Метод технической диагностики механических систем печатных машин с использованием вейвлет-анализа тема диссертации и автореферата по ВАК РФ 05.02.13, кандидат технических наук Семеновых, Владимир Николаевич

• Семеновых, Владимир Николаевич
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Семеновых, Владимир Николаевич

Введение.

1. Состояние вопроса в области виброакустики и технической диагностики полиграфического оборудования.

1.1. Виды неисправностей технических систем.

1.2. Обзор основных методов технической диагностики.

1.3. Обзор виброакустических методов диагностики.

1.3.1. Спектральный анализ.

1.3.2. Кепстральный анализ.

1.3.3. Огибающая акустического сигнала.

1.3.4. Использование статистических характеристик случайных процессов.

1.3.5. Вейвлет-анализ.

1.3.5.1.Принцип вейвлет-преобразования.

1.3.5.2.Обоснованность применения вейвлет-анализа.

1.4. Распознавание образов.

1.4.1. Искусственные нейронные сети.

1.4.1.1 .Общие сведения о нейронных сетях.

1.5. Выводы по главе 1.

2. Экспериментальные исследования.

2.1. Описание экспериментального макета.

2.2. Получение исходного вибрационного сигнала.

2.3. Методика экспериментальных исследований.

2.4. Выводы по главе 2.

3. Методика формирования диагностических признаков МС ПМ при помощи вейвлет-анализа.

3.1. Выбор материнского вейвлета для решения задач технической диагностики.

3.2. Выявление диагностических признаков из спектра вейвлет-преобразования исходного вибрационного сигнала.

3.3. Статистическая обработка экспериментальных данных, построение регрессионных моделей.

3.4. Выводы по главе 3.

4. Применение искусственных нейронных сетей для решения задачи идентификации зазора.

4.1. Методика распознавания технического состояния МС ПМ при помощи искусственных нейронных сетей.

4.1.1. Обзор нейросетевых архитектур.

4.1.1.1 .Однослойный персептрон.

4.1.1.2.Многослойный персептрон.

4.1.1.3.Радиально-базисные функции.

4.1.1.4.Вероятностная нейронная сеть.

4.1.1.5. Сети Кохонена.

4.1.1.6.Выбор подходящей нейросетевой модели.

4.1.2. Сбор данных для решения задачи идентификации.

4.1.3. Использование макросов для автоматизации построения искусственных нейронных сетей в программе 81а1зоА; 81а1лБ1лса 10.

4.1.4. Решение задачи прогнозирования степени износа при помощи искусственных нейронных сетей.

4.2. Выводы по главе 4.

5. Диагностика МС ПМ при помощи преобразования Фурье и искусственных нейронных сетей.

5.1. Преобразование Фурье исходных данных.

5.2. Статистическая обработка полученных результатов, построение регрессионных моделей.

5.3. Построение нейронных сетей, использующих для решения задачи диагностики информативные компоненты, полученные после разложения исходных сигналов на ряды Фурье.

5.4. Выводы по главе 5.

6. Алгоритм методики диагностики механических систем печатных машин с использованием вейвлет-преобразования и искусственных нейронных сетей.

Введение диссертации (часть автореферата) на тему «Метод технической диагностики механических систем печатных машин с использованием вейвлет-анализа»

Актуальность проблемы. Качество функционирования печатных машин, а, следовательно, и качество выпускаемой продукции во многом определяется их техническим состоянием, которое в первую очередь зависит от степени износа деталей механических систем печатных машин (МС ПМ).

Степень износа деталей МС ПМ может быть оценена системой технической диагностики оборудования, качество работы которой зависит не только от точности метода выявления диагностических компонент, но и от средств идентификации состояния деталей МС ПМ. Постоянный рост производительности компьютерного оборудования, а также совершенствование программных комплексов позволяет применять более совершенные методы для решения задачи диагностики технического состояния МС ПМ.

На сегодняшний день в полиграфии используются «классические» методы диагностики технического состояния МС ПМ, отличительной особенностью которых является высокая скорость работы и простота использования. Следует отметить, что существующие методы имеют определенные недостатки, что делает актуальной задачу поиска и адаптации новых методов, применительно к печатным машинам.

Актуальность данной работы заключается в разработке метода диагностики, использующего современные методы информационных технологий для повышения точности определения актуального технического состояния МС ПМ, прогнозирования развития износа и возможных отказов МС ПМ.

Цель исследования. Целью диссертационной работы является разработка методики диагностики механических систем печатных машин, основанной на вейвлет-анализе в качестве способа получения диагностических признаков из вибрационного сигнала диагностируемого узла и искусственных нейронных сетях, обеспечивающих надежное распознавание состояния системы.

Задачи ИССЛбДОВаНИЯ. Данная цель определила постановку следующих задач:

1. Обоснование применения вейвлет-анализа в качестве метода выявления диагностических признаков из исходного вибрационного сигнала;

2. Разработка метода выявления диагностических признаков из спектра вейвлет-преобразования исходного вибрационного сигнала;

3. Выбор наиболее подходящей нейросетевой модели для решения задачи технической диагностики МС ПМ;

4. Разработка метода распознавания технического состояния узлов МС ПМ посредством анализа коэффициентов вейвлет-преобразования;

5. Автоматизация процесса сбора информации для обучения нейронных сетей и процесса распознавания при помощи программных макросов, применительно к предлагаемому методу;

6. Апробация предлагаемого метода диагностики на основе сравнительного анализа с методом, основанным на использовании преобразования Фурье, в качестве способа выявления диагностических признаков;

7. Разработка алгоритма технической диагностики МС ПМ на базе вейвлет-анализа и искусственных нейронных сетей.

