WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

 


На правах рукописи

НИКОЛАЙЧУК  ОЛЬГА  АНАТОЛЬЕВНА

Методы, модели и инструментальное средство ДЛЯ
ИССЛЕДОВАНИЯ НАДЕЖНОСТИ И БЕЗОПАСНОСТИ 
СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ

Специальность 05.13.01 – Системный анализ, управление и обработка
  информации: промышленность (технические науки)

Автореферат

диссертации на соискание ученой степени
доктора технических наук

Иркутск – 2010

Работа выполнена в Учреждении Российской академии наук
Институте  динамики систем и теории управления Сибирского отделения РАН

Лаборатория Информационных технологий исследования
природной и техногенной безопасности

Научный консультант:  доктор технических наук, профессор

  Берман Александр Фишелевич

Официальные
оппоненты:

       

доктор технических наук, профессор
Гурман Владимир Иосифович

доктор технических наук, профессор
Матвиенко Юрий Григорьевич 


доктор технических наук
Петровский Алексей Борисович

Ведущая организация:

ЗАО «Научно-технический центр промышленной безопасности», г. Москва

Защита состоится « 4 » апреля 2011 года в 11 часов на заседании диссертационного совета Д 002.086.02 при Институте системного анализа РАН по адресу: 117312,
г. Москва, пр-т 60-летия Октября, 9, ауд. 1506.  Телефон/факс (499)135-51-64.

С диссертацией можно ознакомиться в библиотеке Института системного анализа РАН

Автореферат разослан ____________  2011 года.

Ученый секретарь

диссертационного совета, д.т.н. профессор А.И. Пропой

 

 

ОБЩАЯ  ХАРАКТЕРИСТИКА  РАБОТЫ

Актуальность. Решение проблем, которые относят к комплексным и мультидисциплинарным, требует развития методов системного анализа, представления и обработки информации, различной по степени формализации и структуризации.  Подобная информация отражает знания экспертов, накопленные данные и знания, математические модели и др. Каждая научная дисциплина, знания которой используются для решения мультидисциплинарных проблем и задач, имеет собственную теоретическую и методологическую основу. Проблема состоит в агрегации накопленных в различных научных направлениях данных, знаний и методов их обработки в единую информационную среду.

Проблема исследования надежности и безопасности сложных технических систем (СТС) является комплексной, так как распространяется на все стадии и этапы жизненного цикла опасных техногенных объектов. Проблема является и мультидисциплинарной, так как требует учета взаимозависимых параметров, характеризующих предупредительные, контрольные и защитные мероприятия, изучаемых различными научными отраслями и дисциплинами.

Рассматриваемые в работе СТС и входящие в их состав уникальные механические системы (УМС) изготавливаются в единичных экземплярах, подвергаются экстремальным воздействиям нагрузок и сред и представляют опасность для людей и окружающей среды. Опасные компоненты рассматриваемых СТС, например, реакторы, емкости, трубопроводы и т.п., структурно не резервируются, т.к. их отказ не исключает аварии. Такие объекты не допус­кают активного эксперимента из-за того, что экспериментальные воз­действия могут повредить дорогостоящий  объект или разрушить его или привести к аварии и техногенной чрезвычайной ситуации (ЧС), поэтому их надежность и безопасность обеспечивается преимущественно расчетно-экспериментальными и эвристическими методами, относящимися к прочностной надежности и безопасности. К таким СТС относятся химико-технологические, нефтехимические, энергетические и подобные производства, включающие УМС типа реакторов и колон синтеза, котлов различного назначения, технологических трубопроводов, компрессоров и насосов высокого и сверхвысокого давления, применяемых при давлениях и температурах достигающих соответственно 320 МПа и 5000С. 

Катастрофические отказы и аварии, обусловленные применением рассматриваемых СТС, характеризуются отсутствием не только представительной статистической выборки, но и повторяемости их причинно-следственных связей, т.е. катастрофические отказы и аварии являются уникальными процессами и событиями и для их прогнозирования затруднительно использовать вероятностно-статистические методы. Статистические методы должны рассматриваться на таком уровне структуры систем и их элементов, на котором можно выделить статистические объекты. Такой подход для оценки событий, нарушающих безопасность СТС и составляющих сценарии формирования ЧС, только формируется, и настоящая работа является определенным вкладом в его развитие.

Необходимо отметить, что количество взрывов, пожаров и выбросов ядовитых веществ в промышленности, энергетике и на трубопроводном транспорте не снижается.  Социальные, экономические и экологические последствия техногенных ЧС обусловливают необходимость совершенствования научных основ обеспечения надежности и безопасности сложных технических систем.

Таким образом, актуальность работы связана с развитием принципов, методов, моделей представления и технологий обработки информации, направленных на обоснование рациональных свойств надежности и безопасности СТС.

Цель исследования. Разработать методологию создания инструментального  средства для исследования  мультидисциплинарной проблемы надежности и безопасности СТС, базирующуюся на агрегировании разработанных и существующих моделей, знаний и опыта, отражающих динамику состояний СТС.

Методы исследования. Для решения поставленных задач используются системный анализ, теория моделирования, теория множеств, информационные технологии, в том числе методы искусственного интеллекта, объектно-ориентированное проектирование и программирование.

Научная новизна. Полученные в работе результаты направлены на теоретическое развитие методов системного анализа, управления и обработки информации для решения актуальной прикладной проблемы обеспечения надежности и безопасности сложных технических систем: 

  • Разработана методология  построения инструментального средства для исследования свойств надежности и безопасности функционирования сложных технических систем, обеспечивающая структурирование, представление, накопление, обработку и использование информации из различных научных дисциплин, предметом исследования которых является обеспечение надежности и безопасности систем.
  • Создан новый метод декомпозиции объекта исследования, основанный на моделях декомпозиции структуры объекта, жизненного цикла объекта, информационных аспектов состояний объекта и процессов изменения состояний.
  • На основе предложенного метода декомпозиции разработана причинно-следственная модель объекта, включающая параметры, характеризующие функциональный, технический, физический аспекты состояний, и причинно-следственные связи на множестве параметров.
  • Представлен новый метод агрегирования математических, логических и информационных моделей данных и знаний и алгоритмов их обработки, основанный на предлагаемых моделях онтологий предметной и проблемной областей.
  • Создана гибридная информационная модель динамики состояний технической системы, основанная на предлагаемых причинно-следственной модели объекта и методе агрегирования.
  • Предложены новые модели и методы обработки причинно-следственной информации на основе прецедентного и  продукционного подходов.
  • На основе предложенной методологии разработаны алгоритм, архитектура и исследовательская версия специализированного инструментального средства, позволяющего прогнозировать параметры приближения катастрофических отказов, аварийных ситуаций, аварий и техногенных ЧС.

