Por favor, use este identificador para citar o enlazar este ítem:
http://elartu.tntu.edu.ua/handle/lib/32716
Título : | Identification and modeling of processes for automated control of functional diagnostics of metal structures |
Otros títulos : | Ідентифікація та моделювання процесів автоматизованого управління функціональною діагностикою металевих конструкцій |
Autor : | Осадчий, Сергій Лур’є, Ірина Анатолівна Боскін, Олег Осипович Окіпний, Ігор Богданович Osadchyi, Serhii Lurie, Iryna Boskin, Oleg Okipnyi, Ihor |
Affiliation: | Центральноукраїнський національний технічний університет, Кропивницький, Україна Херсонський національний технічний університет, Херсон, Україна Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль, Україна Central Ukrainian National Technical University, Kropyvnytskyi, Ukraine Kherson National Technical University, Kherson, Ukraine Ternopil Ivan Puluj National Technical University, Ternopil, Ukraine |
Bibliographic description (Ukraine): | Identification and modeling of processes for automated control of functional diagnostics of metal structures / Serhii Osadchyi, Iryna Lurie, Oleg Boskin, Ihor Okipnyi // Visnyk TNTU. — Tern. : TNTU, 2020. — Vol 98. — No 2. — P. 110–119. |
Bibliographic description (International): | Osadchyi S., Lurie I., Boskin O., Okipnyi I. (2020) Identification and modeling of processes for automated control of functional diagnostics of metal structures. Visnyk TNTU (Tern.), vol. 98, no 2, pp. 110-119. |
Is part of: | Вісник Тернопільського національного технічного університету, 2 (98), 2020 Scientific Journal of the Ternopil National Technical University, 2 (98), 2020 |
Journal/Collection: | Вісник Тернопільського національного технічного університету |
Issue: | 2 |
Volume: | 98 |
Fecha de publicación : | 10-jun-2020 |
Submitted date: | 11-jun-2020 |
Date of entry: | 29-sep-2020 |
Editorial : | ТНТУ TNTU |
Place of the edition/event: | Тернопіль Ternopil |
DOI: | https://doi.org/10.33108/visnyk_tntu2020.02.110 |
UDC: | 667.64 678.02 |
Palabras clave : | управління ідентифікація діагностика прогнозування ентропія міцнісні властивості моделювання management identification diagnostics forecasting a priori a posteriori information modeling |
Number of pages: | 10 |
Page range: | 110-119 |
Start page: | 110 |
End page: | 119 |
Resumen : | Розглянуто питання управління та ідентифікації багатовимірних і замкнутих систем
діагностики в матеріалі металевих конструкцій. Підкреслено, що широко використовуються моделі
прогнозування, які базуються на експертизі й екстраполяції тенденцій, що спостерігаються, можуть
бути використані лише для одновимірних часових рядів, водночас як процес діагностування стану
металевих конструкцій передбачає комплексний аналіз різноманітних характеристик керованого
об'єкта. Конкретизовано й детально розглянуто основні різновиди ідентифікації та моделювання
процесів управління функціональною діагностикою металевих конструкцій, які пов’язані з підвищенням
якості вхідної інформації за рахунок обліку лімітованих обмежень, пошуку додаткової апостеріорної
інформації в процесі динамічних змін контрольованого об’єкта, прогнозуванні змін внутрішньої
структури матеріалу в процесі експлуатації металевих конструкцій Запропоновано структурну схему
вимог до якості апріорної інформації. Розроблено методологію кількісного оцінювання знаходження
апостеріорної інформації через значення ентропії з використанням формули Байеса. Виконано розрахунки
значень ентропії для різних груп показників діагностики. Встановлено, що апостеріорна інформація являє
собою кількісне оцінювання залишкової невизначеності при ідентифікації й прогнозування змін міцнісних
параметрів матеріалів. Доведено, що зміна ентропії є основним критерієм якості управління системою
діагностики. Розроблено алгоритм процедури ідентифікації процесів автоматизованого управління
функціональною діагностикою металевих конструкцій. Використовуючи зазначені прийоми моделювання
й прогнозування на кожному етапі ідентифікації, можна отримати математичну модель, адекватну
реальній ситуації. Ідентифікація діагностики дозволяє виділити компоненти діагностичного стану
об’єктів, які можна автоматизувати. Результати моделювання пов’язуються з підбором змінних
