Управление судовыми системами автоматизации на основе интеллектуального анализа диагностических данных тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Головко, Сергей Владимирович

• Головко, Сергей Владимирович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Головко, Сергей Владимирович

Перечень использованных сокращений

Введение

Глава 1 Анализ современных методов и систем управления диагностических комплексов.

1.1 Системы вибродиагностики.

1.2 Интеллектуальные системы мониторинга и диагностики.

Выводы по первой главе.

Глава 2 Применение обобщенного показателя качества объекта диагностирования.

2.1 Частные функции желательности.

2.2 Обобщенная функция желательности.

Выводы по второй главе.

Глава 3 Математическая модель степени работоспособности электрооборудования.

3.1 Постановка задачи.

3.2 Планирование эксперимента.

3.3 Математическая модель степени работоспособности объекта диагностирования.

Выводы по третьей главе.

Глава 4 Разработка моделей степени работоспособности судового электрооборудования с применением нейро-нечеткого вывода.

4.1 Построение модели . нейро-нечеткого вывода для определения степени работоспособности судового электрооборудования.

4.2 Построение модели прогнозирования состояния электрооборудования с применением нейро-нечеткого вывода.

Выводы по четвертой главе.

Глава 5 Разработка интеллектуальной системы управления судовым электрооборудованием.

5.1 Интеллектуальное управление диагностическим комплексом.

5.2 Разработка системы управления судовым электрооборудованием с подсистемой диагностики.

5.3 Алгоритм работы устройства распределения нагрузки между дизель — генераторами.

5.4 Построение модели устройства распределения нагрузки между дизель-генераторами с применением систем нечеткого вывода.

5.5 Практическая реализация алгоритма распределения нагрузки

5.6 Реализация программы управления распределением нагрузки на языке FCL.

Выводы по пятой главе.

Введение диссертации (часть автореферата) на тему «Управление судовыми системами автоматизации на основе интеллектуального анализа диагностических данных»

Актуальность темы

Оптимизация автоматизированных систем управления технологическими процессами (АСУ ТП) не всегда позволяет получить требуемые показатели качества управления, так как разработанные математическое и алгоритмическое обеспечение не учитывает фактического состояния технологического оборудования и средств автоматизации. Для этого необходимо точно знать состояние оборудования и прогнозировать его на время, необходимое на подготовку к ремонту.

Основу технологии перехода на обслуживание и ремонт электрооборудования по фактическому состоянию составляют методы и средства его диагностики, позволяющие обнаруживать и идентифицировать все потенциально опасные дефекты на начальной стадии развития, что позволяет снизить затраты на обслуживание, т.е. обеспечить экономию.

Достигнутый уровень средств и методов диагностирования судового электрического оборудования (СЭО), позволяет успешно решать большое число разнообразных задач диагностики нижнего уровня, однако практически не обеспечено решение задач мониторинга и определения предотказных состояний объектов диагностирования (ОД). Существующие системы диагностического обеспечения на судах не позволяют перейти к непрерывному контролю за состоянием электрооборудования и не интегрированы в состав АСУ ТП.

Снижению быстродействия диагностирования способствует также объемная математическая обработка исходной диагностической информации, включающая в себя вычисление спектральных характеристик и корреляционных функций, цифровую фильтрацию, статистику и т.д.

Для организации непрерывного контроля за состоянием электрооборудования требуются методы и средства диагностирования, позволяющие оценить состояние объекта на текущий момент и прогнозировать его состояние на ближайшее будущее.

Наиболее перспективной технологией получения диагностической информации является сегодня технология статистического распознавания состояний. Эта проблема может быть решена при помощи нейронных сетей (НС). Нейронные сети занимают небольшой объем памяти, так как сохраняется лишь структура нейронной сети и матрицы весовых коэффициентов. Аппаратные реализации НС идеально подходят для решения задач идентификации и управления, так как обеспечивают, благодаря параллельной структуре, чрезвычайно высокую скорость выполнения операций.

Поэтому тема диссертационной работы, посвященная повышению быстродействия диагностических систем на основе применения нейронных сетей и интеграции подсистемы диагностики в АСУ ТП, является актуальной.

Цель исследования

Целью данной работы является разработка методов повышения качества диагностирования электрооборудования, на основе их интеллектуального управления с использованием комплексного критерия качества и алгоритмического обеспечения АСУ ТП с учетом работоспособности оборудования.