Защищаемые положения:

  • Методология  построения инструментального средства для исследования свойств надежности и безопасности функционирования сложных технических систем, которая обеспечивает структурирование, представление, накопление, обработку и использование информации из различных научных дисциплин. 
  • Метод декомпозиции объекта исследования, обеспечивающий анализ и структурирование проблем и задач исследования свойств надежности и безопасности СТС.
  • Причинно-следственная модель объекта, описывающая функциональный, технический, физический аспекты процесса изменения состояний и обеспечивающая структурирование и представление информации для исследования и принятия решений.
  • Метод агрегирования математических, логических и информационных моделей данных и знаний и алгоритмов их обработки, который позволяет обрабатывать разнородную и взаимосвязанную информацию по заданной проблеме.
  • Гибридная информационная модель динамики состояний технической системы, которая позволяет выявлять закономерности изменения состояний объекта.
  • Модели и методы обработки причинно-следственной информации на основе прецедентного и продукционного подходов для обеспечения поддержки принятия решений при выборе свойств надежности и безопасности объекта.
  • Алгоритм, архитектура и исследовательская версия специализированного инструментального средства, включающего модуль онтологии, модули продукционной и прецедентной экспертных систем  и позволяющего прогнозировать параметры наступления катастрофических отказов, аварийных ситуаций, аварий и техногенных ЧС и осуществлять поддержку принятия решений по предупреждению, ликвидации и снижению последствий ЧС.

Практическая значимость и реализация результатов. Предложенные подходы, методы, модели, алгоритмы и программная система использованы: Институтом машиноведения РАН (г. Москва) для проведения исследований по идентификации технического состояния и обеспечения надежности уникальных  деталей машин и аппаратуры; при обосновании мероприятий Программы снижения риска и смягчения последствий природных и техногенных ЧС на территории Иркутской области на период 2002-2010 гг.; при разработке Концепции социально-экономического развития Иркутской области на 2006-2010 гг.; при разработке среднесрочной целевой Программы «Информатизация Иркутской области на период 2003-2006 гг.»; при разработке программных систем для оценки и восстановления технического состояния оборудования  на Ростовском электровозоремонтном заводе, ЗАО «Восточно-Сибирская топливная компания», ОАО «Ангарская нефтехимическая компания».

Апробация работы. Основные результаты диссертационной работы докладывались на 34 международных и 21 российских симпозиумах, конференциях и семинарах, в том числе:   Современные методы математического моделирования природных и антропогенных катастроф (Красноярск, 1999, 2001, 2003); XII Международная конференция по вычислительной механике и современным прикладным программным системам (Владимир-2003); Modelling and Analysis of Safety and Risk in Complex Systems. International Scientific School (Saint-Petersburg-2004); Международные научно-технические конференции «Интеллектуальные системы» и «Интеллектуальные САПР» (Таганрог-2004, Геленджик-2008); Пятая Международная конференция  «Искусственный интеллект. Интеллектуальные многопроцессорные системы» (Украина, Кацивели, 2004, 2006);  VIII  Международная конференция «Кибернетика и высокие технологии XXI века» C&T*2007 (Воронеж-2007);  X-th Joint International Scientific Events on INFORMATICS, XIII-th International Conference «Knowledge-Dialogue-Solutions» (Bulgaria, Varna–2007); Одиннадцатая Национальная конференция по искусственному интеллекту с международным участием (Дубна-2008); Международная конференция «Математическая теория систем» (Москва-2009); Международные конференции «Системный анализ и информационные технологии» САИТ (Обнинск-2007, Звенигород-2009); Девятая сессия Международной научной школы «Фундаментальные и прикладные проблемы надежности и диагностики машин и механизмов» (Санкт-Петербург, ИПМАШ РАН, 2009); Международные конференции «Проблемы управления безопасностью сложных систем» (ИПУ РАН, 2007, 2008, 2009).

Публикации. Основные результаты научных исследований по теме диссертации опубликованы в 82 статьях и научных докладах, в том числе 20 статей в изданиях из перечня ВАК РФ. Получен Патент на полезную модель, а также 6 свидетельств о регистрации программных продуктов и баз данных.

Личный вклад автора. Все выносимые на защиту научные положения разработаны соискателем лично. В основных научных работах по теме диссертации, опубликованных в соавторстве, лично соискателем разработаны в [13-16] – принципы автоматизации исследований, в [5-8] – иерархическая декомпозиция объекта исследования на подсистемы, в  [5,6,12,15,16] – модель причинно-следственного комплекса (закономерности) динамики состояний СТС, в  [1,2,5,7,9,10-12,18,19] –  гибридная информационная модель, отражающая закономерности (причинно-следственный комплекс) изменения технического состояния УМС и СТС, информационные модели объекта исследования, прецедента, продукций и метапродукций, в [1-4,6,7,9,11,14,17,19,20] – алгоритм организации мультидисциплинарных исследований, обеспечивающий моделирование динамики технического состояния, функции и структура программной системы.

Структура и объем диссертации. Работа состоит из введения, 8 глав, заключения, содержит 251 страницу, в том числе 102 рис., 3 табл., список литературы из 280 названий, приложение  на 17 стр.  Всего 268 стр.

СОДЕРЖАНИЕ  РАБОТЫ

Во введение определена цель исследований, обоснована актуальность темы и научная новизна защищаемых положений, описаны методы исследований и полученные практические результаты.

Отмечается, что трудность формализации и моделирования процессов развития опасных состояний обусловлена недостаточной структурированностью и взаимосвязью совокупности данных и знаний из различных научных направлений и дисциплин, необходимых для обеспечения надежности и безопасности СТС. При работе с данными различных типов невозможно (за исключением простейших случаев) устанавливать связи, отражающие существующие между элементами данных зависимости. Если функциональные зависимости во многих случаях могут быть представлены в аналитическом виде, то классификационные связи типа родовидовых, причинно-следственных и др. описать в аналитическом виде не представляется возможным.  Только в системах, работающих со знаниями, сведения о таких связях между объектами можно представить в явной форме. Благодаря этому обеспечивается компактное представление информации и единообразие ее обработки.

Подобное состояние проблемы требует создания методологии автоматизации исследования, включающей принципы, методы, познавательные и прагматические модели, а также информационные технологии исследования, направленные на обоснование рациональных свойств СТС и входящих в их состав уникальных механических систем (УМС), обеспечивающих требуемую надежность и безопасность.

Методология автоматизации исследования должна обеспечивать накопление, структурирование и использование информации, знаний и опыта из различных научных дисциплин и учитывать то, что на разных этапах жизненного цикла СТС и УМС требуются разные данные и знания, разные их представления и взаимосвязь  для эффективного решения задач обеспечения надежности и безопасности.

Техногенная безопасность СТС обеспечена, если обеспечены: структурная надежность и безопасность; прочностная и ресурсная надежность и безопасность УМС; мониторинг, диагностирование и прогнозирование изменения состояния объектов; защита «временем», «расстоянием» и «в глубину» от опасных воздействий, а также факторы воздействия на людей и окружающую среду не превышают предельного значения. Перечисленные проблемы входят в компетенцию значительного числа научных дисциплин, что характеризует проблему безопасности как мультидисциплинарную.

Объектом исследования являются сложные технические системы и уникальные механические системы, входящие в их состав, катастрофические отказы которых приводят к авариям и техногенным катастрофам.

Предметом исследования  является методология создания инструментального средства анализа и принятия эффективных решений для обеспечения свойств надежности и безопасности УМС и СТС, включающая принципы, методы и модели структурирования, накопления и обработки информации, знаний и опыта взаимосвязанных научных дисциплин.

В первой главе выполнен анализ существующих концепций, принципов, методов, моделей и программных систем, используемых для исследования и обеспечения  надежности и техногенной безопасности  УМС и СТС.

