Разработка методов и технологий интеллектуального отказоустойчивого управления технологическими процессами газотранспортного комплекса тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Кораблев Юрий Анатольевич

• Кораблев Юрий Анатольевич
• доктор наук
• 2026

Оглавление диссертации доктор наук Кораблев Юрий Анатольевич

ВВЕДЕНИЕ

1. АНАЛИЗ ПРОЦЕССА ТРАНСПОРТИРОВКИ ГАЗА

КАК ОБЪЕКТА ИНТЕЛЛЕКТУАЛЬНОГО ОТКАЗОУСТОЙЧИВОГО УПРАВЛЕНИЯ

1.1. Постановка задачи проектирования интеллектуальной системы отказоустойчивого управления процессом транспортом газа

1.2. Анализ технологического процесса транспорта газа

как объекта управления и диагностики

1.3. Современные технические системы как объекты отказоустойчивого управления

1.4. Основные особенности, свойства и функциональные структуры интеллектуальных отказоустойчивых систем управления

Выводы по главе

2. АНАЛИЗ ПРОБЛЕМЫ ОТКАЗОУСТОЙЧИВОСТИ СИСТЕМ УПРАВЛЕНИЯ

2.1. Анализ основных подходов к обеспечению отказоустойчивости систем управления

2.2. Анализ существующих подходов к диагностике отказов

2.3. Анализ существующих методов отказоустойчивого управления

2.4. Нечеткий подход к обеспечению отказоустойчивости

интеллектуальных систем управления

2.5. Нейросетевой подход к обеспечению отказоустойчивости интеллектуальных систем управления

2.6. Классификационный подход к обеспечению отказоустойчивости интеллектуальных систем управления

Выводы по главе

3. КОНЦЕПЦИЯ ЦЕЛЕНАПРАВЛЕННОГО

ЭВОЛЮЦИОННОГО РАЗВИТИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ОТКАЗОУСТОЙЧИВЫХ СИСТЕМ УПРАВЛЕНИЯ

3.1. Основные принципы системного подхода к моделированию, анализу и синтезу интеллектуальных отказоустойчивых систем управления

3.2. Основные этапы синтеза интеллектуальных отказоустойчивых систем управления

3.3. Ранги неопределенностей и классы моделей интеллектуальных отказоустойчивых систем управления

3.4. Концепция эволюционного синтеза сложных систем управления

3.5. Концепция целенаправленного эволюционного синтеза интеллектуальных отказоустойчивых систем управления

Выводы по главе

4. МОДЕЛИ ИНТЕЛЛЕКТУАЛЬНЫХ ОТКАЗОУСТОЙЧИВЫХ СИСТЕМ УПРАВЛЕНИЯ

4.1. Основные особенности организации интеллектуальных отказоустойчивых систем управления

4.2. Модель расширенной интеллектуальной отказоустойчивой системы управления

4.3. Причинно-следственные модели

4.4. Функционально-целевые причинно-следственные модели

4.5. Системные графы

4.6. Нечеткие графы и нечеткие когнитивные карты

Выводы по главе

5. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ДИАГНОСТИКИ

5.1. Эволюционный синтез интеллектуальных систем диагностики

5.2. Интеллектуальные системы диагностики нулевого ранга неопределенности

5.2.1. Метод диагностики на основе пороговой логики

5.2.2. Метод диагностики на основе анализа экстремумов сигналов и нечеткой классификации неисправностей

5.3. Интеллектуальные системы диагностики первого ранга неопределенности

5.3.1. Метод диагностики на основе БТ'^классификации

5.3.2. Метод диагностики на основе нечетких графов

5.3.3. Методы диагностики на основе одноклассовых и многоклассовых классификаторов машинного обучения

5.4. Интеллектуальные системы диагностики второго ранга неопределенности

5.4.1. Вейвлет-диагностика состояния технической системы

5.4.2. Метод диагностики на основе мультиклассовой классификации

5.4.3. Метод диагностики по корням характеристического полинома

5.5. Интеллектуальные системы диагностики третьего ранга неопределенности

5.5.1. Метод диагностики на основе банка диагностических моделей

5.5.2. Метод нечеткой диагностики на основе нечеткой эталонной модели

Разработанная модель включает эталонную модель объекта управления и систему диагностики, а также реализует формирование сигнала рассогласования и его производной, которые используются в качестве входных переменных для нечёткой базы правил системы принятия решений

5.5.3. Метод диагностики на основе нейросетевой эталонной модели

5.5.4. Комбинированный FDE-FIE-SVM метод диагностики

5.5.5. Метод соотношений паритета

5.6. Прогнозирование возникновения неисправностей технических систем на основе интеллектуальных технологий

5.6.1. Анализ потенциальных отказов на основе нечеткой когнитивной карты

5.6.2. Модель экспоненциальной деградации

5.6.3. Решение задачи прогнозирования возникновения неисправностей

Выводы по главе

6. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ОТКАЗОУСТОЙЧИВОГО УПРАВЛЕНИЯ

6.1. Эволюционный синтез интеллектуальных систем отказоустойчивого управления

6.2. Интеллектуальные отказоустойчивые системы управления нулевого ранга неопределенности. Интеллектуальное управление резервированием каналов компенсации неисправностей

6.3. Интеллектуальные отказоустойчивые системы управления первого ранга неопределенности. Интеллектуальное резервирование каналов передачи информации

6.4. Интеллектуальные отказоустойчивые системы управления второго ранга неопределенности. Реструктуризация через реконфигурацию резервного регулятора

6.5. Интеллектуальные отказоустойчивые системы управления третьего ранга неопределенности

6.5.1. Мультиагентная отказоустойчивая система управления

6.5.2. Takagi-Sugeno отказоустойчивая система управления

Выводы по главе

7. ИНТЕЛЛЕКТУАЛЬНАЯ ОТКАЗОУСТОЙЧИВАЯ СИСТЕМА УПРАВЛЕНИЯ ПРОЦЕССОМ ТРАНСПОРТА ГАЗА

7.1. Обобщенная структура отказоустойчивого управления технологическими системами

7.2. Средства реализации интеллектуальной отказоустойчивой системы управления процессом транспорта газа

7.2.1. Разработка модуля нечеткого управления и диагностики процессом транспорта газа

7.2.2. Разработка цифрового двойника для управления и диагностики процессом транспорта газа

7.3. Разработка методики синтеза нечеткой модели управления и диагностики процесса транспорта газа

7.4. Разработка нечетких алгоритмов диагностики исполнительных механизмов

7.5. Интеллектуальное антипомпажное регулирование и защита нагнетателей ГПА

7.5.1. Нечёткий алгоритм диагностики помпажа

7.5.2. Антипомпажное регулирование

7.5.3. Алгоритм антипомпажного управления на основе оценки расстояния до границы помпажа

7.6. Обеспечение отказоустойчивости процессов транспорта газа на основе реконфигурирования регуляторов

Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

Виртуальный полигон для исследования отказоустойчивых систем управления

Концепция виртуального полигона как проблемно-ориентированной среды моделирования

Принципы организации и функциональные требования к виртуальному полигону

Структурные требования к моделям виртуального полигона

Benchmark-модели виртуального полигона

Математическая модель процесса компримирования природного газа

Системный анализ и моделирование технологических объектов, реализующих процессы компримирования газа

Переменные процесса моделирования

Модель клапана

Модель охладителя

ПРИЛОЖЕНИЕ Б

Организационно-технологическая структура процесса транспортировки газа

Помпажный режим

Введение диссертации (часть автореферата) на тему «Разработка методов и технологий интеллектуального отказоустойчивого управления технологическими процессами газотранспортного комплекса»

ВВЕДЕНИЕ

Современный этап развития теории управления ознаменован парадигмаль-ным сдвигом от классических детерминированных моделей к концепции интеллектуального управления. Этот переход обусловлен необходимостью управления сложными, нелинейными и слабоформализуемыми системами в условиях неполной информации и неопределённости. Ключевую роль в этом процессе играет, с одной стороны, структурная сложность современных технических систем, их динамические свойства, трудности прогнозирования их поведения в условиях значительной неопределенности, с другой стороны, жизненная необходимость обеспечения их отказоустойчивости, надежности, безопасности при сохранении эффективности производства, качества конечной продукции. В теоретическом плане это означает переход от традиционного топологического, структурного и параметрического синтеза, от привычных методик проектирования управляющих устройств к антропоморфному принципу синтеза законов управления, к необходимости интеллектуализации всех функций контроля и управления. Важным здесь становится наделение систем управления когнитивными функциями: способностью к адаптации, самообучению и принятию решений на основе прогнозного моделирования, что реализуется за счёт интеграции методов искусственного интеллекта, нечёткой логики и машинного обучения.

Интеллектуальное управление как междисциплинарная научная область формируется в результате конвергенции теорий управления и искусственного интеллекта. Ключевой особенностью данной области является глубокая интеграция концептуальных оснований, методологий и алгоритмического обеспечения обеих дисциплин. Этот процесс интеграции закономерно приводит к существенному усложнению решаемых задач. Сложность проявляется в том, что система наследует и аккумулирует нерешенные проблемы, «слабые» места и

дефициты исходных дисциплин. Более того, возникают принципиально новые проблемы, генерируемые собственно взаимодействием интегрируемых технологий. К ним относятся задачи синергетического сочетания их положительных свойств при одновременной нейтрализации негативных эффектов, что обуславливает повышенную сложность и зачастую неоднозначность получаемых решений.

