Рис. 6. Результат розрахунку ймовірності відмови системи.
діагональ, точка перетину її з кривою ймовірності визначає вертикаль, яка поділяє ресурс на дві зони: ліворуч розташована зона, де відмова системи ніколи не відбудеться, а праворуч – неодмінно відбудеться. Підставляючи значення порогового ресурсу (0,24 на рис. 6) до графіків ймовірностей пошкодження окремих місць, одержимо значення цих ймовірностей, а отже значення ваг відповідних сінапсів четвертого нейронного шару мережі.
Виробничі випробування матеріалів, розроблених у дисертації, показали наступні результати. В Одеському транспортно-виробничому об'єднанні "Одесавтотранс", Одеському інституті-полігоні мобільної техніки "ІНПОМТ" і на Оманському заводі алюмінієвих виробів (Йорданія) були проведені випробування, розробленої в дисертації системи управління життєвим циклом СРТС. Встановлено, що застосування АСУ за рахунок статистичної обробки результатів випробувань, виявлення головних чинників, які впливають на технічний стан всіх об'єктів випробувань, своєчасного врахування зміни цих чинників, і заснованого на цьому прогнозування і попередження поточних ушкоджень дозволило знизити кількість ушкоджень на 28 %, підвищити середній ресурс на 12 %, на 25 – 30 % знизити експлуатаційні простої.
ЗАГАЛЬНІ ВИСНОВКИ
1. Аналізом літературних джерел встановлено, що імітаційне моделювання параметрів експлуатації спільноти СРТС стикається з труднощами, які пов'язані, в першу чергу, із дуалізмом сприйняття зовнішніх чинників: детермінованою складовою, обумовленою конструкцією системи, і великою кількістю стохастичних параметрів експлуатації, а також суб'єктивністю в прийнятті рішень. Крім того, відновлення СРТС після відмови саме по собі є подією, малопередбачуваною за терміном та якістю.
2. Аналіз застосування для прогнозування технічного стану спільноти СРТС нейронних мереж виявив напрямки досліджень, для поширення можливостей нейросіткових моделей на моделювання систем, які відновлюються, та на забезпечення цих моделей репрезентативними вибірками для навчання.
3. Пропозиція побудови архітектури моделі у вигляді нейросіткової надмережі, яка містить окремі, послідовно з'єднані елементарні мережі, дозволила здійснювати моделювання окремих ітерацій життєвого циклу СРТС із передачею даних про технічний стан системи від мережі до мережі, що в сукупності з інформацією, яка надходить від користувачів конкретних СРТС, дозволяє виконувати перенавчання елементарних мереж з метою підвищення адекватності моделі.
4. Запропонований метод розрахунку технічного стану СРТС після ремонту дозволяє поділити загальний час експлуатації системи на окремі життєві цикли “від ремонту до ремонту”, що суттєво спрощує моделювання за допомогою нейронних мереж.
5. Розроблено структуру і дано економічне обґрунтування функціонування АСУ у вигляді сервісного "центру" по обслуговуванню групи "клієнтів", які експлуатують спільноту однотипних об'єктів. "Центр" здійснює обробку інформації, що надходить від "клієнтів", які експлуатують СРТС у різноманітних господарських і регіональних умовах, організовує власні полігонні випробування таких СРТС, інші методи моделювання її техніко-економічних характеристик. Створена на базі надмережевих структур автоматизована система управління експлуатацією спільноти СРТС надає можливість своїм “клієнтам” отримувати прогноз технічного стану окремих систем, які знаходяться в експлуатації, на базі інформації, що надходить з місць випробувань та роботи усіх СРТС спільноти і використовується для навчання нейронної мережі.
6. При побудові архітектури елементарної нейронної мережі для визначення кількості входів нейронів першого шару та кількості нейронів останнього шару залучено попередній статистичний аналіз інформації, яка одержується при полігонних випробуваннях представника спільноти СРТС з метою виявлення головних чинників зміни стану системи та підвищення їх репрезентативності. Для оцінки значимості виділених чинників використовували три види відхилень значень показників: відхилення фактичного значення показника від прогнозного, відхилення планового значення показника від фактичного і відхилення планового значення показника від прогнозного. При вирішенні питання про вибір чинників розвитку ЖЦ СРТС, які враховуються, віддавали перевагу тим напрямкам, які характеризуються максимальними значеннями чинників.
