Identifikatsiya kriticheskikh sostoyaniy tekhnologicheskikh protsessov na osnove metodov prediktivnoy analitiki

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The paper proposes a predictive approach to assessing special classes of dangerous states in the development of technological processes in order to make proactive decisions. The developed approach is based on a hybrid model based on the combination of an evidence-based classifier, fuzzy logic, and a Dempster–Shafer probabilistic scheme for evidence combination. The article presents a formal description of the predictor of critical states of the technological process. The resulting approach is universal and applicable in the automation of any complex technical systems. As an example, this article considers the application of the developed approach to solve the problem for assessing the safety of the technological process of shunting trains on a hump yard. The presented example shows the high efficiency and practical usefulness of the developed approach.

About the authors

S. M Kovalev

Rostov Branch of JSC “Scientific Research and Design Institute of Informatization, Automation and Communication in Railway Transport”; Rostov State Transport University

Email: ksm@rfniias.ru
Rostov, Russia; Rostov, Russia

A. V Sukhanov

Rostov Branch of JSC “Scientific Research and Design Institute of Informatization, Automation and Communication in Railway Transport”; Rostov State Transport University

Email: a.suhanov@rfniias.ru
Rostov, Russia; Rostov, Russia

I. A Ol'geyzer

Rostov Branch of JSC “Scientific Research and Design Institute of Informatization, Automation and Communication in Railway Transport”; Rostov State Transport University

Email: iohan@rfniias.ru
Rostov, Russia; Rostov, Russia

K. I Kornienko

Rostov Branch of JSC “Scientific Research and Design Institute of Informatization, Automation and Communication in Railway Transport”; Emperor Alexander I St. Petersburg State Transport University

Author for correspondence.
Email: k.kornienko@vniias.ru
Rostov, Russia; St. Petersburg, Russia

References

  1. Букреев В.Г., Колесникова С.И., Янковская А.Е. Выявление закономерностей во временных рядах в задачах распознавания состояний динамических объектов. Томск. Изд-во ТПУ, 2010.
  2. Цветков В.Я. Сложные технические системы // Образовательные ресурсы и технологии. 2017. № 3 (20). С. 86-92.
  3. Вычужанин В.В., Вычужанин А.В. Информационная когнитивная имитационная модель сложной технической системы // Информационные системы и технологии ИСТ-2020. 2020. С. 677-683.
  4. Буравцев А.В., Цветков В.Я. Сложные организационно вычислительные системы // Перспективы науки и образования. 2018. № 4 (34). С. 293-300.
  5. Шабельников А.Н., Ольгейзер И.А. Методы повышения безопасности в КСАУ СП // Автоматика, связь, информатика. 2017. № 3. С. 8-10.
  6. Gurov Y.V., Khatlamadzhiyan A.E., Khilkov D.V., Shapovalova Y. Adaptive Fuzzy Systems for Predictive Diagnostics of Railway Facilities // Lecture Notes in Networks and Systems. 2022. Vol. 330 LNNS. P. 170-179. https://doi.org/10.1007/978-3-030-87178-9_17
  7. Суханов А.В., Ковалев С.М., Акперов И.Г., Ольгейзер И.А. Выявление предвестников бифуркаций динамической системы на основе анализа структуры ее нечеткой модели // Интегрированные модели и мягкие вычисления в искусственном интеллекте ИММВ-2022: Сборник научных трудов XI Международной научно-практической конференции. В 2-х томах, Коломна, 16-19 мая 2022 года. Том 1. - Коломна: Общероссийская общественная организация "Российская ассоциация искусственного интеллекта", 2022. С. 137-144.
  8. Gorrini V., Salome T., Bersini H. Self-structuring fuzzy systems for function approximation // Proceedings of 1995 IEEE International Conference on Fuzzy Systems. IEEE, 1995. Т. 2. С. 919-926.
  9. Quost B., Masson M.-H., Denoeux T. Classifier fusion in the Dempster-Shafer framework using optimized t-norm based combination rules // Int. J. Approxim. Reason. 2011. No. 52(3). С. 353-374.
  10. Denoeux T. Logistic regression revisited: belief function analysis // International Conference on Belief Functions. Springer, Cham, 2018. С. 57-64.
  11. Dempster A.P. Upper and lower probabilities induced by a multivalued mapping // Annals of Mathematical Statistics. 1967. No. 38. С. 325-339.
  12. Yager R.R. Measures of entropy and fuzziness related to aggregation operators // Inform. Sci. 1995. V. 82. No. 3-4. С. 147-166.
  13. Афанасьева Т.В. Грануляция многомерных временных рядов в задаче дескриптивного анализа состояния и поведения сложных объектов // АиT. 2022. № 6. С. 72-83. https://doi.org/10.31857/S000523102206006X
  14. Трофимов В.Б. О подходе к интеллектуальному управлению сложными технологическими процессами на примере черной металлургии // АиT. 2020. № 10. С. 137-148. https://doi.org/10.31857/S0005231020100050
  15. Казанцева Л.С., Югрина О.П. Нормирование сроков доставки грузов и технология перевозочного процесса // Бюллетень транспортной информации. 2015. № 6(240). С. 29-33.
  16. Покровская О.Д. Логистические транспортные системы России в условиях новых санкций // Бюллетень результатов научных исследований. 2022. № 1. С. 80-94. https://doi.org/10.20295/2223-9987-2022-1-80-94
  17. Муха Ю.А., Тишков Л.Б., Шейкин В.П. Пособие по применению правил и норм проектирования сортировочных устройств. М.: Транспорт, 1994. 220 c.
  18. Правила и нормы проектирования сортировочных устройств на железных дорогах колеи 1520 мм: утв. МПС РФ 10.10.2003. М.: Техинформ, 2003. 168 c.
  19. Бессоненко С.А. Теория расчета сортировочных горок для различных климатических зон: специальность 05.22.08 "Управление процессами перевозок" // Дисс.. д-ра техн. наук. М., 2010. 419 с.
  20. Olgeyzer I.A., Sukhanov A.V., Shabelnikov A.N., Ignatieva O.V. Fuzzy Approach to Car Retarding Adaptation on Hump Yards // Lecture Notes in Networks and Systems. 2022. Vol. 330 LNNS. P. 161-169. https://doi.org/10.1007/978-3-030-87178-9_16
  21. Правила технической эксплуатации железных дорог Российской Федерации, утвержденные Приказом Минтранса России от 23 июля 2022 г. № 250.
  22. № 95623 U1 Российская Федерация, МПК B61L 17/00. Комплексная система автоматизации управления сортировочным процессом (КСАУ СП): № 2010109685/22: заявл. 15.03.2010: опубл. 10.07.2010 / А.И. Даньшин, Ю.Ф. Золотарев, В.Р. Одикадзе [и др.].
  23. Андронов Д.В. Опыт эксплуатации КСАУ СП //Автоматика, связь, информатика. 2013. № 11. С. 16-18.

Copyright (c) 2023 The Russian Academy of Sciences

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies