logo
9АБCД Нечётки е технологии (УЧЕБНИК) (Восстановлен)11 (2)

3.2.2. Описание исходной информации на языке размытых множеств

Проверка всех элементов множеств и, с целью определения их соответствия изложенным выше требованиям, является одним из этапов решения поставленной задачи. Для этого предполагается определение всех функциональных или статистических зависимостей между элементами множеств и,и, (рис.3.6). Если известны составы подмножестви, то можно определить зависимости междуи элементами, междуи элементами. Определение функциональных зависимостей можно осуществлять способами пассивного или активного экспериментов. В пассивном эксперименте наблюдения ведутся за работающим объектом, т.е. комплекс измерительных операций производится перед ремонтом или после него. При проведении активного эксперимента производится целенаправленное изменение параметров элементов или ввод различных неисправностей и измерение значений определяющих и распознающих параметров. Найденные зависимости позволяют с большой достоверностью выделить подмножества используемых параметрови, отвечающих предъявляемым требованиям. Однако такая методика практически применима только при небольших мощностях множеств,,и, т.к. количество необходимых зависимостей быстро растет с увеличением количества элементов указанных множеств, особенно при истинности выраженийи(рис.3.6, 3.7). Состав множествиможно определять также параметрами, выбранными эмпирически, с последующей их проверкой [47, 48]. Однако параметры, выбранные таким путем, часто функционально слабо связаны с возникающими неисправностями агрегатов. Поэтому приходится искать другие способы, [49], пока не будет найдено удовлетворительное решение задачи. Энергетический объект является сложным и труднодоступным объектом, особенно в процессе работы в режиме реального времени. В результате обслуживания и контроля агрегата возникает необходимость принятия решения о состоянии на основе прямых или косвенных измерений и с учетом влияния системных связей, [50].

В связи с этим автором предлагаются модели и алгоритмы решения задач диагностики энергоустановки с помощью методов и средств теории распознавания образов со случайно или эмпирически выбранным (для некоторых элементов) информационным подмножеством признаков. То, что множество признаков определяется не в начале диагностики, а является результатом применения сложных способов оценки информативности параметров, считается основным недостатком современной теории распознавания образов, [51, 52].

Итак, определение множества параметров диагностики может трактоваться как предварительный выбор методов и методик измерений (признаков) образа.

Решение задачи технической диагностики энергоустановки в данной работе выполняется на основе ее математического описания в виде граф – модели -конечный ориентированный граф, (рис. 3.11).

В таком графе каждая вершина связана дугой с вершиной, если параметротображается в параметре. Неисправностью называется существенное нарушение нормального функционирования всего механизма (или отдельных его узлов). Причиной возникновения неисправности может быть либо один серьезный дефект, либо комплекс дефектов.

В алгоритм решения задачи выбора диагностических параметров положены методы оценки параметров, по их информативности и доступности, определение веса дуг и вершин граф – модели механизма энергоустановки.

Рис. 3.11. Исходная граф – модель (а) и матрица смежности - (б),

составленные для определения вероятной неисправности объекта.

    1. Выбор состава множеств распознающих параметров

Принято считать неточность и неопределенность статистическими, случайными характеристиками и учитывать их при помощи методов теории вероятностей. Однако в реальных ситуациях источником неточности становятся помимо случайных величин, также и принципиальная невозможность оперировать точными данными из-за сложности системы, процессов, неточности, размытости ограничений, критериев и целей. Поэтому в задачах управления появляются классы объектов, не имеющие четких интервалов и границ в силу своей размытости. Нечеткость таких классов выражается тем, что элемент системы может не только принадлежать или не принадлежать некоторому классу, но возможны также и промежуточные степени принадлежности, особенно характерные для нестационарных режимов.

3.3.1.Методы группирования данных, классификации и кластеров

      1.