Идентификация критических состояний технологических процессов на основе методов предиктивной аналитики

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье предлагается предиктивный подход к оценке особых классов опасных состояний в развитии технологических процессов с целью принятия упреждающих решений. В основе разрабатываемого подхода лежит гибридная модель, основанная на объединении доказательного классификатора, нечеткой логики и вероятностной схемы комбинирования свидетельств Демпстера-Шафера. В статье представлено формальное описание предиктора критических состояний технологического процесса. Полученный подход универсален и применим при автоматизации любых сложных технических систем. В качестве примера в данной статье было рассмотрено применение разработанного подхода для решения задачи оценки безопасности технологического процесса расформирования составов на сортировочной горке. Представленный пример показывает высокую эффективность и практическую полезность разработанного подхода.

Об авторах

С. М Ковалёв

Ростовский филиал АО «НИИАС»;Ростовский государственный университет путей сообщения

Email: ksm@rfniias.ru
Ростов-на-Дону

А. В Суханов

Ростовский филиал АО «НИИАС»;Ростовский государственный университет путей сообщения

Email: a.suhanov@rfniias.ru
Ростов-на-Дону

И. А Ольгейзер

Ростовский филиал АО «НИИАС»;Ростовский государственный университет путей сообщения

Email: iohan@rfniias.ru
Ростов-на-Дону

К. И Корниенко

Ростовский филиал АО «НИИАС»;Петербургский государственный университет путей сообщения Императора Александра I

Автор, ответственный за переписку.
Email: k.kornienko@vniias.ru
Ростов-на-Дону

Список литературы

  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.

© Российская академия наук, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах