Методи і алгоритми діагностування стану ділянок теплових мереж

Размещено на http://www.allbest.ru/

Національна академія наук україни інститут проблем математичних машин і систем

05.13.06 - Інформаційні технології

УДК 681.518:519.711.3(043.3)

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

МЕТОДИ І АЛГОРИТМИ ДІАГНОСТУВАННЯ СТАНУ ДІЛЯНОК ТЕПЛОВИХ МЕРЕЖ

Артамонов Євген

Борисович

Київ - 2011

Дисертацією є рукопис.

Робота виконана на кафедрі комп'ютеризованих систем управління Національного авіаційного університету, м. Київ.

Науковий керівник

доктор технічних наук, професор Литвиненко Олександр Євгенійович, Національний авіаційний університет, завідувач кафедри комп'ютеризованих систем управління

Офіційні опоненти:

доктор технічних наук, професор Литвинов Віталій Васильович, Інститут проблем математичних машин і систем НАН України, завідувач відділу інтегрованих систем спеціального призначення кандидат технічних наук, доцент Качанов Петро Тимофійович, Інститут проблем реєстрації інформації НАН України, старший науковий співробітник відділу проблемно-орієнтованих інформаційно-обчислювальних систем

Захист відбудеться “ 20 ” квітня 2011 р. о 14:00 годині на засіданні спеціалізованої вченої ради Д26.204.01 в Інституті проблем математичних машин і систем НАН України за адресою: 03680, Київ-680, проспект Академіка Глушкова, 42.

З дисертацією можна ознайомитися у бібліотеці Інституту проблем математичних машин і систем НАН України за адресою: 03680, Київ-680, проспект Академіка Глушкова, 42.

Автореферат розісланий “ 18 ” березня 2011 р.

Вчений секретар спеціалізованої вченої ради В.І. Ходак

1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Задача автоматизації діагностування стану систем теплопостачання є однією з ключових на сучасному етапі розвитку не тільки енергетичної промисловості, а й економіки, екології і навіть політики. Це спричинено тим, що Україна має обмежений обсяг власних енергоресурсів, що змушує вдаватися до імпорту даних ресурсів із Росії та інших країн-імпортерів енергоресурсів. Окрема проблема постає перед комунальними підприємствами і підприємствами, які виготовляють власні енергоресурси: яким чином забезпечити кінцевого користувача енергоресурсом за умови мінімізації витрат. У світі даних проблем знову почали активно розроблятися наукові програми у галузі енергетики, які виявили ряд проблем не стільки у технологіях розробки енергоресурсів, скільки у засобах їх зберігання і транспортування.

У зв'язку з тривалим спадом в економіці України були знижені обсяги фінансування на підтримку діючих трубопровідних мереж у працездатному стані. Вимушене скорочення профілактичних заходів і невчасність заміни фізично застарілих ділянок мереж призводить до зниження надійності функціонування останніх і, отже, надійності постачання цільового продукту (ЦП) споживачам.

Всі сучасні системи діагностування стану інженерних мереж (ІМ) передбачають використання або спеціалізованих вимірювальних засобів, які закладені вже в комунікації ІМ, або великої кількості лічильників по всій довжині ІМ. На жаль, на сьогоднішній день більшість комунікацій ІМ не мають контрольних пристроїв, що веде до цілого ряду проблем з їх експлуатацією. Аварійні ситуації, що виникають на трубопровідних мережах, можуть не тільки призвести до значних матеріальних втрат, але також стати причиною екологічної катастрофи, наприклад, коли від постачання ЦП відключається підприємство, що вимагає безперервного циклу виробництва.

Основна доля аварій і втрат ЦП припадає на долю комунікацій ІМ - близько 70%. Саме тому питання своєчасного виявлення та усунення несправності на ділянках мережі є основним завданням при експлуатації ІМ.

Самими розповсюдженими несправностями у комунікаціях теплових мереж є втрата теплоносія та тепла. Питання пошуку місця несправності та діагностування причин несправності ділянок теплових мереж досліджувалися в роботах Владимирського О.А., Дубовського В.В., Годлевського В.С., Монахова Г.В., Кулика М.М., Соколова Є.Я., колективних працях Інституту загальної енергетики НАНУ, Московського енергетичного інституту та інших. Незважаючи на великий обсяг робіт по обстеженню пошкоджених ділянок теплових мереж та впровадженню новітніх технологій при проектуванні та експлуатації теплових мереж (геоінформаційні системи моделювання роботи теплових мереж, системи оперативного дистанційного контролю та ін.), більша частина теплових мереж України (Україна не виняток, така сама ситуація в Білорусі, Молдові, Росії та інших країнах, що входили до складу СРСР) практично не контролюється дистанційно (не контролюється взагалі чи контролюються окремі ділянки), а розробка підсистем віддаленого діагностування несправностей є лише у проектах далекого майбутнього. Це пояснюється тим, що в відомих роботах наведені лише окремі ілюстративні приклади та частинні правила діагностування несправностей, або розроблені методи вимагають великих інвестувань (саме тому дані методи на сьогодні працюють лише в нових теплових мережах, а більше 70% існуючих мереж залишаються практично безконтрольними і в них використовуються методи 30-40-річної давнини).

Задача визначення місця та причин виникнення несправності ділянки теплової мережі є достатньо складною; її правильне вирішення можливе лише при врахуванні великої кількості різноманітних факторів, таких як: тип прокладання теплопроводу, тип ізоляції, час останнього огляду теплосистеми, і навіть таких специфічних як відстань від помешкань користувачів або наявність арматурних кожухів (для збереження теплоізоляції від зловмисників), а також багато інших.

Аналітичних залежностей та формальних методик, які дозволяли б враховувати означені фактори при діагностуванні несправностей ділянок теплових мереж, на сьогодні не існує.

Зауважимо, що на етапі візуальних обстежень висококваліфіковані досвідчені експерти-діагности достатньо легко (без складання та розв'язування будь-яких рівнянь), визначають клас причин виникнення несправності, а ремонтна бригада за декілька годин може перевірити більше 10 км теплотраси і виявити місце несправності. При прийнятті рішень вони використовують лінгвістичні правила типу «ЯКЩО відстань від помешкань користувачів - близько ТА тип прокладання - підвальний ТА наявність неконтрольованих виходів - є ТА парування - відсутнє, ТОДІ причина витоку теплоносія - розбирання споживачами», у яких сконцентровані теоретичні знання і особистий досвід діагностування.

