Разработка и применение методов обнаружения изменения свойств и прогнозирования временных рядов в задачах диагностирования АЭС тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Белоусов, Павел Анатольевич

• Белоусов, Павел Анатольевич
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Белоусов, Павел Анатольевич

Введение

Глава 1. МЕТОДЫ ДИАГНОСТИРОВАНИЯ, ОСНОВАННЫЕ НА

АНАЛИЗЕ ВРЕМЕННЫХ РЯДОВ.

1.1. Системы технической диагностики

1.2. Классические методы анализа временных рядов.

1.3. Методы сглаживания и прогнозирования временных рядов

1.4. Фурье и Вейвлет анализ

1.5. Корреляционный анализ

Выводы к главе

Глава 2. ТЕХНОЛОГИИ ОБРАБОТКИ ПОТОКОВ ДАННЫХ В

СИСТЕМАХ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ

Введение

2.1. Системы управления потоками данных.

2.1.1. Методы сжатия информации.

2.1.2. Методы поиска и структурирования данных.

2.1.3. Методы преобразования временных рядов

2.2. Общие свойства технологии обработки потоков данных.

2.2.1. Структура скользящих и основных окон

2.2.2. Сглаживание, фильтрация временных рядов и спектральный анализ

2.2.3. Сокращение объема данных

2.2.4. Вычисление простых статистик.

2.2.5. Корреляционный анализ и кластерный анализ.

2.3. Применение ТОПД в системах диагностирования АЭС.

Выводы к главе

Глава 3. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ СИСТЕМЫ АКУСТИ

ЧЕСКОГО КОНТРОЛЯ ТЕЧИ

Введение

3.1. Система акустического контроля течи

3.2. Методы подавления помех в САКТ

3.2.1. Постановка задачи.

3.2.2. Описание исходных данных

3.2.3. Метод группового учета аргументов.

3.2.4. Математические модели взаимных зависимостей сигналов

Введение диссертации (часть автореферата) на тему «Разработка и применение методов обнаружения изменения свойств и прогнозирования временных рядов в задачах диагностирования АЭС»

4.1. Разработка программы анализа и обработки данных системы ПУЗК 76

4.1.1. Постановка задачи.77

4.1.2. Описание системы контроля и исходных данных.79

4.1.3. Сглаживание результатов контроля.82

4.1.4. Определение и предсказание порогов выявления дефектов . 84

4.1.5. Определение координат дефектов.87

4.1.6. Программа «УЗК-Аналитик» .90

4.1.7. База данных результатов УЗК.90

4.1.8. Заключение .103

4.2. Анализ и обработка данных системы УЗК технологических каналов 104

4.2.1. Постановка задачи.105

4.2.2. Объекты и средства контроля .107

4.2.3. Описание исходных данных .110

4.2.4. Построение двухмерных цвето-яркостных диаграмм . 111

4.2.5. Метод автоматического приведения данных к одной координате .116

4.2.6. Программна «УЗК-Визуализатор» .119

4.2.7. Заключение .121

Выводы к главе 4 .122

Заключение .123

Литература .124

Введение

Актуальность работы. Развитие атомной энергетики в значительной степени определяется решением проблем обеспечения безопасности и экономической эффективности при эксплуатации АЭС. Наряду с другими мерами, на решение этих проблем направлены разработка и внедрение систем и средств компьютерной поддержки оператора технической диагностики АЭС. Они в обязательном порядке закладываются в проекты новых блоков АЭС, а блоки, находящиеся в эксплуатации, дооснащаются ими. Требования к системам оперативной диагностики и системам неразрушающего контроля по быстродействию и вычислительным возможностям постоянно растут, увеличивается их сложность.

