Модели и алгоритмы интеллектуализации поиска неисправностей в системе автоматизированного контроля гибридных объектов тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Звягинцев, Олег Александрович

  • Звягинцев, Олег Александрович
  • кандидат технических науккандидат технических наук
  • 2013, Серпухов
  • Специальность ВАК РФ05.13.06
  • Количество страниц 167
Звягинцев, Олег Александрович. Модели и алгоритмы интеллектуализации поиска неисправностей в системе автоматизированного контроля гибридных объектов: дис. кандидат технических наук: 05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям). Серпухов. 2013. 167 с.

Оглавление диссертации кандидат технических наук Звягинцев, Олег Александрович

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ

1 ОРГАНИЗАЦИОННЫЕ И МЕТОДИЧЕСКИЕ ПРЕДПОСЫЛКИ СОВЕРШЕНСТВОВАНИЯ ПРОЦЕССА ПОИСКА НЕИСПРАВНОСТЕЙ В АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ.

1.1 Организация поиска неисправностей в АСК ГО.

1.2 Интеллектуализация как подход к решению задачи повышения эффективности поиска неисправностей в АСК ГО.

1.3 Анализ неопределенности задачи поиска неисправностей АСК ГО и обоснование возможности повышения эффективности ее решения на основе комплексной обработки статистической и экспертной информации.

1.5 Постановка задачи на разработку математической модели формализации диагностической информации и алгоритмического обеспечения экспертной системы поддержки поиска неисправностей АСК ГО.

Выводы.

2 РАЗРАБОТКА ВЕРОЯТНОСТНО-ЛИНГВИСТИЧЕСКОЙ ДИАГНОСТИЧЕСКОЙ МОДЕЛИ ДЛЯ ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПОИСКА НЕИСПРАВНОСТЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ.

2.1 Обоснование структуры вероятностно-лингвистической модели для экспертной системы поддержки поиска неисправностей АСК ГО.

2.2 Процедуры формализации диагностической информации с использованием понятия лингвистической переменной «Параметр».

2.2.1 Процедура формализации детерминированной информации на основе лингвистической переменной «Параметр».

2.2.2 Процедура формализации стохастической информации.

Выводы.

3 АЛГОРИТМЫ РЕАЛИЗАЦИИ НЕЧЕТКОГО ПОДХОДА К ОБРАБОТКЕ ДИАГНОСТИЧЕСКОЙ ИНФОРМАЦИИ В ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПОИСКА НЕИСПРАВНОСТЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ.

3.1 Разработка алгоритма минимизации нечеткой диагностической информации для экспертной системы поддержки поиска неисправностей АСК ГО.

3.1.1 Классификация исходного множества вероятностно-лингвистических синдромов.

3.1.2 Формирования вероятностно-лингвистической модели с учетом априорных вероятностей технических состояний и результатов нечеткой классификации

3.1.3 Построение матрицы различимости.

3.1.4 Формирование минимального множества проверок на основе покрытия матрицы различимости.

3.2 Разработка алгоритма обработки нечеткой диагностической информации при идентификации неисправностей АСК ГО

Выводы.

4 МОДЕЛИРОВАНИЕ ФОРМАЛИЗАЦИИ И ОБРАБОТКИ ИНФОРМАЦИИ В ЭКСПЕРТНОЙ СИСТЕМЕ ПОДДЕРЖКИ ПОИСКА НЕИСПРАВНОСТЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ГИБРИДНЫХ ОБЪЕКТОВ.

4.1 Исходная диагностическая информация для моделирования и ее формализация на базе вероятностно-лингвистической модели.

4.2 Анализ и минимизация исходной диагностической информации

4.3 Принятие решений на основе входной экспертной диагностической информации.

4.4 Оценка эффективности алгоритмов обработки диагностической информации при реализации поддержки поиска неисправностей в АСК ГО.

4.5 Совершенствование функционально-логической структуры экспертной системы поддержки поиска неисправностей АСК ГО.

Выводы.

Рекомендованный список диссертаций по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы интеллектуализации поиска неисправностей в системе автоматизированного контроля гибридных объектов»

Актуальность темы диссертации. Одним из важнейших этапов технологического процесса производства физико-энергетических установок специального назначения и поддержания их в заданной степени технической готовности к применению в процессе эксплуатации является контроль и диагностирование. Указанные установки характеризуются наличием непрерывных и дискретных устройств, что позволяет рассматривать их с позиции диагностирования как гибридные объекты (ГО). Оценка технического состояния ГО на завершающем этапе производства и в эксплуатации реализуется в рамках системы технического диагностирования (СТД), основу которой составляет автоматизированная система контроля (АСК).

С середины 80-х годов АСК ГО имеет в своем составе специализированную ЭВМ, которая применяется для управления процессом диагностирования. С ее использованием значительно возросли точность измерений, быстродействие и надежность АСК ГО. Применение внешних накопительных запоминающих устройств расширило функциональные возможности аппаратуры. В наибольшей степени внедрению ЭВМ в АСК ГО [23, 38] способствовало использование агрегатированного принципа ее построения. В настоящее время на завершающем этапе находятся работы по разработке и производству аппаратуры контроля пятого поколения, вычислительные возможности которой существенно превышают возможности аппаратуры контроля четвертого поколения. Таким образом, следует сделать вывод, что развитие средств контроля и диагностирования в области программно-аппаратного обеспечения процесса оценки технического состояния ГО осуществлялось и продолжает осуществляться по пути наращивания управляюще-вычислительного потенциала.