МеТОДЫ исследования. Для решения поставленных задач использовались методы математической статистики, виброакустической диагностики, регрессионного анализа, математические методы обработки экспериментальных данных, теории распознавания образов. Вейвлет-преобразование производилось при помощи инструмента \Уауе1е1:Тоо1Ьох программного комплекса МаНаЬ, для построения искусственных нейронных сетей и регрессионного анализа применялась программа 81аЙ8Йса 10.

Научная новизна работы заключается в следующем:

1. Разработан метод выявления диагностических признаков из спектра вейвлет-преобразования вибрационного сигнала;

2. Выбрана нейросетевая архитектура, наиболее эффективная для задач технической диагностики;

3. Разработаны автоматические алгоритмы, использующие коэффициенты вейвлет-преобразования для обучения и построения искусственных нейронных сетей;

4. Решена задача распознавания технического состояния МС ПМ с использованием ансамблей искусственных нейронных сетей, состоящих из сетей, обученных на каждом масштабе информативной области коэффициентов вейвлет-преобразования;

5. Предложена методика диагностики технического состояния МС ПМ, основанная на использовании вейвлет-преобразования и искусственных нейронных сетей.

Положения, выносимые на защиту

1. Методы выявления диагностических признаков износа из вибрационного сигнала механических систем печатных машин посредством вейвлет-анализа позволяющие точно определить масштабы, на которых коэффициенты вейвлет-преобразования наиболее информативны;

2. Автоматические алгоритмы построения и обучения искусственных нейронных сетей значительно сокращающие временные затраты на решение задачи идентификации технического состояния объекта диагностики;

3. Результаты экспериментальных исследований по распознаванию технического состояния механических систем печатных машин, показавшие высокую эффективность разработанного метода;

4. Метод диагностики технического состояния механических систем печатных машин, основанный на вейвлет-анализе и искусственных нейронных сетях, пригодный для диагностики механических систем печатных машин, подверженных механическому износу.

Практическая ценность

Практическая ценность представленной работы заключается в том, что разработанные принципы применения вейвлет-анализа в качестве метода диагностики узлов МС ПМ позволяют не только выявить зарождающийся дефект, но и локализовать дефект на поверхности детали.

Ансамбли сетей позволяют выявить связь между значениями коэффициентов вейвлет-преобразования и текущим техническим состоянием исследуемого узла МС ПМ, а также спрогнозировать состояние узла в будущем с высокой точностью.

Предложенные программные макросы позволяют автоматизировать процесс сбора данных для обучения искусственных нейронных сетей, формирование ансамблей сетей и вынесение решения задачи распознавания.

Представленный метод возможно применить как средство диагностики узлов МС ПМ в процессе эксплуатации.

Реализация И внедрение результатов работы. Разработанные модели, методики и комплекс технических средств использованы при проведении НИР на кафедре печатного и послепечатного оборудования МГУ Печати имени Ивана Федорова по темам, выполненным в рамках государственного задания:

1. Г 1.5.11 «Разработка теоретических основ и метода использования нейросетевых моделей для виброакустической диагностики». 2011 г. № госрегистрации 01201158788.

Этап: «Разработка новых методов выявления информационных диагностических признаков в виброакустическом сигнале».

2. Г.2/7.1436.11. «Разработка теоретических основ и метода использования нейросетевых моделей для виброакустической диагностики». 2012 г. № госрегистрации 01201158788.

Этап: «Разработка теории и метода построения многослойных нейросетевых моделей для отдельных категорий устройств».

Апробация работы. Основные положения и результаты работы по теме диссертации докладывались на X и XV международных научно-практических конференциях «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 2010 и 2013 соответственно).

Публикации. По теме диссертации опубликованы 2 научные статьи и тезисы доклада на научной конференции, из них 2 публикации в изданиях, рекомендованных ВАК.

Структура И объем работы. Диссертационная работа состоит из введения, 6 глав, заключения, списка литературы из 177 наименований и 5

Заключение диссертации по теме «Машины, агрегаты и процессы (по отраслям)», Семеновых, Владимир Николаевич

5.4. Выводы по главе 5

Целью данной главы была апробация предлагаемого метода диагностики посредством сравнительного анализа с методом, основанным на использовании преобразования Фурье, в качестве способа выявления диагностических признаков

Анализ полученных данных показал, что точность метода распознавания зазора, использующего вейвлет-анализ, не уступает точности распознавания зазора методом, использующим преобразование Фурье. А более высокая информативность вейвлет-преобразования позволяет не только диагностировать существующие дефекты, но и локализовать их во времени, данная перспектива повышает ценность методики в качестве аппарата для контроля технического состояния механических узлов.

6. Алгоритм методики диагностики механических систем печатных машин с использованием вейвлет-преобразования и искусственных нейронных сетей

Основной целью данной работы является разработка нового метода диагностики технического состояния механических систем полиграфических машин, который является результатом исследований применения вейвлет-анализа и искусственных нейронных сетей в области вибрационной диагностики.

