Модели и методы предупреждения аварийных ситуаций и оценивания параметров надёжности систем тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Козлецов, Алексей Павлович

• Козлецов, Алексей Павлович
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Козлецов, Алексей Павлович

ВВЕДЕНИЕ.

ГЛАВА 1. МЕТОДЫ ПРОГНОЗИРОВАНИЯ АВАРИЙНЫХ СИТУАЦИЙ И ОЦЕНИВАНИЯ ПАРАМЕТРОВ НАДЁЖНОСТИ СИСТЕМ

1.1. Отказы в производственных системах.

1.2. Непрерывные и дискретные производственные системы.

1.3. Методы обнаружения и прогнозирования отказов.

1.4. Метрические методы распознавания.

1.5. Методы выделения тренда.

1.6. Показатели надёжности и цензурирование данных.

1.7. Постановка задач исследования.

1.8. Выводы.

ГЛАВА 2. ОБНАРУЖЕНИЕ ПРИЗНАКОВ ОТКАЗА С ИСПОЛЬЗОВАНИЕМ ВЕЙВ ЛЕТ-АНАЛИЗА.

2.1. Обнаружение признаков отказа как скрытых компонент сигнала.

2.2. Основные положения вейвлет-анализа.

2.3. Очистка данных от шумов.

2.4. Выделение тренда с использованием вейвлет-анализа.

2.5. Построение модели диагностируемого объекта.

2.6. Метод обнаружения признаков отказа с использованием вейвлет-преобразования.

2.7. Каноническая корреляция.

2.9. Пример поиска признаков отказа.

2.10. Выводы.

ГЛАВА 3. ОЦЕНКА ВЕРОЯТНОСТИ БЕЗОТКАЗНОЙ РАБОТЫ И

ВЕРОЯТНОСТИ ОТКАЗА ПО ЦЕНЗУРИРОВАНИЕМ ВЫБОРКАМ.

3.1. Оценка функции распределения по цензурированным выборкам

3.2. Сглаживание оценки Каплана-Мейера.

3.3. Оценивание функции выживаемости.

3.4. Выводы.

ГЛАВА 4. РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА ПРОГНОЗИРОВАНИЯ ОТКАЗОВ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ.

4.1. Общее описание комплекса программ.

4.2. Подсистема хранения данных.

4.3. Подсистема связи.

4.4. Подсистема анализа ретроспективных данных.

4.5. Подсистема поиска признаков отказа.

4.6. Подсистема оценивания вероятности безотказной работы.

4.8. Выводы.

Введение диссертации (часть автореферата) на тему «Модели и методы предупреждения аварийных ситуаций и оценивания параметров надёжности систем»

Актуальность исследования. Существенную часть производственных издержек современного предприятия составляют расходы, связанные с внеплановым простоем оборудования из-за отказов оборудования. Нередко краткосрочная остановка производства ведёт к значительному материальному ущербу, а зачастую просто недопустима. Быстрый поиск причин неисправности затрудняется сложностью современных производственных комплексов.

Под отказом в теории надёжности понимается событие, состоящее в нарушении работоспособности объекта. Различают два вида отказов - внезапные и постепенные. Наступлению постепенного отказа предшествует изменение одного или нескольких параметров, характеризующих способность объекта выполнять свои функции. Если такое изменение (признак отказа) вовремя обнаружить и идентифицировать, можно предотвратить наступление отказа или принять меры по устранению его последствий.

Методы обнаружения признаков отказа рассмотрены в работах М. Атанса, А. Вилски, Дж. Гертлера, П. Франка, М. Крамера, М. Бассевила, И.В. Никифорова и других. К недостаткам существующих методов относятся: использование аналитических моделей, которые построены не для всех промышленных систем; невозможность обнаружения и обработки кратковременных нарушений нормальной работы; трудности применения в системах реального времени из-за использования сложных вычислительных процедур.

Эксперименты по обнаружению отказов не всегда возможно проводить непосредственно на производстве, так как в этом случае эксперименты будут слишком дороги и опасны. Поэтому для испытания создаваемого метода обнаружения признаков отказа необходимо построение модели отказов технологического оборудования.

При решении задачи минимизации времени и количества простоев важно не только прогнозировать возможные отказы, но и своевременно проводить профилактический ремонт оборудования для сокращения числа отказов. При этом необходимо учитывать параметры надёжности оборудования, в том числе вероятность безотказной работы. При расчёте параметров надёжности приходится обрабатывать цензурированные выборки, то есть выборки значений наработки на отказ, в которых точный момент отказа части объектов неизвестен.