При правильному визначенні місця і причини подібної несправності її усунення (і подальша профілактика) може зайняти декілька десятків хвилин, в разі більш складних аварій - декілька годин, і лише у випадках масштабних аварій (усунення яких вимагає спеціалізованої техніки і спеціальних технічних засобів) - декілька діб.

Але кількість висококваліфікованих спеціалістів обмежена, тому виникає необхідність у розробці експертних систем, що забезпечують інтелектуальну підтримку прийняття рішень щодо пошуку несправної ділянки ТМ і визначення причин несправності ще у диспетчерському пункті, а вже звідти направляти ремонтну бригаду з необхідним обладнанням до несправної ділянки ТМ.

Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась на протязі 2001-2010 років згідно з науковими напрямками кафедри комп'ютеризованих систем управління Національного авіаційного університету та в рамках договірної теми «Автоматизована система обліку споживання електроенергії та теплової енергії (газу)» (№ 412-Х07) (2006-2007 рр.), окремі методи (реалізація нечіткої логіки в СУБД) були використані в держбюджетній темі «Провести дослідження і розробку міжуніверситетської системи ведення, збереження, обробки і аналізу змістовних модулів дисциплін» (№ 11/09.02.02) (2008-2009 рр.).

Мета і завдання дослідження. Метою даного дослідження є підвищення надійності роботи ТМ за рахунок дистанційного визначення несправних ділянок в умовах невизначеності або нечіткості параметрів ТМ.

Для досягнення поставленої мети був розроблений новий підхід до діагностування стану трубопровідних мереж, який заснований на додатковому обліку всіх заходів по їх обслуговуванню і накопиченню в базі знань додаткових параметрів щодо ділянок теплової мережі.

Відповідно до поставленої мети і розробленого підходу сформульовані і вирішені такі завдання дисертаційного дослідження:

– проаналізувати основні методи діагностування стану складних об'єктів на прикладі ТМ;

– сформулювати принципи діагностування несправностей ділянок ТМ на базі нечіткої логіки;

– провести класифікацію причин появи несправностей ділянок ТМ, визначити та формалізувати фактори, на основі яких проводиться діагностування, та побудувати дерева висновку, які пов'язують фактори впливу та стани ділянок ТМ;

– розробити математичну модель і алгоритми діагностування ділянок ТМ на основі нечіткого логічного висновку;

– провести параметричну ідентифікацію моделі діагностування;

– розробити і реалізувати метод навчання адаптивних нечітких моделей, який дозволить одержувати нечіткі правила і функції приналежності на основі експериментальних даних;

– розробити комп'ютерну систему діагностування стану ділянок ТМ та впровадити методику визначення несправних ділянок ТМ і причин, які призвели до несправностей.

Об'єкт дослідження в дисертаційній роботі _ комунікації ТМ.

Предмет дослідження _ методи і алгоритми діагностування стану ділянок ТМ.

Методи дослідження. Розроблені методи базуються на ідеях та принципах системного аналізу, теорії планування експерименту, штучного інтелекту та інженерії знань, теорії нечітких множин та лінгвістичних змінних, генетичних алгоритмів оптимізації та еволюційного програмування.

Наукова новизна одержаних результатів. У процесі вирішення поставлених задач автором отримано такі результати:

1) вперше розроблено метод визначення несправної гілки ТМ за умови обмеженої кількості контролюючих приладів, заснований на аналізі частинних і укрупнених параметрів ділянки ТМ, на відміну від існуючих методів діагностування значення параметрів ділянки ТМ отримуються не з контролюючих приладів, а з технічної документації та експлуатаційних параметрів ТМ, що дозволяє проводити діагностування за умови часткової невизначеності або нечіткості вхідних параметрів;

2) вперше отримано математичну модель взаємозв'язку між параметрами стану ділянки ТМ та причиною її несправності, яка ґрунтується на розробці формалізованих експертних правил, класифікації причин появи несправності у роботі ділянки ТМ та ієрархічній класифікації параметрів стану ділянки ТМ, на відміну від існуючих математичних моделей ТМ не використовуються закони розподілу потоків та оцінки надійності окремих елементів ТМ, що дозволяє автоматично на основі експериментальних даних провести параметричну ідентифікацію і налаштувати математичну модель для будь-якої ТМ;

3) набув подальшого розвитку метод навчання адаптивної нечіткої моделі, орієнтований на підвищення точності параметрів моделі за рахунок використання модифікованого гібридного генетичного алгоритму (вперше використано метод спрямованого перебору для пошуку альтернативного рішення).

Практичне значення одержаних результатів полягає в розробці інженерної методики і системи діагностування, яка автоматизує найбільш трудомісткі операції при визначенні місця і причин появи несправності на ділянках ТМ. Особливістю системи є те, що вона забезпечує діагностування місця і причини несправності без спеціальної підготовки користувача в області програмування та теорії нечітких множин.

Основні результати дисертаційної роботи впроваджено:

- у відділі енергозабезпечення ДП Завод №410 ЦА;

- в оперативно диспетчерській службі КП «Печерська Брама»;

- у системі індустріалізації ДП «Волиньелектромонтаж-469»;

- у навчальному процесі кафедри комп'ютеризованих систем управління Національного авіаційного університету.

Особистий внесок здобувача. Основні результати, що виносяться до захисту, отримані автором особисто. В роботі, що написана в співавторстві [3], автору належить описання використання нечіткої логіки в інтелектуальних системах на прикладі розробленого гібридного генетичного алгоритму для якісної оцінки параметрів.

Апробація результатів дисертації. Основні положення дисертаційної роботи доповідались та представлялися на V, VI, VIІІ міжнародних науково-технічних конференціях “АВІА” (м. Київ, 2003, 2004, 2007 рр.); ІV, VI, VIІ міжнародних наукових конференціях студентів та молодих учених “Політ” (м. Київ, 2004, 2006, 2007 рр.); І, ІІ та V науково-практичних конференціях з міжнародною участю “Математичне та імітаційне моделювання систем” (м. Київ, 2006, 2007, 2010 рр.); VІІ міжнародній конференції “Інтелектуальний аналіз інформації” (м. Київ, 2007 р.); ІХ міжнародній науково-технічній конференції “Системний аналіз та інформаційні технології” (м. Київ, 2007 р.); на постійно діючих семінарах кафедри комп'ютеризованої системи управління Національного авіаційного університету.