Проектирование таких систем основывается на ряде принципов [43].

Первым из них является способность обучению (адаптации). Принцип обучения можно сформулировать так:

интеллектуальная система в процессе обучения должна изучать и сохранять знания, т.е. обладать свойством адаптации, и воспроизводить их в процессе функционирования с помощью ассоциации, которая делает возможной сравнение поступающей информации с сохраненной и ее распознавание.

Принцип управления ресурсами:

Интеллектуальная система должна уметь распознавать и активировать те информационные ресурсы, которые важны для решения текущей задачи, и деактивировать ресурсы, которые для решения задачи не нужны.

Одним из фундаментальных положений теории сложных систем выступает принцип системной неопределённости. Данный принцип постулирует наличие обратной зависимости между точностью интерналистского и экс-терналистского описаний объекта управления.

Формально это может быть выражено следующим образом: существует комплементарная связь между глубиной спецификации инвариантных характеристик системы (ее внутренней семантики) и полнотой описания ее реляционных свойств, то есть взаимодействий в рамках суперсистемы. Следовательно, увеличение детализации модели внутреннего содержания объекта за-

кономерно влечет за собой рост неопределенности в прогнозировании его бинарных или групповых связей. Обратная зависимость является также справедливой.

Формирование логических заключений в интеллектуальных системах часто основывается на обработке нечёткой и неполной информации. Однако результирующее управляющее воздействие, генерируемое системой, является детерминированным и реализуется в рамках парадигмы «ситуация-действие». Таким образом, осуществляется преобразование нечётких логических выводов в конкретные исполнительные команды.

Эти рассуждения можно обобщить в виде обобщенного принципа действия интеллектуальных систем:

В основе логических заключений, как четких, так и нечетких, лежит оперирование нечеткими образами с помощью ассоциативного их извлечения, результатом которого всегда будет совершенно четкое действие, с которым ассоциируется достижение поставленной цели. При этом выбранное действие может использоваться далее в процессе логических рассуждений.

Фундаментальной характеристикой современных интеллектуальных систем выступает синергия методологического аппарата классической теории управления и технологий искусственного интеллекта. Возникающий синерге-тический эффект позволяет таким системам решать комплексные задачи, которые остаются неразрешимыми для каждого из указанных подходов в отдельности [150, 178].

Историю развития интеллектуальных систем достаточно условно можно отсчитывать с момента, когда Л. Заде ввел понятие нечетких множеств [30] в 1965 году. В настоящее время к интеллектуальным системам принято относить нечеткие системы, нечеткие экспертные системы, нейронные сети, эво-люционно-генетические алгоритмы.

Интеллектуальные системы делят в зависимости от их архитектуры на од-нокомпонентные, содержащие в своем составе единственный интеллектуальный элемент, и многокомпонентные [174], которые интегрируют различные интеллектуальные элементы в единую систему. Многокомпонентные интеллектуальные системы часто называют гибридными или комбинированными интеллектуальными системами [43]. Гибридные интеллектуальные системы синтезируют разноуровневые вычислительные парадигмы, такие как аналитические и эвристические модели, компоненты мягких вычислений (нечеткая логика, нейронные сети, генетические алгоритмы), а также семантические и онтологические модели. Интеграция этих компонентов направлена на достижение синергетического эффекта, позволяющего преодолеть ограничения отдельных подходов и повысить эффективность решения сложных слабоформа-лизованных задач. Собственно термин «интеллектуальные гибридные системы» появился впервые в 1992 г. Однако в первое время в основном новый термин касался только достаточно узкой области интеграции нечетких экспертных систем и нейронных сетей. В настоящее время определение этого термина значительно расширено. Наиболее популярные следующие определения:

1. «Гибридная интеллектуальная система» - это многокомпонентная система, каждый интеллектуальный элемент которой может иметь различные формы формального представления и математического описания.

2. «Гибридная интегрированная система» по мнению ученых Центра искусственного интеллекта Cranfield University (Англия) - это система, использующую несколько интеллектуальных технологий.

3. «Гибридные информационные системы», согласно концепции исследовательской группы HIS Университета Сандерленда, представляют собой сложные программные комплексы, которые органично интегрируют экспертные системы, основанные на знаниях, с традиционными алгоритмами обработки данных. Ключевой особенностью таких систем является

синергетический эффект, достигаемый за счет комбинирования различных методологий искусственного интеллекта (нейронные сети, нечеткая логика, генетические алгоритмы) в единой архитектуре.

Современные кибернетические системы, управляющие техническими объектами, должны обладать интегрированными свойствами эксплуатационной надежности. К числу таких свойств относятся: обеспечение функциональной безопасности, резистентность к внешним дестабилизирующим факторам, а также способность сохранять регламентированные показатели эффективности при возникновении нештатных и аварийных ситуаций. Перспективное направление обеспечения данных требований связано с развитием интеллектуальных подсистем, интегрирующих алгоритмы превентивной диагностики и обеспечения отказоустойчивости. Указанные алгоритмы предназначены для своевременного обнаружения и нейтрализации последствий отказов как объекта управления, так и компонентов системы управления, включая сенсорные устройства, исполнительные механизмы и вычислительные модули, что обеспечивает поддержание непрерывности технологических процессов.

Под отказоустойчивостью подразумевается реализуемый системой управления процесс, который включает обнаружение, локализацию и диагностику неисправностей с их последующей нейтрализацией, что обеспечивает полное или частичное восстановление работоспособности, в том числе при допустимой деградации характеристик [2, 42]. Актуальность данной проблематики подтверждается экспоненциальным ростом количества научных публикаций, посвящённых разработке методов обеспечения отказоустойчивости [26, 30, 95-114, 117-138, 146-158, 173, 201-220]. Указанная динамика объективно отражает возрастающие требования к надёжности и безопасности автоматизиро-

ванных систем, особенно при их функционировании в нештатных и критических режимах, и формирует устойчивый научно-технический тренд в области управления.

Особого внимания заслуживают работы В. М. Глумова, С. Д. Землякова, В. Ю. Рутковского и А. В. Силаева [2], [31], в которых впервые предложено формальное определение отказоустойчивости. Авторы не только строго математизировали это понятие, но и установили его взаимосвязь с такими критически важными характеристиками систем, как:

• надёжность - способность выполнять функции в заданных условиях;

• безопасность - минимизация рисков катастрофических последствий при отказах;

• живучесть - сохранение работоспособности при частичных повреждениях.

Данный подход позволил унифицировать терминологию и создать основу для сравнительного анализа различных методов обеспечения отказоустойчивости.

Широко известны публикации по рассматриваемой тематике таких авторов как M. Blanke, P. Frank, R. Isermann, J. Korbicz, J. Koscielny, J. M. Maciejowski, R. Patton, M. Staroswiecki, M. Witczak, Y. Zhang и др. Проведенный анализ публикационной активности демонстрирует значительное доминирование зарубежных исследований в области отказоустойчивого управления. Количество российских работ остается незначительным, а их цитируемость — низкой, что объективно указывает на начальную стадию развития данного научного направления в отечественной практике.

Отказоустойчивость систем управления в значительной степени обеспечивается за счёт применения принципов избыточности, которая может быть реализована на двух уровнях:

1. Аппаратная избыточность - дублирование критических компонентов системы (датчиков, вычислительных модулей, исполнительных устройств).

2. Программно-алгоритмическая избыточность - использование специализированных алгоритмов, способных компенсировать отказы за счёт адаптивного управления, прогнозирования и коррекции состояний.

При проектировании отказоустойчивых систем возникает необходимость поиска оптимального баланса между этими подходами, поскольку каждый из них обладает специфическими преимуществами и ограничениями.

В последние годы отмечается прогресс в области программно-алгоритмических методов обеспечения отказоустойчивости. Рост интереса к данному направлению обусловлен рядом стратегических преимуществ по сравнению с аппаратными решениями:

• Адаптивность. Алгоритмические подходы обладают способностью к реконфигурации и адаптации для парирования широкого спектра отказов без необходимости модификации физической платформы системы.

• Масштабируемость. Данные методы могут быть эффективно реализованы в сложных системах архитектуры, включая распределённые и интеллектуальные системы управления, что соответствует общим трендам цифровизации.

Однако данный подход сопряжён с существенными сложностями:

• Вычислительная сложность - реализация продвинутых алгоритмов (например, на основе машинного обучения или стохастической оптимизации) требует значительных вычислительных ресурсов [2].

• Теоретическая сложность - разработка и верификация алгоритмов отказоустойчивости предполагает использование современных методов теории управления и компьютерного моделирования.

Современная методология управления актуализирует разработку отказоустойчивых систем как стратегически важную научно-техническую задачу. Данная проблематика находится на стыке нескольких дисциплинарных областей, включая теорию автоматического управления, системный анализ и компьютерные науки. Практическая значимость этого направления объясняется совокупностью следующих фундаментальных предпосылок:

Современный этап развития критической инфраструктуры в таких сферах, как аэрокосмическая отрасль, атомная энергетика и транспортные системы, характеризуется значительным усложнением технологических процессов, что влечёт за собой ужесточение нормативных требований к их надёжности. Это обусловлено необходимостью минимизации системных рисков и предотвращения каскадных отказов, поскольку выход из строя даже одного элемента способен привести к масштабным последствиям, что требует внедрения более строгих стандартов и превентивных мер контроля. Современные стандарты предполагают не просто сохранение базовой функциональности, но и обеспечение прогнозируемой деградации характеристик при возникновении нештатных ситуаций.