Методы оценивания вероятности безотказной работы по цензурирован-ным выборкам описаны в работах Д. Кокса и Д. Оукса, Д. Каплана и Мейера, В.М. Скрипника и А.Е. Назина, Д. Хосмера, С. Лемешева, А. Антониадиса, Г. Григуара, Д. Донохо, И. Джонстона и др. При определении параметров распределения по таким оценкам возможно «занижение» вероятности безотказной работы. Если использовать такую оценку для прогнозирования момента отказа оборудования, профилактические ремонты нужно будет производить чаще, чем необходимо.

Задача оценивания вероятности безотказной работы важна не только в технике, но и в медицине, где она носит название функции выживаемости. Функция выживаемости имеет большое значение при сравнении различных методов лечения.

Диссертационная работа посвящена созданию методов поиска признаков отказа в данных технологического процесса, а также модификации метода оценки вероятности безотказной работы для более точного определения параметров распределения наработки на отказ.

Целью исследования является разработка и реализация методов прогнозирования отказов оборудования, оценивания вероятности безотказной работы оборудования. В качестве объекта управления рассматриваются непрерывные технологические процессы, такие как производство листового стекла. Методы вычисления оценки вероятности безотказной работы в технике используются для вычисления оценки функции выживаемости в медицине.

Для достижения поставленных целей решены следующие задачи: -выбор и обоснование метода моделирования для автоматизированного поиска признаков отказа в ретроспективных данных;

-построение математической модели отказов оборудования производственных систем;

-синтез метода оперативного поиска выявленных признаков отказа в данных о технологическом процессе;

-модификация метода вейвлет-сглаживания оценки вероятности безотказной работы по цензурированным выборкам с целью получения оценки в интервале [ОД];

-создание комплекса программ, реализующих созданные методы. Методы исследования. В работе использованы методы вейвлет-анализа, статистики цензурированных данных, имитационное моделирование, объектно-ориентированное программирование.

Достоверность и обоснованность диссертационного исследования определяется применением корректного математического аппарата и статистических критериев, а также соответствующими актами внедрения. На защиту выносятся:

-математическая модель отказов технологического оборудования, датчиков и исполнительных устройств непрерывных производственных систем;

-метод выявления признаков отказа в ретроспективных данных технологического процесса и оперативной идентификации признаков отказа;

-модификация метода вейвлет-сглаживания оценки вероятности безотказной работы для поиска оптимальных параметров сглаживания, не приводящих к выходу значения оценки за диапазон [0, 1];

-комплекс программ, реализующих созданные и модифицированные методы.

Научная новизна работы состоит в следующем.

1. Построена математическая модель отказов технологического оборудования, датчиков и исполнительных устройств линии производства листового стекла.

2. Предложен метод выделения признаков отказа из ретроспективных данных технологического процесса. Моменты отказа определяются сравнением значений переменных процесса и выхода математической модели технологического процесса. Выявление признаков постепенных отказов осуществляется с помощью вейвлет-анализа, что позволяет выделять кратковременные нарушения нормальной работы, недоступные для классических методов анализа.

3. Создан метод оперативного поиска признаков наступления аварийной ситуации по данным о технологическом процессе. Для поиска кратковременных нарушений нормального режима работы используется сравнение выявленных признаков с результатами вейвлет-преобразования значений параметров технологического процесса.

4. Модифицирован метод вейвлет-сглаживания оценки вероятности безотказной работы для поиска оптимальных параметров, обеспечивающих принадлежность сглаженной оценки интервалу [0,1], что позволяет повысить точность определения параметров распределения без увеличения объёма выборки.

Практическая полезность диссертационной работы заключается в следующем:

1. Создан программный комплекс для выявления признаков отказа из ретроспективных данных и поиска признаков отказа в текущих наблюдениях технологического процесса при выполнении НИР «Разработка алгоритмов и программного обеспечения поддержки принятия решений при управлении технологическим процессом варки стекла» (договор №11 от 15 марта 2006 г.) в ИПТМУ РАН.

2. Разработан программный комплекс «СВФ-анализ», на который получено свидетельство об официальной регистрации программы для ЭВМ. Программный комплекс, а также разработанные методы, использованы в учебном процессе СГТУ, что подтверждается актом внедрения.

3. Создана программа оценивания функции выживаемости больных в офтальмологии. Внедрение программы в работу клиники глазных болезней г. Саратова позволило более точно определять интервалы повторного обследования больных. На программу получено свидетельство об официальной регистрации программы для ЭВМ.

Апробация работы. Основные теоретические положения и практические результаты работы обсуждались и докладывались на 2-й Международной научной конференции «Аналитическая теория управления и её приложения» (Саратов, 2005), 19-й Международной конференции ММТТ (Воронеж, 2006), Всероссийском конкурсе инновационных проектов аспирантов и студентов (Москва, 2006), 3-й Всероссийской конференции «Инновационные технологии в обучении и производстве» (Камышин, 2005), «Современные технологии в производстве» (Греция, 2005).