Публікації. Результати дисертаційної роботи опубліковані в 22 друкованих працях, зокрема: 12 статей в наукових журналах і збірниках, 7 тез доповідей на науково-технічних конференціях, 1 монографія, 2 свідоцтва про реєстрацію авторського права на твір. У фахових виданнях за переліком ВАК України опубліковано 5 наукових праць, з них 4 одноосібних.

Структура і обсяг роботи. Дисертаційна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел з 121 найменування та 2 додатків. Обсяг дисертаційної роботи становить 116 сторінок основного тексту, включаючи 23 рисунки та 10 таблиць.

2. ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми дисертації, відзначено зв'язок роботи з науковими темами, сформульовано мету і завдання дослідження, визначено об'єкт, предмет і методи дослідження. Показано, що наукова новизна полягає в тому, що на відміну від відомих експертних підходів до діагностування стану ТМ розроблений метод за рахунок використання нечітких баз знань дозволяє формалізувати та автоматизувати процес діагностуванні ділянок ТМ в умовах неповноти або нечіткості параметрів ТМ; розроблено комплексну класифікацію причин появи несправності у роботі ділянки ТМ і на її основі побудовано дерева логічного висновку для визначення стану об'єкта діагностування; розроблено математичну модель процесу діагностування стану ділянки ТМ за рахунок формалізації взаємозв'язку між параметрами стану ділянки ТМ та причиною її несправності, яка ґрунтується на співвідношеннях нечіткої бази знань експертних правил; удосконалено метод навчання адаптивних нечітких моделей за рахунок використання оновленого гібридного генетичного алгоритму. Охарактеризовано практичне значення отриманих результатів, розглянуто питання апробації результатів дисертації на конференціях та їх висвітлення у друкованих фахових виданнях.

У першому розділі проведений огляд дозволяє зробити висновки, що основні труднощі діагностування ділянок ТМ обумовлені необхідністю врахування великого числа кількісних і якісних параметрів стану, які впливають на причину виникнення несправності, а також відсутністю аналітичних залежностей, які пов'язують параметри стану ТМ та причину виникнення несправності.

В розділі також показано, що найбільш перспективним математичним апаратом для розробки системи діагностування ділянок ТМ є нечітка логіка. Застосування нечіткої логіки дає можливість будувати системи діагностування на базі природничо-мовних експертних висловлювань про причинно-наслідкові зв'язки між параметрами стану та причиною виникнення несправності.

Застосування нечіткої логіки при діагностуванні ділянок ТМ повинно здійснюватися на основі принципів лінгвістичного аналізу причин несправності та параметрів стану ланки ТМ, формування структури залежності «входи - вихід» у вигляді нечіткої бази знань, ієрархічності діагностичних знань, трьохваріантної оцінки значень параметрів стану та настроювання нечітких баз знань.

У другому розділі визначено основні терміни, які використовуються при вирішенні задачі діагностування несправностей ТМ, розроблено метод виділення несправної гілки на основі даних з обмеженої кількості контролюючих пристроїв, проаналізовано основні параметри, на основі яких буде проводитись аналіз стану системи теплопостачання, побудовано математичну модель системи діагностування причини несправності у мережі (формалізація лінгвістичних термів, що входять в нечіткі бази знань, проводиться за допомогою параметричних моделей функцій належностей).

Завдяки класифікації причин виникнення втрат теплоносія і теплової енергії в системах теплопостачання вдалось обмежити список параметрів, на основі яких можна проводити аналіз стану системи теплопостачання. Дана класифікація проводилась на основі даних зі спеціалізованої літератури для ТМ - було описано кожен з параметрів, який використовується в аналізі, і представлено посилання на джерело.

На основі даних описань розроблено схему ієрархічного взаємозв'язку між параметрами стану і причиною виникнення несправності, які було представлено у вигляді двох дерев логічного висновку: для діагностування гілки ТМ з втратами теплоносія та з втратами теплової енергії. Проведено формалізацію параметрів стану ділянок ТМ з нечіткою природою.

Окремо були розглянуті особливості представлення елементів ТМ при аналізі стану ділянок ТМ у вигляді графа, тому що саме за спеціалізованими алгоритмами для графів проводиться попередній аналіз стану ТМ із занесенням параметрів до бази даних інтелектуальної підсистеми.

При дослідженні ТМ було введено декілька термінів, які відрізняються від стандартної термінології:

- вершина - місце перетину комунікаційних ланок ТМ;

- контрольована вершина - вершина ТМ з наявністю контролюючих пристроїв;

- неконтрольована вершина - вершина ТМ без контролюючих пристроїв;

- ланка - частина комунікації ТМ, що обмежена будь-якими суміжними вершинами;

- гілка - частина комунікації ТМ, що обмежена контрольованими вершинами;

- ділянка - частина комунікації ТМ, яка має однорідне описання (гілка ТМ складається з ланцюга ділянок).

З огляду на введену термінологію ТМ можна представити у вигляді графа G, який представляється двома взаємопов'язаними графоутворюючими множинами: множиною X вершин і множиною V ланок. На графі виділяються вершини двох типів: Р - множина контрольованих вершин, Е - множина неконтрольованих вершин (рис. 1).



Рис. 1. Приклад представлення ТМ у вигляді графа з позначенням контрольованих і неконтрольованих вершин

У підході до описання несправності в ТМ використаємо таке визначення: несправність - це порушення функціональності. Основною функцією ТМ є поставка ЦП споживачу, отже несправність в межах ТМ визначається як припинення поставки чи поставка не в повному обсязі ЦП споживачу.

Для всіх типів ТМ можна виділити 3 групи проблем, які викликають несправність:

1) проблеми в комунікаціях (лініях передач, трубопроводах та ін.);

2) проблеми на центральних пунктах (трансформаторні підстанції, теплові пункти та ін.);

3) проблеми на стороні споживачів.

Однією з найголовніших задач технічного діагностування ТМ є виявлення місця і причини виникнення несправності або дефекту. При цьому основна доля аварій і втрат ЦП виникає через проблеми у комунікаціях - близько 75%.

Тому під діагностуванням несправності у комунікаціях ТМ будемо розуміти задачу виявлення місця і причини припинення поставки чи поставки не в повному обсязі ЦП споживачу, яка виникла у зв'язку з проблемами в лініях комунікації.

Несправність у ТМ обумовлюється перевищенням допустимого відхилення між контрольованими вершинами одного з контрольних параметрів (в залежності від типу ТМ можуть бути використані декілька контролюючих пристроїв; так, для діагностики стану теплових мереж використовуються датчики температури і тиску). У разі наявності факту означеного перевищення гілка ТМ відмічається як несправна.

