Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

Портнягин Н.Н.

Метод варьируемого параметра (МВП) [3]  может быть успешно использован при известных значениях номинальных параметрах электрической цепи в условиях преимущественной деградации параметра одного наиболее ненадежного элемента, в работах [2,3] показано, что при значительной деградации двух и нескольких параметров, задачи локализации дефекта и прогноза состояний системы не может быть решена МВП, и для их решения приходится применять статистические методы и методы теории нечетких множеств[1]. Однако определение начального состояния системы и в этом случае сводится к детерминированным алгоритмам [3].

Начальное состояние системы может быть определено непосредственным измерением совокупности параметров, однако практически это неосуществимо из-за значительного объема измерений и сложностей, возникающих при неминуемой разборке в этом случае электрической цепи, поэтому целесообразно использовать номинальные значения компонентов электрической цепи в качестве начальных значений ее параметров.

В этом случае возникает необходимость, в коррекции модели, так как в пространстве наблюдаемых параметров карты изоварных характеристик начальная точка наблюдения определяется по измеренным значениям, параметров выделенных четырехполюсных каналов [3]. Алгоритм адаптации, разработанный для этой цели в [3], не гарантирует наилучшего с точки зрения критерия близости решения, так как основан на градиентных методах поиска экстремума имеющих известные недостатки[1]. Применение генетического алгоритма обусловлено многоэкстремальным характером задачи, и сложностями решения задач с нечеткостями в виде неоднозначностей [1], высокая размерность пространства перебора параметров исключает возможность решения задачи прямым перебором. Алгоритмы вероятностных методов в этом случае так же не эффективны из-за большого объема статистических испытаний [2]. Методы, разработанные на основе анализа процесса эволюции биологических систем дают значительные преимущества при решении подобных задач [4].

Для использования генетического алгоритма необходимо определить, что мы будем понимать под понятиями «хромосома» и «популяция» в данной задаче. Введем следующие определения : код хромосомы - двоичное представление величины электрической проводимости двухполюсной компоненты в целочисленном формате с фиксированной запятой нормированное относительно номинального значения; популяция - полный набор хромосом всех двухполюсных компонент электрической цепи; приспособленность популяции - близость модельного наблюдаемого положения популяции на карте изоварных характеристик и измеренных координат на той же карте изовар диагностируемой электрической цепи.

Схема Н строится на основе алфавита V={0,1,*}при этом нули и единицы представляют закрепленные позиции, а звездочка(*) соответствует логической переменной. Строительные блоки определим, в зависимости от длинны хромосомы -, кодом нижней допустимой границы отклонения проводимости двухполюсников от номинальных значений, зависящих от величины допустимых отклонений -δ . Построение алгоритма облегчается тем обстоятельством, что размер популяции - определяется количеством двухполюсных компонент диагностируемой цепи, и ,следовательно, размер популяции не меняется, поэтому разрабатываемый алгоритм относится к стационарным генетическим алгоритмам.

При количественном определении критерия живучести хромосомы и приспособленности популяции необходимо применить комплексный критерий близости положения рабочей точки модельной карты изовар с измеренными на реальной цепи координатами и близости кода хромосомы к номинальному значению, этим условиям соответствует выражение : F(x)=((1-R2)+(1-D2)) / 2 где F-значение критерия,x - код хромосомы,R - расстояние от модельной рабочей точки карты изовар до точки с измеренными координатами,D- отклонение кода хромосомы от нормированного значения. Поскольку величины R и D нормированы и лежат в пределах интервала 0÷1, при выполнении условия F(x) → max, получаем решение задачи при условии минимального отклонения параметров схемы от номиналов и близости измеренных и модельных значений параметров карты изоварных характеристик.

Таким образом, согласно плана Холланда [4] может быть построен простой генетический стационарный алгоритм, решающий задачу коррекции начального состояния модели объекта диагностирования при использовании МВП.

СПИСОК ЛИТЕРАТУРЫ :

  1. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник.-М.: Финансы и статистика, 2006.-424 с.:ил.
  2. Портнягин Н.Н. Определение области работоспособности судовых электрических средств автоматизации методом статистических испытаний // Вестник КамчатГТУ - ПетропавловскКамчатский: КамчатГТУ, 2002.-№1. с.148-152.
  3. Портнягин Н.Н., Пюкке Г.А. Теория, методы и эксперименты решения задач диагностики судовых электрических средств автоматизации (монография)// Судостроение-СПб.-2004 - 157 с.ил.
  4. Холланд Дж. Генетические алгоритмы// В мире науки.-1992-№ 9-10