Публикации. Основные положения диссертации отражены в 10 публикациях, в том числе в одном журнале, рекомендованном ВАК. Без соавторов опубликовано 3 работы.

Структура и объём работы. Диссертационная работа изложена на 123 страницах и состоит из введения, четырёх глав, и заключения; список использованной литературы включает 147 наименований; диссертационная работа содержит 34 рисунка.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Козлецов, Алексей Павлович

4.7. Выводы

В данной главе рассмотрены вопросы реализации созданных и модифицированных методов в составе программного комплекса автоматизированного прогнозирования отказов оборудования технологической системы, определено место программного комплекса среди других систем управления производством. Рассмотрены также вопросы обеспечения связи между программным комплексом и системами управления различных производителей.

Приведено описание функций, реализующих выявление признаков отказа из ретроспективных данных, обнаружение признаков отказа в ретроспективных данных, оценивание вероятности безотказной работы заданных компонентов системы.

Следует отметить, что, несмотря на то, что при создании системы предполагалось, что она функционирует под управлением Microsoft Windows и использует для хранения данных Oracle Database 10g, большинство процедур и функций, реализованных в составе программного комплекса, могут использоваться и при работе с другими операционными системами и средствами СУБД.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решены задачи обнаружения признаков отказа и оценивания вероятности безотказной работы в технике и медицине. При этом получены следующие результаты:

1. Выполнен обзор методов прогнозирования отказов технологического оборудования, обзор методов оценивания вероятности безотказной работы. Исследованы недостатки и достоинства различных подходов к решению задач, поставленных в диссертационном исследовании.

2. Построена модель отказов оборудования непрерывных производственных систем, которая использована при проверке созданных методов. Использование модели позволило отказаться от испытания создаваемого метода на реальном оборудовании.

3. Создан метод поиска признаков отказа в ретроспективных данных технологического процесса. Моменты возникновения отказов определяются сравнением значений параметров технологического процесса и выхода построенной модели. Признаки возникновения отказа выделяются с использованием вейвлет-анализа.

4. Создан метод оперативного поиска выявленных признаков отказа в данных о технологическом процессе. Для поиска кратковременных нарушений нормальной работы производится сравнение выявленных признаков отказа и результатов вейвлет-преобразования значений переменных технологического процесса.

5. Предложена модификация метода вейвлет-сглаживания для оценивания вероятности безотказной работы для определения параметров сглаживания, обеспечивающих принадлежность оценки интервалу [0, 1].

6. Созданные методы реализованы в составе комплексов программ «СВФ-анализ» и «EyesStat», на которые получены свидетельства об официальной регистрации программы для ЭВМ. Выполнена реализация методов в составе программного комплекса выявления отказов в промышленных системах.

7. Практическая ценность результатов, полученных в диссертационном исследовании, подтверждена актом внедрения, свидетельствами об официальной регистрации программы для ЭВМ и справкой об использовании результатов.

Список литературы диссертационного исследования кандидат технических наук Козлецов, Алексей Павлович, 2007 год

1. Адаптивные фильтры: пер. с англ. / под ред. К.Ф.Н. Коуэена, П.М. Гранта. М.: Мир, 1988. 392 с.

2. Айвазян С.А. Прикладная статистика: Исследование зависимостей. / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1983.472 с.

3. Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных. / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1983. 472 с.

4. Андерсон Т. Статистический анализ данных с пропусками. / Т.Андерсон, пер. с англ. М.: Мир, 1976.760 с.

5. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения. «Успехи физических наук» / Н.М.Астафьева: 1996. Т. 166, №11. С. 1145-1170.

6. Афифи А. Статистический анализ: подход с использованием ЭВМ. / А. Афифи, С. Эйзен.; пер. с англ. М.: Мир, 1982. 488 с.

7. Ахмед Н. Ортогональные преобразования при обработке цифровых сигналов. / Н. Ахмед, К.Р. Рао.; пер. с англ. М.: Связь, 1980. 248 с.

8. Бахвалов Н.С. Численные методы. / Н.С. Бахвалов, Н.П. Жидков, Г.М. Кобельков. М.: Физматлит, 2001. 632 с.

9. Бендат Дж. Прикладной анализ случайных данных. / Дж. Бендат, А. Пирсол.; пер. с англ. М.: Мир, 1989. 540 с.

10. Биргер И. А. Техническая диагностика. / И.А. Бирегр. М.: Машиностроение, 1978.240 с.

11. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. / Р. Блейхут.; пер. с англ. М.: Мир, 1989. 447 с.

12. Богданович В.А. Теория устойчивого обнаружения, различения и оценивания сигналов. / В.А. Богданович, А.Г. Вострецов. М.: Физматлит, 2004.

