Модели и алгоритмы технического диагностирования судовых дизельных установок в процессе эксплуатации тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Ле Ван Дием

• Ле Ван Дием
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Ле Ван Дием

ВВЕДЕНИЕ.

1. АНАЛИЗ СУДОВЫХ ДИЗЕЛЬНЫХ УСТАНОВОК КАК ОБЪЕКТОВ ТЕХНИЧЕСКОГО ДИАГНОСТИРОВАНИЯ.

1.1. Признаки, параметры и показатели технического состояния.

1.2. Уровни проявления состояний судовых технических объектов и их взаимосвязь.

1.3. Характеристики систем технического диагностирования.

1.4. Цель и задачи исследований.

Выводы по гл.1.

2. ДИАГНОСТИЧЕСКИЕ МОДЕЛИ СУДОВЫХ ДИЗЕЛЕЙ.

2.1. Классификация диагностических моделей судовых механизмов

2.2. Модель блока рабочих процессов.

2.3. Модель блока движения.

2.4. Анализ диагностических моделей судовых дизелей.

Выводы по гл.2.

3. МЕТОДЫ И АЛГОРИТМЫ ДИАГНОСТИРОВАНИЯ ГЛАВНЫХ СУДОВЫХ ДИЗЕЛЕЙ.

3.1. Основные методы оценки технического состояния на основе допускового контроля диагностических параметров.

3.2. Метод индивидуальной функции состояния для оценки технического состояния.

3.3. Постановка задачи нейросетевого моделирования судовых дизелей.

3.4. Моделирование главных судовых дизелей с помощью многослойного персептрона.

3.5. Применение самоорганизующейся карты признаков (СОК) для распознавания технического состояния судовых дизелей.

Выводы по гл.З.

4. МЕТОДИКА ДИАГНОСТИРОВАНИЯ СУДОВЫХ ДИЗЕЛЕЙ.

4.1. Измерение и обработка результатов измерений диагностических параметров.

4.2. Реализация диагностических моделей судовых дизелей путем имитационного моделирования.

4.3. Нейросетевое моделирование для поддержки принятия решения о техническом состоянии дизелей.

Выводы по гл.4.

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы технического диагностирования судовых дизельных установок в процессе эксплуатации»

Судовые дизельные установки (СДУ) представляют собой сложные комплексы, состоящие из многих подсистем и узлов. При эксплуатации в них происходят сложные химико-физические процессы и энергопреобразования. С другой стороны судовые дизельные установки в процессе эксплуатации могут подвергаться воздействиям вибрации, ударных нагрузок, влаги, соли, изменения температуры окружающей среды в широком диапазоне и т.д. Такие воздействия ускоряют процесс деградации деталей и узлов СДУ и уменьшают их надежность. Поддержание надежности работы СДУ во время автономного плавания судов не только обеспечивает безопасность судового экипажа и груза, но и увеличивает экономичность и эффективность эксплуатации судов. Эти цели могут быть достигнуты путем контроля работоспособности установок и своевременного обнаружения симптомов нарушения их нормальной работы. Это задача технического диагностирования СДУ при эксплуатации.

Техническая диагностика в общем случае может включать в себя одну или несколько из следующих задач [47]:

- определение технического состояния (работоспособности) объекта;

- поиск возникшего дефекта;

- прогнозирование изменения технического состояния объекта. I

Рис. 1. Структура процесса технического диагностирования Процесс оценки технического состояния объекта (рис.1) включает восприятие и обработку (В) первичной информации (И\) от объекта диагностирования (ОД), анализ (А) вторичной информации (Я2) о состоянии объекта и принятие решения (.ПР) о состоянии с учетом нормативных требований (НТ). В некоторых случаях для оценки технического состояния объекта приходится воздействовать на него, подавая специальное стимулирующее действие (СД), вызывающее его реакцию. Функции восприятия и анализа информации о состоянии объекта, а также приятие решения и воздействия могут выполнять технические средства или человек-оператор. Распределение функций между техническими средствами и человеком-оператором зависит от степени автоматизации производственного процесса.

Теория систем технического диагностирования в целом и для СДУ в частности возникла и развивается с 70-х годов 20-го века в работах Пархоменко П.П., Мозгалевского A.B., Гаскарова Д.В., Биргера И.А., Климова E.H., и других. Однако недостаточное внимание обращается на развитие технических средств диагностирования СДУ, которые могут оказать помощь судовому экипажу при оценке технического состояния энергетической установки во время автономного плавания судов.

На старых судах, построенных до 90-х годов, оценка технического состояния судовых установок основывается целиком на опыте судового экипажа. При этом функциональные параметры контролируются отдельно. Они сравниваются с допустимыми пределами, выход любого параметра за пределы допуска регистрируется, и аварийная сигнализация включается в виде звукового и светового сигнала. Современные судна оснащены системой централизованного управления, обеспечивающей интегрированный мониторинг существенных параметров (рис.2).

Человек-оператор ±

БУ

УП

РВ

ГД д пп

БУ - блок управления

УП - установленные программы управления РВ - регуляторы частоты вращения, температур и др. ГД - главный судовой дизель Д - датчики

ПП - блок первичного преобразования БС - блок сравнения НЗ - нормальные значения параметров БИ - блок индикации С - сигнализация

БС

НЗ

БИ

Рис. 2. Общая схема системы централизованного управления и мониторинга

Такие системы могут автоматически защищать главные дизели от критических ситуаций путем их перевода на определенные программированные режимы или прекращения работы. Лидирующая в этой области фирма Kongsberg Maritime (Норвегия) выпускает средства AutoChief® [65] для разнообразных дизелей типа MAN B&W и SULZER (рис.3).

Рис. 3. Панель модуля системы AutoChief®4 в машинном отделении

В последние годы наряду с интенсивным развитием применения компьютеров для обработки динамических данных развивается ряд компьютерных средств, поддерживающих техническое диагностирование дизельных установок.

Компания Malin Instruments Ltd. (Англия) создает анализатор поведения дизеля (Engine Performance Analyser) MalinôOOO (предыдущая версия Ма-НпЗООО) [66]. Это мобильный инструмент, позволяющий непрерывно измерять давление сгорания по углу коленчатого вала в любом дизеле. Затем соответствующая компьютерная программа позволяет воспринимать, сравнивать и анализировать циклограммы дизеля на компьютере. Результат анализа показывается в виде таблицы, в том числе значение давления и угол начала сгорания, значение максимального давления и соответствующий угол, индикаторная мощность каждого цилиндра, частота вращения и многие другие.

Крупнейший производитель судовых дизелей MAN B&W Diesel (Дания, Германия) развивает пакет компьютерного диагностирования CoCoS EDS (Computer Controlled Surveillance Engine Diagnostic) [67]. Пакет программы позволяет интегрировать его с системой централизованного контроля и мониторинга главного дизеля через стандартный интерфейс. Этим путем система приобретает данные о работе дизеля, анализирует их и дает оценку о техническом состоянии. В системе можно сохранить данные о режимах нормальной работы дизеля и базу экспертных данных, позволяющие давать заключение об отклонении от нормальной работы и рекомендации по эксплуатации дизеля.

Компания Wartsila (Финляндия) выпускает программные пакеты FAKS2i (Fault Avoidance and Predictive Maintenance) и MoniTrend (Data Analysing System) [68]. Программа FAKS2i в некотором аспекте похожа на CoCoS EDS, которая позволяет приобретать данные непосредственно из системы централизованного контроля и мониторинга. Она тоже использует базу экспертных данных. Пакет MoniTrend анализирует данные, получаемые из системы централизованного контроля и мониторинга, и выявляет тренд в режиме реального времени.

СЦУ - система централизованного управления Д - датчики

ПП - блок первичного преобразования БД - база эксплуатационных данных АД - анализ данных ЭБД - экспертная база данных РиР - результат анализа и рекомендации КСД - компьютерная система технического диагностирования

Рис. 4. Блок-схема взаимосвязи систем централизованного управления и диагностирования главных судовых дизелей

Эти программы можно представить в виде блок-схемы (рис.4), в которой система централизованного управления и компьютерная система технического диагностирования интегрированы.

Продукты компаний MAN B&W Diesel и Wartsila поддерживают дистанционный доступ, используя современные веб-технологии как Java и XML. Это обеспечивает доступ в базу данных в любом месте в пределах сети судна или энергетической установки.

Недостаток таких продуктов заключается в том, что они обслуживают только некоторые новые модели дизеля.

Прогресс в научной деятельности в последние годы открывает новые направления в решении вычислительных задач и обработки данных в динамических системах, в том числе нейросетевая технология и теория нечетких множеств. Для задачи технического диагностирования СДУ предлагаются следующие варианты (рис.5 и 6).

БДН - база нормативных данных НСМ - нейросетевая модель ХТС - характеристики технического состояния

Рис. 5. Нейросетевая модель в системе диагностирования судовых дизелей Нейросетевая модель на рис.5 может быть обучена данными о нормальной работе дизеля. Затем, получая рабочие данные, она вычисляет выходы, которые могут быть числовыми характеристиками технического состояния. В других случаях сеть распознает рабочие данные и относит состояние дизеля к определенной группе.

Модель на базе нечетких множеств (рис.6) основана на использовании системы нечеткого вывода с набором правил вида ЕСЛИ а, ТО Ъ (например, ЕСЛИ давление сжатия низкое, ТО зазор поршневых колец большой). При применении нечеткой логики выходы модели могут быть представлены видом состояния и рекомендацией о принятии решения о контроле дизеля.

НМ - модель на основе нечетких множеств ПР - принятие решения о техническом состоянии

Рис. 6. Использование модели нечетких множеств для поддержки системы технического диагностирования судовых дизелей

Развитие микропроцессоров, измерительных и вычислительных средств дает возможность построения моделей и средств технического диагностирования для сложных систем, в том числе СДУ. Однако успешное применение рассмотренных моделей технического диагностирования гарантируется только после тщательного изучения объекта диагностирования, которое поддерживает правильный выбор совокупности диагностических параметров и средств их измерения.

В данной работе рассмотрены возможности построения систем технического диагностирования судовых дизелей с применением современных вычислительных средств для моделирования поведения судовых дизелей, в том числе нейронной технологии и имитационного моделирования.

Первая глава рассматривает существенные особенности технического диагностирования судовых дизелей, в том числе классификация состояний технического объекта, информативность при выборе совокупности диагностических параметров и основные характеристики системы технического диагностирования.

Вторая глава посвящена построению и анализу диагностических моделей судовых дизелей, где рассматриваются подробно модели блоков рабочих процессов и движения и метод из анализа.

Методы контроля технического состояния судовых дизелей рассмотрены в третьей главе, в которой выполнен анализ принципов оценки состояния судовых дизелей и распознавания их состояния с помощью технологии нейронных сетей и других методов.

Методика технического диагностирования судовых дизелей рассматривается в четвертой главе, где показываются особенности обработки измерительных данных для диагностирования, реализация имитационной модели процессов конкретного дизеля и процедуры нейросетевого моделирования с помощью двух распространенных видов нейронных сетей - многослойного персептрона и самоорганизующейся карты признаков.

В заключение указаны условия применения различных методов, основные трудности и недостатки, требования, соблюдение которых необходимо для обеспечения точности и эффективности моделирования, и сформированы дальнейшие направления исследования на пути совершенствования технического диагностирования судовых дизельных установок.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Ле Ван Дием

Основные результаты и выводы

1. Анализ судовых дизелей как объектов технического диагностирования с системных позиций позволил построить структурно-функциональную модель, в которой каждый узел, блок рассматривается как своеобразный преобразователь информации. Представление судовых дизелей в таком виде позволило построить диагностические модели на основе информационных отношений входных, внутренних и выходных параметров.

2. Произведена классификация признаков и параметров технического состояния судовых дизелей. Диагностические параметры дифференцированы по уровню информативности. Показаны способы использования информативности при выборе минимальной совокупности диагностических показателей, обеспечивающих заданную точность и достоверность диагностирования.

3. Выделены различные виды состояний судовых дизелей, в том числе виды технических состояний, установлена их взаимосвязь.

4. Выполнена классификация диагностических моделей судовых дизелей. Обосновано, что для диагностирования в процессе эксплуатации наиболее эффективны функциональные модели. Построены модели блоков рабочих процессов и движения судового дизеля, базирующиеся на полной системе уравнений связи параметров дизеля. Обоснованное выявление множества входных и выходных параметров, а также обобщенных дефектов позволяет произвести анализ моделей с целью получения базы данных для практического диагностирования.

5. Предложена процедура оценки работоспособности многопараметрического объекта с применением индивидуальной функции состояния, при построении которой учтено различное влияние параметров на состояние объекта.

6. Обосновано применение современной информационной технологии, основанной на теории нейронных сетей, для моделирования поведения судовых дизелей. Разработана процедура нейросетевого моделирования и рассмотрены различные аспекты, обеспечивающие достоверность моделирования с помощью нейронных сетей.

7. Выполнена разработка нейросетевой модели и осуществлено моделирование главного судового дизеля с применением обученного многослойного персептрона. Использованы алгоритмы его обучения с управлением. Проверка показала адекватность модели реальным процессам на морском судне (ошибка не превышает 6%). Рекомендовано использование обученного многослойного персептрона для поддержки проектирования систем диагностирования судовых дизелей и принятия решения о техническом состоянии дизеля при эксплуатации.

8. Разработана неуправляемая нейронная сеть - самоорганизующаяся карта признаков (СОК) для распознавания технического состояния главного судового дизеля и проведено экспериментальное моделирование, показавшее удовлетворительные результаты. Алгоритмы СОК распознали различные состояния дизеля. Обученную СОК можно использовать для решения задач классификации состояний судовых дизелей, распознавания новых, невидимых сетью, данных и поиска неисправностей, а также мониторинга развития процесса по времени при эксплуатации.

9. В предложенной методике рассмотрены различные аспекты и методы обработки данных для диагностирования, в том числе правила измерения диагностических параметров, статистические методы для фильтрации первичных данных и подготовка данных для использования при нейросетевом моделировании.

10. Построена имитационная модель для судовых дизелей в среде МАТЬАВ-БтиНпк. В качестве эксперимента произведено вычисление для конкретного судового дизеля - Семт-Пилстик. Результаты вычисления существенных показателей дизеля показали, что модель хорошо имитирует зависимости между параметрами дизеля, т.е. является адекватной реальным процессам.

Погрешности определения значений выходных показателей не превышают 3%.

11. Полученные в работе результаты позволяют сформировать рекомендации по организации и проведению дальнейших исследований в области технического диагностирования судовых дизелей с использованием имитационного моделирования и искусственных нейронных сетей. При проектировании систем технического диагностирования судовых дизелей и создании базы данных для практического их использования необходимы построение и анализ диагностических моделей для каждой марки дизеля, установленного на конкретном типе судна. При обучении и анализе нейронной сети нужно иметь большой массив данных в виде результатов многократных сеансов контроля заданного множества параметров дизеля в различных условиях плавания судна. С помощью штатных приборов эту задачу не решить. Необходимо иметь исследовательский комплекс контрольно-измерительной аппаратуры, позволяющий документировать результаты измерений.

12. Предлагаются следующие конкретные мероприятия для получения необходимых исходных данных:

1) провести контрольно-измерительные эксперименты на судовых дизелях для получения исходных данных. Такое мероприятие может быть проведено во время ходовых испытаний или при эксплуатационном плавании судов, специфицированном для этой цели;

2) использовать электронные приборы измерения с цифровой индикацией для уменьшения ошибки округления. Для современных судов, оснащенных системами централизованного мониторинга, данные можно получить с их помощью с одновременным автоматическим документированием результатов;

3) использовать формы бланков, специфицированные для записи данных, желательно в электронном виде. Это облегчает обмен данными между компьютерными средствами и их передачу береговым офисам через Интернет; 4) организовать изучение и документирование режимов работы главных судовых дизелей, характеризующихся необходимым набором входных переменных (факторов) диагностических моделей.

Список литературы диссертационного исследования кандидат технических наук Ле Ван Дием, 2006 год

1. Башуров Б.П., Велиадзе Г.Т. Эксплуатационная надежность судовых вспомогательных механизмов. Учебное пособие. М: Мортехинформ-реклама, 1993. 197 с.

2. Бендорская E.H., Колесников Д.Н., Пахомова В.И. Функциональная диагностика систем управления. Учебное пособие. СПБ: Государственный Технический Университет, 2000. 143 с.