Функциональные и технические состояния СТС описываются  множеством взаимосвязанных параметров. При этом изменение параметров, в том числе характеризующих уровень безопасности, одного компонента или элемента может оказывать влияние на параметры других компонентов и СТС в целом. Отмечается, что различные виды энергии: механическая, тепловая, химическая, электромагнитная, ядерная, биологическая, действуя на УМС, входящие в состав СТС, инициируют в их составных частях процессы, изменяющие свойства материалов и элементов.

Основоположниками отечественной техногенной безопасности как области науки и техники являются академик РАН В.А. Легасов и член-корреспондент РАН Н.А. Махутов. Современная техносфера, по их мнению, стала сравнима по  своим последствиям с природными катастрофами, а понимание специфики аварий, знание их особенностей, закономерностей позволит выявить существо проблем безопасности и обосновать меры по снижению последствий техногенных катастроф.

Значительный вклад в развитие системного анализа и применения его для решения различных прикладных проблем внесли Н.Н. Моисеев, О.И. Ларичев, С.В. Емельянов, Д.М. Гвишиани, Ю.С. Попков, В.А. Геловани, В.Н. Садовский, В.Г. Афанасьев, В.М. Глушков, Г.С. Осипов, В.П. Кузьмин, Ю.Г. Марков, Л.А. Петрушенко, В.С. Тюхтин, А.И. Уемов, Э.Г. Юдин, Р. Акофф, Р. Берталанфи, Дж. Клир, О. Ланге, Р. Мертон, М. Месарович, Т. Парсонс, У. Росс Эшби и многие другие.

Современная теория безопасности СТС развивается благодаря таким научным направлениям, как динамика и моделирование сложных систем (В.М. Матросов, С.Н. Васильев, В.И. Гурман, А.Я. Андриенко, В.Н. Бурков,  В.В. Кульба,  Н.А. Махутов, А.С. Можаев, А.Д. Новиков, Б.В. Павлов, Ю.П. Портнов-Соколов,  Н.А. Северцев, К.В. Фролов, В.А. Виттих, А.Б. Петровский,  Э. Хенли, X. Кумамото  и др.),  прочностная надежность и ресурс механических систем (Н.А. Махутов, В.В. Болотин, К.В. Фролов, В.В. Клюев, Е.М. Морозов, В.В. Москвичев, С.А. Тимашев, Ю.Г. Матвиенко, М.М. Гаденин, А.Ф. Берман, К. Капур, Л. Ламберсон и др.), нелинейная динамика (Г.Г. Малинецкий, А.Б. Потапов, Д. Медоус, Дж. Форрестер и др.), теория катастроф (В.И. Арнольд, Дж. Томпсон, Э. Лоренц), теория самоорганизованной критичности (С.П. Курдюмов, П. Бак, К. Танг, К. Вайзенфельд), синергетика (А.Ю. Лоскутов, Г. Хакен, И. Пригожин и др.), теория нормальных аварий (Ч. Перроу), анализ и оценка техногенного риска и безопасности (И.А. Рябинин, А.Я. Андриенко, А.А. Быков, П.Г. Белов, В.А.  Владимиров, А.И. Гражданкин, Б.В. Гусев, А.Н. Елохин, В.И. Измалков, В.Б. Живетин, Р.И. Зайнетдинов, М.В. Лисанов, Н.А. Махутов, Н.К. Печенин, А.С. Печеркин, И.У. Ямалов и др.).

Информационные технологии и методы искусственного интеллекта начали использоваться в России для исследования и обеспечения надежности и безопасности сложных технологических систем  В.В. Кафаровым, В.П. Мешалкиным.

Анализ состояния проблемы и задач позволил сделать следующие выводы:

  • Проблема техногенной безопасности сложных технических систем является мультидисциплинарной. Аналитические и эмпирические модели имеются только в пределах отдельных научных отраслей и дисциплин, связанных со стадиями и этапами создания и применения СТС и УМС. Из-за этого  не обеспечивается взаимоувязанное, по всем этапам и стадиям создания и применения СТС, исследование возможных причин катастрофических отказов, аварий и техногенных катастроф и обоснование свойств безопасности СТС.
  • Отсутствует в полной мере обоснованная и общепринятая теория, отражающая закономерности изменения безопасности и обеспечивающая прогнозирование вида и типа катастрофических отказов и аварий на стадии создания.
  • Информационные технологии, методы и средства искусственного интеллекта недостаточно используются в исследованиях надежности и безопасности СТС.
  • На стадии становления находится подход к построению математических моделей катастрофических отказов и аварий с позиций их механо-физико-химической природы.

Во второй главе  представлена методология автоматизации исследования, отражающая базовые положения, методы, модели и принципы принятия решений при обеспечении безопасности уникальных механических (УМС) и сложных технических систем. Методология разработана на основе методов и принципов системного анализа и математического моделирования; закономерностей изменения физического и технического состояний объектов; принципов обеспечения свойств надежности и безопасности СТС и УМС; методов и подходов информационных технологий и искусственного интеллекта для решения слабоформализованных задач.

Рассматриваемая проблема разделена на подпроблемы, задачи и подзадачи и представлена во взаимосвязи, обеспечивающей как принятие эффективных решений, так и обоснование эффективного алгоритма решения задач. Объект исследования представлен иерархической системой: деталь – сборочная единица – уникальная механическая система – техническая система – сложная техническая система.

За эмпирическую основу изменения состояний СТС, принята  структурная схема, предложенная в работах А.Ф. Бермана (рис. 1), которая доработана и формализована.

Предложено рассматривать совокупность параметров повреждения, разрушения и катастрофического отказа деталей, сборочных единиц и УМС как состояния, обусловленные протеканием в них механо-физико-химических деградационных процессов, причиной которых является выполнение рабочих функций. Затем, предложено рассматривать совокупность параметров аварийной ситуации, аварии  и техногенной ЧС как состояния, характеризующие  взаимодействие СТС с окружающей средой и сопровождаемые нежелательными процессами распространения опасных веществ в пространстве, пожарами и взрывами.

Рис. 1. Структурная схема процесса формирования отказа и аварии
(МС – механические системы)

Разработан метод декомпозиции, синтезирующий набор моделей декомпозиции проблемы надежности и безопасности СТС и УМС, представленных информационными уровнями взаимосвязанных и взаимообусловленных параметров состояний, классами динамики состояний на каждом информационном уровне, моделями декомпозиции  жизненного цикла и структуры СТС, обеспечивающий решение задач некоторой совокупностью  научных отраслей и дисциплин (рис. 2).

На основе полученной содержательной модели декомпозиции предложены этапы процесса исследования надежности и безопасности СТС, задачи (функции) для достижения цели и критерии оценки решений.

Функции процесса исследования определены как совокупность моделей задач:

,

где – модель задачи определения модели объекта; – модель задачи генезиса состояния; – модель задачи идентификации состояний; – модель задачи мониторинга и прогнозирования состояний; – модель задачи определения причинно-следственного комплекса состояния; – модель задачи оценки риска состояния;   – модель задачи принятия решений.

Рис. 2. Обобщенная содержательная модель декомпозиции объекта исследования

Обоснована совокупность информационных технологий и методов искусственного интеллекта для реализации процесса исследования и определено место системы исследования для решения мультидисциплинарной проблемы (рис. 3).

Рис. 3. Мультидисциплинарность проблемы надежности и безопасности СТС

Предлагается автоматизировать процесс исследования надежности и безопасности  СТС с помощью комплексного использования: онтологии; объектно-ориентированного моделирования данных и знаний; рассуждений на основе продукций; рассуждений на основе прецедентов; математического (аналитического) моделирования.