Анализ процесса поиска неисправностей, реализованного в рамках штатной СТД, показал, что его методической основой являеются метод последовательного функционального анализа, а также допущение о возможности только одиночных неисправностей [25, 29]. Эффективность диагностирования на основе этого метода зависит от наличия полных и достоверных априорных данных о надежности функциональных элементов (ФЭ). Необходимость повышения эффективности процесса поиска неисправностей требует пристального внимания к алгоритмическому обеспечению АСК ГО. В общем потоке неисправностей существенно возрастает доля неисправностей, поиск и устранение которых силами операторов АСК ГО на основе имеющегося информационно-аналитического обеспечения весьма затруднительно, а в ряде случаев, как показывает практика, и неосуществимо [52].

Результаты анализа (п. 1.1) свидетельствует о значительном влиянии ан-тропотехнических характеристик на эффективность поиска неисправностей. В связи с этим при разработке диагностического обеспечения следует уделять внимание снижению антропотехнического фактора на конечный результат поиска неисправностей. Увеличение сложности при снижении надежности АСК ГО в совокупности со снижением общего уровня квалификации операторов именно в аспекте решения нестандартных задач по отысканию и устранению неисправностей представляет собой важную и очень актуальную задачу обеспечения эксплуатационной надежности СТД ГО. Повышение эффективности диагностирования можно добиться, расширяя объема диагностической информации, используя знания и опыт квалифицированных специалистов по диагностированию в АСК ГО. Эффективность поиска неисправностей в сложных объектах зависит от исходного объема и качества диагностической информации и совершенства алгоритмов, предназначенных для ее обработки.

В настоящее время техническая диагностика характеризуется многообразием существующих методов. Весомый вклад в ее развитие внесли советские и российские ученые Яблонский C.B., Пархоменко П.П. [69, 102, 105, 118], Карибский В.В. [69, 102], Согомонян Е.С. [69, 102], Дмитриев А.К. [36, 37], Кост-рыкин А.И. [75], Мозгалевский A.B. [2, 88 - 90], Клюев В.В. [118], Калявин В.П. [118], Чипулис В.П. [20, 128], Артеменко Е.А. [2], Гуляев В.А. [23], Глазунов Л.П. [19], Ксенз С.П. [79] и др. Разработанные ими методы послужили основой для автоматизации поиска неисправностей в объектах, характеризующихся достаточно высокой степенью определенности.

Признанным фактом является то, что высококвалифицированные специалисты ремонтники причины отказов выявляют за короткое время и без привлечения большого количества контрольно-измерительных приборов. Как отмечается в [79] многие задачи поиска неисправностей не имеют строго теоретического обоснования. Необходимость расширения объема диагностической информации путем привлечения знаний и опыта специалистов представляет собой основу для использования в целях решения диагностических задач подходов, разрабатываемых в искусственном интеллекте.

Большая заслуга в развитии моделей и методов искусственного интеллекта принадлежит: Журавлеву Ю.И. [47 - 48], Заде JÏ. [49], Попову Э.В. [66, 106], Поспелову Д.А. [94], Нильсону Н. [98], Ивахненко А.Г. [65], Бонгарду М.М. [11], Борисову А.Н. [12, 99], Кофману А. [77], ТанакаХ. [95] и мн. др. Методы искусственного интеллекта являются мощным средством борьбы с неопределенностью различной природы. При перспективности теории нечетких множеств и нечеткой логики [76, 83, 85] в развитии интеллектуальных систем их использование для диагностирования технических систем на настоящий момент имеет весьма ограниченное применение.

Разработка экспертной системы поддержки поиска неисправностей требует применения подходов, искусственного интеллекта, основы которого заложили такие ученые как ЗадеЛ. [49], Кофман А. [77], Попов Э.В. [106], Поспелов Д.А. [107, 108], Нильсон Н. [98], Борисов А.Н. [12]. Теоретические и практические вопросы интеллектуализации процессов диагностирования рассматривались в работах Микони C.B. [87]. Наиболее глубоко вопросы разработки методологического обеспечения построения и функционирования экспертной системы поддержки поиска неисправностей в АСК ГО рассмотрены в работах Данилюка С.Г. [24, 27, 28, 30, 31], в которых впервые было обосновано понятие «вероятностно-лингвистического синдрома» и разработана вероятностно-лингвистическая модель. Различные аспекты реализации методов обработки диагностической экспертной инфрмации были исследованы в работах Романен-ко Ю.А. [30], Агарева В.А. [3], Романенко АЛО. [31, 110]. Однако в перечнеленных выше работах при разработке методов обработки диагностической информации реализован принцип максимального правдоподобия. При этом не был учтен тот факт, что неисправности АСК ГО разновероятны. Отмеченное обстоятельство позволяет сделать вывод о необходимости проведения исследования вопросов, связанных с обработкой диагностической информации, включающей не только характеристику внешнего проявления (технического состояния) неисправности, но и статистическую информацию о возможности наступления в ходе эксплуатации АСК ГО того или иного технического состояния (неисправности).

Актуальность темы. Обобщая вышеизложенное, можно заключить, что диссертационное исследование, посвященное разработке способов формализации и обработки разнородной диагностической информации, включающей экспертную информацию о проявлениях неисправностей и статистическую информацию о возможности их появления в процессе эксплуатации как основы построения и функционирования экспертной системы поддержки поиска неисправностей в АСК ГО следует считать актуальным.