На основании проделанной работы впервые предложен следующий пошаговый алгоритм диагностики механических систем печатных машин с использованием вейвлет-анализа и искусственных нейронных сетей:

1. Разбиение множества состояний диагностируемого узла на классы, с присвоением каждому классу собственного категориального значения (например, зазору 0,1 мм присвоить категориальное значение 1, зазору 0,2 мм — 2, и так далее).

2. Запись необходимого числа циклов работы исследуемого узла в каждом из состояний (классов) с частотой дискретизации 40 КГц и выше (увеличение числа точек временной реализации сигнала повышает точность вейвлет-преобразования).

3. Построение вейвлет-спектров каждого цикла работы узла с использованием вейвлета haar для выявления диагностических компонент.

4. Построение и обучение искусственных нейронных сетей на основе полученных данных, где значение класса является выходной категориальной переменной, а точки временной реализации вейвлет-спектра удара с затуханием — непрерывными входными переменными. Для получения наиболее достоверного результата необходимо обучить не менее ста сетей типа МП с одним или двумя скрытыми слоями, после чего производится отбор и сохранение лучшей сети по соотношению производительность сети — контрольная ошибка. Для каждого масштаба пункт 4 проводится заново.

5. Объединение сохраненных сетей в ансамбль. Ансамбль решает задачу классификации состояния исследуемого узла посредством голосования каждой сети ансамбля. Если результат классификации ансамблем не удовлетворителен для поставленной задачи, то необходимо уменьшить шаг изменения масштабного коэффициента Д (пункт 3) и повторить пункты 4-5 заново. После достижения необходимого процента правильно классифицированных состояний системы ансамбль необходимо сохранить и использовать в дальнейшем в качестве аппарата диагностики исследуемого узла.

6. Построение прогноза развития зазора при помощи искусственных сетей.

Рис. 43. Блок-схема методики диагностики МС ПМ: 1 — акселерометр, 2 — АЦП, 3 — модуль вейвлет-анализа, 4— модуль ИНС, 5 — ансамбль сетей, 6 — модуль сохранения данных, 7 — модуль прогнозирования

На рис. 43 изображена блок-схема методики диагностики МС ПМ при помощи вейвлет-анализа и искусственных нейронных сетей. Датчики виброускорения (1) преобразуют измеряемые физические величины в заряды, вырабатываемый датчиком электрический сигнал подается на АЦП (2) и записывается в цифровом виде. Далее производится вейвлет-преобразование оцифрованного сигнала и выявление диагностических признаков в модуле вейвлет-анализа (3). При помощи макроса, обучаются нейронные сети в модуле ИНС (4), использующие в качестве непрерывных входных переменных полученные диагностические признаки. Обученные сети объединяются в ансамбль (5), выходным параметром ансамбля является распознанный зазор, значение которого сохраняется в модуле сохранения данных (6). Используя информацию о ранее сохраненных состояниях системы, модуль прогнозирования (7) строит прогноз развития дефекта.

Разработанный в диссертации метод диагностики элементов привода полиграфических машин с использованием вейвлет-преобразования в качестве метода выявления информативных компонент из исходного вибрационного сигнала и искусственных нейронных сетей как способа идентификации текущего состояния исследуемого механизма показала свою эффективность. Он дополняет существующие методы диагностики механических систем, использование которых в комплексе может не только привести к повышению надежности элементов привода полиграфических машин, но и улучшить существующие реальные диагностические системы.

ЗАКЛЮЧЕНИЕ

Результатом экспериментальных исследований стало решение задачи разработки нового метода технической диагностики узлов МС ПМ с целью повышения качества определения текущего технического состояния данных узлов.

В ходе выполнения диссертационной работы были получены следующие результаты:

1. Разработана методика диагностики МС ПМ при помощи вейвлет-анализа и искусственных нейронных сетей;

2. Разработан метод выявления диагностических признаков из спектра вейвлет-преобразования вибрационного сигнала узлов МС ПМ;

3. Сформулирован алгоритм технической диагностики, использование которого возможно на этапах эксплуатации и технического обслуживания узлов МС ПМ;

4. Решена задача распознавания технического состояния МС ПМ с использованием ансамблей искусственных нейронных сетей, состоящих из сетей, обученных на каждом масштабе информативной области коэффициентов вейвлет-преобразования;

5. Показано, что для решения задачи распознавания технического состояния узлов МС ПМ наиболее эффективным является использование нейросетевой модели — многослойный персептрон;

6. Проведена апробация предлагаемого метода диагностики на основе сравнительного анализа с методом, основанным на использовании преобразования Фурье, в качестве способа выявления диагностических признаков, показавшая пригодность разработанного метода для задач технической диагностики;

Список литературы диссертационного исследования кандидат технических наук Семеновых, Владимир Николаевич, 2013 год

1. Азовцев, Ю.А. Виброакустика и диагностика технологического оборудования / Ю.А. Азовцев, H.A. Баркова, В.А. Доронин // Бумага, картон, целлюлоза. - 1999. - №5.

2. Айзерман, М.А. Метод потенциальных функций в теории обучения машин / М.А. Айзерман, Э.М. Браверман, Л.И. Розонер. М.: Наука, 1970.