13. Богнер Р. Введение в цифровую фильтрацию. / Р. Богнер,

14. A. Константинидис.; пер. с англ. М.: Мир, 1976. 216 с.

15. Бокс Д. Анализ временных рядов. Прогноз и управление. / Д. Бокс, Г. Дженкинс.; пер. с англ. М.: Мир, 1974.406 с.

16. Большаков А.А. Методы обработки многомерных данных и временных рядов. / А.А. Большаков, Р.Н. Каримов. М.: Горячая линия Телеком, 2007. 522 с.

17. Большаков А.А. Методы сжатия информации. / А.А. Большаков, Р.Н. Каримов. Саратов: СПИ, 1991. 88 с.

18. Брейсуэлл Р. Преобразование Хартли. / Р. Брейсуэлл.; пер. с англ. М.: Мир, 1990. 175 с.

19. Ватолин Д. Методы сжатия данных. / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. М.: Диалог-МИФИ, 2002. 384 с.

20. Величкин А.И. Теория дискретной передачи непрерывных сообщений. / А.И. Величкин. М.: Советское радио, 1976. 296 с.

21. Вержбицкий В.М. Основы численных методов. /В.М. Вержбицкий. М.: Высшая школа., 2005. 840 с.

22. Витязев В.В. Вейвлет-анализ временных рядов./В.В. Витязев. СПб.: Изд-во С.-Петерб. ун-та, 2001. 58 с.

23. Воеводин В.В. Вычислительные процессы с теплицевыми матрицами. / В.В. Воеводин. М.: Наука, 1988. 320 с.

24. Волгин В.В. Оценка корреляционных функций в промышленных системах управления. / В.В. Волгин, Р.Н. Каримов. М.: Энергия, 1979. 80 с.

25. Волков И.К. Случайные процессы. / И.К. Волков, С.М. Зуев, Г.М. Цветкова. М. Изд-во МГТУ им. Баумана, 2000. 448 с.

26. Воробьёв В.И. Теория и практика вейвлет-преобразования. / В.И.Воробьёв,

27. B.Г. Грибунин. СПб.: Изд-во ВУС, 1999.204 с.

28. Гантмахер Ф.Р. Теория матриц. / Ф.Р. Гантмахер. М.: Наука, 1966, 580 с.

29. Гнеденко Б.В. Математические методы в теории надёжности. / Б.В. Гнеденко, Ю.К. Беляев, А.Д. Соловьёв. М.: Наука, 1965. 524 с.

30. Голд Б. Цифровая обработка сигналов. / Б. Голд, Ч. Рейдер.; пер. с англ. М.: Советское радио, 1973. 368 с.

31. Гольденберг JI.M. Цифровая обработка сигналов. / JI.M. Гольденберг, Б.Д. Матюшкин, М.Н. Поляк. М.: Радио и связь, 1985. 312 с.

32. Голяндина Н.Э. Метод «Гусеница-SSA»: Анализ временных рядов: учеб. пособие. / Н.Э. Голяндина. СПб.: Изд-во СПб. ун-та, 2004. 76 с.

33. Голяндина Н.Э. Метод «Гусеница-SSA»: Прогноз временных рядов: учеб. пособие. / Н.Э. Голяндина. СПб.: Изд-во СПб. ун-та, 2004. 56 с.

34. Грей А.Х. Линейное предсказание речи. / А.Х. Грей, Дж.Д. Маркел.; пер. с англ. М.: Связь, 1980. 380 с.

35. Дженкинс Г. Спектральный анализ и его приложения. Вып 1, 2. / Г. Дженкинс, Д. Ватте.; пер. с англ. М.: Мир, 1971. 316 е., 1972. 288 с.

36. Добеши И. Десять лекций по вейвлетам. / И. Добеши.; пер. с англ. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. 464 с.

37. Дрёмин И.М. Вейвлеты и их использование. / И.М. Дрёмин, О.В. Иванов, В.А. Нечитайло. // Успехи физических наук. 2001. Т.171. №5. С.456-501.

38. Дрогайцев B.C. Методы и средства обеспечения надёжности технических систем. / B.C. Дрогайцев, Ю.С. Филиппов, В.В. Куранов. Саратов: СГТУ, 1997. 428 с.

39. Дуб Дж. Л. Вероятностные процессы. / Дж. Дуб.; пер с англ. М.: Изд-во иностранной литературы, 1956. 605 с.

40. Жилейкин Я.М. Преобразование Фурье и вейвлет-преобразование. Их свойства и применение. / Я.М. Жилейкин, Л.Г. Васильева, Ю.И. Осипик. // Вычислительные методы и программирование. 2002. Т.З. С.172-175.