С учетом проведенного выше анализа и вышеизложенных предпосылок может быть определена проблемная ситуация, сущность которой приведена ниже. Проблемная ситуация определяется противоречием между необходимостью организации поддержки поиска неисправностей с учетом разнородной диагностической информации, характеризующей ее внешнее проявление, а также статистической информации об априорных вероятностях этих неисправностей, и отсутствием модели и алгоритмов, позволяющих автоматизировать обработку всего комплекса диагностической информации. Устойчивая тенденция интеллектуализации АСК ГО приводит к повышению роли математического обеспечения, которое, по существу, и будет определять ее облик на современном этапе развития аппаратуры. С учетом приведенных результатов анализа состояния решаемой научной проблемы может быть сформулирована цель исследований.

Цель исследования - повышение эффективности функционирования АСК ГО на основе интеллектуализации процесса поиска неисправностей.

Объектом исследований является процесс поиска неисправностей в АСК ГО, а предметом - методы интеллектуализации как основа построения экспертной системы поддержки поиска неисправностей в АСК ГО.

Научная задача состоит в разработке комплекса научно-обоснованных моделей и алгоритмов как основы обработки диагностической информации в экспертной системе поддержки поиска неисправностей АСК ГО.

Задачи исследования. Для достижения сформулированной цели исследования в диссертации решены следующие задачи по:

1) разработке вероятностно-лингвистической диагностической модели для экспертной системы поддержки поиска неисправностей АСК ГО,

2) разработке алгоритма минимизации множества вероятностно-лингвистических синдромов для экспертной системы поддержки поиска неисправностей АСК ГО,

3) разработке алгоритма принятия решения о возможных неисправностях в АСК ГО с учетом экспертной ДИ об их внешнем проявлении и априорных вероятностях,

4) обосновании функционально-логической модели экспертной системы поддержки поиска неисправностей АСК ГО.

5) оценке эффективности поиска неисправностей с использованием экспертной системы поддержки поиска неисправностей АСК,

Методология и методы исследований. Методологическую основу исследования составляют методология искусственного интеллекта, методы математического моделирования, методы оптимизации, методы технической диагностики, методы нечеткой логики, теории нечетких множеств, методы системного анализа.

Основные результаты исследования, представляемые к защите:

1. Вероятностно-лингвистическая диагностическая модель для экспертной системы поддержки поиска неисправностей АСК ГО, учитывающая информацию об априорных вероятностях ее неисправностей.

2. Комплекс алгоритмов реализации нечеткого подхода к обработке диагностической информации в экспертной системе поддержки поиска неисправностей АСК ГО.

3. Функционально-логическая модель экспертной системы поддержки поиска неисправностей АСК ГО.

Достоверность результатов диссертационной работы обеспечивается корректным использованием апробированного математического аппарата теории вероятностей, системного анализа, нечеткой логики, теории нечетких множеств, непротиворечивостью результатов принятия решений с использованием разработанных моделей и алгоритмов результатам, полученным на основе известных и апробированных в технической диагностике моделей и алгоритмов.

Научная новизна и теоретическая значимость состоит 1) в совершенствовании вероятностно-лингвистической модели, являющейся формализованным представлением диагностической экспертной информации в виде вероятностно-лингвистических синдромов, в аспекте учета априорных вероятностей неисправностей АСК ГО; 2) в совершенствовании алгоритма минимизации нечеткой диагностической информации для экспертной системы поддержки поиска неисправностей АСК ГО, который по сравнению с аналогичными по назначению алгоритмами использует информацию об априорных вероятностей неисправностей; 3) в разработка нового алгоритма обработки нечеткой диагностической информации при идентификации неисправностей АСК ГО, который реализует нечетко-стахостический подход к обработке вероятностно-лингвистических синдромов как формализованного проявления неисправностей и их априорных вероятностей, что позволяет формировать обоснованную последовательность поиска и устранения неисправностей АСК ГО.

Практическая значимость работы определяется разработкой модели и комплекса взаимосвязанных алгоритмов анализа и обработки нечеткой диагностической информации, которые представляют собой основу математического и алгоритмического обеспечения функционирования экспертной системы поддержки поиска неисправностей АСК ГО.

В диссертации проведена сравнительная оценка эффективности технического диагностирования разработанного способа обработки диагностической информации, использующего априорные данные о вероятностях технических состояний (неисправностей) диагностируемого объекта в сравнении со способом, не предполагающим использование априорных данных об отказах АСК в эксплуатации. Результаты сравнительной оценки эффективности устранения неисправности по показателю «вероятность устранения отказа за заданное число замен ТЭЗов» показывают повышение за счет использования априорных данных о неисправностях и нечеткой диагностической информации в среднем на 23%.

Апробация и публикации по теме работы. Результаты работы докладывались и обсуждались на Межведомственных конференциях «Проблемы обеспечения эффективности и устойчивости функционирования сложных систем» (г. Серпухов, 2010 [56, 57], 2011 [62], 2012 [51, 54]).

По теме диссертации опубликовано 14 работ, из которых 2 публикация в издании, входящем в перечень ВАК («Известия Института инженерной физики» [60, 61]).

Внедрение результатов исследований. Результаты диссертационных исследований реализованы и внедрены в Проектно-конструкторско-технологи-ческом бюро железнодорожной автоматики и телемеханики — филиале ОАО «РЖД» (ПКТБ ЦШ - ОАО «РЖД»), г. Москва; МОУ «ИИФ» РФ (г. Серпухов).