Для решения поставленной цели в работе сформулированы и решены следующие задачи:

1. Анализ существующих методов диагностирования СЭО и современного состояния вопросов автоматизации и управления диагностическими системами.

2. Применение частных и комплексного показателей качества диагностических параметров СЭО для определения степени работоспособности СЭО.

3. Построение математической модели степени работоспособности

СЭО.

4. Разработка модели определения степени работоспособности СЭО с использованием нейро-нечеткого вывода.

5. Разработка модели прогнозирования степени работоспособности СЭО на основе системы нейро-нечеткого вывода.

6. Разработка алгоритмов работы АСУ ТП с подсистемой оценки работоспособности оборудования.

Методы исследования

В работе использованы методы системного анализа и математического моделирования, математические методы планирования многофакторного эксперимента и регрессионного анализа, теории управления, методы теории нечетких множеств, математической статистики; экспериментальные исследования выполнены с привлечением методов математического и имитационного моделирования.

На защиту выносится:

1. Методика оценки качества объекта диагностирования по частным и комплексному показателю качества на основе функций желательности Харрингтона.

2. Модель определения степени работоспособности электрооборудования по диагностическим параметрам построенная с использованием метода планирования эксперимента и нейро-нечеткого вывода.

3. Модель прогнозирования работоспособности судового электрооборудования на основе системы нечеткого вывода.

4. Алгоритм работы АСУ ТП с подсистемой диагностики.

5. Модель автоматического управления распределением нагрузки между дизель-генераторами на основе нечеткого вывода.

Научная новизна

В рамках диссертационной работы получены следующие основные результаты:

1. Впервые на основе методов математического планирования эксперимента разработана математическая модель степени работоспособности СЭО.

2. Разработаны модели нейро-нечеткого вывода для определения степени работоспособности СЭО с применением комплексного критерия качества.

3. Разработана модель прогнозирования работоспособности СЭО с использованием нейро-нечеткого вывода.

4. Разработан алгоритм работы системы управления судовым технологическим процессом по фактическому состоянию СЭО.

Практическую ценность имеют:

1. Методика расчета частных и комплексного критериев качества параметров вибродиагностики на основе функций желательности Харрингтона.

2. Математическая модель степени работоспособности электрооборудования.

3. Модели определения и прогнозирования степени работоспособности СЭО на базе нейро-нечеткого вывода.

4. Модель управления распределением нагрузки между дизель-генераторами с учетом их работоспособности с применением нечеткого вывода.

5. База данных диагностических параметров СЭО.

Реализация и внедрение

Теоретические и практические результаты внедрены в ООО ПКФ «Фатом» при диагностировании СЭО, а также используются в учебном процессе на кафедре «Электрооборудования и автоматики судов» ФГОУ ВПО «Астраханский государственный технический университет» при изучении дисциплин: «Диагностирование судового электрооборудования», «Интеллектуальные системы управления», «Техническая эксплуатация электрооборудования и средств автоматики».

Апробация работы

Основные положения диссертационной работы докладывались и обсуждались на ежегодных научных конференциях Астраханского государственного технического университета (2006 — 2009гг.); VII Международной научно-методической конференции «Традиции и педагогические новации в электротехническом образовании НИТЭ-2006» (Астрахань 2006); Всероссийской научно-технической конференции «Современные технологии в кораблестроительном и энергетическом образовании, науке и производстве» (Нижний Новгород 2006); XII Международной научной и практической конференции «Современные техника и технологии» (Томск 2006); VII Международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (Новочеркасск 2006); Всероссийской научной конференции; Инновационные технологии в управлении, образовании, промышленности «АСТИНТЕХ - 2007» (Астрахань 2007); Всероссийской научно-технической конференции «Электротехнологии, электропривод и электрооборудование предприятий» (Уфа 2007); Международной конференции «Электроэнергетика и Автоматизация в металлургии и машиностроении» (Челябинск 2008); IV Всероссийской научной конференции «Проектирование инженерных и научных приложений в среде MATLAB» (Астрахань 2009).