Появление принципиально новых технологических платформ, где конвенциональные подходы к обеспечению надежности обнаруживают методологическую ограниченность. Это относится к киберфизическим системам, интернету вещей и автономным робототехническим комплексам, для которых характерны высокая степень неопределенности, нелинейность динамических процессов и принципиальная ограниченность математических моделей.

Особый научный интерес представляет развитие программно-алгоритмических методов отказоустойчивости для киберфизических систем и технологий Интернета вещей, где стратегия аппаратной избыточности часто не приме-

нима. Несмотря на методологические сложности синтеза таких систем, их значительный потенциал определяет данное направление как стратегически перспективную область научных исследований.

Целью диссертации является разработка практико-ориентированной методологии синтеза интеллектуальных отказоустойчивых систем управления на базе иерархических моделей с ранжированной неопределенностью для обеспечения функциональной отказоустойчивости в динамической среде. Теоретическая обоснованность и практическая эффективность предложенных решений верифицируется математическим моделированием для задач управления газотранспортными системами.

Для достижения поставленной цели предполагается решение следующих задач:

1. Разработка методологии создания интеллектуальных отказоустойчивых систем управления, которая охватывает полный цикл создания такого рода систем: от системного анализа и проектирования архитектуры до синтеза алгоритмов и их практической реализации с последующей верификацией на моделях технологических процессов газотранспортного комплекса.

2. Системный подход к построению математических моделей отказоустойчивого управления, который предполагает реализацию трех взаимосвязанных принципов. Первый принцип заключается в классификации моделей по критерию адекватности, что позволяет дифференцировать их по способности отражать реальные физические процессы в системе. Второй принцип предусматривает параметрическую адаптацию моделей к изменяющимся условиям эксплуатации, обеспечивая точность описания динамики системы при различных внешних воздействиях и внутренних состояниях. Третий принцип основан на создании иерархии моделей различной степени детализации - от упрощенных описаний для

задач быстрого анализа до высокоточных моделей для синтеза алгоритмов управления.

3. Разработка интегрированной методологии диагностики неисправностей и обеспечения отказоустойчивости систем управления, основанной на синтезе современных интеллектуальных технологий и классических подходов теории управления. Современные исследования в области отказоустойчивого управления сосредоточены на синтезе интеллектуальных технологий, включающем разработку гибридных нейро-нечётких алгоритмов для диагностики и прогнозирования, создание когнитивных моделей для анализа причинно-следственных связей, а также интеграцию методов искусственного интеллекта с классическими подходами теории управления для создания адаптивных систем, способных к компенсации отказов в реальном времени.

4. Разработка методов проектирования интеллектуальных систем управления в процессе эволюционного синтеза на основе принципа последовательного раскрытия неопределенностей математических моделей технических систем на топологическом, структурном и параметрическом уровне.

5. Разработка иерархической архитектуры отказоустойчивой системы управления, предусматривающей распределение функций между уровнями по степени неопределенности, создание механизмов адаптивной реконфигурации подсистем при отказах и реализацию интеллектуальных алгоритмов принятия решений на основе комплексной диагностики и прогнозирования состояний системы.

6. Создание комплексной интеллектуальной системы отказоустойчивого управления технологическими процессами в газотранспортных системах. Проектируемая система должна реализовывать трехуровневую архитектуру управления, включающую:

• Базовый уровень системы, инструментальный, отвечает за сбор первичных данных с датчиков (контролирующих ключевые технологические параметры) и реализацию управляющих команд для исполнительных механизмов.

• Аналитический уровень, выполняющий функции диагностики оборудования на основе методов машинного обучения, прогнозирования технического состояния с использованием регрессионных моделей, а также идентификации аномальных режимов работы трубопроводной системы.

• Стратегический уровень, осуществляющий синтез управляющих решений на основе результатов диагностики, включая выбор стратегии реконфигурации системы при возникновении нештатных ситуаций и оптимизацию режимов транспорта газа.

7. Разработка специализированного программно-моделирующего комплекса для интегрального исследования отказоустойчивых систем управления. Комплекс должен предоставлять возможности для имитации разнородных отказов, создания сценариев чрезвычайных ситуаций, моделирования работы в условиях неполных и недостоверных данных и верификации результативности диагностических и реконфигурирую-щих алгоритмов. Научная новизна:

1. Методологический аппарат конструирования интеллектуальных систем отказоустойчивого управления представляет собой системный синтез эволюционного моделирования и ранжирования неопределенностей, устанавливающий соответствие между классами математических моделей и уровнями системной иерархии на основе степени их неопределенности. Такой подход обеспечивает единый подход к диагностированию и обеспечению отказоустойчивости, унификацию процедур диагностики за счёт со-

гласованного использования разноуровневых моделей; повышение отказоустойчивости через адаптацию механизмов управления к характеру и степени неопределённости.

2. Использование иерархических моделей с ранжированной неопределённостью позволяет создать эффективный механизм диагностики и отказоустойчивости, который обеспечивает точное обнаружение, глубокую локализацию и идентификацию неисправностей, а также предоставляет критерии для обоснованного выбора интеллектуальных методов и средств защиты системы.

3. Многоуровневая система диагностики, основанная на Neuro- и Fuzzy- технологиях, обеспечивает выявление топологических, структурных и параметрических неисправностей за счет иерархической обработки данных различного типа - от точечных измерений до спектральных характеристик. Ключевыми особенностями являются: (1) распределение алгоритмов диагностики по рангам неопределенности моделей, (2) комбинирование нейросетевых и нечетких методов для анализа разнородных данных, и (3) адаптивная локализация дефектов на различных уровнях системы. Данный подход позволяет повысить точность диагностики при сокращении времени анализа.

4. Метод синтеза интеллектуальных отказоустойчивых систем управления на основе системного подхода реализует эволюционную стратегию проектирования, позволяющую последовательно формировать комплекс моделей технических систем от множества координат процесса до топологии их связей друг с другом с выбором для каждой связи структуры оператора и оптимизации его параметров.

5. Иерархический принцип организации систем отказоустойчивого управления базируется на рангах неопределенности моделей. Ключевое преимущество - структурная адаптивность, позволяющая использовать как

отдельные компоненты иерархии, так и систему в целом, в зависимости от решаемых задач и условий эксплуатации.

6. Для каждого иерархического уровня системы разработан комплекс стандартизированных методов диагностики и обеспечения отказоустойчивости. Эти подходы адаптированы для самостоятельного применения в системах, обладающих определенным рангом неопределенности, что обеспечивает методологическую целостность при сохранении гибкости архитектурных решений и позволяет выбирать оптимальные диагностические процедуры в соответствии с характеристиками каждого уровня управления.

7. Применение методологии проектирования интеллектуальных отказоустойчивых систем на основе системного подхода, эволюционного синтеза и рангов неопределенности моделей технических систем к технологическому процессу транспортировки газа, позволяющее создавать принципиально новые для данной отрасли системы автоматизированного управления.

Теоретическая и практическая значимость работы. Настоящее исследование вносит вклад в развитие теории интеллектуального управления, предлагая новые принципы проектирования отказоустойчивых систем на основе иерархически структурированных моделей с учетом рангов неопределенности. Практическая ценность заключается в создании методики выбора и оптимизации диагностических алгоритмов, позволяющей: 1) разрабатывать новые интеллектуальные системы управления с повышенной надежностью, 2) модернизировать существующие комплексы, 3) сокращать временные и ресурсные затраты на проектирование за счет формализации процессов принятия решений. Разработанный в работе научно-методический аппарат позволяет целена-

правленно адаптировать методы диагностики и отказоустойчивого управления к специфике конкретных технических систем и условиям их функционирования.

Практическая значимость исследования заключается в реализации эволюционного подхода к синтезу систем, который порождает комплекс иерархических моделей, соотнесенных с рангом их неопределенности. Данный подход обеспечивает методологическую основу для проектирования отказоустойчивых систем управления в различных прикладных областях. Разработанный программный комплекс виртуального полигона служит инструментом для проведения виртуальных экспериментов, включая моделирование различных классов неисправностей (сбоев, временных и постоянных отказов), верификацию алгоритмов диагностики и реконфигурации, а также тестирование эффективности систем управления в условиях неопределенности. Это позволяет сократить затраты на натурные испытания и обеспечить валидацию разрабатываемых методов в контролируемой среде.

Научная новизна работы заключается в разработке эволюционного подхода к синтезу иерархических моделей управления с ранжированием неопределенностей, что расширяет методологическую базу современной теории интеллектуальных систем. Практическая значимость проявляется в создании виртуального моделирующего комплекса, виртуального полигона для исследования отказоустойчивых систем управления, позволяющего:

1. проводить всестороннее тестирование систем управления через моделирование различных классов неисправностей (сбои, временные и постоянные отказы);

2. верифицировать алгоритмы диагностики и реконфигурации в контролируемых условиях;

3. оптимизировать процессы проектирования отказоустойчивых систем для различных прикладных областей.

Разработанный инструментарий существенно сокращает сроки и затраты на создание надежных систем управления за счет возможности виртуального прототипирования и комплексной оценки характеристик отказоустойчивости на этапе проектирования.