Структура диссертации. Диссертация имеет объем 167 страниц (17 рисунков, 37 таблиц) и включает оглавление, список сокращений, введение, четыре раздела, заключение, список литературы (141 наименование), а также приложения, в которых представлены результаты моделирования и акты реализации.

Похожие диссертационные работы по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Звягинцев, Олег Александрович

Выводы

1. В четвертом разделе диссертации представлены результаты практической реализации положений по разработке системы поддержки поиска неисправностей в СТД ГО. Предложенный комплекс программных реализаций представляет собой основу системы поддержки поиска неисправностей СТД ГО.

2. Проведено моделирование функционирования системы поддержки поиска неисправностей АСК ГО на рснрве разработанных модели и алгоритмов. Результаты показали корректность допущений и соглашений принятых при разработке вероятностно-лингвистической модели и работоспособность разработанных алгоритмов, позволяющих формализовать и обрабатывать диагностическую информацию на основе понятия вероятностно-лингвистического синдрома с учетом дополнительно использованных данных вероятностях технических состояний, наблюдаемых в эксплуатации АСК ГО.

3. Проведена сравнительная оценка эффективности технического диагностирования разработанного способа обработки диагностической информации, использующего априорные данные о вероятностях технических состояний (неисправностей) диагностируемого объекта в сравнении со способом, описанным в [3]. Результаты сравнительной оценки эффективноси устранения неисправности по показателям «вероятность устранения отказа на к-й замене ТЭЗа» и «вероятность устранения отказа за к замен ТЭЗов» показывают, что диагностическая информация, которая доступна для принятия решения используется с большей пользой. Это возможно, поскольку исходная диагностическая информация, полученная принаблюдении ОД, сохраняется в процессе ее обработки вплоть до вынесения решения о подозреваемых неиправностях.

4. Разработана функционально-логическая структура экспертной системы поддержки поиска неисправностей АСК ГО. С учетом результатов исследований она должна включать базу эвристических знаний. База эвристических знаний несет в себе функции по формализации и обработке знаний и опыта специалистов по поиску неисправностей и фактически представляет собой механизм анализа диагностических признаков с учетом степени их возможности при диагностической ситуации и обоснования решений на основе алгоритмических процедур, реализованных в диагностической экспертной системы.

ЗАКЛЮЧЕНИЕ

Настоящая диссертационная работа посвящена решению актуальной научной задачи по разработке комплекса научно-обоснованных моделей и алгоритмов как основы функционирования ЭСПГТН в АСК ГО при их разработке, производстве и эксплуатации.

По результатам рассмотрения организации поиска неисправностей в АСК ГО, выявлено, что 1) задачи контроля и диагностирования решаются с помощью подсистемы контроля, которая представляет собой комплекс программных и аппаратных средств, используемых операторами для определения факта отсутствия отказа и определения его места и причины по правилам, установленным в эксплуатационно-технической документации; 2) поиск неисправностей в АСК ГО реализуется путем реализации некоторой программы диагностирования, с последующим выполнением заданной операций по замене блоков, типовых элементов, плат и жгутов из состава запасных изделий и принадлежностей (ЗИП), регламентированных «Инструкцией по отысканию неисправностей»; 3) после произведенных замен осуществляется проверка работоспособности по соответствующей программе; 4) при отыскании неисправностей правильно выполнив диагностические операции в соответствии с существующими инструкциями по эксплуатации и поиску неисправностей оператор сталкивается с необходимостью выбора одного из множества подозреваемых типовых элементов замены (ТЭЗ).

Расширение спектра диагностической информации за счет привлечения знаний высококвалифицированных специалистов-ремонтников (экспертов по диагностированию), а также использование априорных данных о вероятностях отказов АСК ГО в эксплуатации делает неправомочными предположение только о вероятностной интерпретации исходных данных и использование сугубо статистических методов их обработки. Несмотря на то, что отказы элементов АСК ГО являются событиями случайными, но неопределенность, свойственная задаче поиска вызывающих их неисправностей, вызвана неполнотой, недостаточностью, недоопределенностыо, неадекватностью исходных данных. Это определило необходимость разработки математических моделей и методов, которые должны эффективно бороться с отмеченными видами неопределенности.

С учетом выявленных особенностей существующей организации поиска неисправностей и анализа природы неопределенности, свойственной этой задаче, в диссертации проведена математическая постановка задачи на разработку математической модели формализации диагностической информации и алгоритмического обеспечения экспертной системы поддержки поиска неисправностей АСК ГО.

Исходя из единого подхода к формализации и обработке диагностической информации количественного и качественного характера, на основе математического аппарата лингвистических переменных и нечетких множеств разработана вероятностно-лингвистическая модель как основа формализации диагностической информации ЭСППН АСК ГО. Полученая модель позволяет учесть при описании объекта диагностирования априорные данные о вероятностях технических состояний и экспертную информацию о характере проявления неисправностей.

Разработан алгоритм минимизации исходного множества ВЛС, формализованных на основе нечеткой диагностической информации, полученной от специалистов по диагностике, с целью построения безызбыточной базы знаний ЭСППН АСК ГО.

Разработан алгоритм обработки нечеткой диагностической информации в ЭСППН при идентификации неисправностей АСК ГО и формирования упорядоченного по степени возможности множества подозреваемых неисправных технических состояний.

Разработана функционально-логическая структура экспертной системы поддержки поиска неисправностей АСК ГО.