Современные системы диагностирования АЭС должны непрерывно выполнять в режиме реального времени наблюдение и анализ сотен сигналов (временных рядов). Часто задача ставится так, что необходимо контролировать эти потоки данных в совокупности, причем учитывая не только текущие значения, но и предысторию данных. Наряду с вычислением индивидуальных статистических характеристик каждого сигнала, необходимым становится также анализ их взаимных корреляций, в том числе с учетом запаздывания. Традиционные подходы с ростом числа сигналов и частоты поступления данных упираются в технические ограничения по памяти и быстродействию системы и не позволяют проводить обработку в режиме реального времени. Поэтому задачи, связанные с разработкой и применением методов и алгоритмов обработки и анализа информации, повышающие эффективность функционирования и управления сложными системами, к которым относятся ядерные энергетические установки, являются актуальными.

Обнаружение изменения свойств временных рядов (обнаружение разладки) и прогнозирование процессов относятся к классическим задачам технической диагностики. Традиционно используемыми методами для решения таких задач являются различные типы контрольных карт, корреляционный и спектральный анализ, авторегрессия и экспоненциальное сглаживание. Вместе с тем, сложность реальных процессов, их нелинейность и нестационарность, статистическая зависимость сигнала и помех, негауссовское распределение шумов, приводят к необходимости разработки новых методов и алгоритмов анализа данных.

В последние годы перспективными направлениями признаны нейронные сети различного типа, факторный и кластерный анализ сигналов, методы, основанные на использовании нечетких множеств [1]. Эти методы допускают как раздельное, так и совместное применение. Результаты анализа независимых компонент или вейвлет анализа, например, могут использоваться как обобщенные признаки при обучении нейронной сети. Отдельной и важной проблемой является разработка специализированных баз данных временных рядов, позволяющих эффективно работать в реальном времени с большим объемом динамической информации. Для решения этой задачи активно развивается технология обработки потоков данных, которая может дать значительные преимущества при применении к задачам управления и диагностики АЭС.

В настоящее время ведущими научно-конструкторскими институтами разрабатываются системы контроля течи трубопроводов АЭС, которые являются штатными, стационарными системами диагностирования и уже закладываются при проектировании АЭС. Эти системы должны быть автоматическими и работающими в режиме реального времени. Чтобы повысить эффективность работы таких систем, необходимо использовать современные подходы к анализу данных. Например, основной и важной проблемой является выявление источников акустических помех и построение математических моделей, по которым можно спрогнозировать поведение временных рядов и устранить такие помехи.

Другой задачей является разработка алгоритмов и программного обеспечения для анализа, принятия решений и обработки накопленной информации применительно к задачам неразрушающего контроля оборудования АЭС. В настоящее время для обнаружения дефектов в сварных соединениях трубопроводов АЭС широко используются переносные ультразвуковые системы контроля.

Проблемой является расшифровка результатов контроля, которая требует привлечение высоко квалифицированных специалистов сторонних организаций. Внедрение на АЭС автоматических систем позволит проводить контроль полностью силами штатного персонала лаборатории контроля металлов, снизить стоимость проведения контроля и повысить его оперативность.

Цель диссертации — разработка и применение методов и алгоритмов обработки и анализа временных рядов, исследовании системных связей и закономерностей функционирования оборудования реакторной установки, направленных на подавление шумов и выделение полезного диагностического сигнала, повышении эффективности управления, контроля и диагностики в системах акустического контроля течи и ультразвукового контроля сварных соединений.

Для достижения поставленной цели были решены следующие задачи:

• Исследование эффективности совместного применения методов интеллектуального анализа данных и технологии обработки потоков данных для решения задач диагностики и принятия решений в процессе управления и эксплуатации АЭС.

• Исследование системных связей и закономерностей функционирования реакторной установки путем анализа сигналов систем акустического контроля течи и ультразвукового контроля оборудования АЭС с использованием современных методов обработки временных рядов.

• Разработка методов и алгоритмов визуализации, трансформации и анализа данных и их программная реализация в составе соответствующих систем контроля и диагностики оборудования АЭС.

Научная новизна работы

• Впервые предложено и обосновано применение методов анализа потоков данных, включая сжатие данных на основе ортогональных преобразований и кластерный анализ сигналов, в задачах обработки больших объемов временных рядов в режиме реального времени в системах контроля оборудования АЭС.

• Впервые применены методы кластерного и факторного анализа для нахождения и интерпретации источников акустических шумов реакторной установки и их системных связей. Разработана математическая модель для предсказания акустических шумов, которая позволяет минимизировать их влияние на выявление течи трубопроводов.