Методология и методы исследования. В основу методологии исследования положен комплексный междисциплинарный подход, интегрирующий четыре взаимосвязанных блока научных дисциплин и технологий:

1. Фундаментальный математический аппарат, включающий методы линейной алгебры и многомерного анализа для моделирования динамических систем; аппарат функционального анализа и дифференциальных уравнений для описания непрерывных процессов; методы теории вероятностей и математической статистики для анализа неопределенностей и случайных процессов; инструменты дискретной математики и теории графов для формализации структур управления; методы теории оптимизации и вариационного исчисления для синтеза оптимальных управляющих воздействий; аппарат теории случайных процессов и стохастического анализа для моделирования внешних возмущений; методы численного анализа и вычислительной математики для компьютерной реализации алгоритмов.

Список литературы диссертационного исследования доктор наук Кораблев Юрий Анатольевич, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. М.А.Балавин, С.П.Продовиков, А.З. Шайхутдинов, О.В.Назаров, В.Б.Яковлев, Я.А.Евдокимов, Н.С.Зотов, Ю.А.Кораблев. Автоматизация процессов газовой промышленности. - СПб.: Наука, 2003. - 496 с.

2. В. М. Глумов, С. Д. Земляков, В. Ю. Рутковский, А. В. Силаев. Алгоритмическое обеспечение отказоустойчивости систем автоматического управления // Автоматика и телемеханика. - 1988. - №9. -С. 3-33.

3. Алексеев, А. А. №иго-Еи77у-классификация диагностической информации в технических системах / А. А. Алексеев, Ю. А. Ко-раблев, М. Ю. Шестопалов // 3-я междунар. науч. конф. «Методы и средства управления ТП» (Россия, Республика Мордовия, Саранск, 25-27 окт. 1999 г.). - С. 10-12.

4. А. А. Алексеев, Ю. А. Кораблев, М. Ю. Шестопалов. Методы управления и диагностики в технических системах с применением нечеткой логики. - СПб.: Изд-во СПб ГЭТУ «ЛЭТИ», 2008. - 188 с.

5. Алексеев А.А., Кораблев Ю. А., Шестопалов М. Ю. Идентификация и диагностика систем: учебник для студентов высших учебных заведений. - М.: Издательский центр «Академия», 2009. - 352 с.

6. Алексеев А.А., Имаев Д.Х., Кораблев Ю.А., Пошехонов Л.Б., Шестопалов М.Ю. / под ред. Халикова М.И. Диагностика в системах отказоустойчивого управления технологическими процессами: учебное пособие. СПб.: СПбГЛТУ, 2013. 92 с.

7. А. А. Алексеев, Д. Х. Имаев, Ю. А. Кораблев, Л. Б. Пошехо-нов, М. Ю. Шестопалов / Диагностика в отказоустойчивых системах

управления: учеб. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2014. 78 с.

8. А.А.Алексеев, Д.Х.Имаев, Ю.А.Кораблев, Л.Б.Пошехонов, М.Ю.Шестопалов, Л.В.Уткин. Локализация неисправностей при диагностике технических систем - СПб.: СПбГЛТУ, 2015. 44 с.

9. Диагностирование и отказоустойчивое управление многостадийными циклическими технологическими процессами / А. А. Алексеев, В. Т. Барченко, А. В. Беспалов, Д. Х. Имаев, Ю. А. Кораблев, Л. Б. Пошехонов, М. Ю. Шестопалов; под. ред. М. Ю. Шестопалова. -СПб.: ЭЛМОР, 2015. - С. 144.

10. Андриевский, Б. Р. Избранные главы теории автоматического управления с примерами на языке MATLAB / Б. Р. Андриевский, А. Л. Фрадков. - СПб.: Наука, 1999. - С. 467.

11. Антонов, В. Н. Адаптивное управление в технических системах: учеб. пособие / В. Н. Антонов, В. А. Терехов, И. Ю. Тюкин. -СПб.: Изд-во С.-Петерб. ун-та, 2001. - С. 244.

12. В. Т. Барченко, Ю. А. Кораблев, А. В. Муравьев, О. В. Назаров, М. Ю. Шестопалов. Автоматизация технологического процесса нанесения покрытий в вакууме // Вакуумная и плазменная электроника: межвуз. сб. - Рязань: РГРА, 1995. - С. 99-103.

13. В. Т. Барченко, А. В. Беспалов, Л. Б. Пошехонов, М. Ю. Шестопалов. Инновационный подход к проектированию системы отказоустойчивого управления технологическим процессом вакуумного нанесения композиционных покрытий / / Инновации. - 2013. - № 10 (180).- С. 123-127

14. О. Ю. Белаш, Н. И. Киргичева, Ю. А. Кораблев, К. С. Шаров, М. Ю. Шестопалов. Автоматизированная система обработки диагно-

стической информации на базе методов Fuzzy-классификации // материалы межреспубл. конф. «Управление в социальных, экономических и технических системах» (Кисловодск, 28 июня -2 июля 1998 г.). - С. 198-199.

15. Берштейн Л.С., Боженюк А.В.. Нечеткие графы и гиперграфы. М.: Научный мир, 2005, 256с.

16. Вавилов А.А. Структурный и параметрический синтез сложных систем. Л.: ЛЭТИ, 1979, 94 с.

17. Вавилов А. А., Имаев Д. X. Эволюционный синтез систем управления. - Л.: ЛЭТИ, 1983, 80 с.

18. Волкова, Н. Н. Применение FUZZY-NEURO-методов для диагностики технических систем / Н. Н. Волкова, Ю. А. Кораблев, М. Ю. Шестопалов //Сб. докл. междунар. конф. по мягким вычислениям и измерениям, SCM'2001 (27-30 июня 2001 г.). - С. 265-267.

19. Волкова, Н. Н. FUZZY-модель классификации состояний диагностируемого объекта с адаптивным формированием классов / Н. Н. Волкова, Ю. А. Кораблев, М. Ю. Шестопалов // Сб. докл. 5-й между-нар. конф. по мягким вычислениям и измерениям, SCM'2002 (25-27 июня 2002 г.). - С. 227-229.

20. Глазунов Л.П., Мозгалевский А.В. Особенности анализа диагностических процедур сложных систем автоматического управления// Техническая диагностика. М., 1972. С. 147 -151. / Л. П. Глазунов, А. В. Мозгалевский //

21. В. М. Глумов, С. Д. Земляков, В. Ю. Рутковский, А. В. Силаев. Алгоритмическое обеспечение отказоустойчивости систем автоматического управления // Автоматика и телемеханика. - 1988. - № 9. - С. 3-33.

22. Горалов, О. И. Поиск дефектов в сложных технических системах методами анализа диагностических графов. Вычисление дефектных компонент и межкомпонентных связей / О. И. Горалов // Автоматика и телемеханика. - 1989. -№ 9. - С. 148-159.

23. Грундепенькис, Я. А. Автоматизация построения топологической модели сложной системы для решения задач диагностики / Я. А. Грундепенькис, Я. К. Тентерис // Гибридные вычислительные машины и комплексы. - 1980. - № 3. - С. 88-93.

24. Гаврилов А. В. Гибридные интеллектуальные системы. Новосибирск: Изд-во НГТУ, 2002.

25. Глущенко П.В. Техническая диагностика. М: Вузовская книга, 2004 - 248 с.

26. Гришин Ю. П., Казаринов Ю. М. Динамические системы, устойчивые к отказам. М.: Радио и связь, 1985.

27. Диагностика состояний непрерывных технологических процессов на основе нечеткой топологической идентификации / Шестопа-лов М.Ю., Кораблев Ю.А. // СПб: Записки Горного института, 2012 г. - Т.197, с. 250 - 256

28. Доценко, Б. И. Диагностирование динамических систем / Б. И. Доценко. - Киев: Техника, 1983. - С. 159.

29. Дружинин, В. В. Проблемы системологии (Проблемы теории сложных систем) / В. В. Дружинин, Д. С. Конторов. - М.: Сов. радио, 1976. - С. 295.

30. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М., 1976.

31. Земляков, С. Д. Реконфигурация систем управления летательными аппаратами при отказах / С. Д. Земляков, В. Ю. Рутковский, А. В. Силаев // Автоматика и телемеханика. - 1996. - № 1. - С. 3-20.

32. Имаев, Д. Х. Разработка и исследование моделей ТП генерации паров ТНК как объектов управления / Д. Х. Имаев, И. В. Шевцов, М. Ю. Шестопалов // Сб. докл. 12-й междунар. конф. по мягким вычислениям и измерениям, SCM'2009 (25-27 июня 2009 г.). - Т. 2. -С. 59-65.

33. Х. Имаев, Л. Б. Пошехонов, И. В. Шевцов, М. Ю. Шестопа-лов Структурный анализ в задачах диагностики сложных систем - Изв. СПбГЭТУ «ЛЭТИ». - 2011. - № 9. - С. 65-73

34. Имаев, Д. Х. Реконфигурирование систем управления, подверженных сигналам неисправности / Д. Х. Имаев, М. Ю. Шестопалов // Материалы Всерос. науч. конф. по проблемам управления в технических системах (ПУТС-2015) (СПб., 28-30 октября 2015 г.). СПб.: Изд-во СПбГЭТУ «ЛЭТИ». - С. 42-46.

35. Имаев, Д. Х. Методы теории чувствительности в технической диагностике процессов управления / Д. Х. Имаев, М. Ю. Шесто-палов // Изв. СПбГЭТУ «ЛЭТИ». - 2012. - № 5. - С. 44-53.

36. Имаев, Д. Х. Системы, толерантные к неисправностям, - инновационное направление в управлении сложными процессами / Д. Х. Имаев, М. Ю. Шестопалов // Инновации. - 2012. - № 7 (165). - С. 109112.