Произведена сравнительная оценка эффективности диагностирования на основе разработанного алгоритма обработки нечеткой диагностической информации, использующего априорные данные о вероятностях неисправностей в сравнении со способом, не предполагающим их использование. Эта оценка по показателю «вероятность устранения отказа за к замен ТЭЗов» составила повышение в среднем на 23%.

Список литературы диссертационного исследования кандидат технических наук Звягинцев, Олег Александрович, 2013 год

1. Автоматизация производства листового стекла. / Макаров Р.И., Хоро-шева Е.Р., Лукашин С.А. М.: Изд-во АСВ, 2002. - 192 с.

2. Автоматический поиск неисправностей / Мозгалевский A.B., Гаскаров Д.В., Глазунов Л.П., Ерастов В.Д. Л.: Машиностроение, 1967.-265 с.

3. A rape в В. А. Поддержка поиска неисправностей в аппаратуре автоматики и телемеханики на основе обработки диагностической экспертной информации. Диссертация на соискание ученой степени кандидата технических наук. Серпухов: МОУ «ИИФ», 2010.-137 с.

4. Алиев P.A. Управление производством при нечеткой исходной информации / Р.А.Алиев, А.Э.Церковный, Г.А.Мамедова. М.: Энергоатом-издат, 1991.-240 с.

5. Башлыков A.A., Давиденко H.H., Думшев В.Г. Экспертная система реального времени для поддержки операторов атомных станций // Приборы и системы управления. 1994. - № 4. - С. 10-14.

6. Безродный Б.Ф. Диссертация на соискание ученой степени доктора технических наук. Серпухов: СВВКИУ РВ, 1997. - 306 с.

7. Беляев Ю.К. Вероятностные методы выборочного контроля. М.: Наука, 1975.-266 с.

8. Бережной В.П., Дубицкий Л.Г. Выявление причин отказов РЭА. М.: Радио и связь, 1983. - 232 с.

9. Биргер И.А. Техническая диагностика. М.: Машиностроение, 1978. -240 с.

10. Богомолов A.M., Твердохлебов В.А. Диагностика сложных систем. -Киев: Наукова Думка, 1974.

11. Бонгард М.М. Проблема узнавания. М.: Наука, 1967. - 320 с.

12. Борисов А.Н., Алексеев A.B., Крумберг O.A. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. -256 с.

13. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464 с.

14. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. -400 с.

15. Вентцель Е.С. Теория вероятностей: Учеб. для вузов. М.: Высш.шк., 1998.-576 с.

16. Волков Л.И. Управление эксплуатацией летательных комплексов: Учеб. пособие для втузов. 2-е изд., перераб. и доп. - М.: Высш. шк., 1987. -400 с.

17. Выявление экспертных знаний (процедуры и реализации) / О.И. Ларичев, А.И. Мечитов, Е.М.Мошкевич, Е.М.Фуремс. М.: Наука, 1989. -128 с.

18. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 200 с.

19. Глазунов Л.П., Смирнов А.И. Проектирование технических систем диагностирования. Л.: Энергоатомиздат, 1982. - 168 с.

20. Гольдман Р.С., Чипулис В.П. Техническая диагностика цифровых устройств. М.: Энергия, 1976. - 224 с.

21. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высш. шк., 1984.-208 с.

22. Гренандер У. Лекции по теории образов: В 3-х томах / Пер. с англ. М.: Мир, 1979.-Т. 1.-383 е., 1981. - Т. 2 - 448 е., 1983. - Т. 3 - 430 с.

23. Гуляев В.А., Кудряшов В.И. Автоматизация наладки и диагностирования микроУВК. М.: Энергоатомиздат, 1992. - 256 с.

24. Дани люк С. Г. Вероятностно-лингвистический метод диагностирования. Серпухов: МО РФ, 1998. - 96 с.

25. Данилюк С.Г. Основы построения и функционирования системы технического диагностирования объектов контроля. Учебное пособие. Серпухов: МОРФ, 2002.- 160 с.

26. Данилюк С.Г. Упрощенный алгоритм оптимального покрытия булевых матриц. МО РФ, 1994. - 17 с. - Деп. в ЦСИФ, 1994, № 7056.

27. Данилюк С.Г., Злобин В.И. Автоматизация поиска неисправностей на основе вероятностно-лингвистического метода диагностирования // Информационные технологии в проектировании и производстве: Научно-техн. сб. / ВИМИ. 1996. - № 3 - 4. - С. 59 - 65.

28. Данилюк С.Г., Злобин В.И., Ванюшин В.М. Принципы построения сложных адаптивных систем в связи и управлении. — М.: МО РФ, 1998. -296 с.

29. Данилюк С.Г., Новиков H.H., Романенко Ю.А. и др. Автоматизированные системы контроля. Серпухов: МО РФ, 1998. - 689 с.

30. Данилюк С.Г., Романенко Ю.А. Метод формализации нечеткой информации для диагностической экспертной системы аппаратуры радиосвязи // Электросвязь. 1997. - № 1. - С. 32 - 34.

31. Дарсалия В.Ш., Новиков H.H., Рухая Х.М. Об одном алгоритме оптимального покрытия булевых матриц: Труды института прикладной математики им. Векуа ТГУ. Тбилиси: ТГУ, 1986. - 22 с.

32. Дедус Ф.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. -М.: Машиностроение, 1999.

