Главная страница журнала "Центральный научный вестник"


Опубликовать статью


УДК 519

ОПТИМИЗАЦИЯ ПРИЗНАКОВОГО ПРОСТРАНСТВА ПРИ ПОИСКЕ НЕИСПРАВНОСТЕЙ В РЭО

Мистров Леонид Евгеньевич

Профессор кафедры правовой информатики, информационного права и естественнонаучных дисциплин, д.т.н., доцент,

 Российский государственный университет правосудия.

Центральный филиал

Россия, г. Воронеж

 

Белоцерковский Олег Анатольевич

Преподаватель,

ВУНЦ ВВС «ВВА»

им. проф. Н.Е. Жуковского и Ю.А. Гагарина,

Россия, г. Воронеж

 

Аннотация. Предлагается метод минимизаций информативной параметрической избыточности и процедуры вычисления оценок степени сходства, основанные на метрическом подходе группирования признакового пространства при поиске неисправностей в сложных радиоэлектронных объектах.

Ключевые слова: радиоэлектронный объект, поиск неисправностей, параметр, признак, критерий, метод, важность.

 

Введение. В современных условиях актуальной является задача обеспечения надежного функционирования сложных иерархических многоуровневых радиоэлектронных объектов (РЭО), достигаемой на этапе их эксплуатации диагностированием технического состояния при проведении ремонтно-восстановительных работ выявлением отказавшего элемента (комплекса, системы, подсистемы, устройства, блока, узла, печатной платы, радиоэлемента). Вследствие наличия большого множества в структуре РЭО различного типа и сложности элементов, поиск неисправностей основывается на их классификации на основе тех или иных определяющих признаков. Это позволяет осуществить формирование признакового пространства неисправностей и последующую его оптимизацию элементарных, групповых и кратных неисправностей (отказов) для сокращения времени технического диагностирования РЭО решением следующей совокупности задач [1, 2]:

а) диагностирования технического состояния элементов и РЭО в целом;

б) поиска (локализации) неисправностей в РЭО;

в) обеспечения оптимального функционирования информационной системы поддержки принятия решения современных РЭО, являющихся уже на сегодня обязательным атрибутом специального программного обеспечения;

г) подготовки специалистов по обслуживанию и эксплуатации РЭО при поиске неисправностей РЭА.

Основу оптимизации признакового пространства неисправностей в сложных РЭО составляет минимизация их параметрической избыточности, обеспечивающей снижение временных затрат и ресурсов на их поиск и последующее устранение.

Метод решения задачи. Метод минимизаций информативной параметрической избыточности элементов в объектах различной предметной области и процедуры вычисления оценок их степени сходства основывается на метрическом подходе. При этом критерием оптимальности является минимизация количества измеряемых параметров элементов при условии обеспечения достаточной информативности выборной параметрической системы.

Для минимизации информативной параметрической избыточности в [3] предложен метод корреляционных плеяд и его дальнейшее развитие и машинная адаптация метод дискретных корреляционных плеяд Существо последнего метода заключается в формировании групп (плеяд) параметров со значимым признаком сходства и последующей замене сформированных плеяд на единственный (определяющий) параметр, обладающий наибольшим весом по отношению к другим. Это позволяет установить функциональную зависимость каждого из параметров плеяды с головным параметром, что позволяет в дальнейшем принимать обоснованные решения об их значениях.

Пусть существует статистическая выборка объема N элементов исследования, составляющая исходное множество  Каждый элемент  выборки представляется множеством значений параметров где   индекс параметра, несущих информацию о соответствующих объектах исходного множества

Для множества  значений параметров элементов формируется матрица взаимной корреляции, представляющая собой множество значений в виде , где i и j индексы строки и столбцы матрицы, соответственно. На основе использования критерия Спирмена устанавливается порог значимости коэффициента корреляции rо и осуществляется преобразование исходной матрицы взаимной корреляции R в дискретную корреляционную матрицу ) по правилу

Для каждой строки i, полученной таким образом матрицы D, подсчитываются "веса" параметров  как  и определяется индекс строки im матрицы D для параметров с максимальным весом, равным  Причем, если существуют несколько параметров с весом  то выбирается первый из них.

Осуществляется формирование im корреляционной плеяды со значимыми дискретными оценками корреляции. В плеяду включаются параметры с индексом j, для которых справедливо dimj=1, .

Строка с индексом im и столбцы с индексом j дискретной корреляционной матрицы D, определяемые согласно [3], обнуляются, и процесс формирования плеяд, повторяется, начиная с определения значений весов параметров согласно до полного обнуления матрицы D.

Данный метод по сравнению с другими методами минимизации информативной избыточности наиболее прост и доступен для алгоритмизации. Его машинная адаптация не является трудоемкой и не влечет за собой значительных вычислительных затрат и ресурсов. Основным недостатком метода, поскольку в нем в качестве оценок сходства применяется значение коэффициентов корреляции, является предположение что параметры рni объектов  должны иметь нормальный закон распределения. Данное предположение существенно, так как практически зачастую невыполнимо.

Использование в методе в качестве оценок мер сходства непараметрических робастных критериев, например коэффициента ранговой корреляции Спирмена, также не обеспечивает их адекватности, поскольку данные оценки в ряде случаев являются приближенными.

Для иллюстрации сказанного рассмотрим следующую ситуацию. Допустим, что элементы заданы в виде совокупности N параметров. Известно, что значения каждого из  параметров определены на непересекающихся отрезках ln. Тогда для любых двух элементов с различными значениями параметров ранговый коэффициент корреляции Спирмена примет значение; равное единице.

