IEEE Transactions on Neural Networks. 2001. - No. 5. - P. 687 - 692.

304. Zedda M., Singh R. Fault Diagnosis of a Turbofan Engine Using Neural Networks: a Quantitative Approach //Proc. of the 34 th AIAA /ASME/ SAE/ASEE, Joint Propulsion Conference & Exhibit, 1998. P. I - 10.