Комбинация подходов призвана компенсировать недостатки  их  раздельного использования. Объектно-ориентированное моделирование обеспечивает целостное представление о предметных понятиях и отношениях между ними. Прецедентный подход  позволяет быстро и качественно находить приемлемое решение. При отсутствии накопленного опыта используется продукционный подход.

В главе 3 на основе разработанного метода декомпозиции получена содержательная модель декомпозиции объекта исследования, которая отражает динамику нарушения техногенной безопасности, представленную последовательностью: дефект повреждение разрушение отказ аварийная ситуация  (АС) авария (А) чрезвычайная ситуация (ЧС). Модель дополнена описанием причин нежелательного изменения состояний и причинно-следственными связями, отражающими закономерности динамики технического состояния (рис. 4, 5).

На основании разработанной методологии и модели причинно-следственного комплекса осуществлено предметное описание этапов, целей и задач процесса исследования и принятия решений по обеспечению требуемых свойств надежности и безопасности СТС (рис. 6,7).

Разработанные модели обеспечивают автоматизацию процессов исследования надежности и безопасности и эффективное взаимодействие специалистов, а также возможность накопления статистической информации по событиям, состояниям и процессам, выделенным в результате классификации.

В главе 4 разработан принцип агрегирования моделей, знаний и опыта (прецедентов). Принцип агрегации знаний (моделей, знаний и опыта) определен на основе классификации видов онтологий (рис. 8). Согласно данной классификации модель знаний для решения поставленной задачи основывается на моделях как предметной, так и проблемной областей. В этом случае имеет место рационализация соотношения представления  и обработки информации, что обеспечивает их независимое развитие и совместное использование.

Структура онтологии предметной области описывает представление информации о предметной области. Структура онтологии методов – представление методов обработки информации, в частности, разработаны модели продукционного и прецедентного методов, методов аналитических вычислений и реализации запросов к базе данных. Онтология проблемной области описывает задачи и модели агрегации методов (пример агрегации методов на рис. 9), что позволяет формировать алгоритмы их создания.

Рис. 4. Причинно-следственный комплекс динамики состояний УМС

Рис. 5. Причинно-следственный комплекс динамики состояний СТС

В главе 5 представлена модель динамики состояний СТ С. Опишем структуру объекта исследования:

,

где – структурные элементы модели; – обобщенный индекс, учитывающий все структурные элементы на всех уровнях иерархии (– индекс конкретного уровня иерархии); – отношение, отражающее причинно-следственные связи  между

Рис. 6. Модель процесса исследования надежности

Рис. 7. Модель процесса исследования безопасности

Рис. 8. Схема взаимодействия онтологий
(isa, use – отношения наследования и использования)

Рис. 9. Схема агрегации методов для решения задачи прогнозирования
(has part, seq – отношения «часть-целое» и последовательного использования)

структурными элементами модели; – индекс сложной технологической  системы; – индекс технической системы; – индекс уникальной механической системы; – индекс сборочной единицы; – индекс детали. Каждый структурный элемент модели описывается совокупностью причинно-обусловленных информационных уровней:

,

,,

где – индекс подсистемы (информационного уровня), =0 – подсистема нежелательных (деградационных) процессов, =1 – физическая подсистема, =2 – техническая подсистема, =3 – функциональная подсистема. Подсистема нежелательных (деградационных) процессов причинно обусловливает динамику  всех следующих подсистем. – отношение, отражающее причинно-следственные связи между информационными уровнями модели.

– конечный интервал моделирования.

– фазовое пространство состояний -й подсистемы, – фазовые координаты, , , – фазовые траектории изменения состояния. Фазовые координаты имеют объектно-ориентированную структуру: , т.е. каждая координата при необходимости может описываться набором собственных свойств и параметров. По назначению и типу координаты объекта объединяются в классы.

Пространство состояний имеет структуру, соответствующую причинно-следственному комплексу процесса изменения состояния системы (рис. 6,7). Опишем причинно-следственные связи:

, , , ,

,,

, ,.

где  – отношение, отражающее причинно-следственные связи между пространством -состояния -объекта (+1)-уровня структурной иерархии СТС и пространствами -состояний объектов -уровня; – отношение, отражающее причинно-следственные связи между пространством -состояния -объекта на -м информационном уровне и пространствами -состояний на -м информационном уровне объектов -уровня; – отношение, отражающее причинно-следственные связи -объекта между пространствами -состояний на -м и -м информационных уровнях; – отношение, отражающее причинно-следственные связи -объекта на -м информационном уровне между пространствами и состоянии.

В модели отношения заданы в виде правил и информации, представленной в прецедентах. Обозначим каждое из пространств:

для подсистемы нежелательных процессов (=0): – пространство процессов повреждений на субмикроуровне; – пространство процессов повреждения на микроуровне; – пространство процессов повреждений на макроуровне; – пространство процессов разрушения;  – пространство процессов аварийной ситуации; – пространство процессов аварий; – пространство процессов чрезвычайных ситуаций;

для физической подсистемы (=1): – пространство фиксируемых состояний; – пространство состояний допустимого повреждения; – пространство состояний недопустимого повреждения; – пространство состояний разрушения;  – пространство восстанавливаемых физико-химических состояний; – пространство невосстанавливаемых физико-химических состояний; – пространство прогрессирующих невосстанавливаемых физико-химических состояний;

для технической подсистемы (=2): –  пространство исходных состояний; – пространство допустимых состояний; – пространство предельных состояний; – пространство состояний отказа; – пространство состояний аварийной ситуации; – пространство состояний аварии; – пространство состояний чрезвычайной ситуации;

для функциональной подсистемы (=3): – пространство исправных состояний; – пространство неисправных состояний; – пространство неработоспособных состояний – пространство опасных неработоспособных состояний, .

Состояние описывается следующим образом , , – число фазовых координат, описывающих проектные свойства объекта, – число фазовых координат, описывающих свойства объекта, приобретенные при изготовлении, эксплуатации и характеризующие технические состояния, – число подпространств состояний -й подсистемы.

На 0-уровне деградационных процессов для отображения причинно-следственной событийной зависимости свойств объекта, воздействующих факторов и признаков проявления этих событий вводится дополнительная структура .

– множество допустимых входов, , где – число «входных каналов», каждый из которых принимает входную информацию своего типа. Под входной информацией понимаются значения параметров, характеризующих как внутренние воздействующие факторы, обусловленные функционированием, так и внешние воздействующие факторы.

– множество выходных результатов мониторинга и/или  диагностирования объекта, . На этапе проектирования .

– множество выходной информации, характеризующее параметры технического состояния -й подсистемы;

– оператор переходов, который определяет множество возможных «текущих» состояний -й подсистемы по предыстории с некоторым фактором уверенности на основе гибридной информационной модели  , , – число «текущих» состояний. , , , –  операторы формирования новых начальных условий и, возможно,  нового поведения при приеме очередной входной информации, управляющего воздействия,  информации о результатах мониторинга и диагностирования соответственно, выходе одного из параметров состояния на границу выделенных подпространств соответственно;  – оператор переходов, который определяет «текущие» состояния на -м информационном уровне,  ; – гибридная информационная модель, описывающая поведение объекта на временных интервалах между событиями на уровне -й подсистемы; – фактор уверенности возможного поведения объекта;

, ,

где – онтология надежности и безопасности.