Публикации

По теме диссертации опубликовано 15 печатных работ, в том числе: 3 (2 без соавторов) статьи в публикациях по перечню ВАК, 1 статья в научно техническом журнале, 9 статей в материалах Международных и Всероссийских конференциях, 1 монография, 1 свидетельство о регистрации программ для ЭВМ.

Структура и объем диссертации

Диссертация состоит из введения, 5 глав, заключения, списка используемых источников и приложений. Основной текст 140 страниц машинописного текста. Библиография -107 наименований.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Головко, Сергей Владимирович

Выводы по пятой главе

1. Обоснована и предложена структурная схема АСУ ТП с управлением по состоянию объекта диагностирования, позволяющая:

- своевременно отслеживать и предотвращать аварийный останов оборудования;

- снизить информационную нагрузку на оператора, за счет уменьшения количества обращений к состоянию и параметрам подсистемы диагностики;

- снизить возможные ложные аварийные ситуации;

- пополнять базу знаний достоверными данными.

2. Представлен алгоритм управления устройством распределения нагрузки между двумя дизель - генераторами в зависимости от степени их работоспособности и от нагрузки на электростанцию.

3. Разработана модель системы управления устройством распределения нагрузки между дизель-генераторами по фактическому состоянию. Сравнение результатов нечеткого вывода для значений входных переменных, полученные на основе численных расчетов и с помощью разработанной нечеткой модели, показывают хорошую согласованность модели и подтверждает ее адекватность.

4. Предложено реализовать нечеткую модель системы управления на базе микроконтроллера МС68НС11 с нечетким ядром семейства Motorola. Разработана программа реализации фаззи-ядра на языке нечеткого управления FCL.

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований получены следующие результаты:

1. Комплексное диагностирование электрооборудования, благодаря разностороннему подходу и, как следствие, взаимной компенсации недостатков различных методов, дает более широкие возможности не только заблаговременного выявления зарождающихся дефектов, но и определения причин их возможного возникновения, т.е. прогнозирования и профилактики, а также повышения точности результатов диагностирования.

2. Комплексный метод проведения диагностики в ряде случаев позволяет получить достаточно информативную, для начала принятия мер, картину дефектов объекта практически без дополнительной обработки полученных данных, т.е. значительно сокращает время диагностирования.

3. Задача диагностики и прогноза состояния для каждого вида оборудования решается по-своему и с разной глубиной. Для вращающегося оборудования (машин) в последние годы наиболее успешно она решается с использованием сигналов вибрации в типовых режимах работы машины. Но из множества предлагаемых на мировом рынке методов и средств вибрационного мониторинга и диагностики только малая часть дает желаемые результаты.

4. Проведен анализ методов диагностирования электромеханических систем и методик выбора диагностических элементов и параметров. К наиболее эффективным из них для выявления механических дефектов можно отнести анализ измеренных спектров вибраций и измерение тепловых, акустических полей и электрических полей рассеивания.

5. Процесс управления системой вибродиагностики судового электрооборудования можно представить в виде последовательности следующих операций: сбор информации о текущем состоянии объекта диагностирования; обработку информации при помощи программы; выдачу результатов обработки информации оператору и реализация выбранного воздействия на объекте диагностирования.

6. Создание систем управления последних поколений, а также возросшие требования к безопасности приводят к необходимости разработки интеллектуальных систем, способных выполнять функции человека-эксперта, способствовать поиску оптимальных решений, выдавать советы и рекомендации в режиме реального времени в процессе контроля и мониторинга состояния системы управления.

7. Один из путей снижения объема диагностической информации, вводимой в систему управления и, соответственно, повышения быстродействия системы является применение комплексного диагностического показателя качества.

8. Одним из наиболее удобных способов применения комплексного диагностического показателя является обобщенная функция желательности Харрингтона. В основе построения этой обобщенной функции лежит идея преобразования натуральных значений частных откликов в безразмерную шкалу желательности или предпочтительности.

9. Обобщенная функция желательности является количественным, однозначным, единым и универсальным показателем качества исследуемого объекта, и если добавить еще такие свойства, как адекватность, эффективность и статистическая чувствительность, то становится ясным, что ее можно использовать в качестве критерия оптимизации.

10. Методика получения комплексного критерия служит основой для разработки системы принятия решений, являющейся важной частью комплексов диагностики.