Алгоритм визначення несправних гілок ТМ за даними контролюючих пристроїв , де N - кількість вершини ТМ, L=2 - передбачає наявність зворотної ланки ТМ (у випадку теплової мережі - наявність зворотного трубопроводу). Для неконтрольованих вершин (при комп'ютерній реалізації для неконтрольованих вершин достатньо присвоїти даному параметру одне із значень з області недопустимості для даного контролюючого пристрою, наприклад, для стандартних датчиків температури ).

В дисертаційній роботі було розроблено алгоритм виділення несправної гілки ТМ. Цей алгоритм оснований на аналізі значень контролюючих пристроїв всіх гілок ТМ. Під час функціонування ТМ опитування контролюючих пристроїв відбувається періодично, при цьому за умови неотримання даних можливе утворення нових гілок ТМ, що вимагає від алгоритму проводити аналіз структури ТМ для кожного нового опитування контролюючих пристроїв.

Результатом роботи алгоритму буде відмітка одиницями всіх несправних ланок ТМ. Деякі з них будуть утворювати гілки, які в подальшому будуть позначатись як несправні гілки ТМ.

Як було зазначено вище, у зв'язку з обмеженою кількістю контролюючих пристроїв для прийняття рішення щодо несправності однієї з ділянок гілки ТМ необхідно використовувати додатковий набір параметрів. Особливість методу, який використовується, полягає в тому, що при діагностуванні ділянки ТМ виділяються два класи параметрів: стаціонарні і динамічні.

Стаціонарні параметри змінюються лише під час перепроектування ТМ. Під перепроектуванням ТМ розуміється формування у гілках ТМ нових ланцюгів ділянок чи коригування значень параметрів вже існуючих ділянок. Формування нових ланцюгів проводиться у випадках неоднорідності значень параметрів на будь-якій з ділянок. Стаціонарні параметри передбачається отримувати не з контрольних пристроїв, а на основі аналізу відомостей щодо експлуатації ТМ (технічна документація, звіти про ремонти і заміни устаткування, інформація про події на ТМ та ін.).

Динамічні параметри змінюються при кожному опитуванні системи контролюючих пристроїв і вони є однаковими для всіх ділянок гілки, яка діагностується.

Кожна ділянка має дві основні групи станів - ті, що характеризують ділянку як справну, і ті, що характеризують її як несправну. Групу “справних” станів можна розділити за оцінкою можливості виходу з ладу, групу “несправних” - за ознакою причини несправності.

Діагностування ТМ можна проводити у двох режимах: при виявленні несправності ТМ (відхилення контрольних параметрів) і за умови її відсутності.

Діагностування несправної ТМ відбувається за таким алгоритмом:

Крок 1. Визначається несправна гілка ТМ.

Крок 2. Проводиться діагностування кожної ділянки несправної гілки ТМ.

Крок 3. Проводиться аналіз отриманих станів кожної ділянки, особлива увага приділяється ділянкам, стан яких належить до групи несправних.

Даний підхід можна віднести до систем експертної діагностики, які вимагають застосування методів експертних систем для контролю традиційних і адаптивних регуляторів. У процесі функціонування системи характер поведінки об'єкта фіксується класифікатором образів. Підсистема виведення використовує правила настроювання і класифіковані образи для настроювання параметрів регуляторів.

Пошук несправної ділянки тепломережі проходить у два етапи:

1) у разі виявлення гілки тепломережі з втратою теплоносія (визначається за допомогою лічильників) на цій гілці проводиться пошук ділянки з найбільш високою оцінкою ймовірності втрати теплоносія;

2) у разі виявлення гілки тепломережі з втратою теплової енергії (визначається за допомогою лічильників) на цій гілці проводиться пошук ділянки з найбільш високою оцінкою ймовірності втрати теплової енергії (при пошуку передбачається можливість використання результатів першого етапу пошуку у разі одночасної втрати теплоносія і тепла).

На першому етапі пошуку будуть використовуватись такі стани ділянки тепломережі:

_ втрата теплоносія неможлива (d00);

_ втрата теплоносія в системі (в колодязях, теплообмінних пунктах та ін.) (d01);

_ розбирання води споживачами (d02);

_ втрата теплоносія через фізично зношені труби чи їх зовнішнє пошкодження (d03).

Дистанційне визначення класу причин втрати теплоносія або визнання практичної неможливості даної втрати для кожної ділянки гілки теплової мережі дає змогу звузити зону пошуку, таким чином зменшити витрати на роботи по встановленню місця пошкодження теплової мережі.

На другому етапі пошуку будуть використовуватись такі стани ділянки тепломережі:

_ втрата тепла неможлива (d10);

_ порушення лоткових каналів (d11);

_ підтоплення водою з водопроводу та каналізації (d12);

_ підтоплення грунтовими, дощовими водами (d13);

_ порушення ізоляції за рахунок природних факторів (d14);

_ порушення ізоляції (ремонтні роботи, результат дій зловмисників) (d15);

_ значна втрата теплоносія (d16).

Така класифікація причин втрати теплоносія є максимально можливою для дистанційного діагностування. Для більш детального діагностування необхідні додаткові обстеження (які в окремих випадках просто неможливі без великих грошових і фізичних витрат), розрахунки та вимірювання.

Ієрархічний взаємозв'язок між параметрами стану і причиною виникнення несправності можна представити у вигляді двох дерев логічного висновку: для діагностування ділянки теплової мережі з втратами теплоносія (рис. 2) та для діагностування ділянки теплової мережі з втратами теплової енергії (рис. 3).

Вершини дерева інтерпретуються таким чином:

_ корінь дерева - показник, який діагностується;

_ термінальні вершини - часткові параметри стану;

_ нетермінальні вершини (подвійні кола) - згортка часткових параметрів стану в укрупненні.

Дуги графа на рис. 2 та 3, що виходять із нетермінальних вершин дерева логічного висновку, відповідають укрупненим параметрам стану.

Наведеному на рис. 2 дереву логічного висновку відповідає така система співвідношень:

;

;

;

; (5)

.