37. Имаев, Д. Х. Топологические и матричные условия локализации неисправностей систем управления / Д. Х. Имаев, М. Ю. Шесто-палов // Изв. СПбГЭТУ «ЛЭТИ». - 2012. - № 5. - С. 36-44.

38. Имаев, Д. Х. Синтез систем управления в среде МАТЬАВ / Д. Х. Имаев. - СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2010. - С. 124.

39. Имаев, Д. Х. Исследование динамики иерархических систем на примере парогенератора / Д. Х. Имаев, В. Станиславски. - СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2011. - С. 209

40. Имитационное моделирование производственных систем / под ред. А. А. Вавилова. - М.: Машиностроение. - C. 416; Berlin: Veb Verlag Technik, 1983. - S. 380

41. Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006

42. Колесников А. В. Гибридные интеллектуальные системы: теория и технология разработки. СПб.: Изд-во СПбГТУ, 2001.

43. Колесников А.В. Гибридные интеллектуальные системы для поддержки принятия решений // Сб. тр. междун. конференции «Интеллектуальное управление: новые интеллектуальные технологии в задачах управления ICIT 99». М.: Наука, 1999. С. 59-63.

44. Кораблев Ю.А. Проектирование гибридных интеллектуальных систем отказоустойчивого управления. СПб: Издательство Печатный Цех, 2019. 156 с.

45. Кораблев Ю. А. Fuzzy-управляемая реконфигурация отказоустойчивой системы управления на основе идентификации модели в пространстве состояний // Всерос. науч. конф. по пробл. управления в тех. системах (ПУТС-2015). 28-30 окт. 2015: Материалы конф. СПб.; Изд-во СПбГЭТУ «ЛЭТИ», 2015. С. 46-50.

46. Кораблев Ю. А., Зеленов Ю. Л., Шестопалов М. Ю. Нечеткая диагностика на основе эталонной модели объекта управления в пространстве состояний // Материалы XVII Междунар. конф. по мягким вычислениям и измерениям (SCM'2014), Санкт-Петербург, 21-23 мая 2014 г. Т. 1. С. 24-29. СПб., 2015.

47. Кораблев Ю. А., Логутова Н. А., Шестопалов М. Ю. Нейросетевая реализация системы диагностики электропневматического клапана с позиционером // Материалы XVIII Междунар. конф.

по мягким вычислениям и измерениям (SCM'2015), Санкт-Петербург, 19-21 мая 2015 г. Т.1. С. 316-321. СПб., 2015.

48. Кораблев Ю.А., Скоробогатый А.С., Филинюк В.Н., Шесто-палов М.Ю. Моделирование непрерывных ТП с помощью RBF сетей // 12-ая международная конференция по мягким вычислениям и измерениям, СПб, SCM'2009 25-27 июня 2009 г. т.1., с. 247-249

49. Кораблев Ю. А., Тельпт Е. О., Шестопалов М. Ю. Нечеткие алгоритмы диагностики в отказоустойчивых системах управления // Сб. докл. Междунар. конф. по мягким вычислениям (SCM'2013). СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2013. С. 130-137.

50. Кораблев Ю. А., Худоложкин С. А., Шестопалов М. Ю. Комбинированный адаптивный подход для обнаружения и локализации неисправностей ветряной турбины // Материалы XVIII Междунар. конф. по мягким вычислениям и измерениям (SCM'2015), Санкт-Петербург, 19-21 мая 2015 г. Т.1. С. 108-116. СПб., 2015.

51. Кораблев Ю.А., Шестопалов. М.Ю. Идентификация технологических процессов и управление ими на основе FUZZY- и NEURO-FUZZY-технологий: Учебное пособие. СПб.:СПбГЭТУ «ЛЭТИ», 2007.

52. Кораблев Ю.А., Шестопалов. М.Ю. Диагностика состояний непрерывных технологических процессов на основе нечеткой топологической идентификации // Записки Горного института. 2012 г. Т. 197, с. 250 -256

53. Кораблев Ю.А., Шестопалов М.Ю. Применение методов нечеткой логики в задачах диагностики технических систем // VIII Российско-баварская конференция по биомедицинской техники, Санкт-Петербург, 29-31 мая 2012 г. с. 202 - 206

54. Кораблев Ю.А., Шестопалов М.Ю. Исследование отказоустойчивости систем управления непрерывными технологическими

процессами на основе нечеткой логики // «Актуальное состояние и тенденции развития физико-математических наук и ин-формационных технологий»: материалы международной заочной научно-практической конференции. (25 сентября 2012 г.) — Новосибирск: Изд. «Сибирская ассоциация консультантов», 2012. с. 63-72

55. Кораблев Ю.А., Шестопалов М.Ю. Анализ потенциальных отказов непрерывных технологических процессов на основе нечеткой топо-логической идентификации // БИОМЕДИЦИНСКАЯ РАДИОЭЛЕКТРОНИКА, Издательство «Радиотехника» (Москва) , 2013. № 1, с. 25-27

56. Ю. А. Кораблев, М. Ю. Шестопалов, Ю. Г. Бибичева. Нечеткая диагностика степени анемии на основе неинвазивной оценки уровня гематокрита и гемоглобина - Известия СПбГЭТУ "ЛЭТИ". 2014, №8 - с. 85-89

57. Ю. А. Кораблев, Д. М. Савельев, М. Ю. Шестопалов. Виртуальный полигон исследования отказоустойчивых систем управления -Известия СПбГЭТУ "ЛЭТИ". 2014, № 4

58. Ю. А. Кораблев, М. Ю. Шестопалов, Ю. Л. Зеленов. Нечеткая диагностика на основе эталонной модели объекта управления в пространстве состояний // XVII Международная конференция по мягким вычислениям и измерениям ^СМ'2014), 21 - 23 мая 2014 г., Санкт-Петербург. т.1, с. 24-29

59. Кораблев Ю.А., Потрахов Н.Н., Шестопалов М.Ю. Разработка архитектуры нечеткой экспертной системы в стоматологии для мобильных пользователей // I Всероссийской научно-практической конференции производителей рентгеновской техники, 21 ноября 2014 года, Санкт-Петербург. с. 57-58

60. Кораблев Ю.А., Шестопалов М.Ю. Концепция методологии исследований в области обеспечения отказоустойчивости процесса управления техноло-гическими системами и объектами // КОНФЕРЕНЦИЯ «ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ» (ИТУ-2014), 07-09 октября 2014 г., Санкт-Петербург. с. 79-86

61. Кораблев Ю.А., Худоложкин С.А., Шестопалов М.Ю. Комбинированный адаптивный подход для обнаружения и локализации неисправностей ветряной турбины // XVIII Международная конференция по мягким вычислениям и измерениям ^СМ'2015), Санкт-Петербург, 19-21 мая 2015 г. Т.1. с. 108-116

62. Кораблев Ю.А., Логутова Н.А., Шестопалов М.Ю. Нейросе-тевая реализация системы диагностики электро-пневматического клапана с позиционером // XVIII Международная конференция по мягким вычислениям и измерениям ^СМ'2015), Санкт-Петербург, 19-21 мая 2015 г. Т.1. с. 316-321

63. Кораблев Ю.А. Ри77у-управляемая реконфигурация отказоустойчивой системы управления на основе идентификации модели в пространстве состояний // Всероссийская научная конференция по проблемам управления в технических системах (ПУТС-2015). 28-30 октября 2015. Материалы конференции. - СПб, Изд-во СПбГЭТУ «ЛЭТИ», 2015. с.46-50

64. Кораблев Ю.А., Шестопалов М.Ю. Диагностика неисправностей на основе DTW-классификации // XIX Международная конференция по мягким вычислениям и измерениям ^СМ'2016), Санкт-Петербург, 25-27 мая 2016 г., Т.1. с. 167-171

65. Кораблев Ю. А., Лосева Д. М. Разработка Ьепсктагк-модели перевернутого маятника для исследования отказоустойчивых систем управления в среде AnyLogic // XXI Международная конференция по

мягким вычислениям и измерениям ^СМ-2018). Санкт-Петербург. 23-25 мая 2018 г. Т. 1. С. 484-487.

66. Кораблев Ю.А., Гузаев Е.В., Шестопалов М.Ю., Имаев Д.Х. НЕЙРОСЕТЕВОЕ ДИАГНОСТИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ТУРБОАГРЕГАТОМ - Изв. СПбГЭТУ «ЛЭТИ». 2018. № 1. С. 44-48

67. Кораблев Ю.А., Лосева Д.М., Федоров Н.В. Вепсктагк-мо-дель системы из трех резервуаров для исследования отказоустойчивых систем управления// III Международная научная конференция по проблемам управления в технических системах (ПУТС-2019). Сборник докладов. Санкт-Петербург. 30 октября - 1 ноября 2019 г. СПб.: СПбГЭТУ «ЛЭТИ»

68. Кораблев, Ю. А. Системы управления с нечеткой логикой: учеб. пособие / Ю. А. Кораблев, М. Ю. Шестопалов. - СПб.: СПбГЭТУ «ЛЭТИ», 1999. - С. 60.

69. Кораблев, Ю. А. Построение математических моделей непрерывных ТП на базе №шш-Ги77у-технологии / Ю. А. Кораблев, К. С. Шаров, М. Ю. Шестопалов Сб. докл. междунар. конф. по мягким вычислениям и измерениям, SCM'2000 (27-30 июня 2000 г.) - С. 1013.