– база данных для -й подсистемы. Структура базы данных  формируется на основе указанной онтологии и хранит фактическую информацию об объекте исследования.

– базы знаний для -й подсистемы. Базы знаний содержат описания причинно-следственных зависимостей процессов, событий и явлений, происходящих на объекте исследования.  Знания позволяют описать скачкообразную динамику технического состояния объекта.

– математические модели для -й подсистемы. В данном компоненте содержится программная реализация математических моделей, которые позволяют решать задачи расчета: коэффициента интенсивности напряжений в вершине трещины (); скорости перемещения частей трубопровода; параметров пожара; размеров облака; скорости перемещения облака и др. Математические модели позволяют описать непрерывную динамику технического состояния объекта.

– множество отношений для -й подсистемы, определяющих взаимосвязь между компонентами модели: , и , где , – множество отношений между базами данных и базами знаний, – множество отношений между базами данных и математическими моделями, – множество отношений между базами знаний и математическими моделями. Виды отношений, порядок и способы взаимодействия компонентов модели определяются онтологией.

– оператор выходной информации для -й подсистемы. Выходная информация -й подсистемы поступает на следующий информационный уровень -й подсистемы и на выход всей системы. Преобразует информацию о состоянии объекта в контролируемые параметры технического состояния, например, получаемые с помощью датчиков контроля.  Преобразование осуществляется на основе знаний о причинно-следственных зависимостях «техническое состояние объекта – диагностические признаки» или «техническое состояние объекта – результаты мониторинга». Знания представлены в виде правил. При .

– риск технического состояния, определяемый как сочетание экспертной оценки возможности данного состояния и ущерба, причиняемого этим состоянием. Риск определяется  на основе факторов уверенности предыдущих состояний.

– множество управляющих воздействий системы обеспечения надежности и безопасности объекта. Множество управляющих воздействий определяется на основе причинно-следственных зависимостей «техническое состояние-управляющее воздействие», описанных в виде правил. Выбор управляющих воздействий осуществляется по критериям минимизации риска и стоимости, а также могут  учитываться другие экспертные предпочтения:

, ,

где – стоимость управляющего воздействия ; – риск опасного состояния СТС; – приемлемый риск опасного состояния СТС.

Управляющие решения формируются в зависимости от рассматриваемой стадии жизненного цикла объекта.

Рассмотрим алгоритм моделирования (рис. 10) технического, физического и функционального состояний (далее, состояний) на основе предлагаемой модели на интервале моделирования c шагом моделирования  . Результатом моделирования являются последовательности (или граф) возможных технических состояний в моменты времени ().

Рис. 10. Схема шагов моделирования

t1, t2, t3, t4 – моменты времени достижения границ выделенных подпространств; цифрами указаны последовательность шагов моделирования

Далее в описании используются следующие переменные: – момент времени начала эксплуатации объекта; – конечный момент времени моделирования;   – шаг моделирования; – индекс информационного уровня,  ; – индекс подпространства,  ; – индекс уровня структурного элемента, ; – индекс моментов времени,  ; – индекс моделируемых вариантов технического состояния,  ; , , , , … – моменты времени достижения границ -подпространств, заранее эти моменты не известны, определяются в результате моделирования.

Начало исследования: объект исследования – деталь, i=1; начальный момент моделирования – t0; уровень деградационных процессов, m=0; подпространство процесса повреждения на субмикроуровне, j=1.

Шаг 1. На основе исходных данных, результатов моделирования на предыдущих шагах моделирования и гибридной информационной модели определяются возможные варианты нежелательных процессов в подпространстве (механизм, кинетика/ скорость нежелательного процесса, признаки) в момент .

Шаг 2. На основе полученных данных на предыдущих шагах моделирования и -модели определяются возможных вариантов состояния объекта на всех вышестоящих информационных уровнях в момент , .

Шаг 3. На основе полученных данных на предыдущих шагах моделирования и -модели определяются возможных вариантов состояний объекта на всех вышестоящих структурных уровнях в момент , .

Шаг 4. Следующий шаг исследования (). На основе данных и знаний о кинетике нежелательного процесса определяются возможных вариантов признаков нежелательного процесса и их значений в момент времени ().

Шаг 5. Осуществляется проверка, достигло ли техническое состояние в момент времени () границ -подпространства. Если нет, то переход к следующему шагу 6. Если граница достигнута, то переход к шагу 1.

Шаг 6. Осуществляется  проверка: изменились ли входные воздействия? ИЛИ получены ли новые диагностические данные? ИЛИ получено ли новое управление? Если хотя бы на один вопрос будет получен положительный ответ, то переход к шагу 1. Если нет, то переход к шагу 2.

  Глава 6 посвящена методам исследования надежности и безопасности. В исследовании выделено три направления информационных технологий, обеспечивающих, соответственно, решение задач моделирования, информационного и интеллектуального обеспечения. Повышение интеллектуальности подсистем моделирования осуществляется путем использования экспертных систем.

Основные задачи, рассматриваемые в работе, это генезис, идентификация и прогнозирование технического состояния объекта. Агрегация методов осуществляется на основе онтологии.

Алгоритм поиска прецедентов по иерархическому пространству может быть как восходящим (снизу вверх), т.е. от детали к технической системе, так и нисходящим (в противоположном направлении). В первом случае в процессе исследования будет решаться задача прогнозирования, во втором – задача генезиса. 

Рассмотрим последовательность этапов (шагов)  алгоритма поиска прецедентов при решении задачи генезиса технического состояния УМС (далее при описании алгоритма используется понятие «механическая система»).

Шаг 1. Пользователь описывает объект исследования – отказавшую механическую систему: фиксирует структурную принадлежность УМС, фактические условия эксплуатации и внешние проявления отказа. На основании этих данных происходит формирование начального набора индексов, описывающих новый отказ.

Далее последовательно осуществляется поиск аналогов по индексам, описывающим структурную принадлежность отказавшей механической системы и внешним проявлениям отказа. Результатом процедуры поиска (извлечения) является список аналогичных прецедентов, упорядоченных в соответствии с оценкой близости описаний. Данный список позволяет проанализировать отказы с аналогичными признаками и принять предварительное решение по исследованию причин отказа.

Шаг 2. Получив дополнительную информацию в виде списка аналогичных отказов механических систем, пользователь продолжает процесс исследования –  определение процесса происхождения отказа. Структурным происхождением отказов всех механических систем является отказ одной из входящих в их состав сборочной единицы или детали. Из этих сборочных единиц (или деталей) формируется некий набор возможных структурных происхождений отказа данной механической системы.

Процедура поиска (извлечения) переходит на следующий уровень иерархии пространства прецедентов – на уровень прецедентов, описывающих отказы сборочных единиц (или деталей).

В свою очередь уже на данном уровне происходит поиск аналогов по внешним проявлениям отказа, результат которого – прецедент(ы), содержащие описание наиболее вероятной причины отказа уже сборочной единицы. Выбрав наиболее близкое описание отказа (следовательно, наиболее вероятную отказавшую сборочную единицу), пользователь уточняет фактические условия ее эксплуатации и внешние проявления отказа.