11. В результате анализа априорной информации в качестве математической модели определения степени работоспособности СЭО принята нелинейная полиноминальная модель второго порядка. Кроме этого, алгебраические полиномы - это самые простые модели, что упрощает как обработку результатов эксперимента, так и интеграции его результатов.

12. Разработана математическая модель степени работоспособности электрооборудования по четырем параметрам: комплексный критерий качества, dBm — максимальный шум подшипника, dBc — собственный шум подшипника, температура.

13. Анализ сечения поверхности отклика показал, что увеличение каждого из факторов ведет к уменьшению степени работоспособности электрооборудования, т.е к ухудшению состояния диагностируемого оборудования. Большее влияние на уменьшение работоспособности оказывает изменение комплексного критерия качества и максимального шума подшипника.

14. Разработана нейро-нечеткая модель определения степени работоспособности судового электрооборудования, при помощи которой можно выполнить оценку системы нейро-нечеткого вывода для задачи автоматического управления электрооборудования.

15. На основе скорости изменения степени работоспособности электрооборудования, разработана нейро-нечеткая модель прогнозирования степени работоспособности электрооборудования на ближайшее время. Проверка построенной нечеткой модели гибридной сети показывает достаточно высокую степень ее адекватности реальным исходным данным, что позволяет сделать вывод о возможности ее практического использования для прогнозирования степени работоспособности электрооборудования.

16. Обоснована и предложена структурная схема АСУ ТП с управлением по состоянию объекта диагностирования, позволяющая:

- своевременно отслеживать и предотвращать аварийный останов оборудования;

- снизить информационную нагрузку на оператора, за счет уменьшения количества обращений к состоянию и параметрам подсистемы диагностики;

- снизить возможные ложные аварийные ситуации;

- пополнять базу знаний достоверными данными.

17. Разработана модель системы управления устройством распределения нагрузки между дизель-генераторами в зависимости от степени их работоспособности и от нагрузки на электростанцию с использованием системы нечеткого вывода. Сравнение результатов нечеткого вывода для значений входных переменных, полученные на основе численных расчетов и с помощью разработанной нечеткой модели, подтверждает ее адекватность.

18. Предложено реализовать нечеткую модель системы управления на базе микроконтроллера МС68НС11 с нечетким ядром семейства Motorola. Разработана программа реализации фаззи-ядра на языке нечеткого управления FCL.

Список литературы диссертационного исследования кандидат технических наук Головко, Сергей Владимирович, 2009 год

1. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. М.: Наука, 1976. 279 с.

2. Андрианова Л.П., Малько С.Л. Тестовая диагностическая система на основе активной идентификации // Датчики и преобразователи информации систем измерения, контроля и управления: Сб. матер. XV науч.-техн. конф. М.: МГИЭМ, 2003.- с.250-251.

3. Анзимиров Л. Trace Mode как инструмент комплексной автоматизации // PC Week/RE. 1998. №8.

4. Антонычев С.В., Крекнин Л.Т. Цели и задачи технической диагностики. //Контроль. Диагностика. М.: 2003- № 5 — с.19- 22.

5. Байхельт Ф., Франк П. Надёжность и техническое обслуживание: по вибрации. Тр. Петербургского энергетического института математический подход. —М.: Радио и связь, 1988. 258с.

6. Баранов В.М. Применение вейвлет-фильтрации при обработке диагностической информации. М.: МИФИ, 2004. 126с.

7. Барков А.В. Мониторинг и диагностика роторных машин по вибрации: Учеб. пособие/ Барков А. В., Баркова Н. А., Азовцев А. Ю. СПб., 2000.-158 с.

8. Барков А.В., Баркова Н.А, Азовцев А.Ю. Особенности диагностики низкооборотных подшипников качения// Электронный ресурс. Режим доступа к сборнику.: http://www.vibrotek.com/russian/articles/intelect-rus/index/htm.

9. Барков А.В., Баркова Н.А. Интеллектуальные системы мониторинга и диагностики машин. Институт повышения квалификации Минтопэнерго РФи Института вибрации США. http://www.vibrotek.com/russian/articles/intelect-rus/index/htm.

10. П.Барков А.В., Тулугуров В.В. Вибрационная диагностика в бумажной промышленности России // Электронный ресурс. — Режим доступа к сборнику.: http://vibrotek.com/russian/articles/bumproml-rus/index.htm.