41. Зверев В.А. Выделение сигналов из помех численными методами. / В.А. Зверев, А.А. Стромков. Нижний Новгород: ИПФ РАН, 2001. 188 с.

42. Игнатьев А.А. Основы технической диагностики автоматизированных систем машиностроения. / А.А. Игнатьев, Ю.С. Филиппов. Саратов: СГТУ, 2001.68 с.

43. Иыуду К.А. Надежность, контроль и диагностика вычислительных машин и систем. / К.А. Иыуду. М.: Высш школа, 1989. 216 с.

44. Калман Р. Очерки по математической теории систем. /Калман Р., Фалб П., Арбиб М.; пер. с англ, М.: Едиториал УРСС, 2004. 400 с.

45. Калман Р.Е. Идентификация систем с шумами. /Р.Е. Калман //Успехи математических наук. 1985. Т.40. №4, С.27-41.

46. Каримов Р.Н. Основы теории случайных процессов. / Р.Н. Каримов. Волгоград: ВолГТУ, 2003. 156 с.

47. Каримов Р.Н. Статистика нестационарных случайных процессов в АСУ. /Р.Н. Каримов. Саратов: СПИ, 1986. 80 с.

48. Каханер Д. Численные методы и программное обеспечение. / Д. Каханер, К. Моулер, С. Нэш.; пер. с англ. М.: Мир, 2001. 575 с.

49. Кашьяп P.J1. Построение динамических стохастических моделей по экспериментальным данным. / P.JL Кашьяп, А.Р. Рао.; пер. с англ. М.: Наука, 1983.

50. Кендалл М.Дж. Многомерный статистический анализ и временные ряды. / М.Дж. Кендалл, А. Стьюарт.; пер. с англ. М.: Наука, 1976. 736 с.

51. Кендалл М.Дж. Статистические выводы и связи. / М.Дж. Кендалл, А. Стьюарт.; пер. с англ. М.: Наука, 1973. 899 с.

52. Кендалл М.Дж. Теория распределений. / М.Дж. Кендалл, А. Стьюарт.; пер. с англ. М.: Наука, 1966. 588 с.

53. Кокс Д.Р. Анализ данных типа времени жизни. / Д.Р. Кокс, Д. Оукс.; пер. с англ. М.: Финансы и статистика, 1988. 191 с.

54. Колмогоров А.Н. Теория информации и теория алгоритмов. / А.Н. Колмогоров. М.: Наука, 1987. 304 с.

55. Литл Р.Дж. Статистический анализ данных с пропусками. / Р.Дж. Литл, Д.Б. Рубин.; пер. с англ. М.: Финансы и статистика, 1991. 336 с.

56. Ллойд Д. Надёжность. Организация исследования, методы, математический аппарат. / Д. Ллойд, М. Липов. М.: Советское радио, 1962. 688 с.

57. Льюнг Jl. Идентификация систем. Теория для пользователя. / Л. Льюнг.; пер. с англ. М.: Наука, 1991.432 с.

58. Макаров Р.И. Автоматизация производства листового стекла. / Р.И. Макаров, Е.Р. Хорошева, С.А. Лукашин. М.: Изд-во АСВ, 2002. 192 с.

59. Малла С. Вейвлеты в обработке сигналов. / С. Малла.; пер. с англ. М.: Мир, 2005. 671 с.

60. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения. / С.Л. Марпл-мл.; пер. с англ. М.: Мир, 1990. 584 с.

61. Миллер Б.М. Теория случайных процессов. / Б.М. Миллер, А.Р. Панков. М.: Физматлит, 2002. 320 с.

62. Монтгомери Д.К. Планирование эксперимента и анализ данных. / Д.К. Монтгомери.; пер. с англ. Л.: Судостроение, 1980. 384 с.

63. Новиков И.Я. Основы теории всплесков. / И.Я. Новиков, С.Б. Стечкин. // Успехи математических наук. 1997. Т.53. №6. С.53-128.

64. Новиков Л.В. Основы вейвлет-анализа сигналов./Л.В. Новиков. СПб., 1999. 152 с.

65. Новиков Л.В. Спектральный анализ в базисе вейвлетов. / Л.В. Новиков.// Научное приборостроение. 2000. Т. 10. №3,2000. С.57-64.

66. Острём К. Системы управления с ЭВМ. / К. Острём, Б. Виттенмарк.; пер. с англ. М.: Мир, 1987. 480 с.

67. Отнес Р. Прикладной анализ временных рядов. / Р. Отнес, Л. Эноксон.; пер. с англ. М.: Мир, 1982. 428 с.

68. Палагин Ю.И. Прикладные методы статистического анализа. / Ю.И. Палагин, А.С. Шалыгин. М.: Наука, 1986. 320 с.