Шаг 3. Так как объект исследования представляет собой иерархическую структуру, а процесс исследования – последовательный и целенаправленный поиск аналогов в иерархическом пространстве прецедентов, то следом за поиском аналогов на уровне прецедентов, описывающих отказы сборочных единиц, следует поиск прецедентов на следующем уровне – уровне прецедентов, описывающем отказы деталей. На данном уровне поиск (извлечение) аналогов осуществляется по индексам, описывающим внешние проявления повреждения, разрушения и отказа детали, с учетом информации о фактических условиях ее эксплуатации и исходной (начальной) дефектности (обусловленной технологией изготовления).

Только на данном шаге пользователь доходит до начала цепочки структурного происхождения отказа и получает возможность назначить аналог, т.е. выбирать наиболее близкий прецедент. В результате данного «назначения» происходит присваивание  решения, содержащегося в аналоге, новому прецеденту, отражающему рассматриваемую ситуацию. Решение содержит описание организационных причин отказа детали и управляющие воздействия, которые необходимо реализовать (принять) для предотвращения подобного отказа детали в будущем.

Шаг 4. После определения причины отказа детали происходит возврат к этапу определения причины отказа сборочной единицы. На данном этапе организационно-техническое происхождение отказа детали наследуется для сборочной единицы. В структурном происхождении фиксируется деталь, которая привела к отказу сборочной единицы.

Необходимо отметить, что в результате «назначения» аналога мы получаем всю цепочку причинно-следственного комплекса в виде набора прецедентов: прецедент детали – прецедент сборочной единицы – прецедент механической системы и т.д. На каждом уровне прецедент содержит информацию о причине отказа и необходимых управленческих решениях. Поэтому управленческие решения, которые необходимо выполнить для сборочной единицы, наследуются из аналогичного прецедента отказа сборочной единицы, и уточняются пользователем, исходя из особенностей исследуемой проблемной ситуации.

Шаг 5. После определения причины отказа сборочной единицы происходит возврат к этапу определения причины отказа механической системы. Организационно-техническое происхождение отказа сборочной единицы наследуется для механической системы. В структурном происхождении фиксируется сборочная единица, которая привела к отказу механической системы.

Решения, которые необходимо принять для механической системы, наследуются из аналогичного прецедента отказа механической системы, и уточняются пользователем, исходя из особенностей исследуемой проблемной ситуации.

Таким образом, удается определить (проследить) всю цепочку происхождения отказа. До момента «назначения» аналога пользователь может вернуться на предыдущий этап, ввести дополнительную информацию и повторно осуществить поиск (извлечение) аналогов.

Алгоритм прогнозирования заключается в том, что после этапов прогнозирования технического состояния детали по прецедентам осуществляется переход в пространство прецедентов сборочных единиц и прогнозирование уже технического состояния сборочной единицы, в состав которой входит исследуемая деталь. Подобным образом осуществляется переход в пространство прецедентов механических систем.

Решение задачи прогнозирования на основе продукционного алгоритма состоит из следующих этапов (рис. 11): 1 – прогнозирование исходного состояния (повреждений на субмикроуровне); 2 – прогнозирование повреждения;  и т.д. согласно причинно-следственному комплексу;  N – прогнозирование ЧС.

Каждый этап подразделяется на подэтапы:

  • определение механизма нежелательного процесса;
  • определение и уточнение кинетики нежелательного процесса;
  • определение признаков нежелательного процесса.

Рис. 11. Структура продукционной базы знаний и алгоритм обработки информации

На каждом этапе (подэтапе) происходит уточнение наблюдаемых характеристик объекта исследования путем указания пользователем наличия или отсутствия определенных свойств объекта, воздействующих факторов и их возможных значений. На основании ответов пользователя экспертная система делает вывод о возможных видах нежелательных процессов, протекающих на объекте исследования, и прогноз возможных значений параметров технического состояния и свойств этого объекта.

Глава 7 посвящена инструментальному  средству для исследования  надежности и безопасности СТС и УМС. Предлагается автоматизировать решение проблемы путем создания системы автоматизации исследований, осуществляющей интегрированное применение методов системного анализа, математического моделирования и искусственного интеллекта. Система автоматизации состоит из следующих основных блоков:

  • Информационного обеспечения (создание и поддержка баз данных).
  • Математического обеспечения (использование существующих алгоритмов аналитических и численных вычислений для обработки информации).
  • Интеллектуального обеспечения (создание и использование баз знаний).

Процесс создания системы представляет собой сборку из функциональных компонентов (Component-Based Development). При создании систем автоматизации научных исследований имеет место проблема частого изменения программного кода компонентов, обусловленного совершенствованием моделей предметной области и алгоритмов решения задач. Чаще всего уточнению подвергаются модели предметной области, а алгоритмы решения задач остаются относительно постоянными.  Таким образом, возникает задача наделения компонентов функциональностью, обеспечивающей восприятие изменений в структуре обрабатываемых объектов без изменения исходного кода.

Для решения поставленных задач необходимо обеспечить следующие свойства системы автоматизации и ее компонентов:

  • Хранение информации о компонентах системы и связях между ними во внешней, по отношению к исходным кодам компонентов, памяти.
  • Обеспечение компонентам системы возможность самоописания.
  • Обеспечение возможности программного управления произвольным компонентом системы.

Система исследования реализуется на основе предложенного А.И. Павловым подхода, использующего компонентную сборку, обеспечивающую требуемые свойства системы и ее компонентов. Алгоритмы обработки информации, реализующие продукционный и прецедентный подходы, реализованы А.Ю. Юриным.

Архитектура программной системы представлена на рис. 12.

Фрагмент онтологии представлен на рис. 13.

Прецедентный компонент реализует следующие функции:

  • Представление прецедента (формирование модели прецедента). Структура прецедента (образа) может быть произвольной, но четко выделяются две части: описание проблемы и ее решение.
  • Формирование базы (библиотеки) прецедентов на основании сформированной модели.
  • Поиск решения (правдоподобный вывод) по прецедентам.  При поиске руководствуются «полезностью» того или иного прецедента для решения новой проблемы. «Полезность» аппроксимируется мерой похожести описаний прецедентов, вычисляемой как расстояние между прецедентами в многомерном признаковом пространстве.

Функции продукционного компонента: создание базы знаний в обобщенном виде; подготовка правил и фактов к процессу вывода; управления процессом вывода.

Рис. 12. Архитектура компьютерной системы исследования

Рис. 13. Основные понятия онтологии надежности механических систем

Для исследования технического состояния СТС на основе прецедентов и продукций решаются задачи: выявления причинно-следственного комплекса факторов, обусловивших текущее состояние; планирования работ по уточнению причин инцидента (отказа) или аварии, если необходимо; идентификации инцидента или аварии (и внесение его в базу прецедентов); прогнозирования инцидентов или аварий с более высоким уровнем последствий; построения сценариев динамики нежелательных состояний (деревья отказов и событий) и оценка риска событий эти сценариев; обоснования необходимых мероприятий (по предупреждению инцидентов или аварий; по обеспечению и восстановлению работоспособности системы; по минимизации экономических, экологических и социальных потерь).

В главе 8 рассмотрена в качестве объекта исследования уникальная механическая система «трубчатый реактор», являющаяся компонентом СТС  «производство полиэтилена низкой плотности» и выполняющая функцию обеспечения теплообмена при высоком давлении рабочей среды и контактирующей среды в межтрубном пространстве (в рубашке).

