Прогнозирование методами статистической классификации.
Прогнозирование с помощью математических методов статистической классификации (распознавания образов) применяется для объектов, контролируемых в ограниченном интервале времени- при недостаточной информации об объекте в начальный период его эксплуатации. К важным преимуществам методов статистической классификации следует отнести возможность прогнозирования технического состояния с момента реализации однократного контроля диагностируемого объекта, и также то, что в процессе прогнозирования используется вся совокупность параметров, характеризующих техническое состояние объекта.
Такое прогнозирование основано на предположении о том, что однотипные объекты с равным или примерно равным запасом работоспособности (долговечности) имеют идентичную совокупность k параметров, которые являются координатами вектора ,характеризующего их ТС. Вектор состояния е часто называют образом объекта (системы).
При этом предположении по полученной в результате контроля объекта в ограниченном интервале времени совокупности параметров { s} с помощью методов статистической классификации решается задача об отнесении, объекта по совокупности { s} к тому или иному классу состояний.
Классы характеризуют определенное ТС объекта и могут быть временными (интервалы выбираются на временной оси t), параметрическими (интервалы выбирают в поле допуска параметра е)и др. На практике обычно применяются временные классы.
При статистической классификации процесс прогнозирования реализуется с помощью устанавливаемых экстраполяционных связей между классом и сочетанием s (рис. 4.56). Процесс установления экстраполяционных связей (построение характеристик класса на основе априорной информации) называется процессом обучения экстраполяционным связям. Обнаружение и распознавание экстраполяционных связей производится на основе текущей информации с помощью математической модели распознавания.
Формальное решение задачи прогнозирования ТС объектов с помощью методов статистической классификации производится в следующей последовательности: выбор модели распознавания, описание классов на основе априорной информации и обучение модели распознавания, сопоставление текущей информации о контролируемом объекте с заданными классами , принятие решения о запасе работоспособности объекта.
Рис. 4.55. Изменение вероятности безотказной работы автоматического выключателя во времени
Рис. 4.56. Временные и параметрические классы технических состояний при прогнозировании методами статистической классификации
Области применения различных направлений прогнозирования. В процессе эксплуатации для прогнозирования ТС и надежности СЭО и ЭСА в принципе могут быть применены все рассмотренные направления прогнозирования. Выбор конкретного метода прогнозирования существенно определяется возможностями контроля объекта и длительностью интервала времени, на который производится прогнозирование (ближний прогноз на период контроля или период автономного плавания судна и дальний прогноз для оценки времени отказа объекта или остаточного ресурса).
При однократном контроле ТС электрических систем (объектов) в начале процесса эксплуатации аналитическое и вероятностное прогнозирование не может быть применено из-за ограниченного объема информации об изменении ТС объекта во времени. При периодическом контроле могут быть получены результаты ближнего и дальнего прогноза путем применения всех рассмотренных направлений прогнозирования, однако применение методов статистической классификации для прогнозирования ТС связано с определенными трудностями из-за отсутствия априорной информации, которые легче преодолеть при формировании классов для дальнего прогнозирования.
Техническая реализация автоматизированного прогнозирования ТС может осуществляться созданием программ для ЭВМ, работающих в режиме контроля, или разработкой специализированных устройств -прогнозаторов. Они по своей структуре в зависимости от используемого направления прогнозирования- аналитическое, вероятностное, статистическая классификация- соответственно разделяются на три класса: детерминированные прогнозаторы, вероятностные и прогнозаторы (классификаторы), использующие алгоритм статистической классификации. Все классы могут быть реализованы как при цифровом, так и при аналоговом способе обработки информации.
Рис. 4.57. Структурная схема детерминированного прогнозатора
Рис. 4.58. Структурная схема вероятностного прогнозатора
Рис. 4.59. Структурная схема классификатора
Детерминированные прогнозаторы (рис. 4.57) выполняют обработку и выдают оценку информации по заданной программе, которая реализует периодическое выполнение математических операций при поступлении входных величин. Основными элементами детерминированного прогнозатора являются: устройство коммутации и измерения УКИ параметров es прогноза, устройство весовых коэффициентов УВК, устройство определения скорости изменения параметра УСИ, устройство вычисления прогнозируемых значений УПЗ, устройство коррекции результатов УКР для повышения точности прогноза, устройство задержки УЗ, устройство индикации УМ и устройство управления прогнозатора. Характерной особенностью детерминированных прогнозаторов является отсутствие специальных запоминающих устройств для накопления информации в процессе обработки.
Вероятностные прогнозаторы (рис. 4.58) в отличие от детерминированных требуют хранения значительных массивов априорной информации, что приводит к усложнению прогнозатора за счет оперативных запоминающих устройств большого объема. Основными элементами вероятностного прогнозатора кроме УКИ, УВК, УКР, УИ и устройства управления являются устройства памяти УП, вычисления вероятностных характеристик априорной информации УВ1 и вычисления условных апостериорных вероятностей УВ2. Вероятностные прогнозаторы позволяют увеличить достоверность прогноза за счет вероятностно-статистического анализа предыстории прогнозируемых процессов.
В классификаторах (рис. 4.59) вместо оперативных запоминающих устройств используются постоянное запоминающее устройство памяти констант классов и признаков УП и относительно простые по строению решающее устройство УС и устройство управления. Классы формируются ,в устройстве формирования классов УФК- При применении классификаторов требуется обработка больших массивов информации об аналогичных объектах для правильного выбора границ классов, прогнозирование осуществляется путем отнесения объекта к временному классу продолжительностью в несколько тысяч часов.
Вопросы для самопроверки
1. Какие задачи решает техническая диагностика в процессе эксплуатации СЭО и ЭСА?
2. Как классифицируются системы и средства технического диагностирования?
3. Какие показатели используются для характеристики эффективности диагностирования?
4. Назовите области применения аналитических и симптомных моделей СЭО и ЭСА.
5. Поясните методы выбора диагностических параметров для оценки ТС и для поиска дефекта.
6. Объясните характерные принципы составления алгоритмов проверки.
7. Назовите области применения методов последовательных поэлементных и групповых проверок, а также комбинационного и логического метода поиска дефекта.
8. Охарактеризуйте три основных направления прогнозирования ТС СЭО и ЭСА.
9. Перечислите основные и дополнительные параметры, а также признаки, характеризующие ТС основных видов СЭО и ЭСА. Каким образом эти параметры и признаки оцениваются в процессе технической эксплуатации.
10.Какие методы и средства используют при диагностировании электрической изоляции, кабелей, обмоток электрических машин и аппаратов, основных элементов электроники?