3. Биргер И.А. Техническая диагностика. М: Машиностроение, 1978. -239 с.

4. Большаков В.Д. Теория ошибок наблюдений. Учебник для вузов. 2-е изд. М: Недра, 1983. 223 с.

5. Вентцель Е.С. Теория вероятностей. М: Наука, 1969. 366 с.

6. Возницкий И.В., Камкин C.B., Шмелев В.П., Осташенков В.Ф. Рабочие процессы судовых дизелей. М: Транспорт, 1979. 206 с.

7. Возницкий И.В., Михеев Е.Г. Судовые дизели и их эксплуатация. М: Транспорт, 1990. 360 с.

8. Возницкий И.В., Чернявская Н.Г., Михеев Е.Г. Судовые двигатели внутреннего сгорания. М: Транспорт, 1979. 415 с.

9. Гаскаров Д.В., Голинкевич Т.А., Мозгалевский A.B. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры. Изд-во «Советское радио», 1974. 223 с.

10. Ю.Гвидо Дебок, Тейво Кохонен. Анализ финансовых данных с помощью самоорганизующихся карт. Пер. с англ. М: Издательский дом «Альпи-на», 2001.-316 с.

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

12. Глущенко В.В. Прогнозирование. 3-е издание. М: Вузовская книга, 2000. 208 с.

13. Голуб Е.С., Мадорский Е.З., Розенберт Г.Ш. Диагностирование судовых технических средств. Справочник, М: Транспорт, 1993. 150 с.

14. Горб С.И. Моделирование динамики работы дизельных пропульсив-ных установок на ЭЦВМ. М: Мотехинформреклама, 1986. 45 с.

15. Грановский В.А., Сирая Т.Н. Методы обработки экспериментальных данных при измерениях. JI: Энергоатомиздат, 1990. 288 с.

16. Грицай J1.JL, Горбунов В.Ф., Калугин В.Н., Левин Б.М. Диагностические параметры главных малооборотных дизелей. Тр. ЦНИИМФ, 1973, вып. 174.-с.3-19.

17. Калявин В.П. Основы теории надежности и диагностики. Учебник. СПб: Элмор, 1998.- 172 с.

18. Камкин C.B., Возницкий И.В., Шмелев В.П. Эксплуатация судовых дизелей. М: Транспорт, 1990. 344 с.

19. Камкин C.B., Лемещенко А.Л., Пунда A.C. Повышение экономичности судовых дизелей. СПб: Судостроение, 1992. 176 с.

20. Карпов Л.Н., Титов Е.А. Выбор объема контролируемых параметров судового дизеля для безразборной диагностики его технического состояния. Тр. ЦНИИМФ, 1973, вып. 174. - с. 19-40.

21. Ким Дж. О., Мьюллер Ч.У., Клекка У.Р. и др. Факторный, дискрими-нантный и кластерный анализ. Пер. с англ./Под ред. Енюкова И.С. М: Финансы и статистика, 1989. 215 с.

22. Климов E.H. Основы технической диагностики судовых энергетических установок. М: Транспорт, 1980. 147 с.

23. Климов E.H. Управление техническим состоянием судовой техники. М: Транспорт, 1985. 198 с.

24. Климов E.H., Попов С.А., Сахаров В.В. Идентификация и диагностика судовых технических систем. Л: Судостроение, 1978. 176 с.

25. Козлов A.B. Пути повышения эффективности управления судовыми энергетическими процессами. СПб: Судостроение, 2002. 194 с.

26. Корнеев В.В., Гаев А.Ф., Васютин C.B., Райх В.В. Базы данных: интеллектуальная обработка информации. М: Изд-во «Нолидж», 2000. -351 с.

27. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М: Изд-во Физико-математической литературы, 2000. 224 с.

28. Кузнецов С.Е. Основы эксплуатации электрооборудования и средств автоматизации. М: Транспорт, 1991. 239 с.

29. Кузнецов С.Е., Портнягин Н.Н., Пюкке Г.А. Диагностирование судовых электрических средств автоматизации с применением нейросетей. Материал «ТРАНСКОМ-2004». с. 164-166.

30. Кутьин В. М. Применение нейросетевых моделей на примере самоорганизующихся карт Кохонена. Искусственный интеллект в маркетинге. Сообщество менеджеров, www.e-xecutive.ru, 2003.