• Выявлены зависимости порогов обнаружения дефектов от характеристик шумов сигнала. Впервые применен метод кумулятивных сумм для вычисления длины дефекта. Разработан алгоритм голосования для фильтрации ложных тревог.

• Разработаны методики нахождения координат и размеров дефектов и визуализации результатов контроля в виде двухмерных цвето-яркостных диаграмм.

Практическая ценность работы

• Разработаны алгоритмы эффективного выявления течи и фильтрации ложных срабатываний для системы оперативной диагностики, выявлены и интерпретированы источники шумов, построены математические модели поведения акустических шумов при работе реактора на мощности. Полученные результаты используются в системе диагностики, работающей на Калининской АЭС.

• Разработан программный комплекс «УЗК-Аналитик»для автоматизированного анализа результатов ультразвукового контроля системой ПУЗК. Разработана база данных, в которой содержатся результаты контроля сварных соединений ДУ-300 трубопроводов АЭС с реакторами типа РБМК. Результаты используются на Смоленской и Курской АЭС.

• Разработан программный комплекс «УЗК-Визуализатор 2D»для визуализации, трансформации и анализа результатов УЗК сварного соединения приварки обоймы и основного металла наставки верхнего тракта ТК реактора РБМК-1000. Результаты используются на Курской АЭС.

На защиту выносятся следующие основные результаты и положения:

1. Обоснование применения методов анализа потоков данных, включая сжатие данных на основе ортогональных преобразований и кластерный анализ, в задачах обработки больших объемов временных рядов систем контроля АЭС в режиме реального времени.

2. Результаты анализа данных и алгоритмы обработки сигналов системы акустического контроля течи реактора ВВЭР-1000, включая математическую модель для описания низкочастотных помех на основе метода группового учета аргументов, определение источников шумов и их системных связей методами кластерного и факторного анализа.

3. Результаты анализа и алгоритмы обработки данных УЗК сварных соединений трубопроводов АЭС, включая алгоритмы сглаживания, предсказания порогов, определения длины дефекта и минимизации ложных срабатываний, системы «УЗК-Аналитик»и «Визуализатор 2D», база данных УЗК сварных соединений и результаты анализа накопленной информации.

Достоверность научных положений. В ходе разработки все результаты проверялись на большом числе независимых выборок данных, полученных в процессе проведения измерений и контроля непосредственно на реакторных установках. Разработанные методы и алгоритмы показали свою работоспособность при применении на Курской, Смоленской и Калининской АЭС.

Апробация результатов работы. Основные результаты работы докладывались на семи международных конференциях:

1. VIII Международной конференции «Безопасность АЭС и подготовка кадров».- Обнинск: ИАТЭ, 2003;

2. X Международной научно-технической конференции «Радиоэлектроника, электротехника и энергетика»,—М.: МЭИ, 2004г;

3. Международной выставке-конференции «Неразрушающий контроль в промышленности».— М.: ЦМТ, 2004г.;

4. VII международной конференции

Мягкие вычисления и измерения SCM'2004».—Санкт-Петербург: СПбГЭТУ, 2004г.;

5. 7th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-7-2004).- St. Petersburg: SPbETU, 2004;

6. IX Международной конференции «Безопасность АЭС и подготовка кадров». - Обнинск: ИАТЭ, 2005г.;

7. X Международной конференции «Безопасность АЭС и подготовка кадров».— Обнинск: ИАТЭ, 2007г.

Публикации. По теме диссертации опубликованы следующие основные работы:

1. Скоморохов А. О., Белоусов П. А., Нахабов А. В. и др. Система автоматизированного анализа результатов ультразвукового контроля сварных соединений трубопроводов АЭС // Сборник статей. Под ред. Адамова Е.О.— М.: ГУП НИКИЭТ, 2004. с.275 ISBN 5-98706-004-4 - С. 154-155

2. Скоморохов А. О., Белоусов П. А., Нахабов А. В. и др. Автоматическое выявление дефектов по результатам УЗК сварных соединений трубопроводов АЭС // Известия вузов. Ядерная энергетика. — 2005. — № 2. — С. 16—25.