69. Поллард Дж. Справочник по вычислительным методам статистики. / Дж. Поллард.; пер. с англ. М.: Финансы и статистика, 1982. 344 с.

70. Рабинер Л. Теория и применение цифровой обработки сигналов. /Л. Рабинер, Б. Гоулд.; пер. с англ. М.: Мир, 1978. 774 с.

71. Рабинер Л. Цифровая обработка речевых сигналов. / Л. Рабинер, Р. Шафер.; пер. с англ. М.: Радио и связь, 1981. 496 с.

72. Рытов С.М. Введение в статистическую радиофизику. 4.1. Случайные процессы. / С.М. Рытов. М.: Наука, 1976. 494 с.

73. Сергеенко А.Б. Цифровая обработка сигналов. / А.Б. Сергеенко. М.: Питер, 2002. 608 с.

74. Сизиков B.C. Устойчивые методы обработки результатов измерений. / B.C. Сизиков. СПб.: СпецЛит, 1999.240 с.

75. Скляр Б. Цифровая связь. / Б. Скляр, пер. с англ. М.: Вильяме, 2003.1104 с.

76. Скрипник В.М. Анализ надежности технических систем по цензуриро-ванным выборкам. / В.М. Скрипник, А.Е. Назин, Ю.Г. Приходько, Ю.Н. Благовещенский. М.: Радио и связь, 1988. 184 с.

77. Современные методы идентификации систем. / под ред. П. Эйкхоффа.; пер. с англ. М.: Мир, 1983. 400 с.

78. Спиридонов А.А. Планирование эксперимента при исследовании технологических процессов. / А.А. Спиридонов. М.: Машиностроение, 1981. 184 с.

79. Стирнз С. Адаптивная обработка сигналов. / С. Стирнз, Б. Уидроу.; пер. с англ. М.: Радио и связь, 1989. 440 с.

80. Столниц Э. Вейвлеты в компьютерной графике. Теория и приложения. / Э. Столниц, Д. Салезин, Т. ДеРоуз.; пер. с англ. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. 272 с.

81. Тихонов А.Н. Статистическая обработка результатов эксперимента. / А.Н. Тихонов, М.В. Уфимцев. М.: Изд-во МГУ, 1988. 174 с.

82. Трахтман А.Н. Основы теории дискретных сигналов на конечных интервалах. / А.Н. Трахтман, В.А. Трахтман. М.: Советское Радио, 1975. 208 с.

83. Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ./ Дж. Тьюки.; пер. с англ. М.: Мир, 1989. 655 с.

84. Финк Л.М. Сигналы, помехи, ошибки. / Л.М. Финк. М.: Радио и связь, 1984. 256 с.

85. Финк Л.М. Теория передачи дискретных сообщений. / Л.М. Финк. М.: Советское радио, 1970. 728 с.

86. Фишер Р.А. Статистические методы для исследователей. / Р.А. Фишер, пер. с англ. М.: Госстатиздат, 1958. 267 с.

87. Химмельблау Д. Анализ процессов статистическими методами. / Д. Химмельблау.; пер. с англ. М.: Мир, 1973. 957 с.

88. Хорн Р. Матричный анализ. / Р. Хорн, Ч. Джонсон.; пер. с англ. М.: Мир, 1989. 655 с.

89. Цыпкин Я.З. Основы информационной теории идентификации./ Я.З. Цыпкин. М.: Наука, 1984. 320 с.

90. Чуев Ю.В. Прогнозирование количественных характеристик процессов. / Ю.В. Чуев, Ю.Б. Михайлов, В.И. Кузьмин. М.: Советское радио, 1975.400 с.

91. Чуй Ч. Введение в вейвлеты. / Ч. Чуй.; пер. с англ. М.: Мир, 2001.412 с.

92. Шеннон К. Работы по теории информации и кибернетике. / К. Шеннон.; пер. с англ. М.: Издательство иностранной литературы, 1963. 829 с.

93. Эйкхофф П. Основы идентификации систем управления. / П. Эйкхофф.; пер. с англ. М.: Мир, 1975. 688 с.

94. Яглом A.M. Вероятность и информация. / A.M. Яглом, И.М. Яглом. М.: Наука, 1973.512 с.

95. Andrews А.Р. Kalman Filtering: Theory and Practice Using Matlab. / A.P. Andrews, M.S. Grewal. John Wiley and Sons, 2001. 410 p.

96. Angeli C. On-Line Fault Detection for Technical Systems: A Survey. / C. Angeli, A. Chanzinikolau // International Journal of Computer Science and Applications, vol.1, No. 1. P. 12-30.

97. Antoniadis A. Density and Hazard Rate Estimation fo Right Censored Data Using Wavelet Methods. / A. Antoniadis, G. Gregoire, G. Nason. University of Joseph Fourier, 1997. 29 p.

