Модель системы поддержки принятия решений для диагностирования бортовых систем космического аппарата на основе байесовских сетей

DOI: 10.34759/trd-2021-118-19

Авторы

Дорожко И. В.^*, Иванов О. А.^**

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

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

Аннотация

В данной статье представлены результаты применения расширенного словаря признаков для системы распознавания загрязнений поверхностей. Рассматривается возможность использования теории распознавания образов применительно к оптико-электронному контролю качества поверхностей изделий (элементов изделий) авиационной и ракетно-космической техники для определения уровня их дефектов различного рода. В качестве расширенного словаря использовались признаки, основанные на статистиках второго порядка (матрицах сочетаний). Представленные результаты позволяют сделать вывод об улучшении распознающих свойств системы диагностики по сравнению с ранее рассмотренной системой, использующей признаки, основанные только на статистиках первого порядка (гистограммах распределения интенсивностей отраженных сигналов).

Ключевые слова:

интеллектуальная система поддержки принятия решений, космический аппарат, диагностирование, байесовская сеть

Библиографический список

1. Кобзарев И.М. Копкин Е.В. Использование меры ценности информации. для построения гибких диагностических процедур распознавания технического состояния бортовых систем космических аппаратов // Труды Военно-космической академии им. А.Ф. Можайского. 2019. № 671. С. 326 — 337.

2. Miller G.A. The magical number seven, plus or minus two: Some limits on our capacity for processing information // Psychological Review, 1956, no. 63 (2), pp. 81 — 97.

3. ГОСТ В 20.911 89. Техническая диагностика. Термины и определения. — М.: Издательство стандартов, 1990. — 12 с.

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

5. Суханов Н.В. Схема управления летательным аппаратом на основе нейронных сетей // Труды МАИ. 2013. № 65. URL: http://trudymai.ru/published.php?ID=36013

6. 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

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

8. Cowell R.G., Dawid A.P., Lauritzen S.L., Spiegelhalter D.J. Probabilistic Networks and Expert Systems, New York, Springer-Verlag, 1999. DOI:10.1198/JASA.2001.S424

9. Jensen F.V. Bayesian Networks and Decision Graphs, New York, Springer-Verlag, 2001. DOI:10.1007/978-1-4757-3502-4

10. Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, New York, Morgan Kaufman Publ., 1991. DOI:10.2307/2026705

11. Дорожко И.В., Осипов Н.А., Иванов О.А. Прогнозирование технического состояния сложных технических систем с помощью метода Берга и байесовских сетей // Труды МАИ. 2020. № 113. URL: http://trudymai.ru/published.php?ID=118181. DOI: 10.34759/trd-2020-113-14

12. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. — СПб.: Питер, 2018. — 480 с.

13. 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.

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

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

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

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

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

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

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

21. 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.

22. 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.

23. Motienko A., Basov O., Dorozhko I., TarasovA. Proactive Robotic Systems For Effective Rescuing Sufferers, GmbH: Springer-Verlag, Lecture Notes In Computer Science, 2016, pp. 172 — 180.

    
    Скачать статью