Идентификация критических состояний технологических процессов на основе методов предиктивной аналитики

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или 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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2023