Взаємозв'язки між укрупненими і частковими параметрами стану можна описати таким чином:

1) можливість втрати теплоносія має залежність від ряду часткових параметрів стану (1):

а) фактів руйнування теплосистеми (зовнішня корозія, порушення ізоляції, зношені запираючі елементи та ін.), які виявляються при зовнішньому огляді стану теплосистеми (х1);

б) обсягу втрат теплоносія на гілці теплопроводу, який отримують з показників лічильників (х7), є одним з основних при визначенні причини втрати теплоносія, тому що малі значення даного параметру унеможливлюють причину d02 (розбирання води споживачами) та обмежують причину d03 (втрата теплоносія через фізично зношені труби чи їх зовнішнє пошкодження);

в) наявності запорних елементів (х11), які за умови поганого обслуговування можуть призвести до значних втрат теплоносія у системі;

2) можливість втрати теплоносія має залежність від ряду укрупнених параметрів стану (1):

а) зовнішня оцінка роботи всієї теплосистеми (2), яка дає апріорну оцінку надійності на основі таких параметрів, як час введення в експлуатацію (x2) та наявність виявлених на протязі останнього півріччя несправностей у теплосистемі (x3);

б) простоти доступу до елементів теплової мережі сторонніми (3), яка враховує кількість виявлених фактів розкрадання елементів теплових мереж, який набагато більше у місцях, розташованих недалеко від жилих приміщень (x5), та у випадках відсутності спеціальних заходів щодо обмеження доступу сторонніх до елементів теплових мереж (залежить від типу прокладання теплопроводу (x4) і наявність неконтрольованих виходів (x6));

в) наявності визначених зовнішніх ознак втрати теплоносія (4), що передбачає аналіз інформації від споживачів, яка надходить до диспетчерського пункту: наявність просідання ґрунту (x8), парування (x9), можливість отримання даних про цілісність ділянки теплопроводу за інформаційним каналом (x10);

г) можливості виникнення внутрішньої корозії (5), на яку впливає використання неаерованої води (х13) у відкритих теплосистемах (х12) та товщина стінок труб (х14);

д) можливості виникнення зовнішньої корозії (6), яка обумовлена помилками персоналу при поєднанні труб різних типів, недостатньою якістю матеріалів коробу, які призводять до механічного пошкодження ізоляції (х15), можливістю намокання теплової ізоляції (х16, х17) (вплив на всі трубопроводи з ізоляцією АПБ, які експлуатуються понад 3 роки, і на ППУ з самого початку експлуатації (х19)), типом труб (х18).

Наведеному на рис. 3 дереву логічного висновку відповідає така система співвідношень:

D1 = fD1 (x7, x21, x28, x29, x31, y11, y12, y13, y14);

y11 = fy11 (x8, x22, x23, x24, x25);

y12 = fy12 (x21, x26, x27);

y13 = fy13 (fy03, fy04);

y14 = fy14 (x5, x30).

Співвідношення (1)-(11) визначають структуру діагностичної моделі, що пов'язує параметри стану ділянок теплової мережі з можливими причинами несправності.

Формалізоване представлення параметрів стану лінгвістичними змінними наведено в табл. 1. Для зменшення розміру таблиці представлені лише укрупнені параметри і термінальні параметри, які безпосередньо впливають на визначення стану

Таблиця 1 Формалізація параметрів стану лінгвістичними змінними

Параметру стану	Терми для лінгвістичної оцінки
x1 - останній огляд теплосистеми	Нещодавно - до 1 тижня (нд), давно - до місяця (д), дуже давно - до півроку (дд), не було - строк більше півроку виходить за межі опалювального сезону (нб)
x7 - обсяг втрат теплоносія на гілці теплопроводу (отримують з показників лічильників)	Відсутній (в), незначний (нз), середній (с), вище середнього (вс), значний (з)
x11 _ наявність запорних елементів	Є (є), немає (нм)
y01 - зовнішня оцінка роботи всієї теплосистеми	Наявні несправності (нн), можливі несправності (мн), несправності практично неможливі (пн)
y02 - простота доступу до елементів теплової мережі сторонніми	Простий доступ (пд), доступ з ускладненнями (ду), доступ неможливий (дн)
y03 - наявність визначених зовнішніх ознак втрати теплоносія	Відсутні (в), наявні у неявній формі (нн), наявні у явній формі (ня)
y04 - можливість виникнення внутрішньої корозії	Практично неможлива (пн), малоймовірна (м), можлива з середньою вірогідністю (мж), можлива з високою вірогідністю (мв), можлива з дуже високою вірогідністю (двв)
y05 - можливість виникнення зовнішньої корозії	Практично неможлива (пн), малоймовірна (м), можлива з середньою вірогідністю (мж), можлива з високою вірогідністю (мв), можлива з дуже високою вірогідністю (двв)

Для подальшої обробки параметрів необхідно використовувати нечітку базу знань про вплив факторів X = {x1, x2,..., xn} на значення параметра D, яка подається у такому форматі:

ЯКЩО та та ... та , АБО

та та ... та , АБО

та та ... та ,

ТОДІ D = dj, ,

де _ лінгвістичний терм, що оцінює значення фактора хi в р-ій диз'юнкції j-го логічного висловлювання (,,);

kj _ число диз'юнкції (або) в j-му логічному висловлюванні;

dj _ лінгвістичний терм, що оцінює значення вихідного параметра D ();

m _ кількість термів, що використовуються для лінгвістичної оцінки вихідного параметра D.

Особливістю задачі діагностування станів ділянок теплової мережі є те, що в деяких випадках для прийняття рішення достатньо знати значення не всіх факторів. У цих випадках лінгвістичні знання-правила представляємо в "неповному форматі", тобто в цих висловлюваннях не розглядаються деякі параметри стану, через відсутність впливу на діагноз або неможливість їх виявлення на етапі аналізу ділянки теплової мережі. Для врахування цієї особливості задачі діагностування несправностей ділянок теплової мережі нами пропонується в нечітких базах знань позначати абревіатурою «дв» змінні, значення яких є невідомими при проведенні аналізу.

Приклад нечіткої бази знань, що відповідає співвідношенню (1) наведено у табл. 2. Кожний рядок таблиці відповідає одному лінгвістичному правилу типу ЯКЩО - ТОДІ.

Таблиця 2 Частина бази знань вихідного параметра D0 , яка відповідає стану d00

п/п	x1	x7	x11	y01	y02	y03	y04	y05	D0
1	нд	нз	є	н	дн	в	пн	пн	d00
2	нб	нз	є	н	дн	в	пн	дв	d00
3	нб	нз	н	н	дн	в	пн	дв	d00
4	дд	нз	н	п	ду	дв	мж	пн	d00
5	дд	з	н	н	ду	дв	мж	пн	d00
6	д	з	н	п	ду	дв	двв	пн	d00

Для переходу від нечіткої бази знань до системи нечітких логічних рівнянь введемо такі позначення:

_ функція належності змінної xi до лінгвістичного терма (,,); _ функція належності вектора параметрів до діагнозу dj().