Основными составными частями УМС являются сборочные единицы «гнутая труба в рубашке» и «прямая труба в рубашке». В свою очередь, составной частью каждой сборочной единицы  является деталь «толстостенная гнутая труба» или «толстостенная прямая труба».  В межтрубном пространстве циркулирует тепло-обменная среда (механически и химически очищенная вода при давлении 3-4 МПа и 290-3000С), в толстостенной трубе перемещается взрывопожароопасный газ (дав-ление до 250 МПа, температура 290-3000С) и продукт синтеза этого газа (полиэтилен).

Процесс моделирования начинается с уровня нежелательных процессов, с первого подпространства состояний «процессов повреждения на субмикроуровне» (рис. 14).

Рис. 14. Описание первого шага моделирования объекта

С учетом входов системы, характеризующих среды и нагрузки, и свойств объекта, описывающих материал, на основе агрегации методов осуществляется вывод о механизмах и кинетике возможных нежелательных процессов.

Далее осуществляется переход на следующий информационный уровень в подпространство «фиксируемых состояний» (рис. 15; рис. 16, переход 1), где результатом моделирования являются параметры технического состояний на физическом уровне. Аналогичные переходы осуществляются по всем информационным уровням.

Итогом моделирования является множество параметров, описывающих техническое состояние во всех аспектах.

Затем для каждого момента моделирования осуществляется вычисление значений параметров по аналитическим зависимостям, выявленным на предыдущих шагах, в частности, определяется длина макротрещины и момент времени, когда значение длины выйдет за пределы рассматриваемых подпространств (в данном примере длина трещины достигнет длины 100 мкм через 240 часов).

Рис. 15. Описание второго шага моделирования объекта

В особый момент, когда параметр длины трещины вышел за границу подпространства состояний на техническом уровне, осуществляется переход в следующие подпространства, характеризующиеся большей опасностью  (рис. 16, переход 2).

Далее процесс моделирования аналогичен.

Результатом моделирования является прогнозный граф состояний (дерево событий) (рис. 17, рис. 18), где итоговым событием являет чрезвычайная ситуация с гибелью людей и значительным разрушением оборудования и здания станции подготовки воды. На основе прогнозного графа осуществляется качественная и количественная оценка риска.

Рис. 16.  Шаги моделирования

Рис.17. Пример дерева событий для процесса «коррозионное растрескивание»
детали «реактора»

На основе полученных данных предложены следующие управляющие воздействия (мероприятия) для УМС и СТС: обеспечить диагностирование теплообменных гнутых труб реактора один раз в 2,5 года; обеспечить контроль за наличием взрывопожароопасного газа  в теплообменной среде; обеспечить мониторинг  концентрации взрывопожароопасного газа в помещении  станции подготовки воды.

Рис. 18. Результаты моделирования процесса «коррозионное растрескивание»
детали «реактора» в момент t =10 000 ч

Основные результаты диссертации

  • Разработана методология  построения инструментального средства для исследования свойств надежности и безопасности функционирования сложных технических систем, которая обеспечивает структурирование, представление, накопление, обработку и использование информации из различных научных дисциплин.
  • Предложен метод декомпозиции объекта исследования, обеспечивающий анализ и структурирование проблем и задач исследования свойств надежности и безопасности СТС.
  • Создана причинно-следственная модель объекта, описывающая функциональный, технический, физический аспекты процесса изменения состояний и обеспечивающая структурирование и представление информации для исследования и принятия решений.
  • Разработан метод агрегирования математических, логических и информационных моделей данных и знаний и алгоритмов их обработки, который позволяет обрабатывать разнородную и взаимосвязанную информацию по заданной проблеме.
  • Разработана гибридная информационная модель динамики состояний технической системы, которая позволяет выявлять закономерности изменения состояний объекта.
  • Разработаны модели и методы обработки причинно-следственной информации на основе прецедентного и продукционного подходов для обеспечения поддержки принятия решений при выборе свойств надежности и безопасности объекта.
  • Разработаны алгоритм, архитектура и исследовательская версия специализированного инструментального средства, включающего модуль онтологии, модули продукционной и прецедентной экспертных систем  и позволяющего прогнозировать параметры наступления катастрофических отказов, аварийных ситуаций, аварий и техногенных ЧС и осуществлять поддержку принятия решений по предупреждению, ликвидации и снижению последствий ЧС.
  • Приведены результаты применения предложенной методологии автоматизации исследований для прогнозирования технического состояния уникальной механической системы «трубчатый реактор», являющейся компонентом СТС  «производство полиэтилена низкой плотности».

Список публикаций

В изданиях, рекомендованных ВАК

    1. Николайчук О.А. Моделирование знаний для исследования динамики технического состояния уникальных объектов // Проблемы управления. – 2009, № 4.–С.58-65.
    2. Николайчук О.А. Автоматизация  исследований  технического состояния  опасных  механических систем // Проблемы машиностроения и надежности машин. – 2008, №6. –  С.72-78.
    3. Берман А.Ф., Николайчук О.А., Юрин А.Ю., Павлов Н.Ю.  Автоматизированное  построение деревьев  отказов  и  событий на основе модели динамики  технического состояния  и  методов  искусственного  интеллекта // Проблемы безопасности и чрезвычайных ситуаций. – 2011, №1.
    4. Протасов А.В., Николайчук О.А. Обеспечение прочностной надежности как основы техногенной безопасности // Проблемы машиностроения и надежности машин. – 2011, №1.
    5. Николайчук О.А., Павлов А.И. Применение компонентного подхода для создания системы автоматизации исследований // Вестник компьютерных и
      информационных технологий. – 2010, №4. – С.23-32.
    6. Николайчук О.А., Павлов А.И., Юрин А.Ю. Компонентный подход: модуль продукционной экспертной системы // Программные продукты и системы. – 2010, №3. – C. 41-44.
    7. Николайчук О.А., Павлов А.И., Юрин А.Ю. Имитационное моделирование технического состояния уникальных объектов //Автоматизация в промышленности. –  2010, №7. – С.44-48.
    8. Николайчук О.А., Юрин А.Ю. Применение прецедентного подхода для автоматизированной идентификации технического состояния деталей механических систем // Автоматизация и современные технологии. – 2009, №5. – С.3-12.
    9. Николайчук О.А., Юрин А.Ю. Управление опытом при исследовании динамики технического состояния уникальных машин и конструкций: моделирование опыта // Информационные технологии. – 2008, №6. – С.30-37.
    10. Берман А.Ф., Николайчук О.А. Модели, знания и опыт для управления техногенной безопасностью // Проблемы управления. – 2010, №2. – С.53-60.
    11. Берман А.Ф., Вильвер П.Ю., Николайчук О.А. Моделирование функционирования сложных технологических  комплексов на основе модифицированной сети  Петри // Современные технологии. Системный анализ. Моделирование. – 2009, №4. –С.23-29.
    12. Берман А.Ф., Николайчук О.А., Юрин А.Ю. Автоматизация  прогнозирования  технического состояния  и остаточного  ресурса деталей  уникальных  машин  и  аппаратуры // Заводская лаборатория. Диагностика материалов. – 2009, №3. – С.48-57.
    13. Берман А.Ф., Николайчук О.А., Юрин А.Ю. Обеспечение  безопасности  технических  объектов методом  прецедентных  экспертных  систем // Проблемы безопасности и чрезвычайных ситуаций. – 2008, №5. – С.83-93.
    14. Берман А.Ф., Николайчук О.А. Пространство технических состояний уникальных механических систем // Проблемы машиностроения и надежности машин. – 2007, №1. – С.14-22.
    15. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Интеллектуальная система поддержки принятия решений при определении причин отказов и аварий в нефтехимической промышленности // Автоматизация в промышленности. – 2006, №6. –  С.15-17.
    16. Берман А.Ф., Николайчук О.А. Принципы создания системы исследования безопасности сложных технических систем // Программные продукты и системы. – 2001, №1. – С.6-9.
    17. Берман А.Ф., Николайчук О.А. Структуризация процесса исследования безопасности сложных технических систем // Проблемы безопасности при чрезвычайных ситуациях. – 1999, №6. – С. 3-14.
    18. Берман А.Ф., Николайчук О.А. Моделирование процесса исследования безопасности сложных технических систем // Проблемы безопасности при чрезвычайных ситуациях. – 1999, №8. – С.185-195.
    19. Nikolaychuk O.A., Yurin A.Y. Computer-Aided Identification of Mechanical System's Technical State with the Aid of Case-Based Reasoning // Expert Systems with Applications. –  2008, vol. 34. – Pp. 635-642.
    20. Berman, A.F., Nickolaychuk, O.A., Yurin, A.Y., Intelligent Planner for Control of Failures Analysis of Unique Mechanical Systems // Expert Systems with Applications – 2010, vol. 37, issue 10. – Pp. 7101-7107.