3. Белоусов П. А., Скоморохов А. О. Разработка и применение методов обнаружения изменения свойств и прогнозирования временных рядов в задачах диагностирования АЭС // Известия вузов. Ядерная энергетика. — 2006. — № 3.- С. 3-12.

4. Skomorokhov А. О., Belousov P. A., Nakhabov А. V. Cluster analysis of ultrasonic testing data // Pattern Recognition and Image Analysis — 2006 — Vol. 16, no. 1- Pp. 82-84.

5. Белоусов П. А., Скоморохов А. О., Морозов С. Кластерный анализ сигналов системы акустического контроля течи // Известия вузов. Ядерная энергетика. - 2006.-№ 4-С. 3-12.

6. Скоморохов А. О., Белоусов П. А., Нахабов А. В. и др. «УЗК-Аналитик»— программа для анализа результатов ультразвукового контроля сварных соединений трубопроводов АЭС // Свидетельство об официальной регистрации программы для ЭВМ № 2006610877. Зарегистрирована в Реестре программ для ЭВМ 1 марта 2006г.

7. Скоморохов А. О., Белоусов П. А., Нахабов А. В. и др. «База данных УЗК»— база данных по результатам ультразвукового контроля сварных соединений трубопроводов АЭС // Свидетельство об официальной регистрации программы для ЭВМ № 2006612043. Зарегистрирована в Реестре программ для ЭВМ 15 июня 2006г.

8. Белоусов П. А. «УЗК-Визуализатор 2D»— программа для анализа и обработки данных УЗК сварного соединения приварки обоймы и основного металла наставки верхнего тракта технологического канала реактора РБМК-1000 // Свидетельство об официальной регистрации программы для ЭВМ № 2006612042. Зарегистрирована в Реестре программ для ЭВМ 15 июня 2006г.

9. Морозов С.А., Ковтун С.Н., Белоусов П.А. и др. Основные источники фоновых акустических шумов главного циркуляционного контура реакторной установки ВВЭР-1000 // Атомная Энергия - 2007. Т. 103 вып. 3, № 207 — С. 161-166.

Личный вклад автора. Автор принимал непосредственное участие в решении задач, изложенных в диссертации, разработал методики, алгоритмы и программы автоматической обработки данных. По материалам, изложенным в диссертации, получены 3 авторских свидетельства на разработанные программы для ЭВМ и 3 акта о внедрении на Курской АЭС.

Структура и объем диссертации. Работа состоит из введения, 4 глав и заключения, изложенных на 135 страницах машинописного текста, куда входит 60 рисунков и список использованной литературы, включающий в себя 96 наименований, в том числе 17 работ автора.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Белоусов, Павел Анатольевич

Выводы к главе 4

• Разработана база данных результатов ультразвукового контроля, которая содержит информацию о исходных результатах контроля и экспертных заключениях, накопленную с 2002 года со Смоленской и Курской АЭС.

• Проведен анализ результатов УЗК трубопроводов ДУ-300. Используя полученные результаты, разработаны алгоритмы для автоматической обработки данных и реализованы в программном комплексе «УЗК-Аналитик».

• Проведен анализ результатов УЗК сварного соединения приварки обоймы и основного металла наставки верхнего тракта ТК реактора РБМК-1000. Разработаны алгоритмы для автоматической обработки данных и реализованы в программном комплексе «УЗК-Визуализатор 2D».

• На все программные продукты были получены свидетельства об официальной регистрации программ для ЭВМ [92-94] и получены акты о внедрении на Курской АЭС.

Заключение

Получен новый подход к разработке алгоритмов анализа и обработки временных рядов для систем технической диагностики АЭС с использованием технологии обработки потоков данных. Разработаны алгоритмы, которые позволяют увеличить скорость проведения корреляционного, кластерного, спектрального анализа, а также вычисления простых статистик, показана эффективность применения этих алгоритмов на практике.

