Імітаційне моделювання удосконаленого алгоритму ідентифікації технічного стану об'єктів, передаварійних ситуацій та ускладнень, які виникають під час роботи складних технологічних систем

Abstract

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. Толу, для ідентифікації поточного стану технологічного об'єкту в умовах інформаційної невизначеності запропоновано використовувати, разом із розробленими раніше підходами, нейромережевий класифікатор на основі гібридної нейромережі, що складається з мережі Кохоне-на 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 станам. 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.

Having analyzed foreign and domestic literature, it concluded that the most appropriate solution to the problem of identification of problematic situations in complex technological systems is the use of methods and algorithms of clustering. But every such algorithm has several features that affect its performance in this situation. Therefore, to identify the current state of technological objects in information uncertainty it is recommended to use neural classifier based on hybrid neuronet consisting of a network Kohonen and feed-forward neuronet. This approach allows using control methods, in the case known statistical sample, containing data about the values of information parameters and corresponding technical state of the object, identify and summarize the causal relationship between the relation of the values of the information parameters of controlled object and its technical condition. The simulation of the proposed method was performed in Matlab medium, using SOM Toolbox, on the example of technical state of rock cutting tool during drilling. The control algorithm based on Kohonen neuronet can be improved and used to identify the different types of technological object, as well as forecasting emergencies and complications that may arise during the operation of complex technological systems.