7. Практичне застосування розробленої АСУ було здійснене на прикладі типової СРТС – автомобільного напівпричепа моделі ОдАЗ–93571. Аналізом результатів полігонних випробувань визначені головні зовнішні та внутрішні чинники зміни технічного стану напівпричепу під час експлуатації: 12 параметрів, які характеризують зовнішні умови роботи системи та 12 – безпосередньо її технічний стан. У якості останніх були використані умовні бали, що характеризують розвиток пошкодження в тому або іншому вузлі конструкції СРТС від початкового стану до повного руйнування.
8. Для прогнозування зміни технічного стану рами протягом ітерації життєвого циклу напівпричепа була створена чотирьохшарова нейронна сітка із структурою 5–20–12–1 із 25 входами, 12 виходами після третього шару і одним – після четвертого. Із 25 входів 12 – є параметрами зовнішніх чинників пошкодження рами, 12 – внутрішніх, тобто безпосередньо місць пошкодження, а 1 – “випадковий” параметр, з'єднаний із генератором випадкових чисел.
9. Четвертий шар нейронної мережі, який складається з одного нейрона, призначений для прийняття рішення про відмову системи, тобто про її непридатність до подальшої експлуатації. Функція активації цього нейрона, на відміну від усіх інших, має пороговий вигляд: 0 або 1, а ваги сінапсів визначаються при навчанні мережі або обчислюються на підставі статистичної обробки параметрів багатьох подій відмови аналогічних систем.
10. В Одеському транспортно-виробничому об'єднанні "Одесавтотранс", Одеському інституті-полігоні мобільної техніки "ІНПОМТ" і на Оманському заводі алюмінієвих виробів (Йорданія) були проведені випробування, розробленої в дисертації автоматизованої системи управління життєвим циклом СРТС. Встановлено, що застосування АСУ за рахунок статистичної обробки результатів випробувань, виявлення головних чинників, які впливають на технічний стан всіх об'єктів випробувань, своєчасного врахування зміни цих чинників, і заснованого на цьому прогнозування і попередження поточних ушкоджень дозволило знизити кількість ушкоджень на 28 %, підвищити середній ресурс на 12 %, на 25 – 30 % знизити експлуатаційні простої. Результати роботи рекомендовані для впровадження на підприємствах України та Йорданії.
СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Кубликов В.К., Халиль Ягхи. Выделение технико-организационных факторов развития сложных производственных систем // Труды Одес. политехн. ун-та. – Одесса. – 1999. – Вып. 3. – С. 155 – 161.
2. Кубликов В.К., Халиль Ягхи. Обеспечение репрезентативности выборки наблюдений в условиях короткого ряда динамики // Труды Одес. политехн. ун-та. – Одесса. – 2000. – Вып. 2. – С. 115 – 124.
3. Балан С.А., Становский А.Л., Халиль Ягхи. Статистические методы прогнозирования жизненного цикла сложных восстанавливаемых технических систем // Труды Одес. политехн. ун-та. – Одесса. – 2000. – Вып. 3. – С. 95 – 98.
4. Ягхи Халиль. Определение путей приоритетного развития сложных производственных систем // Перспективы. – 1999. – № 3 – 4 (7 – 8). – С. 83 – 88.
5. Халиль Ягхи. Технология анализа развития сложных производственных систем // Труды научно-практической конференции "Оптимизация управления, информационные системы и компьютерные технологии". – Вып. 1. – Ч. 1. – К.-Одесса: УАЭК, 1999. – С. 133 – 136.
6. Выявление особенных восстанавливаемых технических систем / А.Л. Становский, С.А. Балан, Халиль Ягхи, О.О. Доброхлеб // Труды VIII семинара "Моделирование в прикладных научных исследованиях". – Одесса: ОГПУ, 2001. – С. 13 – 15.
7. Об одном методе снижения размерности факторного пространства / А.Л. Становский, С.А. Балан, Халиль Ягхи, О.О. Доброхлеб // Труды VIII семинара "Моделирование в прикладных научных исследованиях". – Одесса: ОГПУ, 2001. – С. 15.