70. Кораблев, Ю. А. Методика идентификации непрерывных ТП на базе №шго-Ги77у-технологии / Ю. А. Кораблев, К. С. Шаров, М. Ю. Шестопалов // Изв. ЛЭТИ. Сер. «Информатика». - 2003. - С. 42-46.

71. Кораблев, Ю. А. Интеллектуальные технологии в системах управления и диагностики: учеб. пособие / Ю. А. Кораблев, М. И. Ха-ликов, М. Ю. Шестопалов. - СПб.: СПбГЛТУ, 2012. - С. 100.

72. Ю. Кораблев, Ф. Кребс, Й. Нимейер,М. Хашка, М. Шестопа-лов. Моделирование и управление процессами топливных элементов с

использованием Neuro-Fuzzy-технологии // Материалы междунар. науч.-практ. конф. «Наука, образование и общество в XXI в.» (СПб., СПбГЭТУ, 15 июня 2006 г.). - С. 130-141.

73. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2001.

74. Кулик А. С. Сигнально-параметрическое диагностирование систем управления.-Харьков: Гос. аэрокосмический ун-т «ХАИ»; Бизнес информ, 2000.

75. Кулик, A. C. Диагностируемость линейных непрерывных систем / A. C. Кулик // Автоматика и телемеханика. - 1987. - № 6. - С. 148-155

76. Корнушенко, Е. К. Поиск неисправных компонент в линейных системах, заданных структурными схемами / Е. К. Корнушенко. -Ч. I // Автоматика и телемеханика. - 1985. - № 3. - С.104-110; Ч. II // Автоматика и телемеханика. - 1985. -№ 4. - С. 110-117.

77. Лифшиц Ю. Метод опорных векторов, лекция № 7 из курса «Алгоритмы для Интернета», 2007. URL: http://yury.name/inter-net/07ianote.pdf

78. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е изд. М.: Издательский дом «Вильямс», 2003.

79. Маркович, З. П. Предварительный выбор эффективных диагностических параметров на базе топологической модели объекта / З. П. Маркович // Техн. диагностика. - M.: Наука, 1972. - С.123-127

80. Мирошник, И. В. Нелинейное и адаптивное управление сложными динамическими системами / И. В. Мирошник, В. О. Никифоров, А. Л. Фрадков. - СПб.: Наука, 2000. - С. 549.

81. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. - СПб: Наука и техника, 2003. -380 с.

82. Никифоров, В. О. Адаптивное и робастное управление с компенсацией возмущений / В. О. Никифоров. - СПб.: Наука, 2003. -С. 282.

83. Никифоров, В. О. Управление в условиях неопределенности: чувствительность, адаптация и робастность / В. О. Никифоров, А. А. Ушаков. - СПб.:Изд-во СПбГИТМО (ТУ), 2002. - С. 232.

84. Осис Я.Я. Диагностирование на граф моделях - М: Академкнига, 1991 - 244 с.

85. Основы технической диагностики: В 2-х кн / Под ред. П.П.Пархоменко. - М.:Энергия, 1976. - Кн.1 Модели объектов, методы и алгоритмы диагноза / В.В.Карибский, П.П.Пархоменко, Е.С.Согомо-нян, В.Ф.Калчев] - 1976. - 460с.

86. Павлов, А. Н. Структурный анализ катастрофоустойчивой информационной системы / А. Н. Павлов, Б. В. Соколов // Тр. СПИ-ИРАН. - 2009. - Вып. 8. -C. 128-153.

87. Потрахов, Н. Н. Диагностика концевых деталей малого диаметра / Н. Н. Потрахов, М. Ю. Шестопалов // Контроль. Диагностика.

- 2012. - Вып. 9. - С. 28-32.

88. Пошехонов, Л. Б. Структурный подход к задаче обнаружения и локализации неисправностей сложного динамического объекта / Л. Б. Пошехонов, М. Ю. Шестопалов // Записки Горного ин-та. - 2012.

- Т. 197. - С. 279-284.

89. Пошехонов, Л. Б. Подходы к диагностике структурно-сложных системуправления с учетом характера неисправностей / Л. Б. По-шехонов, М. Ю. Шестопалов. Материалы 8-й Всерос. науч.-техн. конф.

«Системы управления техническими объектами», ИТЭЭ-2012. - Чебоксары: Изд-во Чуваш. ун-та, 2012. - С. 66-67.

90. Пошехонов, Л. Б. Решение задач обнаружения и локализации неисправностей сложных систем управления по моделям топологического ранга / Л. Б. Пошехонов, М. Ю. Шестопалов // Материалы Х Всерос. науч.-техн. конф. «Динамика нелинейных дискретных электротехнических и электронных систем», ДНДС-2013. - Чебоксары: Изд-во Чуваш. ун-та, 2013. - С. 23-26.

91. Соколов, Б. В. Анализ влияния информатики и информационных технологий на развитие теории и систем управления сложными объектами / Б. В. Соколов, Е. Г. Цивирко, Р. М. Юсупов // Тр. СПИ-ИРАН. - 2009. - № 11. - С. 11-51.

92. Поспелов Д.А. Ситуационное управление. Новый виток развития // Известия РАН. Теория и системы управления. - 1995. - № 5. -с. 152 -159

93. Прикладные нечеткие системы: Перевод с япон./ К. Асаи, Д. Ватада, С. Иваи и др.; под. ред. Т.Тэрано, К.Асаи, М.Сугено. - М.: Мир, 1993.

94. Ракитянская, А. Б. Диагностика на основе нечетких отношений / А. Б. Ракитянская, А. П. Ротштейн // Автоматика и телемеханика. - 2007. - № 12. - С. 113-130.

95. Растригин, Л. А. Адаптация сложных систем / Л. А. Растри-гин. - Рига:Зинатне, 1981. - С. 375.

96. Ротштейн А.П. Нечеткие когнитивные карты в анализе надежности систем // Надежность. 2019. № 4. С. 24-31

97. Сулейманов Б.А., Батаев Н.А., Ахметов Д.Ф. Антипомпаж-ное регулирование компрессорной установки // Вестник КазНИТУ, N0 4 (134), август 2019, с.193 - 198

98. Терехов, В. А. Адаптация в нелинейных динамических системах / В. А. Терехов, И. Ю. Тюкин // Синергетика: от прошлого к будущему. Предисл. Г. Г. Малинецкого. - Изд. стер. - М.: Изд.-во ЛКИ, 2014. - С. 335

99. Флейшман, Б. С. Основы системологии / Б. С. Флейшман. -М.: Радио и связь, 1982. - С. 368.

100. Управление в условиях неопределенности / Д. Х. Имаев, С. В. Прокопчина, Л. В. Уткин, М. Ю. Шестопалов и др. - СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2014. - С. 270.

101. Управление и информационные технологии. Наука и образование. 2-е изд., доп. Под общей редакцией Шестопалова М.Ю. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2018. 222 с.

102. Яковлев А.Н. Введение в вейвлет-преобразования: Учеб. пособие. - Новосибирск: Изд-во НГТУ, 2003. - 104 с

103. Antonelli, G. Fault-tolerant control of an autonomous underwater vehicle under thruster redundancy / G. Antonelli, T. K. Podder, N. Sarkar // Robotics and Autonomous Systems. - 2001. - Vol. 34 (1). - P. 3952.

104. An, Y. A fault tolerant flight control system for sensor and actuator failures using neural networks / Y. An, M. R. Napolitano, B. A. Seanor // Aircraft Design. - 2000. - Vol. 3 (2). - P. 103-128.

105. Averbukh A.B. Hybrid intelligence architecture for real time processing // IEEE Transactions on Control Systems Technology. 1999. P. 4107-4110.

106. Ayoubi, M. Neuro-fuzzy systems for diagnosis / M. Ay-oubi, R. Isermann // Fuzzy Sets and Systems. - 1997. - No. 89. - Р. 289307

107. Banda, S. Special issue on reconfigurable flight control / S. Banda // Int. J. of Robust and Nonlinear Control. - 1999. - Vol. 9 (14). -P. 997-1115.

108. Bacon B. J., Ostroff A. J., Joshi S. M. Reconfigurable NDI controller using inertial sensor failure detection and isolation // IEEE Transactions on Aerospace and Electronic Systems. 2001. № 37(4). P. 13731383.

109. Balakrishnan, V. Real-time failure-tolerant control of kin-ematically redundant manipulators / V. Balakrishnan, K. N. Groom, A. A. Maciejewski // IEEE Trans. Robotics and Automation. - 1999. - Vol. 15 (6). - P. 1109-1115.

110. Bartys M., Syfert M. «Using Damadics Actuator Benchmark Library (DABLib)» // Warsaw University of Technology. Warsaw, 2002.

111. Bishop C. M. Pattern recognition and machine learning, Springer, 2006.

112. Blanke, M. A ship propultion system as a benchmark for fault-tolerant control / M. Blanke, R. Izadi-Zamanabadi // Control Engineering Practice. - 1999. - Vol. 7 (2). - P. 227-239.

113. Bonivento, C. Fault-tolerant control of the ship propulsion system benchmark / C. Bonivento, L. Marconi, A. Paoli // Control Engineering Practice. - May 2003. - Vol. 11 (5). - P. 483-492.

114. M. Z. Bartys, «Specification of actuators intended to use for benchmark definition». // Warsaw University of Technology. Warsaw. 2002.

