- •1.2.1. Основные требования к модели
- •1.2.2. Абстрактная графовая модель. Некоторые понятия теории
- •1.2.3. Графовая модель процесса функционирования объекта
- •X „ Рис. 2.4. Построение граф-модели в пространстве свойств:
- •XI рассматриваются как основные функциональные сврйства
- •Xj. Такое ребро иногда называют дугой.
- •2.4. Переход от пространства свойств
- •2.5. Отображение неисправностей в объекте диагностирования
- •X, f, V, е, r, d рассмотрим процесс построения граф-
- •1 Там, где это необходимо, отдельной дугой могут учитываться и обратные
- •2.6.3. П ро ст ей ше е п ре дс та вл ен иег ра ф-м од ел ью а ви ац ио нн ог о г тд Авиационный газотурбинный двигатель представляет собой
- •6, 7. В результате этого этапа получают граф-модель в пространстве
- •I ямки сц
- •1. Формируется содержательное описание од
- •2. Создается принципиальная схема объекта
- •3. Представляются имеющиеся аналитические и качественные
- •1. Отождествление выбранных
- •2. Представление свойств (функций)
- •2. Строится укрупненная блочная функциональная
- •2. Входные и выходные воздействия функциональных
- •3.3), Можно представить определенным сочетанием элементов
- •2, Т; выходы блоков, являющиеся одновременно внешними
- •3 (Рг) включения наддува, а затем в коллекторы гермоотсека.
- •1. Составить в соответствии с (3.2) матрицу смежности
- •2. Вычислить матрицу
- •1 Это имеет место при решении задач диагностирования с помощью сложившихся
- •1 Импликантой булевой функции ф(*|, дг2, ..., * „) называется элементарная
- •4.3.1. А лг ор ит м п ро ст ог о г ол ос ов ан ия Использование любого из описанных подходов к решению
- •4.3.2. Алгоритм голосования с учетом весов
- •1. Множество в* диагностических параметров формируется
- •2. Если голоса всех вершин внутри рассмотренных трех групп
- •3. Если из-за одинакового числа голосов ряда вершин второй
- •4.3.3. Эвристический алгоритм
- •4.4, А), тупиковые (рис. 4.4,6);
- •4.2. Нумерация вершин граф-модели
- •10. Следующий по порядку за этим q номер должна получить
- •11. После выполнения правил п. 10 для каждой непронумерованной
- •5.1. Определение компонент достижимости
- •XI, соединяющих другие вершины графа с вершиной XI, называют
- •1.4 Будем множество вершин компоненты достижимости
- •Xj назовем число ребер простой ориентированной цепи, содержащей
- •XI и любой другой вершиной соответствуют условию:
- •1.10 Усеченным синдромом d(X{) будем называть множество вершин
- •5.2. Упорядочение вершин граф-модели
- •5.2.1. Оценка параметра по сводному фактору
- •5.2.2. Оценка параметра по фактору чувствительности
- •5.2.3. Оценка параметра по фактору разделительной
- •1 Выделение симптомов s, рассматривается ниже в § 5.6.
- •5.3. Экспертные методы в задаче упорядочения
- •5.3.1. Общие соображения
- •1 Имеется в виду объект упорядочения (а не диагностирования), в качестве
- •100 По усмотрению эксперта.
- •5.3) С обязательным учетом ограничений типа
- •5.3.3. Определение коэффициентов значимости факторов
- •I{Xj/XI) о состоянии параметра X/, получаемого при контроле
- •5.1. Весовая матрица с.,
- •5.2. Матрица частных расстояний Срас
- •1. Если какая-либо строка имеет несколько ненулевых элементов,
- •5.3. Таблица синдромов d (е,)
- •1 С е. Параметры ПараметD(
- •2 С еа 0 0 0 5 8 0 0 0 10 0 0 0 0 0 0 fu /2, г Diet)
- •2. Если к некоторой вершине х ведут несколько маршрутов от
- •3. Вершины ориентированного цикла учитываются только
- •5.4. Таблица усеченных синдромов d(ei)
- •5.5. Декомпозиция рабочей граф-модели
- •5.5.2. Декомпозиция граф-модели
- •5.6. Уточнение граф-модели и упорядочение вершин
- •5.6.1. Уточнение рабочей граф-модели
- •5.7. Таблица близости р
- •1 В табл. 5.6 сведены результирующие вектор-строки. Дальше в таблицах
- •5.7. Выявление эффективного множества диагностических
- •5.7.1. Динамическая перенумерация вершин
- •5.8. Таблица покрытия
- •Xk в состав множества в для получения информации о дефекте
- •5.7.2. Выбор диагностических параметров методом
- •4 И 5. Действия по шагам 3— повторять по порядку для
- •32 Характерных дефектов содержит 11 диагностических
- •5.7.3. Выбор диагностических параметров
- •5.7, 5.8, 5.9) Излагались относительно одной не разделенной
- •1,2,3 GTiyT
- •1. Описанная методика упорядочения вершин граф-модели
- •2. Для решения задачи векториальной оптимизации используется
- •3. Применение правил покрытия таблицы для определения
- •4. На базе выбранного множества диагностических параметров
- •6.1. О рг ан из ац ияд иа гн ос ти че ск оЙинфор м ации Важную роль в организации измерений Значений диагностических
- •6.2. Построение схемы диагностирования
- •6.3. Образование распознаваемых классов
- •6.3.1. М ет одп ос ле до ва те ль ны х д их от ом ийвз ад ач е
- •1 Если они не поименованы иначе.