8. Становский А.Л., Балан С.А., Ягхи Халиль. Моделирование жизненного цикла сложных восстанавливаемых технических систем // Труды VIII семинара "Моделирование в прикладных научных исследованиях". – Одесса: ОГПУ, 2001. – С. 8 – 11.
9. Балан С.А., Гамолич В.Я., Ягхи Халиль. Факторный анализ состояния сложных технических систем // Труды VIII семинара "Моделирование в прикладных научных исследованиях". – Одесса: ОГПУ, 2001. – С. 12.
10. Моделирование повреждений в сложных технических системах с помощью нейронных сетей / С.А. Балан, А.Г. Онищенко, А.Л. Становский, Халиль Ягхи // Труды VIII семинара "Моделирование в прикладных научных исследованиях". – Одесса: ОГПУ, 2001. – С. 20 – 25.
ЯГХІ Кхаліл Абдельхамід Ахмед. Автоматизована система управління експлуатацією складних регенеруючих технічних систем. – Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – Автоматизовані системи управління та прогресивні інформаційні технології. – Одеський державний політехнічний університет, Одеса, 2001.
Дисертація присвячена розробці інформаційних засад управління експлуатацією спільноти складних регенеруючих технічних систем (СРТС). Розроблено архітектуру та методику навчання нейронної надмережі прогнозування розвитку життєвого циклу спільноти СРТС. Розроблено автоматизовану систему управління експлуатацією автотранспортних засобів на основі нейронної моделі прогнозування ушкоджень. Розроблені методики, алгоритми і програми для підвищення репрезентативності початкової інформації про життєдіяльність спільноти СРТС шляхом зменшення розмірності чинникового простору з метою виділення переважаючих техніко-організаційних чинників розвитку таких систем та перетворення їх у добірку адекватних вибірок для навчання нейронної надмережі. Розроблені методика, алгоритми і програми для визначення належності окремої СРТС після регенерації до відповідної ресурсної ітерації життєвого циклу. Застосування зазначеної системи дозволило підвищити надійність автомобільного транспорту.
Ключові слова: спільнота складних систем, життєвий цикл, регенерація, чинниковий аналіз, нейронна надмережа, навчальна вибірка, граф станів.
YAGHI Khalil Abdelhamid Ahmed. The automatic control system of operation of complex recycling technical systems. – Manuscript.
The dissertation seeking a scientific degree of the candidate of technical science in speciality 05.13.06 – Automatic control systems and progressive information technologies. – Odessa state polytechnic university, Odessa, 2001.
The dissertation is devoted to the information base for development of complex recycling technical systems (CRTS) operation management. The architecture and learning algorithm for neural supernetwork of development forecasting of CRTS community life cycle is developed. The automatic management of operation system for vehicles on a neuromodel of damages forecasting basis is developed. The methods, algorithms and programs for increase representation of the initial information on CRTS ability to live are developed by reduction of dimension spacefactor with the purpose of allocation of the superior technical-organizational factors of development of such systems and transformation them in an adequate samples for learning neural supernetwork. The methods, algorithms and programs for definition of CRTS belonging after regeneration to the appropriate resource iteration of life cycle are developed. The application of the developed system has allowed to increase the reliability of vehicles.
Key words: complex systems community, life cycle, regeneration, factor analysis, neural supernetwork, samples for learning, columns of condition.
ЯГХИ Халил Абдельхамид Ахмед. Автоматизированная система управления эксплуатацией сложных регенерирующих технических систем. – Рукопись.
Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – Автоматизированные системы управления и прогрессивные информационные технологии. – Одесский государственный политехнический университет, Одесса, 2001.
Множество сложных регенерирующих технических систем (СРТС) массового изготовления, таких как, например, автотранспортные средства, можно представить как некоторое сообщество несвязанных или слабо связанных индивидуумов, работающих в разнообразных конкретных условиях эксплуатации. В процессе работы в каждой отдельной СРТС накапливаются повреждения, которые могут приводить к отказу всей системы. Их причина содержит как детерминированную компоненту, связанную с особенностями конструкции, так и стохастическую, – определяемую условиями ее эксплуатации. Жизненный цикл (ЖЦ) СРТС отличается малопредсказуемостью из-за субъективности в принятии эксплуатационных решений, а также из-за того, что их регенерация сама по себе есть действием непредсказуемым по срокам и качеству.