11. Басканова Т.Ф., Ланкин Ю.П. Алгоритмы самостоятельной адаптации для нейронных сетей./ Препринт ТО N5.- Красноярск: Институт биофизики СО РАН, Теоротдел, 1998.-14 с.

12. Басканова Т.Ф., Ланкин Ю.П. Нейросетевые алгоритмы самостоятельной адаптации.// Научная сессия МИФИ-99. Всероссийская научн.-техн. конф. «Нейроинформатика-99». Сборник научных трудов. В 3 частях. Ч.1.- М.: МИФИ, 1999.-е. 17- 24.

13. Блинов А.В. Интеллектуализация системы диагностики и прогнозирования // Датчики и системы. М.: 2005. - №9 — с.65 — 70.

14. Бобровский С. В поисках идеальной модели // PC Week/RE, 1997.45.

15. Бойченко С.И. Алгоритмы спектрального интегрирования виброакустического сигнала для вибродиагностики машин. Dynamics Of Machine Aggregates 2000, 5th International Conference, Gabcikovo, Slovak Republic e-mail: [e-mail]; http://www dynamics.ru.

16. Булычев A.B., Ванин B.K. Метод контроля состояния механической части асинхронного двигателя II Электротехника, 1997. - №10. - с.7-9.

17. Вахромеев О.С., Каримов Р. Т., Надеев А. И. Современные методы диагностики электромеханических систем // Вестник АГТУ, Астрахань:

18. АГТУ, 2006. - № 2(31). - с.51-56.

19. Вахромеев О.С., Надеев А.И., Нестеров О.С., Чавычалов Д.Ю. Интеллектуальное управление диагностической системой // Известия ВУЗов. Северо-Кавказкий регион. Технические науки. Новочеркасск, Новочеркасский полит, ин-т., 2006.- с. 96-101.

20. Вахромеев О.С., Дудников А.С., Надеев А.И. Комплексный метод диагностики электромеханических систем//«Известия ВУЗов. СевероКавказский регион. Технические науки». Новочеркасск, Новочеркасский полит, ин-т., 2006.- с 37-42.

21. Вахромеев О.С., Дудников А.С., Надеев А.И. Комплексный критерий качества для автоматических диагностических систем //Датчики и системы, М.: -2007 №1- с.44-46.

22. Вешкурцев Ю.М., Костюков В.Н., Бойченко С.Н., Костюков А.В. Принципы построения измерительно-диагностических систем машин иоборудования//Контроль. Диагностика. М.: 2000.-№4- с.18-23.

23. Волохов С.А. и др. Диагностирование обрыва стержня клетки ротора асинхронного двигателя // Электротехника, М.: 1998.-№ 2,- с.13-15.

24. Гаджиев Г.А., Халилов Д.Д., Абдуллаев Н.Д., Гашимов М.А. Исследование магнитных полей рассеяния в электрических машинах для их диагностики в условиях в условиях работы // Электротехника, М.: 2000 - № 6.- с. 22-27.

25. Гашимов М.А., Гаджиев Г.А., Мирзоева С.М. Диагностирование неисправностей обмотки статора электрических машин // Электрические станции, М.: 1998.-№ 11.- с.30-35.

26. Герике Б. JI. Мониторинг и диагностика технического состояния машинных агрегатов: Учебное пособие. В 2-х ч. Ч. 1: Мониторинг технического состояния по параметрам вибрационных процессов. Кузбас. гос. техн. ун-т. Кемерово, 1999.-189с.

27. Герике Б. JI. Мониторинг и диагностика технического состояния машинных агрегатов: Учебное пособие. В 2-х ч. Ч. 2: Мониторинг технического состояния по параметрам вибрационных процессов. Кузбас. гос. техн. ун-т. Кемерово, 1999.—189с.

28. Головко С.В. Моделирование управления судовым электрооборудованием по диагностическим параметрам. // Вестник АГТУ, Астрахань, 2008. - №5. - с. 34-39.

29. Головко С.В. Система управления электрооборудованием на основе нечеткой логики // Датчики и системы, Москва, 2009. - №7. - с. 1215.

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

31. Дентон Р. Будущее датчиков и систем вибромониторинга // Датчики и системы, М.: 2001- № 1.- с.62- 64.