33. Дедус Ф.Ф., Воронцов В.Б. Диагностика непрерывных систем с использованием ортогональных фильтров / Техническая диагностика. -«Труды I Всесоюзного совещания по технической диагностике». М.: Наука, 1972.-С. 103- 108.

34. Джордж Ф. Мозг как вычислительная машина. М.: Изд-во «Иностранная литература», 1963. - 528 с.

35. Дмитриев А.К., Мальцев П.А. Основы теории построения и контроля сложных систем. JL: Энергоатом из дат, 1988. - 192 с.

36. Дмитриев А.К., Юсупов P.M. Идентификация и техническая диагностика. JL: ВИКИ им. Можайского, 1987. - 521 с.

37. Долгов В.А., Касаткин A.C., Стретенский В.Н. Радиоэлектронные автоматические системы контроля (системный анализ и методы реализации). Под ред. В.Н.Стретенского. М.: Сов. радио, 1978 - 384 с.

38. Дружинин В.В., Конторов Д.С. Проблемы системологии (проблемы теории сложных систем). М.: «Советское радио», 1976. - 296 с.

39. Дружинин Г.В. Надежность систем автоматики. -М.: Энергия, 1967.

40. Дружинин Г.В. Процессы технического обслуживания автоматизированных систем. -М.: Энергия, 1973.

41. Дубров A.M. Моделирование рисковых ситуаций в экономике и бизнесе. М.: Финансы и статистика, 2000. - 176 с.

42. Евланов Л.Г. Контроль динамических систем. М.: Наука, 1972. - 424 с.

43. Емелин Н.М., Новиков H.H., Павлов A.A. и др. Подход к построению автоматизированных систем контроля сложных объектов / Цифровые модели в проектировании и производстве РЭС. Межвуз. сб. научн. тр. -Пенза: Изд-во Пенз. гос. ун-та, 2000. Вып. 9. - 260 с.

44. Ермилов В.А. Метод отбора существенных неисправностей для диагностики цифровых схем // Автоматика и телемеханика. 1971. - № 1. - С. 159- 167.

45. Ерофеев A.A., Поляков А.О. Интеллектуальные системы управления. -Санкт-Петербург.: Изд-во СПбГТУ, 1999. 263 с.

46. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации. Проблемы кибернетики. М.: Наука, 1978. -Вып. 33.

47. Журавлев Ю.И., Никифоров B.B. Алгоритмы распознавания, основанные на вычислении оценок // Кибернетика. 1974. - № 3.

48. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 168 с.

49. Защита радиоэлектронной аппаратуры от влияния климатических условий / Под ред. Г.Юбиша. Пер. с нем. - М.: «Энергия», 1982. - 392 с.

50. Звягинцев O.A. Вариант минимизации диагностической информации технического состояния аппаратуры физико-энергетических установок // МО РФ Сб. трудов XXXI Всероссийской НТК. Ч. 2. - Серпухов: СВИ РВ, 2012.-275 с.-С. 51-54.

51. Звягинцев O.A. Объединение разнородной информации при оценке технического состояния потенциально опасного объекта // Сб. трудов МГТУ им. Баумана. -М.: МГТУ им. Баумана, 2010. 569 с. - С. 189 - 291.

52. Звягинцев O.A., Астапенко Ю.А. Информационный аспект физико-технического обеспечения надежности изделий электронной техники // МО РФ Сб. трудов XXXI Всероссийской НТК. Ч. 2. - Серпухов: СВИ РВ, 2012. - 275 с. - С. 11 - 14. (соиск. - 75%)

53. Звягинцев O.A., Воронов П.В. Интерпретация проблемы уязвимостей систем защиты в свете гипотезы «эффекта сверхмалых концентраций // МО РФ Сб. трудов «Известия». М.: ВА РВСН, 2011. - 286 с. - С. 135 - 141. (соиск. - 55%)

54. Звягинцев O.A., Воронов П.В., Попов А.И. Роль и место понятия «компрометирующей информации» в общей схеме анализа уязвимости автоматизированных систем / Научно-технический сборник. МО РФ. Серпухов: СВИ PB, 2011. - 250 с. - С. 179 - 183. (соиск. - 35%)

55. Звягинцев O.A., Данилюк С.Г., Турлаев В.В., Пашнев А.Н. Анализ надежности системы оценки технического состояния физико-энергетических установок / Научно-технический сборник. МО РФ. Серпухов: СВИ PB,2011. 250 с. - С. 179 - 183. (соиск. - 25%)

56. Звягинцев O.A., Данилюк С.Г., Форсов Г.Л., Якимов Д.А. Вероятностно-лингвистическая диагностическая модель: расширение возможностей // Известия Института инженерной физики. Серпухов: МОУ «ИИФ».2012. № 1 (23). - 84 с. - С. 46 - 50.

57. Звягинцев O.A., Попов А.И., Нижниковский A.B. Подходы к анализу угроз безопасности информации, циркулирующей в автоматизированных системах // Известия Института инженерной физики. Серпухов: МОУ «ИИФ». - 2011. - № 3 (21). - 84 с.-С. 2-6.

58. Звягинцев O.A., Смуров C.B. Информационно-лингвистический анализ стойкости функций безопасности автоматизированных систем в нейросе-тевом логическом базисе // МО РФ Сб. трудов «Известия». M.: ВА РВСН, 2010. - 274 с. - С. 175 - 179. (соиск. - 45%)

59. Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. Киев: Техника, 1971. - 372 с.