Зв'язок між цими функціями може бути представлений ізоморфною до нечіткої бази знань системою нечітких логічних рівнянь.



де max(min) - операція максимуму (мінімуму).

Відповідно до (12) ізоморфна до нечіткої бази знань (табл. 2) система нечітких логічних рівнянь для діагностування стану d00 буде представлена таким чином: тепловий мережа комп'ютерний діагностування

=MAX{MIN{нд(x1),нз(x7),є(x11),н(y01),дн(y02),в(y03),пн(y04),пн(y05)},

MIN{нб(x1),нз(x7),є(x11),н(y01),дн(y02), в(y03),пн(y04),дв(y05)},

MIN{нб(x1),нз(x7),н(x11),н(y01),дн(y02), в(y03),пн(y04),дв(y05)},

MIN{дд(x1),нз(x7),н(x11),п(y01),ду(y02), дв(y03),мж(y04),пн(y05)},

MIN{дд(x1),з(x7),н(x11),н(y01),ду(y02), дв(y03),мж(y04),пн(y05)},

MIN{д(x1),з(x7),н(x11),п(y01), ду(y02),дв(y03),двв(y04),пн(y05)}}.

Аналогічним чином отримуємо системи нечітких рівнянь для станів d01, d02, d03.

При формалізації дерева логічного висновку для діагностування причин втрати теплової енергії (D1) було використано нечітку базу знань, що відповідає співвідношенню (7), і у табл. 3 наведено її частину, яка описує стан d10.

Таблиця 3 Частина бази знань вихідного параметра D1, яка відповідає стану d10

п/п	x7	x21	x28	x29	x31	y11	y12	y13	y14	D1
1	з	зп	в	є	в	н	нв	пн	пн	d10
2	з	пн	дв	н	дв	н	нв	пн	дв	d10
3	нз	нп	в	н	в	дв	в	пн	пн	d10
4	в	пн	в	є	в	му	в	дв	м	d10
5	вс	зп	сп	н	дв	му	в	м	м	d10
6	в	пн	в	н	бм	му	дв	пн	пн	d10
7	с	пн	дв	є	бм	н	дв	пн	дв	d10
8	вс	пн	дв	є	в	н	в	вв	пн	d10
9	нз	зп	сн	н	м	двв	нв	пн	пн	d10

Відповідно до (12) ізоморфна до нечіткої бази знань (табл. 3) система нечітких логічних рівнянь для діагностування стану d10 буде представлена таким чином:

=MAX{MIN{з(x7),зп(x21),в(x28),є(x29),в(x31),н(y11),нв(y12),пн(y13),пн(y14)},

MIN{з(x7),пн(x21),дв(x28),н(x29),дв(x31),н(y11),нв(y12),пн(y13),дв(y14)},

MIN{нз(x7),нп(x21),в(x28),н(x29),в(x31),дв(y11),в(y12),пн(y13),пн(y14)},

MIN{в(x7),пн(x21),в(x28),є(x29),в(x31),му(y11),в(y12),дв(y13),м(y14)},

MIN{вс(x7),зп(x21),сп(x28),н(x29),дв(x31),му(y11),в(y12),м(y13),м(y14)},

MIN{в(x7),пн(x21),в(x28),н(x29),бм(x31),му(y11),дв(y12),пн(y13),пн(y14)},

MIN{с(x7),пн(x21),дв(x28),є(x29),бм(x31),н(y11),дв(y12),пн(y13),дв(y14)},

MIN{вс(x7),пн(x21),дв(x28),є(x29),в(x31),н(y11),в(y12),вв(y13),пн(y14)},

MIN{нз(x7),зп(x21),сн(x28),н(x29),м(x31),двв(y11),нв(y12),пн(y13),пн(y14)}}.

Аналогічним чином отримуємо системи нечітких рівнянь для станів d11, d12, d13, d14, d15, d16.

На основі отриманих систем рівнянь можна діагностувати стан кожної ділянки шляхом підстановки значень вектора параметрів Х до кожного рівняння. Як рішення обирається стан з найбільшим ступенем приналежності.

В третьому розділі наведено метод навчання адаптивних нечітких моделей, який було реалізовано на ЕОМ, що дозволило одержувати нечіткі правила і функції приналежності з експериментальних даних у найкоротший час.

Навчання нечітких моделей є важкою задачею. В даний час не існує якого-небудь загальновизнаного, класичного методу навчання, і дана область залишається не до кінця опрацьованою.

При підборі параметрів адаптивної нечіткої моделі необхідно вирішувати задачі мінімізації нелінійної функції помилки з обмеженнями. Але в ході її рішення виникають такі проблеми:

1) проблема отримання (генерації) нечітких правил;

2) проблема алгоритму глобальної мінімізації функції помилки нечіткої моделі (градієнтні методи навчання часто виявляються малоефективними через розривність, багатоекстремальність і велику розмірність функції, що оптимізується);

3) способи представлення параметрів нечіткої моделі у векторі невідомих.

Математична модель діагностування була побудована на основі лінгвістичної експертної інформації. Використання тільки експертної інформації не може гарантувати збігання результатів нечіткого логічного висновку (теорія) та експериментальних даних. Це обумовлено тим, що при формалізації лінгвістичної інформації використовувалося декілька аксіоматично визначених положень. В зв'язку з цим необхідно провести настроювання нечіткої моделі діагностування шляхом її навчання за експериментальними даними, що може інтерпретуватися як аналог параметричної ідентифікації. Суть параметричної ідентифікації полягає в знаходженні таких параметрів моделі, що мінімізують розбіжність між експериментальними даними та модельним результатами. Параметрами нечіткої моделі, що підлягають настройці, є параметри функцій належності та вагові коефіцієнти правил нечітких баз знань.

Завдання оптимальної настройки нечіткої моделі формулюється таким чином: знайти вектор (W, C), який забезпечує мінімальну відстань між бажаним і модельним векторами функцій приналежності:

,

де _ значення функції приналежності стану експериментального об'єкта з параметрами Xl до причини dj;

_ вектор закодованих параметрів нечітких термів;

W = {w1,w2,...,wnum_r} - вектор вагових коефіцієнтів правил;

_ розбіжність між значенням функції приналежності стану експериментального об'єкта з параметрами Xl до причини dj та результатом нечіткого логічного висновку за моделлю, що задана векторами W, C.