3. Алексеев, A.A. Идентификация и диагностика систем / A.A. Алексеев, Ю.А. Кораблев, М.Ю. Шестопалов. М.: Издательский центр «Академия», 2009.-352с.

4. Артоболевский, И.И. Введение в акустическую динамику машин / И.И. Артоболевский, Ю.И. Бобровницкий, М.Д. Генкин. М.: Наука, 2000. -296 с.

5. Астафьева, Н.М. Вейвлет-анализ: основы теории и примеры применения / Н.М. Астафьева // Успехи физических наук. 1996. - № 5. - С. 1145-1170.

6. Балицкий, Ф.Я. Современные методы и средства вибрационной диагностики машин и конструкций / Ф.Я. Балицкий и др. // Научно-технический прогресс в машиностроении. -М.: Международный центр научной и технической информацииэ 1990. - Выпуск 25 - 115 с.

7. Балл, Г.А. Аппаратурный анализ случайных процессов / Г.А. Балл М.: Энергия, 1968.

8. Барков, A.B. Вибрация и вибродиагностика судового электрооборудования / A.B. Барков и др.. Л.: Судостроение, 1986, - 276 с.

9. Барков, A.B. Интеллектуальные системы мониторинга и диагностики машин по вибрации / A.B. Барков, H.A. Баркова // Тр. Петербургского энергетического института повышения квалификации Минтопэнерго

10. Виброакустическая диагностика зарождающихся дефектов / Ф.Я. Балицкий и др.. — М.: Наука, 1984. — 120 с.

11. Витязев, В.В. Вейвлет-анализ временных рядов / В.В. Витязев. СПб.: Изд-во С.-Петерб. ун-та, 2001. - 58с.

12. Волков, П.Н. Ремонт полиграфического оборудования: Учебное пособие для вузов по специальности «Полиграфические машины» / П.Н. Волков и др. М.: Книга, 1982.

13. Вульфсон, И.И. Нелинейные задачи динамики машин / И.И. Вульфсон, М.З. Коловский. Л.: Машиностроение, 1968. - 282 с.

14. Генкин, М.Д. Вопросы акустической диагностики / М.Д. Генкин // Методы виброизоляции машин и присоединенных конструкций; под ред. М.Д. Генкина и др.. -М.: Наука, 1975.

15. Генкин, М.Д. Виброакустическая диагностика машин и механизмов / М.Д. Генкин, А.Г. Соколова. -М.: Машиностроение, 1987. —288 с.

16. Гершман, С.Г. Корреляционный метод измерения акустического отношения / С.Г. Гершман, Е.Д. Орлов // Акустический журнал. 1957. — №3.

17. Гершман, С.Г. О влиянии неисправностей на спектрально-корреляционные характеристики вибраций подшипников качения / С.Г. Гершман и др. // Труды ЦИАМ. 1966. - Выпуск 3.

18. Глущенко, П.В. Техническая диагностика / П.В. Глущенко. — М.: Вузовская книга, 2004. — 247 с.

19. Горбань, А.Н. Обучение нейронных сетей / А.Н. Горбань. -М.: СП Параграф, 1990.

20. Горелик, A.JI. Методы распознавания / А.Л. Горелик, В.А. Скрипкин. — М.: Высшая школа, 1977. 221с.

21. Гуляев, Ю.В. Новый класс вейвлетов на основе атомарных функций. / Ю.В. Гуляев, В.Ф. Кравченко, Д.В. Смирнов // 5-я Международная конференция и выставка. Цифровая обработка сигналов и ее применение, Москва. 2003. - С. 6-8.

22. Давыдов, П.С. Техническая диагностика радиоэлектронных устройств и систем / П.С. Давыдов. М.: Радио и связь, 1988.

23. Демьянович, Ю. К. Всплески и минимальные сплайны / Ю.К. Демьянович. СПб.: Изд-во СПбГУ, 2003. - 200 с.

24. Динамические процессы в механизмах с зубчатыми передачами / Под ред. М.Д. Генкина. -М.: Энергия, 1975.

25. Добеши, И. Десять лекций по вейвлетам / И. Добеши. — Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.

26. Дьяконов, В.П. Вейвлеты: от теории к практике / В.П. Дьяконов. М.: Солон-Р, 2002. - 448 с.

27. Ивахненко, А.Г. Самообучающиеся системы распознавания и автоматического управления / А.Г. Ивахненко. Киев: Техника, 1969.

28. Использование вейвлет-анализа для обработки экспериментальных вибродиагностических данных: метод, материал к спецкурсу "Современные проблемы механики" / В.В. Корепанов, М.К. Кулеш, И.Н. Шардаков; Перм. ун-т. — Пермь. 2007. - 64 с.

29. Ищенко С. А. Диагностирование и ремонт гусеничного движителя ри-созерноуборочных: автореф. дис. . док. техн. наук. / Ищенко С.А. — М., 2009.

30. Калявин, В.П. Надежность и диагностика электроустановок: Учебное пособие / В.П. Калявин, Л.М. Рыбаков — Йошкар-Ола: Мар.гос.ун-т. — 2000.-368 с.

31. Карасев, В.А. Доводка эксплуатируемых машин / В.А. Карасев, А.Б. Ройтман. — М.: Машиностроение, 1986. — С. 192.