Выявлены и интерпретированы источники акустических фоновых шумов, найдены их системные связи, построены математические модели поведения акустических шумов при работе реактора на мощности. Разработаны алгоритмы и программное обеспечение для более эффективного выявления течи и фильтрации ложных срабатываний системы на основе метода группового учета аргументов. Полученные результаты используются в системе диагностирования течи, работающей на Калининской АЭС.

Разработаны алгоритмы и программное обеспечение для автоматизированного анализа результатов ультразвукового контроля системой ПУЗК, а также база данных, в которой содержатся результаты контроля сварных соединений ДУ-300 трубопроводов АЭС с реакторами типа РБМК. Программный комплекс «УЗК-Аналитик»и база данных используются на Смоленской и Курской АЭС.

Разработаны методики визуализации результатов контроля в виде двухмерных цвето-яркостных диаграмм и нахождения координат и размеров дефектов. С их использованием создан программный комплекс для анализа результатов УЗК сварного соединения приварки обоймы и основного металла наставки верхнего тракта ТК реактора РБМК-1000 «УЗК-Визуализатор 2D», который используется на Курской АЭС.

Список литературы диссертационного исследования кандидат технических наук Белоусов, Павел Анатольевич, 2007 год

1. Коллакот, Р. Диагностика повреждений. Пер. с англ. / Р. Коллакот. — М.: МИР, 1989.

2. Афанасьев, А. М. Системы поддержки операторов и повышение эксплуатационной безопасности АЭС / А. М. Афанасьев, Н. Н. Лебедев, В. И. Плютин-ский // http://www.ibrae.ac.ru.

3. Faloutsos, С. Fast subsequence matching in time-series databases / C. Faloutsos, M. Ranganathan, Y. Manolopoulos 11 ACM SIGMOD International Conf. on Management of Data. 1994.- Pp. 419-429.

4. Соловьева, С. Аварии и инциденты на атомных электростанциях. / С. Соловьева. Обнинск: ОИАТЭ, 1992.

5. Аркадов, Г. Виброшумовая диагностика ВВЭР. / Г. Аркадов, В. Павелко, А. Усанов; Под ред. П. ред. А.А. Абагяна.— М.: Энергоатомиздат, 2004.— С. 344.

6. Vibrations of the WER-1000 Equipment. / G. Arkadov, A. Oussanov, 0. Ovtcharov, V. Pavelko // Proceedings the 8th Symposium On Nuclear Reactor Surveillance and Diagnostics (SMORN-VIII).- paper53.pdf, 2002.-27-31 May.

7. Лескип, С. Комплекс программ DIANA-I длядиагностирования ГЦН ВВЭР по данным оперативного технологического контроля. / С. Лескин, Д. Зарю-гин // Известия вузов. Ядерная Энергетика. — 2001. — № 1,— С. 3-12.

8. Kim, J. S. Mass Estimation Using a Loose Parts Monitoring System. / J. S. Kim // Progress in Nuclear Energy. 2000. - no. 2. - Pp. 109-122.

9. Tsunoda, T. Studies on the Loose Part Evaluation Technique. / T. Tsunoda, et. al. // Progress in Nuclear Energy. — 1985. — no. 15.

10. Mayo, C. W. Loose Part Signal Theory. / C. W. Mayo // Progress in Nuclear Energy. 1983. - no. 15. - Pp. 535-543.

11. ДиАПРОМ // http://www.diaprom.com.

12. Mitchel, G. Computer-aided Operational Support System Development at AE-CL. / G. Mitchel, C. Turner, M. Feher // Nuclear Europe Worldscan №9-10.— 1999. Pp. 48-49.

13. Шиманский, С. Повышение безопасности АЭС с использованием метода пространственного локализации и обнаружения течи теплоносителя. / С. Шиманский, Б. Стрелков // Бюллетень по Атомной Энергии. — 2006.— С. 29-31.

14. Боровиков, В. STATISTICA: Искусство анализа данных на компьютере. Для профессионалов. / В. Боровиков, — СПб.: Питер, 2001.

15. Сиргеенко, А. Б. Цифровая обработка сигналов./ А. Б. Сиргеенко. — СПб.: Питер, 2002. С. 608.