31. Ле Ван Дием. Классификация состояния технических объектов с применением нейронных сетей. Межвузовский сборник научных трудов «Информационные технологии и системы» (управление, экономика, транспорт), выпуск 2, СПб: 2006. с. 61-63.

32. Ле Ван Дием. Перспективы развития технического диагностирования СЭУ. Труды Международного научно-технического семинара «Исследование, проектирование и техническая эксплуатация судовых ДВС», СПб: ГУВК, 30 мая 2006. с. 126-130.

33. Леоненков A.B. Нечеткое моделирование в среде MATLAB и fuz-zyTECH. СПб: БХВ-Петебург, 2003. 736 с.

34. Моек Е., Штрикерт X. Техническая диагностика судовых машин и механизмов. Пер. с нем. JI: Судостроение, 1986. 232 с.

35. Мозгалевский A.B., Гаскаров Д.В. Диагностика судовой техники методами планирования эксперимента. JI: Судостроение, 1977. 95 с.

36. Мозгалевский A.B., Гаскаров Д.В. Техническая диагностика (непрерывные объекты). М: Высшая школа, 1975. 207 с.

37. Мозгалевский A.B., Калявин В.П. Диагностирование электронных систем. JL: Судостроение, 1984. 224 с.

38. Мозгалевский A.B., Калявин В.П. Системы диагностирования судового оборудования. JI: Судостроение, 1987. 217 с.

39. Мозгалевский A.B., Койда В.Н. Вопросы проектирования систем диагностирования. JI: Энергоатом издан, 1985. 112 с.

40. Набор бланков технического диагностирования, Т/Х «Новогрудок», 7.1979-2.1981.

41. Надежность и эффективность в технике. Справочник в 10-ти т. Т. 9 -Техническая диагностика. /Под ред. Клюева В.В., Пархоменко П.П. М: Машиностроение, 1987. 351 с.

42. Никитин A.M. Категории технического состояния и оптимизация технического обслуживания. Сборник научных статей «Эксплуатация морского транспорта», Государственная морская академия им. адм. С.О. Макарова. СПб: Наука, 2003. с. 223-229.

43. Никитин A.M. Управление технической эксплуатацией судов. Часть 1 : Основы технической эксплуатации судов. Учебник, СПб: Белл, 2004. -188 с.

44. Погодин С.И. Рабочие процессы транспортных турбопоршневых двигателей. М: Машиностроение, 1978. 312 с.

45. Портнягин H.H., Пюкке Г.А. Теория, методы и эксперименты решения задач диагностики судовых электрических средств автоматизации. СПб: Судостроение, 2004. 161 с.

46. Пунда A.C. Численное моделирование рабочих процессов судовых дизелей. М: Мотехинформреклама, 1995. 64 с.

47. Роберт Калан. Основные концепции нейронных сетей. Изд-во «Вильяме», 2003.-287 с.

48. Руководство пользователю MATLAB 7.0. The Math Works, Inc.

49. Руководство пользователю NeuroSolutions 5.02. NeuroDimension, Inc.

50. Руководство пользователю Viscovery SOMine Enterprise 3.0. Eudap-tics software gmbh.

51. Саймон Хайкин. Нейронные сети: полный курс, 2-е издание. Изд-во Диалектика-Вильяме, 2005. 1104 с.

52. Сыромятников В.Ф. Автоматика как средство диагностики на морских судах. JI: Судостроение, 1979. 312 с.

53. Техническая документация, Kongsberg Maritime, www.km.kongsberg.com.

54. Техническая документация, Malin Instruments LTD, www.malin.co.uk.

55. Техническая документация, MAN B&W, www.manbw.dk.

56. Техническая документация, Wartsila, www.wartsila.com.

57. Технические данные, VINAFCO, m/v «Lady Star», 2000-2001.

58. Технические средства диагностирования. Справочник/Под ред. Клюева В.В. М: Машиностроение, 1989. 627 с.

59. Электронный учебник «Аналитические технологии для прогнозирования и анализа данных», НейроПроект, www.neuroproiect.ru.

60. Электронный учебник по статистике, www.statsoft.ru.

