Прогнозирование технического состояния электронных систем с адаптивными параметрическими моделями

10 / 11

С.А. Тоноян, А.В. Балдин, Д.В. Елисеев
124 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 6
Тоноян Славик Анушаванович — канд. техн. наук, доцент кафедры «Системы обра-
ботки информации и управления» МГТУ им. Н.Э. Баумана (Российская Федерация,
105005, Москва, 2-я Бауманская ул., д. 5).
Балдин Александр Викторович — д-р техн. наук, директор НОЦ ЭУ МГТУ
им. Н.Э. Баумана (Российская Федерация, 105005, Москва, 2-я Бауманская ул., д. 5).
Елисеев Дмитрий Владимирович — канд. техн. наук, программист НОЦ ЭУ МГТУ
им. Н.Э. Баумана (Российская Федерация, 105005, Москва, 2-я Бауманская ул., д. 5).
Просьба ссылаться на эту статью следующим образом:
Тоноян С.А., Балдин А.В., Елисеев Д.В. Прогнозирование технического состояния элек-
тронных систем с адаптивными параметрическими моделями // Вестник МГТУ
им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 6. C. 115–125.
DOI: 10.18698/0236-3933-2016-6-115-125
TECHNICAL STATE PREDICTION OF ELECTRONIC SYSTEMS
WITH ADAPTIVE PARAMETRIC MODELS
S.A. Tonoyan
A.V. Baldin
D.V. Eliseev
Bauman Moscow State Technical University, Moscow, Russian Federation
Abstract Keywords
This article provides a comparative analysis of existing
methods for predicting time series, for the purpose of their
applying for early detection of defects and determination of
the technical state of complex systems at the current time
and in future. The defect forecast and timely assessment of
technical state for the subsequent period can improve the
readiness and effectiveness of the system functioning as a
whole, underscoring the relevance of the proposed ap-
proach to building a forecast model. Findings of the re-
search show that the forecast model, built on the basis of the
information model, makes it possible to more accurately
determine the dynamics of the processes in technical sys-
tems, as this model can adequately reproduce the data
regularities. If we consider the controlled parameters char-
acterizing the state of the system as a time function, we can
solve the problem of predicting changes in system state.
This paper proposes an approach to build an adaptive fore-
casting model of system technical state. This enables us to
ensure higher accuracy both of interpolation models con-
struction and extrapolation, given the data significance in
the time series using weight coefficients
Тime series, prediction, trend,
random error, parameter, measu-
rement, interpolation, weight coef-
ficient, small sample, extrapolation,
prior information, adaptive model,
adequate model
REFERENCES
[1] Brillinger D.R. Time series data analysis and theory. Berkeley, Holt, Rinehart, and
Winston, 1975. 540 p. (Russ. ed.: Vremennye ryady. Obrabotka dannykh i teoriya. Moscow,
Mir Publ., 1980. 532 p.)