32. Каратыгин, M.K. Технология полиграфического машиностроения / М.К. Каратыгин и др.. — М.: Книга, 1967.

33. Ковалевский, В.А. Современное состояние проблемы распознавания образов / В.А. Ковалевский. М.: Кибернетика. - 1967. - №5.

34. Коллакот, P.A. Диагностирование механического оборудования / P.A. Коллакот; пер. с англ. JL: Судостроение, 1980. - 296 с.

35. Колмогоров, А.Н. О представлении непрерывной функции нескольких переменных суперпозицией непрерывных функций одной переменной и сложения / А.Н. Колмогоров // ДАН СССР. 1957. - С. 953-956.

36. Кораблев, С.С. Вибродиагностика в прецизионном приборостроении / С.С.Кораблев, В.И. Шапин, Ю.Е. Филатов; под ред. K.M. Рагульскиса. Л.: Машиностроение, 1987. - С. 84.

37. Кравченко, В. Ф. "Wavelet''-системы и их применение в обработке сигналов / В.Ф. Кравченко, В.А. Рвачев // Зарубежная радиоэлектроника. — 1996.-№4.-С. 3-20.

38. Круглов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. 2-е изд. - М., 2002. - 382 с.

39. Куликов, Г.Б. Теория распознавания и техническая диагностика / Г.Б. Куликов // Материалы международной научно-практической конференции «Полиграфия в современной России», Омск. 2001. - С. 124125.

40. Куликов, Г.Б. Автоматизированная диагностика подшипников качения полиграфических машин с применением ПК / Г.Б. Куликов, A.B. Быков, В.В. Абрамов // Межведомственный сборник научных трудов. -М.: МГУП, 2003. С. 30-37.

41. Куликов, Г.Б. Оценка привода стабилизирующих цилиндров рулонных печатных машин по критерию неприводки красок / Г.Б. Куликов, П.В. Митрофанов // Известия вузов. Проблемы полиграфии и издательского дела. 2003. - № 2. - С. 41-56.

42. Кучер, В.Я. Основы технической диагностики и теории надежности: Письменные лекции / В.Я. Кучер. СПб.: СЗТУ, 2004. - 48 с.

43. Лазарев, В.М. Нейросети и нейрокомпьютеры. Монография / В.М. Лазарев, А.П. Свиридов. -М.: 2011. 131 с.

44. Ланге, Ф. Корреляционная электроника / Ф. Ланге Л.: Судпромиздат, 1963.

45. Лепендин, Л.Ф. Акустика: Учеб. пособие для вузов / Л.Ф. Лепендин -М.: Высш. школа, 1978. 448 с.

46. Мак-Каллок, У. С. Логическое исчисление идей, относящихся к нервной активности / У.С. Мак-Каллок, В. Питтс // В сб.: «Автоматы»; под ред. К. Э. Шеннона и Дж. Маккарти. М.: Изд-во иностр. лит., 1956. -с.363-384. (Перевод английской статьи 1943 г.)

47. Максимов, В.П. Измерение, обработка и анализ быстропеременных процессов в машинах / В.П. Максимов, И.В. Егоров, В.А. Карасев. -М.: Машиностроение, 1987. -208 с.

48. Миддлтон, Д. Обнаружение акустических сигналов простым коррелятором при наличии негауссовых шумов / Д. Миддлтон // Некоторые проблемы обнаружения сигналов. — М., 1965. — С. 8-15.

49. Минский, М. Персептроны / М. Минский, С. Пейперт. М.: Мир, 1971. -261 с.

50. Михлин, В.М. Техническая диагностика тракторов и зерноуборочных комбайнов / В.М. Михалин и др.; под общ. ред. Михлина В.М. — М.: Колос, 1978.

51. Мониторинг и диагностика механических объектов: Учеб. пособие. / Ю.А. Епифанцев, C.B. Полищук; СибГИУ. Новокузнецк, 2009. - 61 с.

52. Мясников JI.JI. Автоматическое распознавание звуковых образов / JT.JI. Мясников, E.H. Мясникова. Л.: Энергия, 1970. - 183 с.

53. Нейронные сети. STAT1STICA Neural Networks / Пер. с англ. М., 2001.-181 с.

54. Нелинейные и линейные методы в распознавании образов / Под ред. И.Т. Турбовича. -М.: Наука, 1975.

55. Неразрушающий контроль и диагностика: Справочник / Клюев В.В., Соскин Ф.Р., Филинов В.Н. и др. / Под общ. ред. Клюева В.В. М.: Машиностроение, 1995.

56. Никищенков С.А. Автоматизированное диагностирование железнодорожных технологических процессов на основе операторных схем. Ав-тореф. дис. . док. техн. наук. СПб., 2010.

57. Отчет МПИ. Исследование уровней шума полиграфических машин. Работа выполнена в МПИ под руководством O.K. Постникова по х/договору с Киевским филиалом ВНИИОПИТ. 1965.

58. Павлов, Б.В. Кибернетические методы технического диагноза / Б.В. Павлов. -М.: Машиностроение, 1966. 150 с.

59. Павлов, Б.В. Принцип построения системы акустической диагностики механизмов / Б.В. Павлов. Новосибирск. ВИМ-Сибирский филиал, 1967.