вимірюваних діагностичних параметрів. The issues of control and identification of multidimensional and closed systems of metal structures diagnostics have been considered. The main varieties of identification and modeling of processes for managing the functional diagnostics of metal structures dealing with the improvement of the input information quality due to limited restrictions satisfaction, searching for additional a posteriori information in the process of dynamic changes of the controlled object, forecasting changes in the internal structure of the material have been specified and discussed in detail. The scheme of a priori information in the form of parameterized mappings of inputs and outputs interactions of the diagnostic system has been presented. The results of simulation are associated with the selection of variables measured diagnostic parameters. A methodology for quantitative estimations of posterior inflow information due to entropy values has been developed. Using the marked apertures of modelling and forecasting at each stage of identification, it is possible to obtain a mathematical model adequate to the real situation. |
URI : | http://elartu.tntu.edu.ua/handle/lib/32716 |
ISSN : | 2522-4433 |
Copyright owner: | © Тернопільський національний технічний університет імені Івана Пулюя, 2020 |
URL for reference material: | https://doi.org/10.1134/S0040601520020020 https://doi.org/10.3168/jds.2019-17527 https://doi.org/10.1007/s11265-019-01496-z https://doi.org/10.1148/rg.2020190058 https://doi.org/10.11591/ijece.v10i4.pp3862-3868 https://doi.org/10.3103/S1068371219110038 https://doi.org/10.7189/jogh.09.010420 https://doi.org/10.1109/SCM.2016.7519728 https://doi.org/10.1007/978-3-030-12072-6_40 https://doi.org/10.33108/visnyk_tntu2020.01.122 https://doi.org/10.33108/visnyk_tntu2020.01.088 |
References (Ukraine): | 1. Lepikhin S. V., Gladkovskii S. V., Granovskii O. G. The Influence of Low-Temperature Restorative Heat Treatment on the Structure and Mechanical Properties of Boiler Drum Metal after Long-Term Operation. Thermal Engineering. 2020. № 67 (2). Р. 138–144. https://doi.org/10.1134/S0040601520020020. 2. Букетов А. В. Ідентифікація і моделювання технологічних об’єктів та систем. Тернопіль: СМП «Тайп», 2009. 260 с. 3. Abuelo A., Brester J. L., Starken K., Neuder L. M. Technical note: Comparative evaluation of 3 methods for the quantification of nonesterified fatty acids in bovine plasma sampled prepartum. Journal of Dairy Science. 2020. № 103 (3). Р. 2711–2717. https://doi.org/10.3168/jds.2019-17527. 4. Jin H., Kim J. H. Evaluation of Feature Robustness Against Technical Parameters in CT Radiomics: Verification of Phantom Study with Patient Dataset (2020) Journal of Signal Processing Systems. № 92 (3). Р. 277–287. Cited 1 time. https://doi.org/10.1007/s11265-019-01496-z. 5. Noguerol T. M., Barousse R., Amrhein T. J., Royuela-Del-val J., Montesinos P., Luna A. Optimizing diffusion-tensor imaging acquisition for spinal cord assessment: Physical basis and technical adjustments. Radiographics. 2020. № 40 (2). Р. 403–427. https://doi.org/10.1148/rg.2020190058. 6. Levin V. M., Yahya A. A. Adaptive management of technical condition of power transformers. International Journal of Electrical and Computer Engineering. 2020. № 10 (4). Р. 3862–3868. https://doi.org/10.11591/ijece.v10i4.pp3862-3868. 7. Eltyshev D. K., Kostygov A. M. Intelligent Diagnostic Control and Management of the Condition of Electrotechnical Equipment. Russian Electrical Engineering. 2019. № 90 (11). Р. 741–746. https://doi.org/10.3103/S1068371219110038. 8. Abejirinde I.-O. O., De Brouwere V., van Roosmalen J., van der Heiden M., Apentibadek N., Bardajн A., Zweekhorst M. Viability of diagnostic decision support for antenatal care in rural settings: Findings from the Bliss4Midwives Intervention in Northern Ghana. 2019. Journal of Global Health. № 9 (1), art. no.010420, Cited 1 time. https://doi.org/10.7189/jogh.09.010420. 9. Kanaev A. K., Saharova M. A., Beneta E. V. Neural network model for the solution of tasks of technical diagnostics of the transport telecommunication network. Proceedings of the 19th International Conference on Soft Computing and Measurements. SCM 2016, art. no. 7519728. P. 203–205. https://doi.org/10.1109/SCM.2016.7519728. 10. Protalinsky O., Khanova A., Shcherbatov I. Simulation of power assets management process. Studies in Systems, Decision and Control. 2019. № 199. Р. 488-501. Cited 3 times. https://doi.org/10.1007/978-3-030-12072-6_40. 11. Zozulia A., Lytvynenko Ia., Lutsyk N., Lupenko S., Yasniy O. Method of vector rhythmcardiosignal automatic generation in computer-based systems of heart rhythm analysis. Scientific Journal of TNTU. 2020. Vol. 97. No. 1. P. 122–132. https://doi.org/10.33108/visnyk_tntu2020.01.122 12. Lytvynenko V., Lur`e I., Boskin O. Okipnyi I. Automation of acoustic-emission diagnostic systems control processes. Scientific Journal of TNTU. 2020. Vol. 97. No. 1. P. 88–96. https://doi.org/10.33108/visnyk_tntu2020.01.088 |