115. Caliskan, F. Integrated sensor/actuator FDI and reconfigurable control for fault-tolerant flight control system design / F. Caliskan, C. Hajiyev // Aeronautical J. - 2001. - P. 525-533.

116. Campos-Delgado D. U., Zhou K. Reconfigurable fault-tolerant control using GIMC structure // IEEE Transactions on Automatic Control. 2003. № 48(5). P. 832-839.

117. Chen, J. Active fault-tolerant flight control systems design using the linear matrix inequality method / J. Chen, Z. Chen, It. J. Patton // Trans. of the Institute of Measurement and Control. - 1999. - Vol. 21. - P. 77-84.

118. Chen, Y. Fault-tolerant control for outdoor ventilation air flow rate in buildings based on neural network / Y. Chen, S. Wang // Building and Environment. - 2002. - Vol. 37 (7). - P. 691-704.

119. Chen, T. J. Feedback design in control reconfigurable systems / T. J. Chen, N. E. Wu // Int. J. of Robust and Nonlinear Control. -1996. - Vol. 6 (6). - P. 561-570.

120. Cherroun L., Hadroug N., Boumehraz M., Hybrid Approach Based on ANFIS Models for Intelligent Fault Diagnosis in Industrial Actuator // Sciences and Technology Department, University of Djelfa, 2013.

121. Calise, A. J. Development of a reconfigurable flight control law for tailless aircraft / A. J. Calise, S. Lee, M. Sharma // J. of Guidance, Control, and Dynamics. - 2001. - Vol. 24 (5). - P. 896-902.

122. Carcia, H. E. Reconfigurable control of power plants using learning automata / H. E. Carcia, R. M. Edwards, A. Ray // IEEE Control Systems Magazine. - 1991. - Vol. 3 (2). - P. 85-92.

123. V. Cmsdorph, M. R. Napolitano, S. Naylor, C. Neppach. On-line learning nonlinear direct neurocontrollers for restructurable control systems // J. of Guidance, Control, and Dynamics. - 1995. - Vol. 18 (1). -P. 170-176.

124. Chou, H. P. Construction and evaluation of fault detection network for signal validation / H. P. Chou, J. N. Ning // IEEE Trans, on Nuclear Science. - 1992. - Vol. 39, № 4. - P. 943-947.

125. Clark, R. Issues of Fault Diagnosis for Dynamic Systems / R. Clark, P. Frank, R. Patton. - Berlin: Springer-Verlag, 2000. - P. 565.

126. Davison, E. J. The robust control of a servomechanism problem for linear timeinvariant multivariable systems / E. J. Davison // IEEE Trans on Automatic Control. - 1976. - Vol. AC-21, No. 1, February. - P. 25-34.

127. Dhayagude, N. Novel approach to reconfigurable control system design / N. Dhayagude, Z. Gao // J. of Guidance, Control, and Dynamics. - 1996. - Vol. 19 (4). - P. 963-967.

128. Daley, S. Takagi-Sugeno fuzzy fault-tolerant control of an induction motor / S. Daley, C. J. Lopez-Toribio, It. J. Patton // Neural Computing and Applications. - 2000. - Vol. 19. - P. 19-28.

129. Derradji, D. A. Control reconfiguration in submersible vehicles using artificial neural networks / D. A. Derradji, N. Mort // Int. J. of Systems Science. - 1999. - Vol. 30 (9). - P. 989-1010.

130. Deyst, J. On-line fault diagnosis in a nuclear reactor by sequential testing / J. Deyst, M. Desai, A. Ray // IEEE Trans. on Nuclear Science. - 1983. - Vol. 2.0, № 3. - P. 1850-1855

131. Diagnosis and Fault Tolerant Control / M. Blanke, M. Kin-naert, J. Lunze, M. Staroswiecki // Control Systems. - Springer-Verlag, London, 2006. - Vol. 2. - P. 227.

132. Diao Y., Passino K. M. Intelligent fault-tolerant control using adaptive and learning methods // Control Engineering Practice. 2002. № 10(8). P. 801-817.

133. Diao, Y. Stable fault-tolerant adaptive fuzzy/neural control for turbine engine /Y. Diao, K. M. Passino // IEEE Trans. Control System Technology. - 2001. - Vol. 9 (3). - P. 494-509.

134. Doman D. B., Ngo A. D. Dynamic inversion-based adap-tive/reconfigurable control of the X-33 on ascent // J. of Guidance, Control, and Dynamics. 2002. № 25(2). P. 275-284.

135. Dorogov, A. Yu. Separating Capacity of Weakly-Connected Module Neural Networks / A. Yu. Dorogov, M. Yu. Shestopalov // Optical Memory & Neural Networks (Information Optics). - 2004. - Vol. 13, No. 3. - P. 145-152

136. Dorogov, A. Yu. Fuzzy Clusterization of High Dimensionality Emperical / A. Yu. Dorogov, M. Yu. Shestopalov // Data Pattern Recognition and Information Proc. (PRIP'2007): Proc. of Ninth Int. Conf. (Minsk, Republic of Belarus, 22-24 May 2007). - Minsk: United Institute of Informatics Problems of National Academy of Science of Belarus, 2007. - Vol. 1. - P. 76-80.

137. Dunn, J. C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated cluster / J. C. Dunn // J. Cybernet. - 1973. - Vol. 3, No 3. - P. 32-57.

138. Expert supervision of fuzzy learning systems for fault tolerant aircraft control / W. A. Kwong, E. G. Laukonen, K. M. Passino, S. Yurkovich. // Proc. of the IEEE. - 1995. - Vol. 83 (3). - P. 466-483.

139. Escobet T., Olive X. «Diagnosability Analysis based on Component Supported Analytical Redundancy Relations» // IEEE, 2005.

140. Esbensen T., Slot C., Fault Diagnosis and Fault-Tolerant Control of Wind Turbine // Aalborg University, Aalborg, Denmark, 2009.

141. Fault-tolerant control systems - a holistic view / M. Blanke, R. Bogh, R. IzadiZamanabadi, Z. P. Lunau // Control Engineering Practice. - 1997. - Vol. 5 (5). - P. 693-702.

142. Fault-tolerant Control Systems. Design and Practical Applications / A. Chamseddine, H. Noura, J.-C. Ponsart, D. Theilliol. London: Springer-Verlag London Ltd.,2009. - P. 231.

143. Fault tolerant control in dynamic systems: Application to a winding machine / F. Hamelin, H. Noura, D. Sauter, D. Theilliol // IEEE Control System Magazine. - 2000. - Vol. 20 (1). - P. 33-49.

144. Fenton B., McGinnity M., Maguire L. Fault diagnosis of electronic systems (using artificial intelligence) // IEEE Instrumentation & Measurement Magazine. 2002. № 9. P. 16-20.

145. Filev, D. P. Approximate clustering via the mountain method / D. P. Filev, R. R. Yager // IEEE Trans. Systems, Man and Cybernetics. - 1994. - Vol. 24. - P. 1279-1284.

146. Frank, P. M. Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy - a survey and some new results / P. M. Frank // Automatica. - 1990. - Vol. 26, № 3. - P. 459-474

147. Frisk E., Krysander M., Cocquempot V. Improving fault isolability properties by structural analysis of faulty behavior models: application to the damadics benchmark problem / Department of Control Engineering, 2005.

148. Ftagot, J. Fault detection/isolation and control reconfiguration / J. Ftagot, A. Kobi, S. Nowakowski // Mathematics and Computers in Simulation. - 1994. - Vol. 37 (2). - P. 111-117.

149. Funabashi M. Fuzzy and neural hybrid expert systems: synergetic AI // AI in Japan. IEEE Expert. 1995. P. 32-40.

150. Gehin, A.-L. From control to supervision / A.-L. Gehin, M. Staroswiecki // Annual Reviews in Control. - 2001. - Vol. 2. - P. 1-11.

151. /M. Guler, B. Heck, S. Kannan, J. V. R. Prasad, S. Sander, D. Schrage, G. Vachtsevanos, L. Wills. An open platform for reconfigurable control // IEEE Control Systems Magazine. - 2001. - Vol. 21 (3). - P. 4964.

152. Hajiyev C., Caliskan F. Integrated sensor/actuator FDI and reconfigurable control for fault-tolerant flight control system design // The Aeronautical J. 2001. P. 525-533.

153. Hess R. A., Wells S. R. Sliding mode control applied to reconfigurable flight control design // J. of Guidance, Control, and Dynamics. 2003. № 26(3). P. 452-462.

154. Houpis, C. H. Fault tolerant flight control system: QFT design / C. H. Houpis, M. S. Keating, M. Pachter // Int. J. of Robust and Nonlinear Control. - 1997. - Vol. 7 (6). - P. 551-559.

155. Huang C. Y., Stengel R. F. Restructurable control using proportional-integral implicit model following // J. of Guidance, Control, and Dynamics. 1990. № 13(2). P. 303-309.

156. Huzmezan M., Maciejowski J. M. Reconfiguration and scheduling in flight using quasi-LPV high-fidelity models and MBPC control // Proc. of the American control conf., 1998. P. 3649-3653.

157. Jacobsen H. A. A generic architecture for hybrid intelligent systems // IEEE Fuzzy Systems. Ancourage, Alaska, 1998. P. 709-714.

158. Izadi-Zamanabadi R. Fault-tolerant Supervisory Control-System Analysis and Logic Design: PhD thesis. Aaborg University Department of Control Engineering, 1999, P. 36.