32. Жадобин Н.Е., Крылов А.П. «ГИЕПАС»: Микропроцессорная система управления судовой электроэнергетической установкой. Учебныйсправочник СПб.: Элмор, 1999.-120 с.

33. Жернаков С.В. Решение комплексных задач контроля и диагностики силовых установок летательных аппаратов активными экспертными системами // Приборы и системы. Управление, контроль, диагностика, М.: - 2002.-№ 12.-c.53- 57.

34. Захаров В.Н. Интеллектуальные системы управления: основные понятия и определения // Известия Академии наук. Теория и системы управления, 1997.-№ 3.-с. 138-145.

35. Зайцев А.И., Сташнев B.JL, Бурковский А.В. Нечеткое управление сложными технологическими системами и комплексами: Монография. Воронеж: Воронеж, гос. тех. ун-т, 2003. 255с.

36. Ильичев А.С., Надеев А.И., Яковлев В.Г. Обобщенный критерий качества частотных преобразователей // Известия вузов. Северо-кавказский регион. Технические науки. Ростов на Дону: изд-во СКНЦ ВШ, - 2006.-№2. - с.28-31.

37. Карим С.И., Мышенков K.C., Новицкий С.О., Новицкий О.А. Новые информационные технологии // Хлебопродукты, М.: 1997.-№ 4. -с.45-52.

38. Каршаков В.П., Сальников Н.А. Проблемы обеспечения надежности на стадии разработки изделия //Датчики и системы. М.: 2000. -№7.-с 26-31.

39. Копылов И.П. Математическое моделирование электрических машин. М.: Высшая школа, 1987. 286с.

40. Косарев О.И. Вибровозбуждение и динамические нагрузки в цилиндрических зубчатых передачах. Дис. канд. техн. наук., М.: 1997.—250 с.

41. Костюков А.А. Оценка работоспособности машин и агрегатов по трендам вибропараметров. Dynamics Of Machine Aggregates 2000, 5th International Conference, Gabcikovo, Slovak Republic. e-mail: [e-mail]; http.V/www dynamics.ru.

42. Костюков B.H. Самодиагностика вибродиагностических систем // Контроль. Диагностика. М.: 2002.-№9 - с. 18-22.

43. Круг П.Г. Виртуальные измерительные системы/УПриборы и системы управления, М.: 1996.-№ 11- с.44-47.

44. Круг. П.Г. Нейронные сети и нейрокомпьютеры. — М.: Издательство МЭИ, 2002. -176с.

45. Кузнецов P.O., Надеев А.И., Решетов А.С. Показатели качества эксплуатационных характеристик магнитострикционного преобразователя // Датчики и системы, М.: 2002.-№ 5.- с.21-22.

46. Ланкин Ю.П. Реализация нейросетей с фиксированной структурой на аналоговой элементной базе./ Автореферат дис. канд.техн.наук.-Красноярск: Институт биофизики СО РАН, 1994.-23с.

47. Ланкин Ю.П., Лалетин А.П. Моделирование изменений экологических объектов с помощью нейронных сетей.// Сибирский экологический журнал.- Новосибирск: Издательство СО РАН, Т.6, 1999.4. с.449-452.

48. Ланкин Ю.П. Самоадаптирующиеся нейронные сети./ Препринт ТО N3.- Красноярск: Институт биофизики СО РАН, Теоротдел, 1997-21с.

49. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyТЕСН- СПб.: Изд-во «БХВ Петербург». 2005. - 736с.:ил.

50. Макаров И.М. Искуственный интеллект и интеллектуальные системы управления/И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов: Отделение информ. технологий и вычислит, систем РАН.- М.: Наука, 2006. -333с.

51. Морозов Д.В., Мельников В.П. Интеллектуализация датчиков // Датчики и преобразователи информации систем измерения, контроля и управления: Сб. матер. XII науч.-техн. конф. М.: МГИЭМ, 2000. - с. 62-66.

52. Мынцов А.А., Кочнев М.Н., Мынцова О.В. Системы виброакустического диагностирования агрегатов роторного типа. http:wpsv.vinf.ru. e-mail, [e-mail].

53. Мынцов А.А., Мынцова О.В., Шкумат А.Г. Опыт эксплуатации переносных систем диагностирования агрегатов роторного типа. http:wpsv.vinf.ru. e-mail, [e-mail].

