Добавил:
Diagnost
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Осис Я.Я. Гельфандбейн Я. А. и др.ДИАГНОСТИРОВАНИЕ на граф - моделях на примерах авиационной и автомобильной техники 1991.docx
X
- •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|Гап: класс I ≪ dv , класс 0 * d, , d≫ , d2
зи .Ч« Х« « » 1 Ч------
М ар ко ви ч З иг ур д П ав ло ви ч. Д оц ен т,
к ан ди да т т ех ни че ск ихн ау к. Д оц ен т
к аф ед рыа вт ом ат ич ес ко гоу пр ав ле ни я
Р иж ск ог о т ех ни че ск ог о у ни ве рс ит ет а.
А вт орр яд а с та те й во бл ас ти м ат ем ат ич ес ко гом од ел ир ов ан ия о бъ ек то в д иа гн ос ти ки п ре дс та вл ен ия з на ни й вэ кс пе рт ны х с ис те ма х.
Н ов ож ил ов а Н ад еж даВ ал ен ти но вн а.
С та рш ийн ау чн ыйс от ру дн ик к ан ди да т
т ех ни че ск ихн ау к. С та рш ийн ау чн ый с от ру дн икЦ ен тр ал ьн ог о н ау чн о-
и сс ле до ва те ль ск ог о и нс ти ту та а вт ом ат из ир ов ан ны х с ис те м у пр ав ле ни я
Г А. А вт орр яд а р аб отво бл ас ти а вт ом ат из ац иид иа гн ос ти ро ва ни я с п ри ме не ни емЭ ВМ__
Соседние файлы в предмете Надежность и техническая диагностика систем