60. Павлов Б.В. Проблемы акустической диагностики механизмов. Авто-реф. дис. . док. техн. наук. Новосибирск, 1967.

61. Павлов, Б.В. Акустическая диагностика механизмов / Б.В. Павлов. М.: Машиностроение, 1971.-223 с.

62. Пинегин, C.B. Современные проблемы вибрации и шума подшипников качения / C.B. Пинегин // Вибрации в машиностроении и сельскохозяйственной технике. Ереван, 1966, - С. 43-68.

63. Писаревский, H.H. Корреляционные методы в исследовании шумов / Борьба с шумом / H.H. Писаревский. М.: Стройиздат, 1968. - С. 115119.

64. Писаревский, H.H. Курс лекций на семинаре в МВТУ «Основы корреляционного анализа для акустических исследований». М. 1969.

65. Писаревский, H.H. Применение корреляционных методов в экспериментальных исследованиях звукоизоляции и звукопоглощения. Авто-реф. . дис. канд. техн. наук. М., 1966.

66. Подмастерьев, К.В. Электрофлуктуационный поиск локальных дефектов в подшипниках качения / К.В. Подмастерьев // Изв. вузов. Приборостроение-1997. №9. - С. 28-31.

67. Подмастерьев К.В. Электропараметрические методы комплексного диагностирования опор качения. -М.: Машиностроение-1, 2001. 376 с.

68. Попков, В.И. Виброакустическая диагностика в судостроении / В.И. Попков. 2-е изд., перераб. и доп. - JL: Судостроение, 1989. - 256 с.

69. Постников, O.K. Исследование уровней шума полиграфических машин. Отчет по х/договору с Киевским филиалом ВНИИКП. 1965.

70. Постников, O.K. Виброакустическая диагностика полиграфического оборудования / O.K. Постников. М.: Книга, 1984. - 319 с.

71. Постников, O.K. Борьба с шумом и вибрацией. Учебное пособие / O.K. Постников, В.Ф. Гашунин. -М.: МПИ, 1959.

72. Постников, O.K. Шум и средства его снижения / O.K. Постников // Полиграфия. 1967. - № 8.

73. Постников, O.K. Корреляционные методы исследования источников шума и звуковой вибрации в полиграфических машинах / O.K. Постников // IV Акустическая конференция. М., 1968.

74. Постников, O.K. Методы исследования шума полиграфических машин. / O.K. Постников //XXIV научно-техническая конференция профессорско-преподавательского состава МПИ и сотрудников ВНИИКП и ВНИИОПИТ. М. 1970.

75. Постников, O.K. Оценка технического состояния полиграфических машин акустическими методами на примере машины ПОЛ-6 // XXIV научно-техническая конференция профессорско-преподавательского состава МПИ и сотрудников ВНИИКП и ВНИИОПИТ. М., 1970.

76. Постников, O.K. О возможности моделирования шумов печатного оборудования / O.K. Постников и. др. // XXIV научно-техническая конференция профессорско-преподавательского состава МПИ и сотрудников ВНИИКП и ВНИИОПИТ. М., 1970.

77. Постников, O.K. Автоматизация исследований приводов полиграфических машин акустическими методами с использованием ЭЦВМ / O.K. Постников // В сб. трудов семинара «Борьба с шумом и звуковой вибрацией». -1972.-С. 160-161.

78. Постников, O.K. О возможности использования статистических свойств акустического сигнала при отыскании оптимального алгоритма обработки / O.K. Постников, И.В. Шехобалов // Борьба с шумом и звуковой вибрацией. 1972. - С. 154-156.

79. Постников, O.K. Акустические методы контроля в движении некоторых параметров кулачков / O.K. Постников, В.К. Андреев // Борьба с шумом и звуковой вибрацией. М., 1972, С. 157-159.

80. Постников, O.K. Автоматизация исследований полиграфических машин на шум. М., 1972.

81. Постников, O.K. Приборная реализация методов исследований полиграфических машин на шум и звуковую вибрацию / O.K. Постников // Сб. трудов ВНИИОПИТ. 1972. - №41.

82. Постников, O.K. Спектральный анализ шума шестеренчатых механизмов / O.K. Постников // Сб. трудов ВНИИОПИТ. 1972. - №41. - С. 111-126.

83. Постников, O.K. Влияние цепных передач на шум / O.K. Постников // Сб. трудов ВНИИОПИТ. 1972. - № 41.

84. Постников, O.K. Применение ЭВМ для автоматической обработки результатов исследований / O.K. Постников, Б.А. Костин // Сб. трудов ВНИИОПИТ. 1972. - №41.

85. Постников, O.K. Возможности дискретизации информации для использования в ЭВМ / O.K. Постников и др. // Борьба с шумом и вибрацией. 1972.

86. Постников, O.K. Подшипники качения, как генераторы шума. / O.K. Постников, В.К. Андреев // Борьба с шумом и вибрацией 1972.

87. Постников, O.K. Основные принципы виброакустической диагностики и ее автоматизации при борьбе со звуковой вибрацией и шумом полиграфического оборудования. Дис. . д-ра техн. наук. М., 1973.

88. Прыгунов, А.И. Идентификация нелинейных колебательных характеристик в виброакустической диагностике электрических машин / А.И. Прыгунов // Методы и средства виброакустической диагностики машин. Ивано-Франковск. - 1988. - С. 30-31.