- •2 От греческого бЫотоцла —разделение надвое.
- •1V точек, которые можно сделать плоскостью, имеющей
- •6.1. Таблица линейных классификаций
- •6.3, А и б). Процедура диагностирования
- •6.3.2. М ет одф ор ми ро ва ни я у сл ов ны х к ла сс ов Другим методом, позволяющим экономить машинные ресурсы
- •§ 6.2, Позволяет определить взаимосвязь между диагностическими
- •1000100...—Класс Рт.
- •6.4.1. О бо сн ов ан иев ыб ор а у сл ов ны х к ла сс ов Мы рассмотрим этот вопрос в соответствии с работой [13],
- •7.1. Интерактивные процедуры в системе функционального
- •7.2. Стадии и этапы обработки
- •1 Этап —определение компонент достижимости p(XI) для
- •2 Этап —определение интервала и границ варьирования значений
- •3 Этап —уточнение (конкретизация) подходящего (допустимого)
- •32 Дефектов.
- •2, 13 Двудольных графов на множествах вершин Хк- в качестве
- •1 Точнее, элементов множества z' (см. Гл. 5 ), так как z' включает в себя
- •Xе или множества неулучшаемых решений (множество Парето).
- •13 Значений ркр, среди которых необходимо найти оптимальное
- •7.4. Стадия формирования эффективного множества
- •4 Элемент для включения его в набор эффективных диагностических
- •7.5. Покрытие таблицы для двухуровневой задачи распознавания
- •7.7), В ряде случаев близкие состояния могут оказаться с помощью
- •7.6. Граф-модель проточной части авиационного двухконтурного
- •Xj. Это соответствует установлению между функциональными
- •§ 4.1 Применительно к авиационному гтд, производилось по
- •2 Например, при наличии технологических заглушек для измерений давления
- •7.1. Таблица близости
- •7.2. Погрешности измерения параметров гтд
- •1 В соответствии с техническими показателями системы измерения параметров
- •7.3. Покрытие диагностическими параметрами возможных состояний проточной части гтд
- •8.1. Алгебраические методы и граф-модели
- •8.2. Допустимые таблицы, различающая мера, вес признака
- •1 Равные строки в каждой отдельной таблице допускаются.
- •8.3. Выявление весов признаков
- •1. Формируется таблица т(1,0):
- •2. Таблица 7'(|,0) с целью сокращения времени машинной
- •3. Определяются тупиковые тесты. Процедура базируется на
- •2. Таблица преобразуется в таблицу т*. Подсчитывается число единиц
- •3. Определяются тупиковые тесты.
- •8.4. Процедуры классификации состояний
- •8.5. Метод декомпозиции в задаче распознавания
- •8.6. Система распознавания и классификация клара
- •8.1. Таблица функциональных назначений модулей
- •1 Уравнение Бернулли для реальной жидкости имеет вид:
- •14 (/З, Нр ). Этими параметрами покрываются все четыре7 дефекта
- •8.3. Таблица покрытия (для параметров работоспособности н)
- •8.4. Таблица покрытия (для диагностических параметров в)
- •1Дьлица I*1,3
- •I аьлина I*
- •ITTsITi I j*‘ 77i
- •1 Признак1числ0т/т18еса
- •I аьЛи на?&г• “
- •6≪ Класс 0
- •03.09.91. Формат 6 0 X 8 8 1 / 16- Бум. Офсетная № 2.
- •15,32. Тираж 800 экз. Заказ № 666. Цена 5 руб.
- •129041, Москва, б. Переяславская, 46.
