З аналізу закордонних та вітчизняних літературних джерел зроблено висновок, що найбільш доцільним для розв'язання задачі ідентифікації проблемних ситуацій у складних технічних системах є використання методів та алгоритмів кластеризації. Але кожен такий алгоритм має ряд особливостей, які впливають на його ефективність в даній ситуації. Тому, для ідентифікації поточного стану технологічного об'єкту за умов інформаційної невизначеності запропоновано використовувати, разом із розробленими раніше підходами, нейромережевий класифікатор на основі гібридної нейромережі, що складається з мережі Кохонена та нейромережі прямого поширення. Такий підхід дозволяє перейти до безеталонних методик контролю, а у випадку відомої статистичної вибірки, що містить дані про значення інформаційних параметрів і відповідних їм технічних станів об'єкта, виявляти і узагальнювати причинно-наслідкові зв'язки між співвідношенням значень інформаційних параметрів контрольованого об'єкту і його технічним станом. Проведене імітаційне моделювання запропонованого методу в середовищі Matlab, за допомогою інструментарію SOM Toolbox, на прикладі контролю технічного стану породоруйнівного інструменту в процесі буріння свердловини. Розроблений алгоритм контролю на базі нейромережі Кохонена в подальшому може бути удосконалений і застосовуватись для ідентифікації технологічних об'єктів різних типів, а також при прогнозуванні аварійних ситуацій і ускладнень, що можуть виникнути під час роботи складної технологічної системи.

  Повний текст PDF - 337.549 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"