16. Орлов, А. Прикладная статистика: учебник / А. Орлов. — М.: Издательство- Экзамен, 2006. С. 3.

17. Heising, С. D. A computerized diagnostic system for nuclear plant control rooms based on statistical quality control. / C. D. Heising, W. S. Grenzebach // Nuclear technology. Vol.90. —1990. — apr.

18. Никифоров, И. В. Последовательное обнаружение изменения свойств временных рядов / И. В. Никифоров. — Наука, 1983.

19. Box, G. Е. Time series analysis: Forecasting and control. / G. E. Box, G. M. Jenkins.- Holden-Day., 1976.

20. Velleman, P. F. Applications, basics and computing of exploratory data analysis. / P. F. Velleman, D. C. Hoaglin. Duxbury Press., 1981.

21. Система влажностного контроля течи (СКТВ) водяного теплоносителя / С. А. Морозов, С. Н. Ковтун, А. А. Буданин и др.— Обнинск: Препринт ФЭИ-3083, 2006.

22. Pyle, D. Data preparation for data mining. / D. Pyle. — San Francisco, Calif.: Morgan Kaufmann Publishers., 1999.

23. Kendall, M. G. Rank correlation methods (4th ed.) / M. G. Kendall. — London: Griffin., 1975.

24. Hoff, J. C. A practical guide to Box-Jenkins forecasting. / J. C. Hoff. — London: Lifetime Learning Publications., 1983.

25. Pankratz, A. Forecasting with univariate Box-Jenkins models: Concepts and cases. / A. Pankratz. New York: Wiley., 1983.

26. Vandaele, W. Applied time series and Box-Jenkins models. / W. Vandaele. — New York: Academic Press., 1983.

27. Льюис, К. Методы прогнозирования экономических показателей. / К. Льюис. — М.: Финансы и статистика, 1986.

28. Montgomery, D. С. Forecasting and time series analysis (2nd ed.). / D. C. Montgomery, L. A. Johnson, J. S. Gardiner. — New York: McGraw-Hill., 1990.

29. Makridakis, S. G. Forecasting: Methods and applications (2nd ed.). / S. G. Makri-dakis, S. C. Wheelwright, V. E. McGee.- New York: Wiley., 1983.

30. Gardner, E. S. Exponential smoothing: The state of the art. / E. S. Gardner // Journal of Forecasting. — 1985. — no. 2. — Pp. 1-28.

31. Bloomfield, P. Fourier analysis of time series: An introduction. / P. Bloomfield. — New York.: Wiley., 1976.

32. Daniell, P. J. Discussion on symposium on autocorrelation in time series. / P. J. Daniell // Journal of the Royal Statistical Society, Suppl. — 1946. — no. 8. — Pp. 88-90.

33. Blackman, R. В. The measurement of power spectral from the point of view of communication engineering. / R. B. Blackman, J. Tukey // New York: Dover. — 1958.

34. Parzen, E. Mathematical considerations in the estimation of spectra: Comments on the discussion of Messers, Tukey, and Goodman. / E. Parzen // Technomet-rics. 1961. - no. 3. - Pp. 167-190; 232-234.

35. Monro, D. M. The chirp discrete Fourier transform of general length. / D. M. Monro, J. L. Branch // Applied Statistics. 1976. - no. 26.- Pp. 351-361.

36. Дьяконов, В. Вейвлеты. От теории к практике. № 840.11М-01 / В. Дьяконов. - М.: СОЛОН-Р, 2002. - С. 448.

37. Рижевич, А. Вейвлетный анализ акустических полей и сигналов в ультразвуковой дефектоскопии. / А. Ринкевич, Д. Перов // Дефектоскопия. — 2005. — №2.

38. Бендат, Д. Применение корреляционного и спектрального анализа: Пер. с англ. / Д. Бендат, А. Пирсол. М.: Мир, 1983. - С. 312.

39. Цикупова, С. Разработка и применение корреляционных методов в задачах технической диагностики. / С. Цикунова // Известия вузов. Ядерная Энергетика. 1998. - № 5. - С. 83-90.