Своевременный опережающий ремонт и замена элементов, ресурс которых приближается к своему пределу, является целью управления ЖЦ СРТС, которое невозможно без современных методов прогнозирования повреждений, например, использования нейросеточных информационных технологий. Последние, как известно, базируются на “трех китах”: архитектуре, математических моделях нейронов и методах оптимизации, а также на обеспечении соответствующими данными для обучения сети. Анализ разработок, существующих в прогнозировании жизнедеятельности СРТС с помощью нейронных сетей, позволяет прийти к выводу, что наибольшая проблема связана, прежде всего, с репрезентативностью обучающей выборки – главной ценностью нейросеточной модели, от объема и качества которой зависит адекватность моделирования.
Чем больше параметров существенным образом влияют на состояние объекта, тем большие требования по репрезентативности данных выдвигаются к обучающим выборкам. По отношению к такому объекту, как сообщество СРТС, уровни репрезентативности непосредственно связаны с методами получения исходных данных.
Целью работы является повышение эффективности функционирования и надежности сообщества СРТС за счет улучшения качества управления их ЖЦ в процессе эксплуатации путем создания АСУ на основе обучающейся нейронной суперсети прогнозирования повреждений и обеспечения ее репрезентативной информацией для обучения.
Для достижения этой цели в работе были решены следующие задачи: разработана архитектура и методика обучения нейронной суперсети прогнозирования развития ЖЦ сообщества СРТС; разработана автоматизированная система управления эксплуатацией автотранспортных средств на основе нейронной модели прогнозирования повреждений; разработаны методики, алгоритмы и программы для повышения репрезентативности исходной информации о жизнедеятельности СРТС путем уменьшения размерности факторного пространства с целью выделения превосходящих технико-организационных факторов развития таких систем и преобразования их в ряд адекватных выборок для обучения нейронной суперсети; разработаны методика, алгоритмы и программы для определения принадлежности СРТС после регенерации к соответствующей ресурсной итерации ЖЦ.
Объектом исследования является процесс автоматизированного управления эксплуатацией несвязанного или слабо связанного сообщества СРТС.
Предметом исследования является автоматизированная система управления эксплуатацией автотранспортных средств.
Научная новизна полученных результатов состоит в развитии и углублении теоретических и методологических основ управления сообществом СРТС на базе использования нейросеточных моделей прогнозирования их технического состояния на протяжении ЖЦ. Новыми научными результатами диссертационного исследования являются следующие: предложена модель сообщества СРТС в виде иерархической системы дифференцированных по моменту создания структурных элементов, которые существуют и работают в условиях неопределенности функционирования и неопределенности регенерации; предложена обучающаяся модель прогнозирования ЖЦ сообщества СРТС, реализация которой базируется на использовании нейронных суперсетей, состоящих из элементарных нейронных сетей, моделирующих отдельные ресурсные итерации ЖЦ; предложен рекуррентный алгоритм автоматической классификации внешних и внутренних факторов развития ЖЦ сообщества СРТС, основанный на максимизации функционала, характеризующего принадлежность объекта к данному классу и использующего линейные функции для задания разделяющих поверхностей; предложена модель замещения “старой” СРТС в виде графа состояний, в которых с расчетной достоверностью может оказаться система при том или ином уровне регенерации во время ремонта.
В Одесском транспортно-производственном объединении "Одесавтотранс" и Одесском институте-полигоне мобильной техники "ИНПОМТ" были проведены испытания разработанной в диссертации системы управления ЖЦ сообщества СРТС. В результате испытания установлено, что применение указанной системы позволило повысить надежность автомобильного транспорта. Результаты работы рекомендованы для широкого внедрения на предприятиях Украины и Иордании.
Предложенные методы, а также алгоритмы и программы, разработанные для их реализации, внедрены в учебный процесс Одесского государственного политехнического университета и используются в дисциплинах, изучающих методы управления сложными техническими системами, а также в курсовом и дипломном проектировании.
Ключевые слова: сообщество сложных систем, жизненный цикл, регенерация, факторный анализ, нейронная суперсеть, обучающая выборка, граф состояний.
| 