- •103064, Москва, Басманный туп., 6а,
- •1Mmmmmm
- •Ihak1числ0т/тibeca Ri
- •5|Гап: класс I ≪ dv , класс 0 * d, , d≫ , d2
5.5.2. Декомпозиция граф-модели
Если рабочая граф-модель не состоит из не связанных между
собой подграфов, то алгоритм 5.5 заканчивается построением
одного единственного синдрома D*(x), содержащего все вершины
рабочей модели. Для декомпозиции графа можно использовать
следующий алгоритм.
Алгоритм 5.6.
Шаг 1. Множество вершин, представляющих множество
структурных параметров Е, разбивается на ряд непересекающих-
ся подмножеств т\, т2, т„... т?, таких, что
<7
XiCzE, г = 1, - q\ (J т , = £, т,Пт;=0; /, /=1, ... q\ i=£j. (5.38)
i = i
Желательно в т,- объединить вершины е\, е2, ..., ev, ..., ей,
которые имеют сильно пересекающиеся усеченные синдромы.
Шаг 2. Из таблицы D(e,) (см. табл. 5.4) путем объединения
усеченных синдромов вершин е, принадлежащих подмножеству
ть формируется множество определяющих параметров От, и
множество вершин XXi связанного подграфа Xt , = Ot1Uti.
136
PHI: 5.7. Y1'o·lIt~ttfllolfl C'
~~6
W~' W r. l-lO - s
nil UltltblH•110' -Un/'l lcjl G,
YTO\lIIeIlHbI II CBIHilllllUlI IIUAlpatP G.
Весовую подматрицу СТ| строят из матрицы Ср.„ес (см. рис. 5.5, б),
выписывая только те строки и столбцы, которые соответствуют
множеству Л'т,.
Шаг 3. Повторяется шаг 2 для элементов е из подмножества
гг и т. д. для всех т i= 1, 2, ..., q.
Шаг 4. На основе подматриц СТ(. строятся связанные подграфы
G Т(..
Существенно, что множества вершин этих подграфов пересекаются,
т. е.
Ат,.ПАХ/. # 0 . (5.39)
Подграфы такого вида для примера из рис. 2.7 показаны на
рис. 5.7, 5.8 и 5.9. Выделенные конкретные симптомы для
некоторых параметров будут рассмотрены в § 5.6 и в главе 6. Краткая
последовательная схема приведенных выше процедур приведена
на с. 139.
Рис. 5.9. Уточненный связанный подграф йгз / J \
Схема процедуры построения рабочей граф-модели и ее декомпозиции
Л
<и И
Гсв м
X
пс
З
Я
я
я
Алгоритм,
шаги алгоритма
Содержание
процедур в условных
обозначениях
Пояснения
аX
Q-
(U
Кх<и5
Iс .
С О
Алгоритм 5.4
Шаг 1
Шаг 2
Шаг 3
Шаг 4, 5
г" рас
>5 в> Jcd
а
1) мЯ 5 5 X С*
8 I Р< V
В6 •я§>
С&
Алгоритм 5.4
Шаг 6
Шаг 7
Шаг 8
Г
Л (е )
I
Ркр I -
I0
1
Исходная матрица смежности с
элементами (0; 1)
Весовая матрица с Ifx^/x^)
Матрица частных расстояний с
Т(Хi/Xj)
Таблица синдромов с р
Критическое расстояние из гистог-
раммы расстояний__________________
раб
р вес
J pa6
Таблица усеченных синдромов
Множество определяющих параметров
Множество вершин рабочей граф-
модели
Рабочая весовая матрица
Рабочая граф-модель
7
Я 1 3 Я
≪ i f яяа 2 S f о. о о
_ Ё Я О о, с Алгоритм 5.5
Шаг 1
У '
с
Д°п V
Шаг 2, 3 />*(*,)
Шаг 4
т
t ‘
▼ч Шаг 5
т т
Матрица смежности графа
Дополнительная матрица
Синдромы подграфов
Весовые матрицы подграфов
Несвязанные между собой подгра-
фы, конец процедуры
U
≪ 3
а я
£ *
ю Я
Я 5 о. яи * 5 2
&s я TдJ1 2 s я
§§&
Ц
Алгоритм 5.6
Шаг 1
Шаг 2, 3
Шаг 4
Ьх т с
о ,
Г Iх
Множество структурных параметров,
подмножества структурных параметров
Определяющие параметры
Вершины связанных подграфов
Весовые подматрицы связанных
подграфов
Связанные подграфы, конец процедуры_______________________________
139
