Отправьте статью сегодня! Журнал выйдет 19 июля, печатный экземпляр отправим 23 июля
Опубликовать статью

Молодой учёный

Программное обеспечение системы прогнозирования диагностических параметров технических систем

Научный руководитель
Информационные технологии
05.09.2024
32
Поделиться
Библиографическое описание
Шамаль, М. А. Программное обеспечение системы прогнозирования диагностических параметров технических систем / М. А. Шамаль. — Текст : непосредственный // Молодой ученый. — 2024. — № 36 (535). — С. 188-191. — URL: https://moluch.ru/archive/535/117473/.


В статье автор представляет программное обеспечение системы прогнозирования временных рядов для использования в системах технической диагностики.

Ключевые слова: программное обеспечение, техническая диагностика, прогнозирование, временной ряд.

В современном мире временные ряды стали одним из главных предметов анализа протекающих процессов в различных областях научно-технической, экономической, социальной и других сферах деятельности человека. Анализ временных рядов позволяет извлекать полезную информацию, выявлять закономерности, осуществлять прогнозы. Техническая диагностика является одной из тех областей, где использование методов анализа и прогнозирования временных рядов диагностических параметров имеет первостепенное значение для эффективной эксплуатации технических систем.

При разработке системы прогнозирования временных рядов диагностических параметров технических систем (ТС) необходимо учитывать, что, с точки зрения теории технической диагностики, любая техническая система является динамической системой, функционирующей в пространстве известных информационных признаков [1]. Таким образом, в процессе функционирования ТС, характеристики диагностических параметров могут меняться, следовательно система прогнозирования должна обеспечивать возможность адаптации модели временного ряда и метода прогнозирования к изменяющимся условиям.

Среди специализированного программного обеспечения (ПО), решающего задачи прогнозирования временных рядов, можно выделить два типа ПО — desktop-приложения и специализированные программные инструменты для построения систем прогнозирования временных рядов. В ряду desktop-приложений можно рассмотреть ПО CaterpillarSSA и Novo Forecast [2, 3]. Среди программных инструментов — библиотека Prophet, платформа NeuralProphet и платформа FEDOT [4, 5, 6].

Обзор аналогов программного обеспечения (ПО) и инструментальных средств (ИС) для прогнозирования временных рядов показал следующее:

— возможности ПО и ИС для прогнозирования временных рядов ограничены моделями, на основе которых вычисляется прогноз и наоборот — модели прогнозирования временных последовательностей, используемые при прогнозировании, определяют класс задач, которые могут решать ПО и ИС;

— сложность ПО и ИС определяется набором используемых моделей временных рядов и алгоритмом их применения;

— использование в ПО и ИС искусственных нейронных сетей (ИНС) и алгоритмов машинного обучения позволяет упростить для пользователя решение задачи прогнозирования временны последовательностей.

Для прогнозирования временных рядов диагностических параметров необходимо ПО, с помощью которого можно было бы не только выполнить прогнозирование, но и провести предварительную обработку входных данных, а также проанализировать входные данные на наличие различных составляющих и их связь с другими диагностическими параметрами. Также ПО должно обеспечивать возможность использования различных моделей временных рядов и методов их прогнозирования.

В конечном итоге нами была разработано ПО для прогнозирования временных рядов. В основе работы ПО лежит метод разложения входной последовательности на периодические компоненты синусоидальной формы с последующим прогнозированием каждой из компонент предиктором на основе нейронной сети. Для получения окончательного решения результаты прогнозирования компонент суммируются [7, 8].

Данный метод позволяет гибко подходить к построению моделей временных рядов и выбору предикторов для прогнозирования компонент. Для примера, на рис. 1 представлен результат прогнозирования диагностического параметра сопротивления изоляции якорной цепи привода поворота шагающего экскаватора ЭШ 40.100. Наблюдения производились каждые 12 часов — в начале рабочей смены, в соответствии с режимом работы оперативного персонала. Сопротивление изоляции измерялось мегаомметром ЭСО210/2 (измерительное напряжение 1000 В) с пределом шкалы измерения 50 МОм, поэтому значения сопротивления изоляции находятся в диапазоне 0–50 МОм.

Пример работы ПО системы прогнозирования

Рис. 1. Пример работы ПО системы прогнозирования

На рис. 1 представлены исходный сигнал, обработанный сигнал, а также результат прогнозирования и график ошибки прогнозирования временного ряда для интервала упреждения D=4 , что с учетом интервала дискретизации выборки Δt = 12 ч , составляет 48 часов или двое суток наблюдений.

В таблице 1 представлены настройки алгоритмов обработки и прогнозирования для данной временной последовательности.

Таблица 1

Параметры алгоритмов обработки и прогнозирования

Наименование параметра

Значение

1

Алгоритм обработки

1.1

Количество компонент декомпозиции

66 компонент

1.2

Количество компонент, используемых в модели временного ряда

13 компонент

1.3

Интервал упреждения для модели временного ряда

4 отсчета

2

Алгоритм прогнозирования

2.1

Обучающая выборка

168 отсчетов на интервале [0; 167]

2.2

Тестовая выборка

22 отсчета на интервале [168; 189]

2.3

Тип предиктора

ИНС прямого распространения (FNN) с линейной функцией активации

2.4

Метод настройки (обучения) предиктора

Алгоритм Левенберга-Марквардта

2.5

Размерность вектора входных данных

3

2.6

Размерность вектора выходных данных

1

Согласно данным, представленным в таблице 1 для прогнозирования всех компонент использовалась одинаковая модель предиктора. При использование линейной активационной функции нет смысла строить многослойные сети, так как линейную сеть с любым количеством слоев и нейронов в ней можно свести, путем линейных преобразований, к модели простого адаптивного сумматора. Для настройки ИНС использовался алгоритм Левенберга-Марквардта, который, при сравнимой с другими алгоритмами оптимизации точности, обеспечивает высокую скорость сходимости.

Результаты прогнозирования сопротивления изоляции якорной цепи привода поворота экскаватора ЭШ 40.100 представлены в таблице 2.

Таблица 2

Результаты прогнозирования сопротивления изоляции

Параметр

Среднеквадратическое отклонение ошибки,

Среднее значение ошибки,

Значение

10,56

2,54

Использованный в программном обеспечении системы прогнозирования временных рядов диагностических параметров технических систем подход к обработке и прогнозированию временных рядов позволяет гибко подходить к построению моделей временных рядов, а также обеспечивает выбор модели предиктора и алгоритмов оптимизации для прогнозирования данных временных рядов с различными характеристиками.

Литература:

  1. Проников А. С. Надежность машин. –М.: Машиностроение, 1978. — 592 с., ил. — (Межиздательская серия «надежность и качество»).
  2. Программная реализация метода «Гусеница» CaterpillarSSA 3.40 // [электронный ресурс]. URL: https://www.gistatgroup.com/gus/programs.html (дата обращения 03.09.2024).
  3. Novo Forecast// [электронный ресурс]. URL: https://novoforecast.com/ (дата обращения 03.09.2024).
  4. Prophet// [электронный ресурс]. URL: https://github.com/facebook/prophet (дата обращения 03.09.2024).
  5. NeuralProphet// [электронный ресурс]. URL: https://neuralprophet.com/ (дата обращения 03.09.2024).
  6. FEDOT// [электронный ресурс]. URL: https://github.com/aimclub/FEDOT (дата обращения 03.09.2024).
  7. Шамаль М. А., Карякин А. Л. Прогнозирование диагностических параметров электротехнических комплексов главных приводов мощных экскаваторов// Журнал «Научное обозрение. Технические науки». — 2014. — № 2. — С. 219–220.
Можно быстро и просто опубликовать свою научную статью в журнале «Молодой Ученый». Сразу предоставляем препринт и справку о публикации.
Опубликовать статью
Ключевые слова
программное обеспечение
техническая диагностика
прогнозирование
временной ряд
Молодой учёный №36 (535) сентябрь 2024 г.
Скачать часть журнала с этой статьей(стр. 188-191):
Часть 3 (стр. 159-253)
Расположение в файле:
стр. 159стр. 188-191стр. 253

Молодой учёный