60. Искусственный интеллект: Справочник: в 3-х кн. / Под ред. Э.В.Попова. -М.: Радио и связь, Кн.1: Системы общения и экспертные системы. 1990. -440 с.

61. Испытания радиоэлектронной, электронно-вычислительной аппаратуры и испытательное оборудование: Учебное пособие для вузов / О.П.Глудкин, А.Н.Енгалычев, А.И.Коробов, Ю.В.Трегубов; под ред. А.И.Коробова.- М.: Радио и связь, 1987. 272 с.

62. Карибский В.В. Учет состязаний на входах элементов при построении проверяющей последовательности // Автоматика и телемеханика. 1973. -№9.-С. 152- 164.

63. Карибский В.В., Пархоменко П.П., Согомонян Е.С. Техническое диагностирование объектов контроля. -М.: Энергия, 1967. 80 с.

64. Клацки Р. Память человека, структуры и процессы. М.: Мир, 1979. -319с.

65. Кобринский И.Е., Трахтенберг Б.А. Введение в теорию конечных автоматов. М.: Физматгиз, 1962. - 404 с.

66. Контроль и функционирование больших систем / Под. ред. Г.П.Шибанова. М.: Машиностроение, 1977. - 360 с.

67. Костров A.B., Меркель И.Н., Морев С.А. Оценка эффективности информационных систем. Владимир: «Демиург», 2002. - 89 с.

68. Кострыкин А.И. Диагностика дискретных устройств логическими методами. МО СССР, 1973. - 71 с.

69. Косячков Р. Цифровой век: мышление // Компьютера. 1999. - № 48. -С. 19-30.

70. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

71. Краткая философская энциклопедия / Губский Е.Ф., Кораблева Г.В., Лутченко В.А. М.: Издательская группа «Прогресс» - «Энциклопедия», 1994.-576 с.

72. Ксенз С.П. Диагностика и ремонтопригодность радиоэлектронных средств. М.: Радио и связь, 1989. - 248 с.

73. Кудрицкий В.Д., Синица М.А., Чинаев П.И. Автоматизация контроля радиоэлектронной аппаратуры. М.: Сов. радио, 1977. - 256 с.

74. Левин Б.Р. Теоретические основы статистической радиотехники. М.: Радио и связь, 1989. - 656 с.

75. Макарова О. Коммерческие экспертные системы — на научном семинаре // COMPUTER WEEK MOSCOW, 1995. - № 17. - С. 31, 60.

76. Маслов В.Г. Научно-методический аппарат экспертной оценки эффективности научной деятельности высшего военного учебного заведения. Диссертация на соискание ученой степени кандидата технических наук. -Москва: ИИО РАО, 2005. 167 с.

77. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука. Гл.ред. физ.-мат. лит., 1990. -272 с.

78. Методы и модели информационного менеджмента: учеб. пособие / Д.В. Александров, A.B. Костров, Р.И. Макаров, Е.Р. Хорошева; под ред. А.В.Кострова. М.: Финансы и статистика, 2007. - 336 с.

79. Микони C.B. Общие диагностические базы знаний вычислительных систем. СПб.: СПИИРАН, 1992. - 234 с.

80. Мозгалевский A.B. Диагностирование электронных систем. Д.: Судостроение, 1984. - 224 с.

81. Мозгалевский A.B. Техническая диагностика: Непрерывные объекты: Учеб. пособ. для втузов. / А.В.Мозгалевский, Д.В.Гаскаров. М.: «Высш. шк.», 1975. - 207 с.

82. Мозгалевский A.B. Технические средства диагностирования. Л.: Судостроение, 1984. - 207 с.

83. Надежность в технике. Термины и определения: ГОСТ 27.002.83. введ. 01.07.84. -М.: Изд-во стандартов, 1983. - 30 с.

84. Нейлор К. Как построить свою экспертную систему: Пер с англ. М.: Энергоатомиздат, 1991. - 286 с.

85. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. -М.: Наука, 1986. 312 с.

86. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Р.Р.Ягера. М.: Радио и связь, 1986. - 408 с.

87. Нечеткие модели для экспертных систем в САПР / Малышев Н.Г., Берштейн Л.С., Боженюк A.B. -М.: Энергоатомиздат, 1991. 136 с.

88. Николаев В.И., Брук В.М. Системотехника: методы и приложения. JT.: Машиностроение, Ленигр. отд., 1985. - 199 с.

89. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.-237 с.

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

91. Орнатский П.П., Туз Ю.М. Интеллектуальные измерительные комплексы // Приборы и системы управления. 1989. - № 7. - С. 15-16.

92. Основы автоматизации организационного проектирования / Д.В. Александров, A.B. Костров, С.А. Морев, Е.В. Шишкин; под ред. А.В.Кострова. Владимир: «Демиург», 2002. - 111 с.

93. Основы технической диагностики. В 2-х книгах. Кн. 1. Модели объектов, методы и алгоритмы диагноза / В.В.Карибский, П.П.Пархоменко, Е.С.Согомонян и др.; под ред П.П.Пархоменко.-М.: «Энергия», 1976. — 464 с.

94. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989. - 293 с.

95. Пархоменко П.П. Диагноз технического состояния дискретных устройств методом выделения подозреваемых неисправностей // Автоматика и телемеханика. 1971. -№ 6. - С. 126-137.

96. Пархоменко П.П. О технической диагностике.-М.: Знание, 1969.-64 с.

97. Попов Э.В. Экспертные системы.-М.: Наука, 1987. -288 с.