Настроювання нечіткої моделі діагностування являє собою нелінійну задачу оптимізації великої розмірності. Використання класичних методів математичного програмування для розв'язання цієї задачі пов'язано з певними труднощами. Тому в дисертаційному дослідженні було вирішено використовувати еволюційні методи розв'язання задачі оптимізації.

У роботі використовується гібридний алгоритм, заснований на паралельній роботі генетичних операторів і алгоритму спрямованого перебору. У популяції, створеній генетичним алгоритмом, вибирається кращий індивід - лідер. Цей лідер навчається окремо за методом спрямованого перебору. Якщо його якісний показник при цьому кращий, ніж у всієї решти особин в популяції, то він вводиться в популяцію і бере участь у відтворенні нащадків. Якщо ж з'являється особина в популяції, одержана в результаті еволюції, з кращим показником, то лідером стає вона.

Роботу алгоритму навчання нечіткої моделі системи діагностування стану ділянки ТМ було підтверджено на навчальній вибірці. Якість навчання моделі можна оцінити співвідношенням кількості помилок: при визначенні стану пов'язаних з втратою теплоносія помилки зменшились з 11 до 2 на вибірці з 30 елементів, при визначенні стану при втраті теплової енергії з 30 до 5 (оцінювання адекватності проводилось при 50% визначенні параметрів ділянки ТМ).

У четвертому розділі описані особливості програмної реалізації розробленої системи діагностування. Робота системи ґрунтується на запропонованих в попередніх розділах моделях та алгоритмах і забезпечує інтелектуальну підтримку прийняття рішень при визначенні несправної ділянки ТМ і визначенні причини несправності.

Реалізована методика дозволяє диспетчерам ТМ дистанційно діагностувати теплову мережу щодо наявності несправностей за рахунок аналізу накопиченої у базі даних інформації.

При реалізації системи додатково було вирішено задачі підвищення ефективності роботи операторів і реалізовано на SQL комплекс функцій для роботи з нечіткими категоріями у базах даних.

ВИСНОВКИ

Дослідження за темою дисертації привели до таких результатів і висновків:

1. Вперше розроблено математичну модель для діагностування ділянок теплової мережі на основі нечіткого логічного висновку. Математична модель представлена у вигляді системи співвідношень, які визначають стан ділянки на основі частинних і укрупнених параметрів об'єкта дослідження.

На основі аналізу оптимізаційних алгоритмів було розроблено ієрархічну систему математичних моделей для налаштування лінгвістичних термів параметрів ділянок теплової мережі. Для цього було вирішено використовувати трапецеїдальні функції належності, модифіковано гібридний генетичний алгоритм і розроблено новий алгоритм кодування хромосом змінної для її використання в гібридному генетичному алгоритмі.

Також на основі навчальної вибірки було проведено параметричну ідентифікацію (настроювання) моделі діагностування, а на основі тестових значень були відкориговані межі термів окремих параметрів.

2. Розроблено нову класифікацію причин появи несправностей ділянок теплової мережі, в результаті чого визначено та формалізовано фактори, на основі яких проводиться діагностування об'єктів.

Завдяки класифікації причин виникнення втрат теплоносія і теплової енергії в системах теплопостачання вдалось обмежити список параметрів, на основі яких було проведено аналіз стану системи теплопостачання.

3. Побудовано дерева логічного висновку для діагностування стану ділянок ТМ з втратами теплоносія та теплової енергії.

На основі параметрів системи теплопостачання було розроблено схему ієрархічного взаємозв'язку між параметрами стану і причиною виникнення несправності. Їх було представлено у вигляді двох дерев логічного висновку: для діагностування гілки теплової мережі з втратами теплоносія та з втратами теплової енергії. А у зв'язку з нечіткою природою параметрів стану ділянок теплової мережі було проведено їх формалізацію.

4. Модернізовано алгоритм відокремлення несправної гілки ТМ. Модернізація стосувалась врахування несправностей у зворотному трубопроводі.

При проектуванні теплових мереж зворотні трубопроводи у більшості випадків пролягають у тих самих каналах, що і прямі. Тобто можлива несправність і у прямому, і у зворотному трубопроводі буде вимагати «розкриття» ділянки теплової мережі. Саме тому аналіз комунікацій ТМ проходить у два етапи: 1) аналіз комунікацій прямого трубопроводу; 2) аналіз комунікацій зворотного трубопроводу. Дана особливість комунікацій ТМ була врахована в алгоритмі відокремлення несправної гілки ТМ.

5. Модернізовано і реалізовано на ЕОМ метод навчання адаптивних нечітких моделей. В методі навчання, який базується на гібридному генетичному алгоритмі, вперше було використано метод спрямованого перебору.

Було проведено аналіз алгоритму навчання бази знань, який використовувався для коригування функцій належності та безпосередньо отриманих результатів тестування ТМ на пошук несправної ділянки за рахунок перевірки її зовнішніх параметрів.

Реалізація на ЕОМ методу навчання адаптивних нечітких моделей дозволила одержувати нечіткі правила і функції приналежності з експериментальних даних у найкоротший час.

6. Розроблено і впроваджено автоматизовану систему діагностування ділянок ТМ та причин, які призвели до несправностей.

Розробка АС проводилась у рамках договірної теми «Автоматизована система обліку споживання електроенергії та теплової енергії (газу)» (№ 412-Х07) (2006-2007 рр.). Дану систему було впроваджено на ДП Завод №410 ЦА. Окремі модулі АС було впроваджено на приватних підприємствах для вирішення задач діагностування стану ІМ.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Артамонов Є.Б. Використання теорії «scheme» для вирішення задач розподілу матеріальних ресурсів / Є.Б. Артамонов // Проблеми інформатизації і управління. _ К.: НАУ, 2005. - Вип. 12. - С. 18-22.

2. Артамонов Є.Б. Вирішення проблеми представлення нечітких категорій в складних системах з використанням адаптивних нечітких моделей / Є.Б. Артамонов // Проблеми інформатизації і управління. _ К.: НАУ, 2006. - Вип. 3(18). - С. 20-27.

3. Артамонов Є.Б. Вирішення проблеми використання якісної класифікації параметрів в інтелектуальних системах / Євген Борисович Артамонов, Борис Георгійович Масловський // Електроніка та зв'язок. Тематичний випуск “Проблеми електроніки”. _ К., 2007. - Ч. 3. _ С. 77-79.