54. Надеев А.И. Интеллектуальные магнитострикционные преобразователи параметров движения сверхбольшого диапазона. Дис. докт. техн. наук,-Астрахань, АГТУ, 2000.- 437с.

55. Нагорный В. М., Савченко К. Н. Метод вибродиагностики роторных машин и механизмов. // Вибрация и вибродиагностика. Проблемы стандартизации: Тезисы докладов 3 Всесоюзной научн.-техн. конф. Н. Новгород, 1991.—с.45-^-6.

56. Проталинский О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов. Моногр./Астрахан.гос.техн.ун-т.-Астрахань: Изд-во АГТУ, 2004.-184 с.

57. Портнягин Н.Н. Математическое и алгоритмическое обеспечение систем диагностирования судовых электрических средств автоматизации.

58. Автореферат дис.докт.техн.наук. С.П-б, 2004. 22 с.

59. Рубцов Ю.Ф. Системы мониторинга и диагностики // Приборы и системы. Управление, контроль, диагностика, 2000 — № 5 — с.68—70.

60. Румянцев И.А. Алгоритмизация судовых процессов управления. Судостроение. Ленинград, 1989г.- 259с.

61. Русов В.А. Спектральная вибродиагностика // Электронный ресурс. Режим доступа к сборнику.: http://vibrocenter.ru/book.htm.

62. Саати Т. Принятие решений. Метод анализа иерархий. Пер. с англ.-М.: Радио и связь, 1993.-320 с.

63. Сазонов Ю.И. Принцип построения адаптивных электромагнитно-акустических систем технической документации // Приборы и системы. Управление, контроль, диагностика, 2003.—№ 8.-С.53-57.

64. Сапожникова К.В. Метрологический диагностический контроль // Метрологическая служба в СССР, 1991-№ 2.-С.18-24.

65. Славинский А.З. Интеллектуальные датчики электрических сигналов для информационных систем диагностики // Приборы и системы. Управление, контроль, диагностика,- М.: 2000.-№ 5. - с. 32-37.

66. Смирнов В.И. Методы и средства функциональной диагностики и контроля технологических процессов на основе электромагнитных датчиков. Автореферат дис. докт. техн. наук. Ульяновск, 2001.- 20с.

67. Смирнов В.И., Жарков В.В., Ильин М.Г. Автоматизированный комплекс для диагностики функционального состояния электрических машин // Приборы и системы. Управление, контроль, диагностика.- М.: -2000.-№ 7.-е. 81-83.

68. Смирнов В.И., Жарков В.В., Чернов Д.В. Функциональная диагностика электрических машин на основе измерения их полей рассеяния // Приборы и системы. Управление, контроль, диагностика.- М.: 2004—№ 8.- с.49-52.

69. Смирнов В.И., Чернов Д.В. Функциональная диагностика асинхронных электродвигателей в переходных режимах работы // Приборы исистемы. Управление, контроль, диагностика.- М.: 2005.—№5.-с.52—56.

70. Смирнов В.И. Функциональная диагностика электрических машин // Датчики и системы, М.: 2003.-№ 6.-C.30-32.

71. Сысоев С.В. Оптимальное управление процессом лова рыбонасосными установками: Автореферат дис.канд.тех.наук. Астрахан.гос.техн.ун-т., Астрахань, 2006. 22с.

72. Сысоев С.В., Надеев А.И., Головко С.В., Вахромеев О.С. Управление технологическим процессом лова рыбонасосными установками по состоянию оборудования // Датчики и системы, М.: 2009.- №3. - с. 34-36.

73. Тарасова Н.А. Контроль вибрационных характеристик асинхронных двигателей на основе применения методов спектрального анализа с минимизацией погрешностей. Автореферат дис. канд.тех.наук. Казане, гос. энерг.ун-т. Казань, 2003.- 18с.

74. Хайруллин И.Х., Пашали Д.Ю. Анализ современных методов диагностики электромеханических преобразователей // Электромеханика, электротехнические комплексы и системы: Сборник научных трудов Уфа: УГАТУ, - 2002.-е. 22-25.

75. Худяков С.А. Основы теории надежности и диагностики: Учеб. пособие-Владивосток. ДВМГА, 2001—140 с.