40. Шиманский, С. Обнаружение нестационарных сигналов течи первого контура аэс с помощью взаимного корреляционного анализа / С. Шиманский // Атомная Энергия. 2007. - № т.102,вып.З. - С. 183-188.

41. Corrigan, J. P. OPRA Traffic Projections for 2005 and 2006. / J. P. Corrigan // Technical Report, Options Price Reporting Authority. — 2005.

42. Zhu, Y. StatStream: Statistical Monitoring of Thousands of Data Streams in Real Time / Y. Zhu, D. Shasha // Courant Institute of Mathematical Sciences Department of Computer Science. New York University. — 2001.

43. Babu, S. Continuous queries over data streams / S. Babu, J. Widom // SIGMOD Record. 2001. - Pp. 30(3): 109-120.

44. Schroeder, M. Fractals, Chaos, Power Laws: Minutes From an Infinite Paradise / M. Schroeder // W. H. Freeman and Company. — 1991.

45. Agrawal, R. Eficient Similarity Search In Sequence Databases / R. Agrawal,

46. C. Faloutsos, A. N. Swami //In Proceedings of the 4th Interna-tional Conference of Foundations of Data Organization and Algorithms (FODO) / Ed. by

47. D. Lomet. 1993. - Pp. 69-84.

48. Faloutsos, C. Fast subsequence matching in time-series databases / C. Faloutsos, M. Ranganathan, Y. Manolopoulos // ACM SIGMOD International Conf. on Management of Data. 1994. - Pp. 419-429.

49. Dimensionality reduction for fast similarity search in large time series. In Databases. / E. Keogh, K. Chakrabarti, M. Pazzani, S. Mehrotra // Knowledge and Information Systems 3(3). 2000. - Pp. 263-286.

50. Yi, B.-K. Fast time sequence indexing for arbitrary lp norms. / B.-K. Yi, C. Faloutsos //In VLDB 2000, Proceedings of 26th International Conference on Very Large Data Bases, September 10-14. 2000. - Pp. 385-394.

51. Numerical reci-pes: The art of scientific computing. / W. Press, B. Flannery, S. Teukolsky, W. Vetterling // Cambridge University Press. — 1986.

52. Johnson, W. B. Extensions of lipshitz mapping into hilbert space / W. B. Johnson, J. Lindenstrauss // Contemp. Math. 1984. - Pp. 26:189-206.

53. Zhu, Y. High Performance Discovery in Time Series: Techniques and Case Studies.: A dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy. / New York University. — 2004. — 274 pp.

54. Keogh, E. Exact indexing of dynamic time warping / E. Keogh // In VLDB 2002, Proceedings of 28th International Conference on Very Large Data Bases. — 2002.-Pp. 406-417.

55. Walnut, D. F. An Introduction to Wavelet Analysis. / D. F. Walnut. — Berlin: Birkhauser., 2002.

56. Guttman, A. R-trees: A dynamic index structure for spatial searching. / A. Guttman // In B. Yormark, editor, SIGMOD'84, Proceedings of Annual Meeting, June 18-21, 1984. ACM Press., 1984. - Pp. 47-57.

57. Berndt, D. Using dynamic time warping to find patterns in time series / D. Berndt, J. Clifford //In Advances in Knowledge Discovery and Data Mining. AAAI/MIT, 1994. - Pp. 229-248.

58. Fast retrieval of similar subsequences under time warping. / S. Park, W. W. Chu, J. Yoon, C. Hsu // ICDE. 2000. - Pp. 23-32.

59. Yi, В.-К. Efficient retrieval of similar time sequences under time warping. / B.-K. Yi, H. V. Jagadish, C. Faloutsos // ICDE. — 1998. — Pp. 201-208.

60. Факторный, дискриминантный и кластерный анализ. / Д.-О. Ким, Ч. Мьюл-лер, У. Клекка и др.; Под ред. П. ред. И.С. Енюкова. — М.: Финансы и статистика, 1989. С. 215.