89. Прыгунов, А.И. Компьютерные технологии и математика на рубеже веков: итоги и перспективы / А.И. Прыгунов // Вестник МГТУ, т. 4. -2001.-№1.-С 23-30.

90. Розенблатт, Ф. Принципы нейродинамики / Ф. Розенблатт. М.: Мир, 1965.

91. Романенко, А.Ф. Вопросы прикладного анализа случайных процессов / А.Ф. Романенко, Г.А. Сергеев. -М.: Советское радио, 1968.

92. Сабиров Ф.С. Повышение эффективности станков на основе их диагностирования и определения виброустойчивости в рабочем пространстве. Автореф. дис. . док. техн. наук. М., 2009.

93. Сафарбаков, A.M. Основы технической диагностики: учебное пособие / A.M. Сафарбаков, A.B. Лукьянов, C.B. Пахомов. Иркутск: Ир-ГУПС, 2006.-216 с.

94. Сидоренко, М.К. Отражение технического состояния циклических симметричных узлов машин в спектрах вибросигналов / М.К. Сидоренко //Вибротехника. 1985.-№ 1.-С. 81-91.

95. Синицин, Б.С. Автоматические корреляторы и их применение / Б.С. Синицин. М.: Наука, 1964.

96. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB / Н.К. Смоленцев. 2-е изд. - М.: ДМК Пресс, 2005. - 304 с.

97. Техническая диагностика тракторов и зерноуборочных комбайнов / под общей ред. В.М. Михлина, М.: Колос, 1978, - 287 с.

98. Технические средства диагностирования: Справочник / Клюев В.В. и др.; под общ. ред. Клюева В.В. -М.: Машиностроение, 1989.

99. Тимофеев, Б.П. Прогнозирование точности зубчатых колес и передач приборов. / Б.П. Тимофеев // Вибродиагностика качества механизмов приборов: Межвузовский сб. науч. тр./ ЛИАП. — 1987. Вып. 188. -С. 18-21.

100. Умняшкин, С. В. Алгоритм фрактального кодирования изображений в области вейвлет-преобразований /C.B. Умняшкин // Труды конференции "Методы оптимизации вычислений", Киев. 2001.

101. Уоссерман Ф. Нейрокомпыотерная техника: Теория и практика / Ф. Уоссерман. М.: Мир, 1990.

102. Хайкин С. Нейронные сети / С. Хайкин. М.: «Вильяме», 2006. -1103 с.

103. Хомутов С.О. Система повышения надежности электродвигателей в сельском хозяйстве на основе комплексной диагностики и эффективной технологии восстановления изоляции. Автореф. дис. . док. техн. наук. Барнаул, 2010.

104. Цыпкин, Я.З. Адаптация и обучение в автоматических системах / Я.З. Цыпкин. -М.: Наука, 1968.

105. Цыпкин, Я.З. Основы теории обучающихся систем / Я.З. Цыпкин. -М.: Наука, 1968.

106. Ширман, А.Р. Практическая вибродиагностика и мониторинг состояния механического оборудования / А.Р. Ширман, А.Б. Соловьев. -М,1996. 276 с.

107. Шульц, В.В. Форма естественного износа деталей машин и инструмента / В.В. Шулыд. Л.: Машиностроение, 1990. - 208 с.

108. Щавелий, В.М. Акустический контроль узлов трения ЯЗУ / В.М. Щавелий, Г.А. Саричев. -М.: Энергоатомиздат, 1988. 176 с.

109. Щевьев, Ю.П. Аналитические методы расчетов шумозащитных конструкций / Ю.П. Щевьев, А.А. Белоусов. СПб.: Политехника, 2002.-342 с.

110. Щевьев, Ю.П. Некоторые вопросы диагностики материалов акустическими методами / Ю.П. Щевьев, В.Е. Чабанов Л.: Издательство Ленинградского университета, 1977. - 149 с.

111. Явленский, К.Н. Вибродиагностика и прогнозирование качества механических систем / К.Н. Явленский, А.К. Явленский. Л.: Машиностроение. Ленингр. отделение, 1983.

112. Ярославцев, Н.Л. Техническая диагностика / Н.Л. Ярославцев, В.Г. Попов. М.: Изд-во МГАТУ, 1995.

113. Bishop, С.М. Neural Networks for Pattern Recognition / C.M. Bishop. -New York: Oxford University Press, 1995.

114. Bishop, C.M. Pattern Recognition and Machine Learning / C.M. Bishop. Springer, 2006.

115. Board, D.B. Incipient failure detection for helicopter drive trains / D.B. Board // AIAA Pap. 1977. - N898. - P. 1-11.

116. Burrus, C.S. Introduction to wavelets and wavelet transforms / C.S. Bur-rus. New Jersey: Prentice Hall, 1998. - 281 p.

117. Cempel, C. Implementing multidimensional inference capability in vibration condition monitoring, Proceedings of Conference: Acoustical and Vibratory Surveillance / C. Cempel. Senlis, France, 2004.

118. Coifman, R. Nonlinear harmonic analysis, operator theory, and P.D.E / R. Coifman, Y. Meyer. Princeton: Math. Studies, 1986.