4. Артамонов Є.Б. Підхід до моделювання систем теплопостачання через аналіз причин виникнення втрат теплової енергії і теплоносія в системі / Є.Б. Артамонов // Математичні машини і системи. _ 2007. _ № 3,4. - С. 203-210.

5. Артамонов Є.Б. Метод визначення несправних ділянок інженерної мережі (на прикладі теплових мереж) / Є.Б. Артамонов // Проблеми інформатизації та управління. _ К.: НАУ, 2010. - Вип. 1(29). - С. 12-19.

6. А.с. Комп'ютерна програма “Автоматизована система моніторингу стану теплової мережі” / Є.Б. Артамонов, О.О. Жолдаков. _ Свідоцтво №33814 від 09.04.2010 р. _ Державний департамент інтелектуальної власності МОН України.

7. А.с. Комп'ютерна програма “Програмна система обліку навчальних і робочих навчальних планів та навчальних і робочих навчальних програм дисциплін, які викладаються в Національному авіаційному університеті” / Є.Б. Артамонов, А.Б. Чапкіс, І.Ю. Коновалова. _ № 31385 від 16.12.2009 р. _ Державний департамент інтелектуальної власності МОН України.

8. Артамонов Е.Б. Лингвистическая классификация неопределенности в бизнес-процессах как инструмент нечетких множеств / Е.Б. Артамонов // Наука і молодь. Прикладна серія: зб. наук. праць. _ К.: НАУ, 2006. - Вип. 6. - С. 90-94.

9. Артамонов Є.Б. Використання нечітко-множинних методів для інвестиційного проектування / Є.Б. Артамонов // Тези доповідей Першої наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2006”. _ К., 2006. - С. 40-42.

10. Артамонов Є.Б. Використання нечітко-множинних методів для оцінки інвестицій / Є.Б. Артамонов // Матеріали VIІІ міжнар. наук.-техн. конф. “Авіа-2007”. _ К.: НАУ, 2007. _ Т.1. - С. 13.73-13.76.

11. Артамонов Є.Б. Використання нечітко-множинних методів при моделюванні бізнес-процесів / Є.Б. Артамонов // Матеріали VI міжнар. наук. конф. студентів та молодих учених “Політ_2006”. _ К., 2006. - С. 132.

12. Артамонов Є.Б. Використання статистичного аналізу для автоматизації формування нечітких категорій / Є.Б. Артамонов, І.Ю. Григор'єв, О.О. Жолдаков // Матеріали VІІ міжнар. конф. “Інтелектуальний аналіз інформації” (ІАІ-2007). _ К.: Просвіта, 2007. - С. 6-12.

13. Артамонов Є.Б. Експериментальне дослідження і математичне моделювання системи теплопостачання з можливістю зовнішнього керування / Є.Б. Артамонов, О.О. Жолдаков, Г.Н. Пак // Матеріали ІХ міжнар. наук.-техн. конф. “Системний аналіз та інформаційні технології”. _ К.: НТУУ «КПІ», 2007. - С. 93.

14. Артамонов Є.Б. Застосування механізму еволюційного пошуку оптимальних рішень для складних організаційно-технічних систем / Євген Борисович Артамонов, ОлександрОлексійович Жолдаков // Матеріали ІV міжнар. наук. конф. студентів та молодих учених “Політ-2004”. _ К.: НАУ, 2004. _ С. 49.

15. Артамонов Є.Б. Метод діагностування несправних ділянок теплової мережі за рахунок аналізу експлуатаційних параметрів / Є.Б. Артамонов // Тези доповідей П'ятої наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2010”. _ К., 2010. - С. 181-183.

16. Артамонов Є.Б. Особливості використання теорії “sheme” для вирішення економічних задач / Є.Б. Артамонов // Матеріали VI міжнар. наук.-техн. конф. “Авіа-2004”. - Т. 1: Інформаційно-діагностичні системи. _ К.: НАУ, 2004. _ С.13.97-13.100.

17. Артамонов Є.Б. Особливості формування нечітких sql-запитів до реляційних баз даних / Євген Борисович Артамонов, Андрій Васильович Радченко // Матеріали VІІ міжнар. наук. конф. студентів та молодих учених “Політ-2007”. _ К.: НАУ, 2007. _ С. 72.

18. Артамонов Є.Б. Підвищення ефективності автоматизованої системи за рахунок моніторингу та аналізу помилок при введенні даних / Євген Борисович Артамонов, Андрій Васильович Радченко // Матеріали V міжнар. наук.-техн. конф. “Авіа-2003”. - К.: НАУ, 2003. - С. 14.245.

19. Артамонов Є.Б. Підхід до моделювання систем теплопостачання через аналіз причин виникнення втрат теплової енергії і теплоносія в системі / Є.Б. Артамонов // Тези доповідей Другої наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2007”. _ К., 2007. - С. 62-63.

20. Артамонов Є.Б. Удосконалення генетичного алгоритму для вирішення оптимальних задач із змінною мірою точності / Євген Борисович Артамонов, Валентина Олександрівна Артамонова // Матеріали V міжнар. наук.-техн. конф. “Авіа-2003”. _ К.: НАУ, 2003. - С. 14.135.

21. Артамонов Є.Б. Формування нечітких SQL-запитів при використанні трапецеїдальних функцій приналежності / Є.Б. Артамонов // Наука і молодь. Прикладна серія: зб. наук. праць. - К., 2007. - Вип. 7. _ С. 54-57.

22. Інформаційна система управління медико-біологічними процесами / [Артамонов Є.Б., Волков О.А., Волянський П.Б., Глоба Л.С., Зотов В.П., Зотов К.В., Жолдаков О.О., Іванкевич О.В., Коркач В.І., Кременецький Г.М., Матійко А.С., Орлов М.С., Попудрібко В.О., Радченко А.В., Скидан М.А., Торбін В.Ф., Угляренко В.П., Чебанюк В.С.]. - К.: Медиком МНІЦ БІО

АНОТАЦІЇ

Артамонов Є.Б. Методи і алгоритми діагностування стану ділянок теплових мереж. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 - Інформаційні технології. - Інститут проблем математичних машин і систем НАН України, Київ, 2011.

Метою дослідження є розробка методів і алгоритмів пошуку та віддаленого діагностування несправної ділянки теплової мережі. Розроблені методи являють собою взаємопов'язану сукупність математичних моделей, алгоритмів, програмного забезпечення та інженерних методик, які забезпечують діагностування несправної ділянки теплової мережі.

...