МОДЕЛЬ ДИАГНОСТИРОВАНИЯ БОРТОВОГО ОБОРУДОВАНИЯ С УЧЕТОМ ТОЧНОСТНЫХ ХАРАКТЕРИСТИК СРЕДСТВ ИЗМЕРЕНИЙ

Е. А. Захарова

Аннотация


Предлагается модель диагностирования бортового оборудования с учетом точностных характеристик средств измерений, основанная на использовании байесовских сетей доверия. Модель позволяет вычислить апостериорную вероятность технического состояния в блоках бортового оборудования космического аппарата с учетом точностных характеристик средств измерений, заданных дискретными и непрерывными величинами. Показано, что учет нормального закона распределения и учет точностных характеристик средств измерений позволяет повысить апостериорную вероятность технического состояния на 0,6–3 %.

Ключевые слова


диагностирование, техническое состояние, байесовская сеть доверия, точностные характеристики

Полный текст:

PDF

Транслитерированный список литературы


1. Baranovsky A.M., Privalov A.E. System for Monitoring and Diagnosting Onboard Equipment of a Small Spacecraft [Sistema kontrolya i diagnostirovaniya bortovogo oborudovaniya malogo kosmicheskogo apparata], Proc. Higher Education Establishments. Insrumentation [Izvestiya vysshikh uchebnykh zavedeniy. Priborostroenie], 2009. Vol. 52, No. 4. Pp. 51–56.
2. Dorozhko I.V., Zakharova E.A, Kopeyka A.L. The Diagnostic Model of a Complex Technical Complex, Taking into Account the Coverage of Reliability Indicators Based on a Bayesian Trust Network [Model diagnostirovaniya slozhnogo tekhnicheskogo kompleksa s uchetom okhvata pokazateley nadezhnosti na osnove bayesovskoy seti doveriya], Tidings of the Tula State University. Technical Science. [Izvestiya tulskogo gosudarstvennogo universiteta. Tekhnicheskie nauki.], 2018. No. 12. Pp. 335–342.
3. Kim, J. H., Pearl J.A. Сomputational Model for Causaland Diagnostic Reasoning in Inference Systems. Proc. of the Eighth International JointConference on Artificial Intelligence (IJCAI 83), 1983, Pp. 190–193.
4. Dmitriev A.K., Kravchenko I.D. Model of the Process of Diagnosting a Technical Object Using Continuous Diagnostic Signs [Model` protsessa diagnostirovaniya tekhnicheskogo ob`ekta pri ispol`zovanii nepreryvnykh diagnosticheskikh priznakov] Proc. Higher Education Establishments. Insrumentation [Izvestiya vysshikh uchebnykh zavedeniy. Priborostroenie], 1994. No. 11–12. Pp. 3–9.
5. Rassel S., Norvig P., Artifical Intelligence. A Modern Approach [Iskusstvennyy intellekt: sovremennyy podkhod], Moscow, Willams, 2006, 1407 p.
6. Tulupyev A. L., Sirotkin A.V., Nikolenko S.I. Bayesian networks: logicoprobabilistic inference in acyclic directed graphs [Bayesovskie seti doveriya: logiko-veroyatnostnyy vyvod v atsiklicheskikh napravlennykh grafakh], Saint Petersburg, Publ. St. Petersburg University, 2009, 399 p.
7. Dmitriev A.K., Yusupov R.M. Identification and technical diagnostics [Identifikatsiya i tekhnicheskaya diagnostika], Moscow, Ministry of Defense of the USSR, 1987, 521 p.
8. Novitsky P.V., Zograf I.A. Estimation of errors of measurement results [Otsenka pogreshnostey rezul`tatov izmereniy], Leningrad, Energoatomizdat, 1991. 303 p.
9. Serykh V.I., Grebtsova L.V. Method of Requirements Validation for Accuracy of Measuring Control Means [Metod obosnovaniya trebovaniy k tochnosti sredstv izmeritel'nogo kontrolya] Bulletin of SibSUTIS. [Vestnik SibGUTI], 2012. No. 1. Pp. 30–40.
10. Lyachiev V.V., Siraya T.N., Dovbet L.I. Fundamentals of the theory of measurement of physical quantities [Osnovy teorii izmereniy fizicheskikh velichin], Saint Petersburg, Publ. Saint-Petersburg Electrotechnical University "LETI", 2004, 320 p.
11. Gelman, A., Goegebeur, Y., Tuerlinckx, F. and Van Mechelen, I. Diagnostic checks for discrete-data regression models using posterior predictive simulations. Applied Statistics. 2000. No. 49. Pp. 247–268.
12. Murphy, K.P. Dynamic Bayesian Networks: Representation, Inference and Learning: PhD thesis. University of California, Berkeley, 2002, 281 p.
13. GOST 20911-89. Technical diagnostics. Terms and definitions [GOST 20911-89. Tekhnicheskaya diagnostika. Terminy i opredeleniya], Moscow, Izdatel`stvo standartov, 1990, 12 p.
14. Cooper, G. Computational Complexity of Probabilistic Inference Using Bayesian Belief Networks. Artificial Intelligence. 1990. No. 42. Pp. 393–405.
15. Dorozhko I.V., Osipov N.A. Diagnostic Model of Automated Control Systems for Preparation and Launch of Launch Vehicles Using Bayesian Trust Networks [Model' diagnostirovaniya avtomatizirovannykh sistem upravleniya podgotovkoy i puskom raket-nositeley s ispol'zovaniem bayesovskikh setey doveriya] Proc. Military Space Academy named after A.F. Mozhaisky [Trudy Voenno-kosmicheskoy akademii imeni A.F. Mozhayskogo], 2011, No. 633, Vol. 3. Pp. 163–174.
16. Dorozhko I.V., Tarasov A.G., Baranovsky A.M. Estimation to Reliability of Structural Complex Technical Systems by Using Bayesian Networks Belief Models in the environment of GeNIe [ocenka nadezhnosti strukturno slozhnyh tekhnicheskov kompleksov s pomoshchyu modelej bajesovskih setej doveriya v srede genie] Intellectual technologies on Transport [Intellektualnye tekhnologii na transporte]. 2015, No. 3. Pp. 36–45.


E. А. Захарова - Военно-космическая академия им. А. Ф. Можайского.



Адрес (E-mail): Mashenkokatay@mail.ru
Почтовый адрес: Санкт-Петербург


Ссылки на ваши статью

  • Ссылки не определены.