119. Chen, S. Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks / S. Chen, C.F.N. Cowan, P.M. Grant // IEEE Transactions on Neural Networks. 1991. - Vol 2.

120. Collacott, R.A. Vibration monitoring and Diagnosis. Techniques for cost-effective Plant maintenance / R.A. Collacott. — London, New York, 1979.

121. Donoho, D.L. Ideal spatial adaptation via wavelet shrinkage / D.L, Donoho, I.M. Jonstone // Biometrika. 1994. - vol. 81. - P. 425-455.

122. Edgar, G.R. Techniques for the early detection on rolling element bearing failures / G.R. Edgar, D.A. Gore // SAE Techn. Pap. Ser., 1984. № 840440.-P. 1-8.

123. Finley, R. Incipient failure detection in rotating machinery // Chem. engineering/R. Finley. 1980. - vol. 87. - P. 104-112.

124. Harting, D.R. Demodulated Resonance Analysis A Powerful Incipient Failure Detection Technique. ISA Transactions, (Instrument Society of America). 1977. V. 17, N 1, p. 35-40.

125. Hopfield, J.J. Neural networks and physical systems with emergent collective computational abilities. Proceedings of National Academy of Sciences, vol. 79 no. 8 pp. 2554-2558, April 1982.

126. Kohonen, T. Self-Organizing Maps / T. Kohonen. Springer, Berlin, Heidelberg, 1995.

127. Mallat, S. Review of multifrequency channel decomposition of images and wavelet models / S. Mallat // Technical report 412 New York: New York Univ., 1988.

128. Martin, D. Radial Basis Functions: Theory and Implementations / D. Martin. Cambridge University, 2008.

129. Meyer, F. Multilayered image representation: application to image compression / F. Meyer, A. Averbuch, R. Coifman. Submitted to IEEE trans. Image Proc., 1998.

130. Neyman, J., Pearson E. On the Problem of the Most Efficient Tests of Statistical Hypotheses. Philosophical Transactions of the Royal Society of -London. Series A, Containing Papers of a Mathematical or Physical Character, 1933.

131. Pearlman, W.A., Said A. Set Partition Coding: Part I of Set Partition Coding and Image Wavelet Coding Systems , Foundations and Trends in Signal Processing, , Vol. 2, no. 2, pp. 95-180, Now Publishers, Delft, The Netherlands, 2008.

132. Powell, M.J.D. The uniform convergence of thin-plate spline interpolation in two dimensions / M.J.D. Powell. Numerische Mathematik, 1998 -67: 107-128.

133. Rosenblatt, F. The perceptron: a probabilistic model for information storage and organization of the brain. / F. Rosenblatt // Psychological Review, 65:386-408, 1958.

134. Saad, E. W. Comparative study of stock trend prediction using time delay, recurrent and probabilistic neural networks / E. W. Saad, D. V. Prokho-rov, D. C. Wunsch, // IEEE Transactions on Neural Networks, V. 9, 1998.-№6.

135. Shapiro, M.J. Embedded image coding using zerotrees of wavelet coeff-cients / M.J. Shapiro // Signal proc., 1993.

136. Specht, D. F. Probabilistic neural networks and the polynomial adaline as complementary techniques for classification / D. F. Specht // IEEE Trans. Neural Networks, Jan, 1990. P. 111-121.

137. Specht, D. F. Probabilistic neural networks / D. F. Specht // Neural Networks, V. 3, 1990.-P. 109-118.

138. Specht, D. F. Enhancements to the probabilistic neural networks / D. F. Specht // Proc IEEE Int Joint Conf. Neural Networks, 1992. P.761-768.

139. Stewart, R.M. Application of signal processing techniques to machinery health monitoring / R.M. Stewart // Noise and Vibration, N.Y.: John Wilej & Sons, 1986, p. 607-632.

140. Streit, R. L. Maximum likelihood training of probabilistic neural networks / R. L. Streit, Т. E. Luginbuhl // IEEE Trans. Neural Networks, V. 5, 1994.-№5.-P. 764-783.

141. Vaidyanathan, P.P. Multirate Systems and Filter Banks / P.P. Vaidya-nathan New Jersey: Prentice Hall, 1993.

142. Vetterli, M. Wavelets and Subband Coding / M. Vetterli, J. Kovacevic. -New Jersey: Prentice Hall, 1995.

143. Vibration Monitoring of Machines / Martin Angelo // Technical Review., 1987, N 1, Bruel & Kiaer, p. 36.

144. Vidakovic B. Statistical modeling by wavelets / B. Vidakovic. -New York: Wiley & sons, 1999. 107 p.

145. Zaknich A. Introduction to the modified probabilistic neural network for general signal processing applications / A. Zaknich // IEEE Transactions on Signal Processing, V. 46,1998. №7. - P. 1980-1990.

146. Прыгунов А.И. Вейвлеты в вибрационной динамике машин Электронный ресурс. / А.И. Прыгунов, 2010. Режим доступа http://www.vibration.ru/wavelet.shtml, свободный. Загл. с экрана.

147. Баркова Н.А. Современное состояние виброакустической диагностики машин Электронный ресурс. / Н.А. Баркова // Ассоциация ВАСТ, 2002. Режим доступа: http://www.vibrotek.com/russian/articles/sovrsost/index.htm, свободный. — Загл. с экрана.