Рецензируемые российские и зарубежные  журналы

    1. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Онтология надежности механических систем // Искусственный интеллект. –  2004, № 3. – С. 266-271.
    2. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Инструментальное  средство  идентификации состояний  механических систем // Искусственный интеллект. – 2004, №4. – С.268-275.
    3. Николайчук О.А., Юрин А.Ю. Прототип интеллектуальной системы для исследования технического состояния механических систем // Искусственный интеллект. – 2006, № 4. – С. 459-468.
    4. Berman A.F., Nikolaychuk O.A., Pavlov A.I., Yurin A.Y. An Intelligent system for Investigation and Provision of Safety for Complex Constructions // International Journal “Information Technologies and Knowledge”. – 2008, vol. 2, number 3. – Pp. 218-225.

Патенты и регистрации программных продуктов

    1. Берман А.Ф., Николайчук О.А. Устройство для сбора утечек из оборудования, работающего под давлением, и контроля за концентрацией среды утечек // Патент на полезную модель РФ №81556 от 20.03.2009. Бюл. №8. – 2009 (РОСПАТЕНТ).
    2. Николайчук О.А., Павлов А.И., Юрин А.Ю.  Инструментальное средство создания интеллектуальных систем поддержки принятия решений для идентификации технического состояния деталей машин и конструкций // Свидетельство об официальной регистрации программы для ЭВМ.– Рег. № 2005611217 от 25.05.05г.
    3. Николайчук О.А., Павлов А.И., Юрин А.Ю.  Инструментальное средство создания информационных систем автоматизации процесса исследования и обеспечения надежности механических систем  // Свидетельство об официальной регистрации программы для ЭВМ. – Рег. № 2005611218 от 25.05.05 г.
    4. Николайчук О.А., Юрин А.Ю. Программный модуль правдоподобного вывода по прецедентам // Свидетельство об официальной регистрации программы для ЭВМ.– Рег. № 2007613714 от 31.08.07 г.
    5. Берман А.Ф., Сосинская С.С., Николайчук О.А.  Автоматизированная система управления техническим обслуживанием и ремонтом химических и нефтехимических производств // Свидетельство об официальной регистрации программы для ЭВМ. –  Рег. № 990110 от 26.02.99 г.
    6. Берман А.Ф., Храмова В.К., Николайчук О.А.  База данных по отказам оборудования высокого давления химико-технологических линий по производству полиэтилена // Свидетельство об официальной регистрации Базы Данных. –  Рег. № 990010 от 26.02.99 г.
    7. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Программная система для идентификации технического состояния машин и аппаратов // Свидетельство об официальной регистрации программы для ЭВМ. – Рег. № 2007613715 от 31.08.07 г.

Основные статьи и доклады в материалах конференций

    1. Николайчук О.А. Информационная технология имитационного моделирования  для исследования динамики технического состояния сложных объектов // Труды третьей Международной конференции «Системный анализ и информационные технологии» САИТ-2009, 14-18 сентября 2009 г., Звенигород. – М: ЛКИ, 2009. – С. 324-328.
    2. Николайчук О.А. Идентификация имитационной модели динамики
      технического состояния механических систем // Материалы Международной конференции «Математическая теория систем», 26-30 января 2009 г., Москва. [Электронный ресурс]. – 1 эл. опт. диск (CD-ROM).
    3. Николайчук О.А. Техногенные катастрофы, как следствие неопределенности
      прочностной надежности и технического состояния // Труды 16-ой Международной конференции «Проблемы управления безопасностью сложных систем». – М.: ИПУ РАН, 2008.
    4. Николайчук О.А. Обеспечение безопасности технических систем на основе прецедентного подхода // Труды 16-ой Международной конференции «Проблемы управления безопасностью сложных систем». – М.: ИПУ РАН, 2008.
    5. Николайчук О.А. Система имитационного моделирования динамики технического состояния механических систем // Труды Второй Международной конференции «Системный анализ и информационные технологии» САИТ-2007, 10-14 сентября 2007 г., Обнинск. – М: ЛКИ, 2007. – Т.1. – С. 270-273.
    6. Николайчук О.А. Имитационная модель динамики технического состояния уникальных механических систем // Труды 15-ой Международной конференции «Проблемы управления безопасностью сложных систем». – М.: РГГУ, 2007. – Ч.2. – С. 28-33.
    7. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Агентное моделирование динамики технических состояний // Материалы Четвертой Всероссийской научно-практической конференции «Имитационное моделирование. Теория и практика» ИММОД-2009, 21-23 октября 2009 г., Санкт-Петербург. В 2 т. – СПб: ОАО ЦТСС, 2009. – Т.2. – С.27-30.
    8. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Информационные технологии прогнозирования деградационных процессов // Сборник докладов Девятой сессии Международной научной школы «Фундаментальные и прикладные проблемы надежности и диагностики машин и механизмов» ВПБ-09, 26-30 октября 2009 г., Санкт-Петербург. – СПб: ИПМАШ РАН, 2009. – С. 224-231.
    9. Берман А.Ф., Николайчук О.А., Павлов А.И., Юрин А.Ю. Использование прецедентов для обоснования мероприятий по предотвращению отказов механических систем // Труды Одиннадцатой Национальной конференции по искусственному интеллекту с международным участием КИИ-08, 28 сентября - 3 октября 2008 г., Дубна. В 4 т. – М.: Ленанд, 2008. – Т.2. – С. 106-113.
    10. Берман А.Ф., Николайчук О.А., Юрин А.Ю. Прецедентный подход для определения причин изменения технического состояния машин (конструкций) //  Труды Международных научно-технических конференций «Интеллектуальные системы» (IEEE AIS’07) и «Интеллектуальные САПР» (CAD-2007), Дивноморское, 3-9 сентября, 2007 г. В 3 т. – М.: Физматлит, 2007.  – Т.1. – С.265-270.



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.