61. Дюран, Б. Кластерный анализ. / Б. Дюран, П. Оделл; Под ред. П. ред. А.Я. Боярского. — М.: Статистика, 1997.

62. Белоусов, П. А. Разработка и применение методов обнаружения изменения свойств и прогнозирования временных рядов в задачах диагностирования АЭС / П. А. Белоусов, А. О. Скоморохов // Известия вузов. Ядерная энергетика. 2006. - № 3. - С. 3-12.

63. Основные источники фоновых акустических шумов главного циркуляционного контура реакторной установки ВВЭР-1000 / С. Морозов, С. Ковтун,

64. П. Белоусов и др. // Атомная Энергия. — 2007.— Т. 103 вып. 3, № 207.— С. 161-166.

65. Бадалян, В. Г. Опыт применения ультразвуковой системы с когерентной обработкой данных «авгур»на российских аэс. / В. Г. Бадалян, А. X. Вопилкин // Контроль. Диагностика. — 2000. — № 9. — С. 35-39.

66. Стрелков, П. Б. Методика полуавтоматизированного ультразвукового контроля аустенитных сварных соединений трубопроводов Ду-300 и РГК энергоблоков типа РБМК-1000. № 840.11М-01 / П. Б. Стрелков, А. С. Мокро-усов. - М.: ГУП ИЦЦ НИКИЭТ, 2003.

67. Белоусов, П. А. Автоматическое выявление дефектов по результатам УЗК сварных соединений трубопроводов АЭС / П. А. Белоусов, А. О. Скоморохов, А. В. Нахабов // Известия вузов. Ядерная энергетика. — 2005. — № 2,-С. 16-25.

68. Система акустического контроля течей (САКТ). Препринт. / С. А. Морозов, С. Н. Ковтун, А. А. Буданин и др. - Обнинск: ФЭИ -3082, 2006.- С. 24.

69. Larose, D. Т. Discovering Knowledge in Data. John Wiley and Sons /

70. D. T. Larose. NY, 2005. - P. 120.

71. Han, J. Data Mining. Concepts and Techniques / J. Han, M. Kamber.— New York: Morgan Kaufman, 2001,- P. 420.

72. Белоусов, П. А. Кластерный анализ сигналов системы акустического контроля течи / П. А. Белоусов, А. О. Скоморохов, С. Морозов // Известия вузов. Ядерная энергетика. — 2006. — № 4. — С. 3-12.

73. Belousov, P. Noise filtration of acoustic leak detection system signal for WER-1000 / R Belousov, A. Skomorokhov // Proc. of Xth International conference «NPP SAFTY AND PERSONAL TRAINING 2007». - Obninsk: 2007. -Oct.-Pp. 91-92.

74. Загоруйко, H. Г. Методы распознавания и их применение / Н. Г. Загоруйко. — М: Советское Радио, 1972.

75. Dyalog APL/W. Version 10.1: http://www.dyalog.com // Электронный документ.-=- Проверено 01.10.2007.

76. Фукунага, К. Введение в статистическую теорию распознавания образов / К. Фукунага. — М: Наука, 1979.

77. The R Project for Statistical Computing: http://www.r-project.org // Электронный документ. — Проверено 01.10.2007.

78. Лоули, Д. Факторный анализ. Пер.с англ / Д. Лоули, А. Максвелл. — М.: МИР, 1967.

79. Исследование источников фоновых акустических шумов главного циркуляционного контура РУ с ВВЭР-100 / С. А. Морозов, С. Н. Ковтун, А. А. Буданин и др. Обнинск: Препринт. ФЭИ-3083, 2006.

80. Подсети, А. К. Основы неразрушающих методов контроля сварных соединений АЭС Учеб. пособие. / А. К. Подсекин. — Обнинск: ИАТЭ., 1990.

81. Cohen, R. An introduction to PROC LOESS for Local Regression / R. Cohen // Proceedings of the 24th SAS Users Group International Conference (SUGI). — 1999.-Pp. 1584-1592.

82. Skomorokhov, A. Cluster analysis of ultrasonic testing data / A. Skomorokhov, P. Belousov, A. Nakhabov // Proc. of 7th International conference on Pattern