Прогнозирование технического состояния сложных технических систем с помощью метода Берга и байесовских сетей

DOI: 10.34759/trd-2020-113-14

Авторы

Дорожко И. В.^*, Осипов Н. А.^**, Иванов О. А.^***

Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург, Россия

*e-mail: Doroghko-Igor@yandex.ru
**e-mail: bayes@mail.ru
***e-mail: kompa4ka@yandex.ru

Аннотация

В работе исследованы вопросы прогнозирования технического состояния сложных технических систем с помощью метода Берга и моделей искусственного интеллекта – байесовских сетей. Рассмотрены различные (типовые) функции диагностических признаков и проанализированы результаты прогнозирования. Для уточнения и прогнозирования вида технического состояния сложных технических систем предложено использовать результаты прогнозирования и апостериорный вывод в байесовских сетях доверия.

Ключевые слова:

прогнозирование, техническое состояние, диагностический признак, метод Берга, байесовская сеть

Библиографический список

1. Техническая диагностика. Термины и определения. ГОСТ В 20.911‑89. - М.: Издательство стандартов, 1990. – 12 с.

2. Клюев В.В. и др. Технические средства диагностирования: Справочник. – М.: Машиностроение, 1989. – 671 с.

3. Гусев П.Ю., Гусев К.Ю. Прогнозирование выполнения производственного плана авиационного предприятия с применением нечетко-нейронной сети // Труды МАИ. 2020. № 110. URL: http://trudymai.ru/published.php?ID=112933. DOI: 10.34759/trd-2020-110-20

4. Косинский М.Ю., Шатский М.А. Разработка моделей и методики для анализа и прогнозирования надёжности бортовых систем управления космических аппаратов на основе теории нечётких множеств и искусственных нейронных сетей // Труды МАИ. 2014. № 74. URL: http://trudymai.ru/published.php?ID=49315

5. Шевцов С.Н., Сибирский В.В., Чигринец Е.Г. Применение нейронных сетей в прогнозировании качества механической обработки особо нагруженных композитных конструкций // Труды МАИ. 2016. № 91. URL: http://trudymai.ru/published.php?ID=75572

6. Арсеньев В.Н. Оценивание характеристик систем управления по ограниченному числу натурных испытаний. – М.: Изд-во «РЕСТАРТ», 2013. – 126 с.

7. Burg J.P. Maximum Entropy Spectral Analysis, PhD thesis, Department of Geophysics, Stanford University, Stanford, CA, 1975.

8. Cedrick Collomb. Burg's Method, Algorithm and Recursion, 2009. URL: http://www.emptyloop.com/technotes/a%20tutorial%20on%20burg's%20method,%20algorithm%20and%20recursion.pdf

9. Тулупьев А.Л., Николенко С.И., Сироткин А.В. Основы теории байесовских сетей. – СПб.: Изд-во Санкт-Петербургского университета, 2019. – 399 с.

10. Cowell R.G., Dawid A.P., Lauritzen S.L., Spiegelhalter D.J. Probabilistic Networks and Expert Systems, Springer-Verlag, 1999.

11. Jensen F.V. Bayesian Networks and Decision Graphs, New York, Springer-Verlag, 2001, 457 p.

12. Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, New York, Morgan Kaufman Publ., 1991. DOI: 10.1016/0004-3702(91)90084-W

13. Дорожко И.В., Кочанов И.А., Осипов Н.А. и др. Комплексная модель надежности и диагностирования сложных технических систем // Труды Военно-космической академии им. А.Ф. Можайского. 2016. № 652. С 137 – 146.

14. Дорожко И.В., Захарова Е.А., Осипов Н.А. Модель оценки вероятности безотказной работы сложных технических комплексов на основе динамических байесовских сетей // Труды Военно-космической академии им. А.Ф. Можайского. 2019. № 669. С. 216 – 223.

15. GeNIe & SMILE. Decisions systems laboratory. School of Information Sciences. University of Pittsburg. URL: http://genie.sis.pitt.edu/

16. ГОСТ 27.002-15. Надежность в технике. Основные понятия. Термины и определения. – М.: Стандартинформ, 2016. – 24 с.

17. Дмитриев А.К. Модели и методы анализа технического состояния бортовых систем. – СПб.: ВИКУ имени А.Ф. Можайского, 1999. – 171 с.

18. Дмитриев А.К., Копкин Е.В. Оценивание достоверности проверок непрерывных признаков при диагностировании технического объекта // Известия вузов. Приборостроение. 1999. № 9. Т. 42. С. 3 - 10.

19. Дмитриев А.К., Юсупов Р.М. Идентификация и техническая диагностика. – Л.: МО СССР, 1987. – 521 с.

20. Копкин Е.В., Кравцов А.Н., Мышко В.В. Анализ технического состояния космических средств. – СПб.: ВКА имени А.Ф. Можайского, 2016. – 189 с.

21. Копкин Е.В., Кравцов А.Н., Мышко В.В. Контроль и диагностика космических средств. – СПб.: ВКА имени А.Ф. Можайского, 2016 – 198 с.

22. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Теоретические и технологические основы концепции проактивного мониторинга и управления сложными объектами // Известия ЮФУ. Технические науки. 2015. № 1(162). С. 162 ‑ 174.

23. Охтилев М.Ю., Мустафин Н.Г., Миллер В.Е., Соколов Б.В. Концепция проактивного управления сложными объектами: теоретические и технологические основы // Известия Вузов. Приборостроение. 2014. Т. 57. № 11. С. 7 – 15.

24. Motienko A., Basov O., Dorozhko I., Tarasov A. Proactive Robotic Systems For Effective Rescuing Sufferers. GmbH: Springer-Verlag, Lecture Notes In Computer Science, 2016, pp. 172 - 180. DOI: 10.1007/978-3-319-43955-6_21

Скачать статью