98. Antoniadis A. Wavelet Estimators in Nonparametric Regression: A Comparative Simulation Study. / A. Antoniadis, J. Bigot, T. Sapatinas. University of Joseph Fourier, 2001. 83 p.

99. Athans M. Perspectives in Modern Control Theory. / M. Athans. Cambridge: MIT, 1976.36 р.

100. Bailey N.TJ. The Elements of Stochastic Processes. / N.T.J. Bailey. New York: John Wiley and Sons, 1964.249 p.

101. Bakshi B.R. Multyscale PC A with Application to Multivariate Statistical Process Monitoring. / B.R. Bakshi. // AIChE Journal, No. 1, 1998. P. 50-68.

102. Basseville M. Detection of Abrupt Changes: Theory and Application./ M. Basseville, I.V. Nikiforov. New York: Prentice Hall PTR, 1997. 447 p.

103. Bates D.M. Nonlinear regression analysis and its applications. / D.M. Bates, D.G. Watts. New York: John Wiley & Sons, 1988. 365 p.

104. Blu T. Wavelet Theory Demystified. / T. Blu, M. Unser. // IEEE Transactions on Signal Processing. 2003. Vol.51. №2. P.470 -483.

105. Brandwood D. Fourier Transforms in Radar and Signal Processing./ D. Brandwood. Boston: Artech House, 2003. 199 p.

106. Calderbank A. Wavelet Transforms that Maps Integers to Integers./ A. Calderbank, I. Daubechies, W. Sweldens, B. Yeo. Princeton university, 1996. 39 p.

107. Chan A.K. Fundamentals of Wavelets. Theory, Algorythms and Applications. / A.K. Chan, J.C. Goswami. New York: John Wiley and Sons, 2001. 306 p.

108. Chang C. On-Line Fault Detection Using Signed Directed Graph. / C. Chang, C. Yu. // Industrial Engineering Chemical Research, No. 29. P. 1290-1299.

109. Chow E.Y. Analytical Redundancy and the Design of Robust Failure Detection Systems. /E.Y. Chow, A.S. Wilsky. Cambridge: MIT, 1982. 51 p.

110. Daubechies I. Factoring Wavelet Transforms into Lifting Steps./ I. Daubechies, W. Sweldens. Lucent Technologies, 1996. 26 p.

111. Dodewitz E.J. Fitting Statistical Distribution. / E.J. Didewitz, Z.A. Karian. Boca Raton: CRC Press. 435 p.

112. Donoho D.L. Density Estimation by Wavelet Tresholding. / D.L. Donoho, I.M.Johnstone, G. Kerkyarchrian, D. Picard. // The Annals of Statistics. 2001. Vol.24. №2. P.508-539.

113. Flannery B. Numerical Recipes in С. / В. Flannery, W. Press, S. Teukolsky, V. Vetterling. Cambridge University Press, 1997. 970 c.

114. Frank P.M. Fault Diagnosis in Dynamic Systems Using Analytical and Knowledge-based Redundancy A Survey and Some New Results. / P.M. Frank // Automatica, vol. 26, No. 3, 1990. P.459-474.

115. Gao R. Neural-Wavelet Methodology for Load Forecasting./ R.Gao, L.H. Tsoukalos. //Journal of Intelligent and Robotic Systems. 2001. №31. P. 149-157.

116. Gelb A. Applied optimal estimation. / A. Gelb. The M.I.T. press, 2001. 374 p.

117. Gertler J. Fault Detection and Isolation Using Parity Realtions. / J. Gertler // Control Engineering Practice, vol. 5, No. 5. P.653-661.

118. Grangetto M. Optimization and Implementation of the Integer Wavelet Transform for Image Coding. / M. Grangetto, E. Magli, M. Martina, G. Olmo. // IEEE Transactions on Signal Processing. 2002. Vol.11. №6. 9 p.

119. Graps A. An Introduction to Wavelets. / A.Graps. // IEEE Computational Science and Engineering. 1995. Vol.2. №2. 18 p.

120. Gunst R.F. Statistical Design and Analysis of Experiments. / R.F. Gunst, J.L. Hess, R.L. Mason. New York: John Wiley and Sons, 2003. 752 p.

121. Gustaffson F. Adaptive filtering and change detection. / Gustaffson F. New York: John Wiley & Sons, 2000. 500 p.

122. Haykin S. Kalman Filtering and Neural Networks. / S. Haykin. New York: John Wiley and Sons, 2001. 284 p.

123. He T. Wavelet Analysis and Multiresolutional Methods. / T. He. New York: Marcel Dekker, Inc, 2000. 383 p.

124. Hosmer D.W. Applied Survival Analysis: Regression Modeling of Time To Event Data. / D.W. Hosmer, S. Lemeshow. New York: John Wiley and Sons, 1999.407 p.

