|

Прогнозирование технического состояния электронных систем с адаптивными параметрическими моделями

Авторы: Тоноян С.А., Балдин А.В., Елисеев Д.В. Опубликовано: 06.12.2016
Опубликовано в выпуске: #6(111)/2016  
DOI: 10.18698/0236-3933-2016-6-115-125

  
Раздел: Информатика, вычислительная техника и управление | Рубрика: Элементы и устройства вычислительной техники и систем управления  
Ключевые слова: временной ряд, прогнозирование, тренд, случайная ошибка, параметр, измерение, интерполяция, весовые коэффициенты, малая выборка, экстраполяция, априорная информация, адаптивная модель, адекватная модель

Выполнен сравнительный анализ существующих методов прогнозирования временных рядов в целях их применения для раннего обнаружения дефектов и определения технического состояния сложных систем в текущий момент времени и в будущем. Прогноз развития дефектов и своевременная оценка технического состояния на последующий период позволяют повысить готовность и эффективность функционирования системы в целом, что подчеркивает актуальность предложенного подхода построения модели прогноза. Показано, что модель прогноза, построенная на основе информационной модели, позволяет более точно определить динамику изменения процессов в технических системах, поскольку таким образом построенная модель может адекватно воспроизвести имеющиеся закономерности в данных. Рассматривая контролируемые параметры, характеризующие состояние системы как функции времени, можно решить задачу прогнозирования изменений состояния системы. Предложен подход для построения адаптивной модели прогнозирования технического состояния систем, позволяющий обеспечивать более высокую точность как при построении моделей интерполяции, так и при экстраполяции, учитывая значимость данных во временном ряду с помощью весовых коэффициентов.

Литература

[1] Бриллинджер Д.Р. Временные ряды. Обработка данных и теория / под ред. А.Н. Колмогорова. М.: Мир, 1980. 536 с.

[2] Бендат Дж., Пирсол А. Прикладной анализ данных / пер. с англ. М.: Мир, 1989. 540 с.

[3] Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. СПб.: Питер, 2013. 704 с.

[4] Барсегян А.А. Анализ данных и процессов. СПб.: БХВ-Петербург, 2009. 512 с.

[5] Тоноян С.А. Разработка структуры автоматизированной системы управления техническим состоянием объектов авиационной техники и прогнозирующего контроля. Автореф. дис. ... канд. техн. наук. М.: МГТУ им. Н.Э. Баумана, 1985. 16 с.

[6] Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977. 200 с.

[7] Тоноян С.А., Сараев Д.В. Темпоральные модели базы данных и их свойства // Инженерный журнал: наука и инновации. 2014. Вып. 12. DOI: 10.18698/2308-6033-2014-12-1333 URL: http://engjournal.ru/catalog/it/hidden/1333.html

[8] Власова Е.А. Ряды / под ред. B.C. Зарубина, А.П. Крищенко. М.: Изд-во МГТУ им. Н.Э. Баумана, 2006. 616 с.

[9] Дейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1987. 343 с.

[10] Мейндоланд Дж. Вычислительные алгоритмы в прикладной статистике. М.: Финансы и статистика, 1988. 349 с.

[11] Балдин А.В., Тоноян С.А., Елисеев Д.В. Анализ избыточности хранения темпоральных данных средствами реляционных СУБД // Инженерный журнал: наука и инновации. 2014. Вып. 4. DOI: 10.18698/2308-6033-2014-4-1273 URL: http://engjournal.ru/catalog/it/hidden/1273.html

[12] Кендэл М. Временные ряды. М.: Финансы и статистика, 1981. 329 с.