98. Поспелов Д.А. Логические методы анализа и синтеза схем. — М.: Энергия, 1968.-328 с.

99. Поспелов Д.А. Ситуационное управление: Теория и практика. М.: Наука, 1986.-284 с.

100. Прикладные нечеткие системы: Пер с япон. /К.Асаи, Д.Ватада, С.Иваи и др.; под ред. Т.Тэрано, К.Асаи, М.Сугэно. М.: Мир, 1993. - 386 с.

101. Романенко АЛО. Формализация и алгоритмы обработки информации для экспертной системы технического диагностирования гибридных объектов.

102. Диссертация на соискание ученой степени кандидата технических наук. -Серпухов: МОУ «ИИФ», 2010.- 168 с.

103. Сейдж Э.П., Уайт Ч.С. Оптимальное управление системами: Пер. с англ. М.: Радио и связь, 1982. - 392 с.

104. Селезнев A.B., Добрица Б.Т., Убар P.P. Проектирование автоматизированных систем контроля бортового оборудования летательных аппаратов. -М.: Машиностроение, 1983. 224 с.

105. Сердаков A.C. Автоматический контроль и техническая диагностика. -Харьков: «Техшка», 1971. 224 с.

106. Соловьев H.A. Тесты (теория, построение, применение). Новосибирск: Наука, 1978.- 189 с.

107. Срагович В.Г. Адаптивное управление. -М.: Наука, 1981. 382 с.

108. Техническая диагностика. Показатели диагностирования: ГОСТ 23564.79. -Введ. 01.01.80. М.: Изд-во стандартов, 1979. - 16 с.

109. Техническая диагностика. Термины и определения: ГОСТ 20911.89. -Введ. 01.01.91.-М.: Изд-во стандартов, 1990.- 13 с.

110. Технические средства диагностирования: Справочник / В.В.Клюев, П.П.Пархоменко, В.Е.Абрамчук и др.; Под общ. ред. В.В.Клюева. М.: Машиностроение, 1989. - 672 с.

111. Управление качеством автомобильного стекла: монография / Р.И.Макаров, Е.В.Суворов, Е.Р.Хорошева и др.; под ред. Р.И.Макарова. Владимир.: Изд-во Владим. гос. ун-та, 2009. - 280 с.

112. Управление качеством продукции. Основные понятия. Термины и определения: ГОСТ 15467. введ. 26.01.79. - М.: Изд-во стандартов, 1979. - 38 с.

113. Управление качеством электронных средств: Учеб. для вузов / О.П.Глудкин, А.И.Гуров, А.И.Коробов и др.; под ред. О.П.Глудкина. -М.: Высш. шк., 1994.-414 с.

114. Фокин Ю.Г. Оператор-технические средства: обеспечение надежности. -М.: Воениздат, 1985. 192 с.

115. Фомин Я.А., Безродный Б.Ф. Адаптивные системы контроля изделий микроэлектроники на ПЭВМ. М.: Издательство стандартов, 1993. - 204 с.

116. Фомин Я.А., Савич А.В. Оптимизация распознающих систем. М.: Машиностроение, 1993. - 288 с.

117. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. - 264 с.

118. Чипулис В.П., Шаршунов С.Г. Анализ и построение тестов цифровых программно-управляемых устройств. М.: Энергоатомиздат, 1992. - 224 с.

119. Dalkey N., Brown В., Cochran S. Use of Selfrations to Improve Group Estimates. «Technology Forecasting», 1989.

120. Kendall M. Rank Correlation Methods. Hairier Publishing House. N.Y., 1995.

121. Kickert W., Mamdani E.H. Analysis of a fuzzy logic controller // Fuzzy Sets and Systems. 1978. - V. 1. - P. 29 - 44.

122. Les systemes experts de diagnostic // Rev. polytechn. 1991. - № 11. - P. 1185 -1189.

123. Mizumoto M., Zimmermann H.I. Comparison of fuzzy reasoning methods // Fuzzy Sets and Systems. 1982. - V. 8. - P. 253 - 283.

124. Modern approaches to system/sensor fault detection and diagnosis / Tzafestas S., Watanabe K. // Journal A. 1990. - 31, № 4. - P. 42 - 58.

125. Neural networks and fuzzy logic, tools of promise for controls / Mc Cusker Tom // Contr. Eng. 1990. - 37, № 6. - P. 84 - 85.

126. Padmini S., Diwakar M., Rathod N., Bairi B. Expert system development (ESD) shell // BARC Rept. / Gov. India. Bhabha Atom. Res. Cent. -1991. -№ E010. -P. 1-40.

127. Putzolu G.R., Roth J.P. A Heuristic Algorithm for Testing of Asynhronous Circuits // IEEE Trans, on Comput., 1971. Vol. C-20. № 6. P. 639 647.

128. Sistemi esperti per la diagnostica / Zoly Giorgio // Autom. oggi. 1991. - 9, № 110-P. 110-118.

129. Snouresht R. Learning and decision-making for intelligent control systems // Proc. Amer. Contr. Conf., San Diego, Calif., 1990. Vol. 1. P. 985 - 987.

130. Zadeh L.A. Approximate reasoning in fuzzy logic // Proc. Int. Conf. on Artif. Intell. Tokyo, 1979.

131. Zhou Tiji et al. // Jisuanji yu fazhan. = Comput. Res, and Dev. 1991. - 28, № 9.-P. 46-53.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.