Для определения степени сходства (близости) двух объектов , представленных численными значениями своих параметров , , наиболее часто используются такие метрические преобразования, как расстояние Махаланобиса, евклидово, взвешенное евклидово и хаммингово расстояние. Степень близости при этом определяется путем сопоставления вычисленных расстояний с каким-то определенным пределом. Элементы считаются похожими, если расстояние между ними не превышает этот предел, в противном случае - нет. При данном подходе невозможна строгая формализация понятия меры сходства как меры близости, поскольку степень сходства является зависимой как от значений параметров, так и от значений установленного предела. Например, для двух распределений qn и pn, связанных зависимостью qn=kpn, где k – константа, при фиксированном значении предела для разных значений коэффициента k будут получены различные оценки сходства, хотя по аналогии с оценками корреляционного сходства они должны совпадать.

Существует другой подход, основанный на вычислении расстояний в признаковом пространстве параметров с помощью некоторых специально устроенных функций , получивших название потенциальных. Эти функции принимают значения от 0 до 1 в зависимости от "потенциала" элемента по отношению к произвольной точке X. Однако, поскольку при этом ограничений на вид потенциальных функций не накладывается и признаковое пространство не фиксировано и не ограничено, полученные оценки не являются наглядными и, так же как и в предыдущем случае, не допускают эталонирования меры сходства.

Рассмотрим простые процедуры вычисления оценок степени сходства параметров, основанные на метрическом подходе, свободные от указанных недостатков:

- значения признаков pn и qn объектов сравнения  и .

- нормируются к единице с целью ограничения и фиксации признакового пространства параметров

     

т.е. формируются два дискретных распределения признаков  с суммарными весами, равными единице:   

- аналогично расстоянию по Хэммингу определяется интегральная разница в значениях нормированных признаков распределений как

- определяется значение степени сходства как S=1-d.

Коэффициент сходства в основном аналогичен коэффициенту корреляции. В зависимости от значений признаков он принимает значения от минус 1 (эквивалентно утверждению типа "абсолютно противоположен") до плюс 1 (эквивалентно утверждению "абсолютно похож"). Нулевое значение коэффициента интерпретируется как абсолютная непохожесть, т.е., полное отсутствие какого-либо сходства. Данная аналогия позволяет осуществить эквивалентную замену в методе дискретных корреляционных плеяд коэффициента корреляции на приведенную непараметрическую оценку степени сходства. При необходимости подбор адекватности коэффициента осуществляется на основе потенциальных функций.

Таким образом, оптимальный выбор признакового пространства на основе метрического подхода группирования признакового пространства неисправностей (отказов) обеспечит эффективность и качество функционирования систем диагностирующего контроля сложных иерархически многоуровневых радиоэлектронных объектов.

Список использованной литературы:

1. Мистров Л.Е. Модель формирования вариантов решений в информационно-обучающих системах по поиску неисправностей в сложных радиоэлектронных объектах / Л.Е. Мистров, О.А. Белоцерковский // Наукоемкие технологии. – 2018. – №2. – С. 28-35.

2. Мистров Л.Е. Принятие решений в задачах оптимального проектирования информационных систем / Л.Е. Мистров, О.А. Белоцерковский // Приборы и системы. Управление, Контроль, Диагностика. – 2017. – № 9.  С. 30-37.

3. Сыпчук П.П., Талалай А.М. Методы статистического анализа при управлении качеством изготовления элементов РЭА/ М.: Сов. радио, 1979 – 320 с.

 

Сведения об авторах:

Мистров Леонид Евгеньевич – доктор технических наук, доцент, профессор кафедры правовой информатики, информационного права и естественнонаучных дисциплин, ЦФ ФГБОУВО «РГУП», Россия, г. Воронеж

Белоцерковский Олег Анатольевич - преподаватель, ВУНЦ ВВС «ВВА» им. проф. Н.Е. Жуковского и Ю.А. Гагарина, Россия, г. Воронеж

 

OPTIMIZATION OF PRIZNAKOVY SPACE BY SEARCH OF MALFUNCTIONS IN REO

Mistrov L.E.

Belocerkovskij O.A.

Abstract. It is offered the method of minimization of informative parametrical redundancy and the procedure of calculation of estimates of degree of similarity based on metric approach of grouping of priznakovy space by search of malfunctions in difficult radio-electronic objects.

Keywords: radio-electronic object, search of malfunctions, parameter, sign, criterion, method, importance.

References:

1. Mistrov L.Е. Model' formirovaniya variantov reshenij v informacionno-obuchayushchih sistemah po poisku neispravnostej v slozhnyh radioelektronnyh ob"ektah / L.Е. Mistrov, O.A. Belocerkovskij // Naukoemkie tekhnologii. – 2018. – №2. – S. 28-35.

2. Mistrov L.Е. Prinyatie reshenij v zadachah optimal'nogo proektirovaniya informacionnyh sistem / L.Е. Mistrov, O.A. Belocerkovskij // Pribory i sistemy. Upravlenie, Kontrol', Diagnostika. – 2017. – № 9.  S. 30-37.

3. Sypchuk P.P., Talalaj A.M. Metody statisticheskogo analiza pri upravlenii kachestvom izgotovleniya elementov REA/ M.: Sov. radio, 1979 – 320 s.