76. Шалобаев Е.В. Об интеллектуальном управлении мехатронными системами // Датчики и системы, М.: 2002.-№ 2.-е.8-12.

77. Шетат Б., Ходжа Дж. Использование искусственных нейронных сетей для диагностики неисправности электропривода в режиме реального времени // Электротехника, 2003.-№ 12. -с. 16-20.

78. Шутов Ю.И. Диагностика состояния изоляции силовых трансформаторов на потребляющем электроэнергию крупном предприятии //

79. Приборы и системы. Управление, контроль, диагностика.- М.: 2003 —№ 9. — с.55-59.

80. A. Azovtsev, A. Barkov. «Automatic computer system for roller bearings diagnostics, Computers in Railways V, Proceedings of the COMPRAIL-96 conference.» 21-23 August 1996, Berlin, Germany, volume 2, -pp.543-550.

81. A.V. Barkov, N.A. Barkova «Diagnostics of Gearings and Geared Couplings Using Envelope Spectrum Methods,Proceedings of the 20th Annual Meeting of the Vibration Institute.» Saint Louis, Missouri, USA, -1996, —pp.75— 83.

82. Barkov A.V., Barkova N.A., Mitchel J.S. «Condition Assessment and Life Prediction of Rolling Element Bearings, Sound amp Vibration.», 1995. June 10-17 pp., September, — pp.27-31.

83. A.V. Barkov, S.N. Rogov, I.A. Ioudin, R. Archmbault «Algorithms for Automated Roling Element Bearings Diagnostics,Proceedings of the 20th Annual Meeting of the Vibration Institute.» Saint Louis, Missouri, USA, 1996. pp. 6973.

84. Kevin Michael Ruppelt. Method And Apparatus For Problem Diagnosis And Solution. Способы диагностики неисправностей. Пат. 6571236 США.

85. Matthew М. O'kane. Embedded Sensor Technology Migration Into A.C. Induction Motors // Электронный ресурс.-Режим доступа к сборнику.: http://www.compsys.com/drknow/aplpapr.nsf/06b6f5a4de2eae6285256a3f004d97 58/ac426e6ed3003464852567ed00487062.

86. Mitchel John S. «An Introduction to Machinary Analisis and Monitoring.» Tulsa: Penn Well Books, 1993. p. 322.

87. Taymanov R., Sapozhnikova K. intelligent measuring instruments. Maximum reliability of measuring information, minimum metrologicalmaintenance // Proc. Of the XVII IMEKO World Congress. Dubrovnik, Croatia, 2003 .-pp. 1094-1097.

88. Denton R. The future of vibration sensors and asset management: -Beyond sensors: Where do we go from here? // Machine, Plant & System Monitor, May-June, -2000. pp. 28-34.

89. EPRI: "Improved Motors for Utility Applications and Improved Motors for Utility Applications, Industry Assessment Study", Vol 1, EPRI EL-2678, Vol 1 1763-1, final report and EPRI EL-2678, Vol 2,1763-1 final report October, -1982. pp. 18-24.

90. V Thorsen and M Dalva: "Condition Monitoring Methods, Failure Identification and Analysis for High Voltage Motors in Petrochemical Industry", Proc 8a 1EE Int Conf, EMD'97, University of Cambridge, No 444, -pp. 109-113.

91. W T Thomson and D Rankin; "Case Histories of Rotor Winding Fault Diagnosis in Induction Mo-tors", 21" 1 Int Conf Proc on Condition Monitoring, University College Swansea, March,-1987. pp. 84-92.

92. G В Kliman and J Stein: "Induction Motor Fault Detection Via

93. Passive Current Monitoring", Proc Int Conf (ICEM'90), MIT, Boston, USA, -1990.-pp. 13-17.

94. Randy R. Schoen, Thomas G. Habetler, Farrukh Kamran, Robert G. Barthel "Motor Bearing Damage Detection Using Stator Current Monitoring" IEEE TRANSACTIONS ON INDUSTRY APPLICA-TIONS, VOL.31, NO. 6, November/December, — 1995.- pp. 28-34.

95. William T.Thomson, Mark Fenger "Current Signature Analysis to Detect Induction Motor Faults"IEEE Industry Application Magazine July/August, -2001.-pp. 57-64.

96. Free Fuzzy Logic Library. Электронный ресурс. Режим доступа: http://www.iec.ch/.