- •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
7.4. Стадия формирования эффективного множества
ДИАГНОСТИЧЕСКИХ ПАРАМЕТРОВ
7.4.1. В ыб орд иа гн ос ти че ск ихп ар ам ет ро в
Проблема выбора эффективного набора диагностических параметров
и соответствующие методы уже обсуждались (см. § 5.7.).
Следует только еще раз подчеркнуть важность и сложность этого
этапа для всей задачи технического диагностирования. В методике
(§ 5.2), являющейся базовой, сформулированы основные требования,
предъявляемые к выбранным параметрам. Качество работы
алгоритма, реализующего методику, оценивается по способности
отбирать признаки, соответствующие этим условиям.
В результате осуществления первоначальной обработки граф-
модели получают исходные данные для заполнения таблицы, покрытие
которой требуется найти. Напомним, что сама таблица
соответствует двудольному графу, ее строки —параметрам S,
располагающимся по убыванию соответствующих значений пока189
зателя эффективности Ф„а столбцы таблицы соответствуют
кодовым вершинам —дефектам, подлежащим распознаванию.
Элементы таблицы —значения ≪близости≫ р,, параметров соответствуют
кодовым вершинам. Вид таблицы приведен в § 5.7.
Выбор элементов покрытия этой таблицы расстояний адекватен
нахождению внешне устойчивого подмножества вершин двудольного
графа (см. главу 4).
На этой стадии выбор множества диагностических параметров
осуществляется программами MATI и POCR, однако работа
алгоритма 5.9, достаточно эффективного для задачи распознавания
классов, требует введения диалогового взаимодействия с
лицом, принимающим решение.
7.4.2. И нт ер ак ти вн аяп ро це ду рап ок ры ти я т аб ли цыр ас ст оя ни й
вз ад ач е р ас по зн ав ан ияк ла сс ов Преобразование алгоритма 5.9 в интерактивную процедуру
позволяет обрабатывать значительные массивы данных без предварительной
декомпозиции таблицы расстояний на подтаблицы.
При этом осуществляется выбор множества параметров, обеспечивающего
Дифференциальное ДиагностированиЕ —ДИДЕ,
а ЛП Р действует как партнер ЭВМ, обладающий опытом и
способностью оценивать решение [58].
Алгоритм 7.4.
Шаг 1. Формируется исходная таблица (§ 5.7).
Шаг 2. Определяется количество ненулевых элементов L,
каждого столбца. Если 3 Lj —0], то покрытия /-го дефекта
не существует, переход к шагу 11.
Шаг 3. Выбирается столбец, соответствующий d [ d t е Д
L j ф0], с минимальным значением Lj —min L j и наименьшим Ф^.
Шаг 4. Выделяется ненулевой элемент на пересечении /-го
столбца и г-й строки, имеющей максимальное значение Ф.
Шаг 5. ЛПР анализирует таблицу и предполагаемый на шаге
4 Элемент для включения его в набор эффективных диагностических
параметров В. Он принимает решение: продолжить работу
алгоритма (шаг 7); изменить порядок выбора элементов (шаг 6).
Шаг 6. ЛПР задает номер столбца, соответствующего измененному
порядку просмотра дефектов таким образом, что номер
столбца соответствует выбранному дефекту, а номер строки — покрывающему его параметру. Параметр проверяется на
удовлетворение условий отбора по алгоритму. Если условия выполнены,
то переход к шагу 7, в противном случае ЛПР принимает
решение повторить процедуру с шага 3 или с шага 5, выполнить
шаг 7.
190
Шаг 7. Параметр вводится в набор эффективных диагностических
параметров В. Осуществляется ≪чистка≫ рабочей
таблицы:
вычеркиваются (удаляются) г-я строка и й столбец;
вычеркивается v-й столбец, характеризующийся ненулевым
элементом p,v с максимальным значением Ф, для этого столбца.
Дефект dv считается покрытым;
осуществляется перерасчет значения Ф, (см. § 7.3.6);
строки таблицы перераспределяются в соответствии с новыми
значениями Ф,.
Шаг 8. ЛПР предъявляется рабочая таблица. Если таблица
нулевая, то переход к шагу 10, в противном случае —к шагу 9.
Шаг 9. ЛПР анализирует таблицу и оставшиеся параметры
относительно связи с выбранным параметром. Если отображенный
признак определяет наличие или отсутствие другого параметра,
то ЛПР включает в покрытие и его, следовательно, повторяются
шаги с 6 по 9. В противном случае повторяется шаг 3.
Шаг 10. ЛПР изучает выбранное покрытие. Если набор
параметров удовлетворяет ЛПР, то переход к шагу 11; если не
удовлетворяет —к шагу 1.
Шаг 11. Конец процедуры.
Процедура реализуется программой РОСТ, которая является
составной частью программы POCR.
Если ЛПР проверил все допустимые альтернативы, но решение
все-таки неудовлетворительное, то необходим возврат к этапу
выбора критического расстояния и коэффициентов значимости
факторов.