61. Alhoniemi Е., Hollmen J., Simula О., Vesanto J. Process monitoring and modeling using the self-organizing map. Integrated Computer-Aided Engineering, Vol. 6, No. 1, 1999. pp. 3-14.

62. Ben Krose, Patrick van der Smagt. An introduction to neural networks. The University of Amsterdam, 1996. 135 p.

63. Bishop C. Neural networks for pattern recognition. Oxford: University Press, 1995.-510 p.

64. Christopher A. Chung. Simulation modeling handbook: A practical approach. CRC Press, 2004. 530 p.

65. Freeman J.A., Skapura D.M. Neural networks: algorithms, applications, and programming techniques. Addison-Wesley Publishing Company, 1991. -401 p.

66. Gaskarov D.V., Le Van Diem, Nguyen Huy Hao. Analytical prediction of technical condition of marine equipment. Journal of maritime science and technology, Vietnam Maritime University, No. 1,4.2005. pp. 35-39.

67. Hand D., Mannila H., Smyth P. Principles of data mining. The MIT Press, 2001.-546 p.

68. Handbook of neural network signal processing. Edited by Yu Hen Hu, Jenq-Neng Hwang. CRC Press, 2002. 384 p.

69. Jain A.K., Murty M.N., Flynn P.J. Data clustering: A review. ACM Computing Surveys, Vol. 31, No. 3,9.1999. 60 p.

70. Kirkman E., Elliott C. Condition monitoring on marine engineering equipment using neural computing. Trans IMarE, Vol. 107, 1995, Part 3. pp. 185-194.

71. Lennart Ljung, Torkel Glad. Modeling of dynamic system. Prentice Hall, 1994.-376 p.

72. Markos Markou, Sameer Singh. Novelty detection: A review, part 1: Statistical approaches. University of Exeter, UK, 2003. 19 p.

73. Markos Markou, Sameer Singh. Novelty detection: A review, part 2: Neural network based approaches. University of Exeter, UK, 2003. 26 p.

74. Marques de Sa J.P. Pattern recognition: Concepts, methods and applications. Springer, 2001. -318 p.

75. Pavel Berkhin. Survey of clustering data mining techniques. Accrue Software Inc., 2002. 56 p.

76. Principe J.C., Euliano N.R., Lefebvre W.C. Neural and adaptive systems: Fundamentals through simulations. John Wiley & Sons, 2000. 656 p.

77. Roskilly A., Mesbahi E. Artificial neural networks for marine system identification and modeling. Trans IMarE, Vol. 108, 1996, Part 3. pp. 203-213.

78. Roskilly A., Mesbahi E. Marine system modeling using artificial neural networks: an introduction to the theory and practice. Trans IMarE, Vol. 108,1996, Part 3.-pp. 185-201.

79. Roskilly A., Mesbahi E. On-line adaptive modeling of diesel engines. Trans IMarE, Vol. 109, 1997, Part 4. pp. 313-324.

80. Samuel Kaski. Data exploration using Self Organizing Maps. Thesis of D.Sc. Helsinki University of Technology, 1997. 57 p.

81. The handbook of brain theory and neural networks. Second edition, edited by Arbib M.A. The MIT Press, 2003. 1301 p.

82. The handbook of data mining. Edited by Nong Ye. Lawrence Erlbaum Associates, 2003.-689 p.

83. Treuvo Kohonen. Engineering applications of the self-organizing map. Proceeding of the IEEE, Vol. 84, No. 10, 10.1996.-pp. 1358-1384.

84. Treuvo Kohonen. The Self-Organizing Maps. Springer, 2001. 501 p.

85. Veelenturf L.P.J. Analysis and applications of artificial neural networks. Prentice Hall, 1995. 260 p.

86. Vesanto J., Alhoniemi E. Clustering of the self-organizing map. IEEE transactions on neural networks, Vol. 11, No. 3, 5.2000. pp. 586-600.

87. Warren S. Sarle. Neural network FAQ, part 1 to 7,2002. 277 p.

88. Webb R.A. Statistical pattern recognition. John Wiley & Sons, Ltd., 2002.-496 p.

89. Wendy L. Martinez, Angel R. Martinez. Computational statistical handbook with MATLAB. Chapman&Hall/CRC, 2002. 573 p.