125. Isermann R. Process Fault Diagnosis Based on Dynamic Models and Parameter estimation methods. / R. Isermann, R.J. Patton, P.M. Frank, R.N. Clark. New York: Prantice Hall, 300 p.

126. Johansen K.H. The Quadruple Tank Process: A Multivariable System with an Adjustable Zero. / K.H. Johansen // Berkley: University of California, 2000.24 p.

127. Капо М. Comparsion of Statistical Process Monitoring Methods: Application to the Eastman challenge problem. / M. Капо, K. Nagao, S. Hasebe, I. Hashimoto. // Computers and Chemical Engineering, No. 24. P.l75-181.

128. Katayama T. Statistical Methods in Control and Signal Processing./ T. Katayama, S. Sugimoto. New York: Marcel Dekker, Inc, 1997. 553 p.

129. Kay S.M. Fundamentals of statistical signal processing: estimation theory./ S.M. Kay. New York, Prentice Hall PTR, 1990. 595 p.

130. Kramer M.A. Malfunction Diagnosis Using Quantitative Models with non-boolean Reasoning in Expert Systems. / M.A. Kramer. // AIChE Journal, No. 33, P. 130-140.

131. Kryssander M. Design and Analysis of Diagnostic Systems Utilizing Structural Methods. / M. Kryssander. Linkopping: Linkopping university, 2003. 198 p.

132. Lee J.S. Multiple Sensor Fusion Based on Morphological Processing. / J.S. Lee. // Proceeding of SPIE The International Society for Optical Engineering, 1988. P.94-100.

133. Lijung L. Nonlinear Black-Box Modeling in System Identification: a Unified Overview. / L. Lijung, J. Sjoberg, Q. Zhang. Paris: INRIA, 1997. 55 p.

134. Lijung L. On the Use of Regularisation in System Identification. / L. Lijung, T. McKelvey, J. Sjoberg. Linkoping University, 1992. 15 p.

135. Mertins A. Wavelets, Filter Banks, Time-Frequency Transforms and Applications. / A. Mertins. New York: John Wiley and Sons, 1999. 200 p.

136. Nason J.P. Wavelet Regression by Cross-Validation. / J.P. Nason. Stanford University, 1994.45 p.

137. Pollock D.S.G. A Handbook of Time-Series Analysis, Signal Processing and Dynamics. / D.S.G. Pollock. San Diego: Academic Press, 1999. 782 p.

138. Rioul O. Wavelets and Signal Processing. / O. Rioul, M. Vettely. // IEEE Signal Processing Magazine. 1991. №10. PI4-38.

139. Ross S.M. Introduction to Probability Models. /S.M. Ross. San Diego: Academic Press, 1997. 670 p.

140. Stamatelatos M. Fault Tree Handbook with Aerospace Applications. / M. Stamaletatos, J. Caraballo, W. Vesley. Washington: NASA, 2002. 218 p.

141. Sune D. Isolation of Multiple-faults with Generalized Fault Models. / D. Sune. Linkopping: Linkopping university, 2002. 71 p.

142. Sweldens W. Building Your Own Wavelet at Home. / W. Sweldens, P. Schreder. University of South Carolina, 1995. 76 p.

143. Sweldens W. The Lifting Scheme: A Construction of Second Generation Wavelets. / W. Sweldens. University of South Carolina, 1995. 35 p.

144. Vatchtsevanos G., Wang P. Fault Prognosis Using Dynamic Wavelet Neural Networks. Technical Report, School of Electrical and Computer Engineering, Georgia Institute of Technology, 1998. 8 p.

145. Venkatasubramanian V. A Review of Process Fault Detection and Diagnosis. / V. Venkatasubramanian, R. Rengaswamy, S.N. Kavuri, K. Yin. // Computers and Chemical Engineering, No. 27. P. 327-346.

146. Willsky A. A Survey of Design Methods for Failure Detection in Dynamic Systems. / A. Willsky //Automatica, No.12. P.601-611. \

147. Wise B.M. Upset and Sensor Failure Detection in Multivariate Processes. / B.M. Wise, N.L. Ricker, D.J. Veltkamp. Seattle: University of Washington, 1989. 41 p.

148. Zanardelly W.G. Wavelet-based Methods for the Prognosis of Mechanical and Electrical Failures in Electric Motors. / W.G. Zanardelli, E.G. Strangas, H.K. Khalil, J.M.Miller. // Mechanical Systems and Signal Processing. Vol.19, №9. P411-426.

149. Zhang Q. Using Wavelet Networks in Nonparametric Estimation. / Q. Zhang. Paris: INRIA, 1994. 25 p.