Матрица аномального состояния системы Sij

Таблица 1.5

x₁ x₂ x₃ x₄ x₅ x₆ x₇ x₈ x₉ x₁₀ x₁₁

-0.379	0.000	0.043	0.000	0.000	0.000	0.000	-1.410	0.000	-0.178	0.000
0.000	1.217	0.000	0.000	0.531	0.000	0.000	-0.952	-0.289	0.000	0.000
0.078	0.000	0.224	0.000	0.000	0.000	0.000	-0.812	0.000	0.000	0.036
0.000	0.000	0.000	-0.628	0.000	0.001	0.000	0.000	0.000	0.000	0.000
0.000	0.932	0.000	0.000	0.768	0.000	0.000	0.000	-0.288	0.000	0.000
0.000	0.000	0.000	0.376	0.000	0.236	0.000	0.000	0.000	0.000	0.000
0.000	0.000	0.000	0.000	0.000	0.000	0.291	0.000	-0.672	0.094	0.000
0.007	0.059	0.001	0.000	0.000	0.000	0.000	-1.908	-0.257	-0.798	0.000
0.000	0.045	0.000	0.000	-0.060	0.000	-0.008	0.296	1.296	0.090	0.000
-0.022	0.000	0.000	0.000	0.000	0.000	-0.021	0.866	0.655	1.691	-0.002
0.000	0.000	-0.086	0.000	0.000	0.000	0.000	0.000	0.000	0.828	0.849

Точность моделирования оценивается степенью различия наблюдаемого отклонений и сумм составляющих их расчетных вкладов согласно (1-10) и в данном фрагменте не достигается либо за счет влияния неучтенных факторов, либо неполноты статистических данных и неадекватности коэффициентов регрессии. В процессе наблюдения системы и дополнения базы данных модели ее функциональных связей и ситуационная модель постоянно уточняются и корректируются по результатам идентификации текущих ситуаций. Вместе с тем для правильной диагностики и прогнозирования аномальных состояний в структурно-параметрической ситуационной модели при сравнении вкладов важна не точная их оценка, а соблюдение отношения порядка их абсолютных значений.

По алгоритму диагностирования (рис.1.8) на главной диагонали ситуационной матрицы (таблица 1.5) выбирается максимальное по модулю отклонение x₈ = -1.908 и строится причинно-следственная цепь связей

(8:10), (10:8) “цикл “,

(10:9), (9:8) ”цикл ”,

(9:10)” цикл ”,

(9:2), (2:8) “цикл “,

(2:5), (5:2) “цикл “.

При диагностировании отклонения параметра выходного продукта, например x₁₁ = 0.849 , причинно-следственная линия выглядит как

(11:10), (10:8), (8:10) “цикл “,

(8:9), (9:8) ”цикл ”,

(9:10) “цикл “,

(9:2), (2:8) “цикл “,

(2:5), (5:2) “цикл “.

Здесь поиск можно прервать, так как цепь воздействий по менее значимым линиям связи вновь замыкается на ранее прерванные циклы и в наблюдаемом пространстве исходная причина оказывается в цикле функционального взаимодействия (2:5), (5:2), т.е. объясняется отклонением параметров x₂ и x₅ , соответственно плотностей обезжиренного и заквашиваемого молока. По найденному направлению наибольшего функционального влияния “(11:10), (10:8), (8:9), (9:2), (2:5), (5:2)” дается сообщение:

“Отклонение x₁₁ – содержания сухих веществ в сыворотке обусловлено отклонением плотностей обезжиренного и заквашиваемого молока x₂ и x₅ через изменение времени и температуры сепарирования x₉ , x₈ и pH творожной основы x₁₀ .“

Другие примеры построения структурно-параметрических моделей взаимосвязей и ситуаций в технологических системах даны в приложении 1.

Описанные модели и алгоритмы структурно-параметрического моделирования и идентификации могут быть использованы для разработки интерактивной системы анализа многофакторных и многосвязных технологических систем по переработке биосырья. Примером может служить информационная технология и экспертная система контроля качества и безопасности продуктов питания, описываемые в следующем разделе.