Разработка системы иерархических продукционных правил для диагностирования электротехнического оборудования

Автор: Колоденкова А.Е., Верещагина С.С.

Журнал: Онтология проектирования @ontology-of-designing

Рубрика: Прикладные онтологии проектирования

Статья в выпуске: 1 (35) т.10, 2020 года.

Бесплатный доступ

Процесс диагностирования электротехнического оборудования на этапе эксплуатации является многофакторным, сложным для математического описания и моделирования, поскольку факторы, влияющие на работу и техническое состояние оборудования, могут быть представлены не только количественными, но и лингвистическими переменными. Для повышения производительности функционирования и уровня отказоустойчивости оборудования необходимо разрабатывать методы и модели диагностирования, позволяющие учесть основные факторы, которые влияют на техническое состояние оборудования. В работе решается задача разработки системы иерархических продукционных правил для диагностирования электротехнического оборудования с учётом измерительной и экспертной информации. Новизной является то, что правила привязаны к разработанным неоднородным когнитивным моделям, которые охватывают закономерности получения, передачи, обработки разнотипных данных и в ранжировании правил с учётом длины пути в моделях между вершинами «условие» и «заключение», отражающих обобщённые знания дежурного персонала. Это позволяет уменьшить объём базы знаний, содержащей продукционные правила, сделать процесс поиска более эффективным и принять обоснованные диагностические решения относительно исправности оборудования.

Еще

Диагностика, электрическое оборудование, иерархические продукционные правила, неоднородная когнитивная модель, ранжирование правил

Короткий адрес: https://sciup.org/170178574

IDR: 170178574   |   DOI: 10.18287/2223-9537-2020-10-1-63-72

Список литературы Разработка системы иерархических продукционных правил для диагностирования электротехнического оборудования

  • Eltyshev, D.K. On the development of intelligent expert diagnostic system for assessing the conditions of electrical equipment / D.K. Eltyshev // Systems. Methods. Technology. - 2017. - No. 3(35). - С.57-63.
  • Pareek, S. Application of artificial neural networks to monitor thermal condition of electrical equipment / S. Pareek, R. Sharma, R. Maheshwari // 2017 3rd International Conference on Condition Assessment Techniques in Electrical Systems (CATCON). - 2017. - P.183-187.
  • Kolodenkova, A. Diagnostics of Industrial Electrical Equipment Using Modern Information Technologies / A. Kolodenkova, S. Vereshchagina // 2019 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), Sochi, Russia. - 2019 - P.1-5.
  • Вдовико, В.П. Методология системы диагностики электрооборудования высокого напряжения / В.П. Вдовико // Электричество. - 2010. - №2. - С.14-20.
  • Силов, В.Б. Принятие стратегических решений в нечёткой обстановке / В.Б. Силов. - М.: ИНПРО-РЕС, 1995. - 228 с.
  • Осипов, Г.С. Построение моделей предметных областей. Ч. I. Неоднородные семантические сети / Г.С. Осипов // Известия РАН. Техническая кибернетика. - 1990. - № 5. - С.32-35.
  • Катасев, А.С. Нечётко-продукционная каскадная модель диагностики состояния сложного объекта / А.С. Катасев, Л.Ю. Емалетдинова // Программные системы и вычислительные методы. - 2013. - № 1(2). - С.69-81.
  • Preece, A.D. Foundation and application of knowledge base verification / A.D. Preece, R. Shinghal // International Journal of Intelligent Systems. - 1994. - Vol. 9. - P.683-701.
  • Белов, А.А. Основы теории нечеткости / А.А. Белов, Т.В. Гвоздева. - ГОУ ВПО "Ивановский государственный энергетический университет имени В.И. Ленина", 2005. - 119 с.
  • Солдатова, О.П. Сравнительный анализ алгоритмов генерации баз нечётких продукционных правил на примере решения задачи классификации/ О.П. Солдатова // Измерение. Мониторинг. Управление. Контроль. - 2014. - № 4 (10). - С.43-48.
Еще
Статья научная