References (International): | 1. Lepikhin, S. V., Gladkovskii, S. V., Granovskii, O. G. The Influence of Low-Temperature Restorative Heat Treatment on the Structure and Mechanical Properties of Boiler Drum Metal after Long-Term Operation (2020) Thermal Engineering, 67 (2), pp. 138–144. https://doi.org/10.1134/S0040601520020020. 2. Buketov A. Identyfikaciya i modeluvannya tehnologichnyh ob`ektiv ta system. Ternopil: SMP, 2009, “Tajp”, 260 p. 3. Abuelo, A., Brester, J. L., Starken, K., Neuder, L. M. Technical note: Comparative evaluation of 3 methods for the quantification of nonesterified fatty acids in bovine plasma sampled prepartum (2020), Journal of Dairy Science, 103 (3), pp. 2711–2717. https://doi.org/10.3168/jds.2019-17527. 4. Jin, H., Kim, J. H. Evaluation of Feature Robustness Against Technical Parameters in CT Radiomics: Verification of Phantom Study with Patient Dataset (2020) Journal of Signal Processing Systems, 92 (3), pp. 277–287. Cited 1 time. https://doi.org/10.1007/s11265-019-01496-z. 5. Noguerol, T. M., Barousse, R., Amrhein, T. J., Royuela-Del-val, J., Montesinos, P., Luna, A. Optimizing diffusion-tensor imaging acquisition for spinal cord assessment: Physical basis and technical adjustments (2020) Radiographics, 40 (2), pp. 403–427. https://doi.org/10.1148/rg.2020190058. 6. Levin, V. M., Yahya, A. A. Adaptive management of technical condition of power transformers (2020) International Journal of Electrical and Computer Engineering, 10 (4), pp. 3862–3868. DOI: 10.11591/ijece.v10i4. Р. 3862–3868. https://doi.org/10.11591/ijece.v10i4.pp3862-3868 7. Eltyshev, D. K., Kostygov, A. M. Intelligent Diagnostic Control and Management of the Condition of Electrotechnical Equipment (2019), Russian Electrical Engineering, 90 (11), pp. 741–746. https://doi.org/10.3103/S1068371219110038 8. Abejirinde, I.-O. O., De Brouwere, V., van Roosmalen, J., van der Heiden, M., Apentibadek, N., Bardajн, A., Zweekhorst, M. Viability of diagnostic decision support for antenatal care in rural settings: Findings from the Bliss4Midwives Intervention in Northern Ghana (2019), Journal of Global Health, 9 (1), art. no. 010420, Cited 1 time. https://doi.org/10.7189/jogh.09.010420. 9. Kanaev, A. K., Saharova, M. A., Beneta, E. V. Neural network model for the solution of tasks of technical diagnostics of the transport telecommunication network (2016), Proceedings of the 19th International Conference on Soft Computing and Measurements, SCM 2016, art., no. 7519728, pp. 203–205. https://doi.org/10.1109/SCM.2016.7519728. 10. Protalinsky O., Khanova, A., Shcherbatov, I. Simulation of power assets management process (2019) Studies in Systems, Decision and Control, 199, pp. 488–501. Cited 3 times. https://doi.org/10.1007/978-3-030-12072-6_40. 11. Zozulia A., Lytvynenko Ia., Lutsyk N., Lupenko S., Yasniy O. Method of vector rhythmcardiosignal automatic generation in computer-based systems of heart rhythm analysis. Scientific Journal of TNTU. Tern.: TNTU, 2020. Vol. 97. No. 1. P. 122–132. https://doi.org/10.33108/visnyk_tntu2020.01.122 12. Lytvynenko V., Lur`e I., Boskin O. Okipnyi I. Automation of acoustic-emission diagnostic systems control processes. Scientific Journal of TNTU. Tern.: TNTU, 2020. Vol. 97. No. 1. P. 88–96. https://doi.org/10.33108/visnyk_tntu2020.01.088 |
Content type: | Article |
Aparece en las colecciones: | Вісник ТНТУ, 2020, № 2 (98) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TNTUSJ_2020v98n2_Osadchyi_S-Identification_and_modeling_110-119.pdf | 3,35 MB | Adobe PDF | Visualizar/Abrir | |
TNTUSJ_2020v98n2_Osadchyi_S-Identification_and_modeling_110-119.djvu | 181,11 kB | DjVu | Visualizar/Abrir | |
TNTUSJ_2020v98n2_Osadchyi_S-Identification_and_modeling_110-119__COVER.png | 1,33 MB | image/png | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.