159. Isermann, R. Fault-tolerant drive-by-wire systems / R. Isermann, R. Schwarz,S. Stolzl // IEEE Control Systems Magazine. - 2002.

- Vol. 22 (5). - P. 64-81.

160. Isermann R. Supervision, fault-detection and fault-diagnosis methods-An introduction // Control Engineering Practice. 1997. № 5(5). P. 639-652.

161. Isermann R. Fault-diagnosis systems: An introduction from fault detection to fault tolerance. Berlin, Germany: Springer, 2006.

162. Isermann, R. Process fault detection based on modelling and estimation methods - a survey / R. Isermann // Automatica. - 1984. -Vol. 20, № - P. 387-404.

163. Isermann, R. Model-based fault-detection and diagnosis -status and applications / R. Isermann // Annual Reviews in Control. - 2005.

- Vol. 29, Is. 1. - P. 71-85.

164. Isermann, R. Fault Diagnosis Applications - Model-Based Condition Monitoring: Actuators, Drives, Machinery, Plants, Sensors, and Fault-Tolerant Systems / R. Isermann. - Springer, 2011. - P. 354.

165. Isermann, R. Fault-tolerant drive-by-wire systems / R. Isermann, R. Schwarz, S. Stolzl // IEEE Control Systems Magazine. - 2002.

- Vol. 22 (5). - P. 64-81.

166. Itchev, A. Multiple fuzzy models for fault tolerant control / A. Itchev // Int. J. of Fuzzy Systems. - 2003. - Vol. 5 (1). - P. 31-40

167. Itizzoni, G. Developing a fault tolerant power-train control system by integrating design of control and diagnostics / G. Itizzoni, Y.-W. Kim, V. I. Utkin // Int. J. of Robust and Nonlinear Control. - 2001. - Vol. 11 (11). - P. 1095-1114.

168. Jiang, J. Design of reconfigurable control systems using eigenstructure assignment / J. Jiang // Int. J. of Control. - 1994. - Vol. 59 (2). - P. 395-410.

169. Jiang, J. Bibliographical review on reconfigurable fault-tolerant control systems / J. Jiang, Y. Zhang // Annual Reviews in Control. - 2008. - Vol. 32. - P. 229-252.

170. Jiang, J. An active fault-tolerant control system against partial actuator failures / J. Jiang, Y. M. Zhang // IEE Proceedings - Control Theory and Applications. - 2002. - Vol. 149 (1). - P. 95-104

171. Jiang, J. Integrated design of reconfigurable fault-tolerant control systems / J. Jiang, Y. M. Zhang // J. of Guidance, Control, and Dynamics. - Jan.-Feb. 2001. - Vol. 24 (1). - P. 133-136.

172. Joshi, S. M. Adaptive state feedback and tracking control of systems with actuator failures / S. M. Joshi, X. Ma, G. Tao // IEEE Trans. Automatic Control. - 2001. - Vol. 46 (1). - P. 78-95.

173. Kale M. M., Chipperfield A. J. Stabilized mpc formulations for robust reconfigurable flight control // Control Engineering Practice. 2005. № 13(6). P. 771-788.

174. Kanai, K. Design of restructurable flight control systems using feedback linearization / K. Kanai, Y. Ochi // J. of Guidance, Control, and Dynamics. - 1991. -Vol. 14 (5). - P. 903-911.

175. Kandel A. Fuzzy intelligent hybrid expert system and their application // IEEE. 1995. P. 2275-2280.

176. Kantardzic M. Data Mining: Concepts, Models, Methods, and Algorithms.-John Wiley & Sons, 2003.

177. Khelassi, A. Reconfigurability analysis for reliable fault-tolerant control / A. Khelassi, D. Thelliol, P. Weber // Int. J. Appl. Math. Comput. Sci. - 2011. - Vol. 21, No. 3. - P. 431-439

178. Kim K. S., Lee K. J., Kim Y. Reconfigurable flight control system design using direct adaptive method // J. of Guidance, Control, and Dynamics. 2003. № 26(4). P. 543-550.

179. Kim, D. Robust variable structure controller design for fault tolerant flight control / D. Kim, Y. Kim // J. of Guidance, Control, and Dynamics. - 2000. - Vol. 23 (3). - P. 430-437.

180. Y.A. Korablev, I.Y. Tyukin, A.N. Gorban, T.A. Tyukina, J.M. Al-Ameri. Fast Sampling of Evolving Systems with Periodic Trajectories. Mathematical Modelling of Natural Phenomena. Volume 11 / No 4 (2016), p. 73-88

181. Yu. A. Korablev, M. Yu. Shestopalov. Faults Diagnostics on the Basis of DTW-Classification // Proceedings of the XIX International Conference on Soft Computing and Measurements SCM'2016, May 25-27, 2016, St. Petersburg, Russia, 2016. p. 94-97

182. Korablev Y., Shestopalov M., Savelyev D. Instrumental Tools for Design and Development of Technical Objects' Fault Tolerant Control Systems // Proc. of the 2015 IEEE Russia. North West Russia Section. Young Researchers in Electrical and Electronic Engineering Conference (2015EIConRusNW). February 2-4, 2015. St. Peters-burg Electro-technical University «LETI». P. 255-256.

183. Yuri A.Korablev, Daria M.Loseva. Modeling and Intelligent Fault Diagnosis of a Distillation Column // 2018 IEEE Conference of Russian Young Researches in Electrical and Electronic Engineering (El-ConRus), January 29 - February 01, 2018, St.Petersburg, 2018. - p. 688 -691

184. Korablev Yuri A., Loseva Daria M. Development of the Benchmark-model of an Inverted Pendulum for Fault-tolerant Control Systems Research in AnyLogic Simulation Software // Proceedings of the 21st

International Conference on Soft Computing and Measurements, SCM 2018. St. Petersburg, 23-25 May 2018

185. Yuri A.Korablev, Daria M.Loseva. Wavelet analysis for solving diagnostics problems // 2019 IEEE Conference of Russian Young Researches in Electrical and Electronic Engineering (ElConRus), January 28 - January 31, 2019, St.Petersburg, 2019. - p. 599 - 602

186. Juri A. Korablev, Daria M. Loseva, Nikita V. Fedorov. Benchmark Model of a Three-Tank System for the Research of Fault-Tolerant Control Systems// III INTERNATIONAL CONFERENCE ON CONTROL IN TECHNICAL SYSTEMS (CTS'2019), October 30 - November 1, 2019, St.Petersburg, Russia.

187. Korablev, Y. Development of Diagnostic Models for FTCS / Y. Korablev, M. Shestopalov // Proc. of the IEEE Russia. North West Section. - 2012. - Vol. 3. - P. 25-26.

188. Korablev, Y. Development of Methodology for Fuzzy-Controlled Fault Tolerant Control Systems Department of Automation and Control Processes / Y. Korablev, M. Shestopalov // Proc. of the IEEE Russia. North West Section. - St. Petersburg State Electrotechnical University «LETI». - 2012. - Vol. 4. -P. 12-15.

189. Kosko Fuzzy Cognitive Maps// Int. Journal of Man-Machine Studies. 1986. V. 24. P. 65-75

190. Kosko, B. Neural Networks and Fuzzy Systems. Eng-lewood Cliffs / B. Kosko. - NJ: Prentice Hall, 1992. - P. 449.

191. Krohn S. Danish Wind Turbines: An Industrial Success Story // Technical report, Danish Wind Industry Association, 2002. P. 5.

192. Kourd Y., «Faults Diagnosis by Neurons Networks Application on DAMADIC'S Benchmark», Department of Control Engineer-ing,2006.

193. Liao F., Wang J. L., Yang, G. H. Reliable robust flight tracking control: An LMI approach // IEEE Transactions on Control Systems Technology. 2002. № 10(1). P. 76-89.

194. Lam D., Swayne D. A hybrid expert system and neural network approach for envi-ronmental application // Proc. of ICESD. Bangkok. 1994. P. 298-303.

195. Lhotska L., Vlcek T. Efficiency enhancement of rule-based expert systems // Proc. of the 15th IEEE CBMS. 2002. P. 1063-1068.

196. Luo R. C., Lin M. H., Shen Sh. H. The development of object-oriented knowledge base and adaptive motion planning for autonomous mobile robots // Proc. of the 2001 IEEE/RSJ ICIRS. Maui. 2001. P. 108-113.

197. Meesad P., Yen G. A hybrid intelligent system for medical diagnosis // Proc. of IJCNN'01. Washington. 2001. P. 2558-2563.

198. Mori H. A hybrid intelligent system for fault detection in power systems // Proc. of IEEE IJCNN. Honolulu. 2002. Vol. 2. P. 21382143.

199. Niksefat N., Sepehri N. A QFT fault-tolerant control for electrohydraulic positioning systems // IEEE Transactions on Control Systems Technology. 2002. № 10(4). P. 626-632.

200. Noura, H. Actuator faulttolerant control design: Demonstration on a threetank system / H. Noura, D. Sauter, D. Theilliol // Int. J. of Systems Science. - 2000. - Vol. 31 (9). - P. 1143-1155.

201. Odgaard P. F., Stoustrup J., Kinnaert M. Fault Tolerant Control of Wind Turbines a benchmark model // Proc. of IFAC Symp. on Fault Detection, Supervision and Safety for Technical Processes: SAFE-PROCESS, Barcelona, 2009.

202. M.C. Oliveira, J. Bernussou, and J.C. Geromel. A new discrete-time robust stability condition. System and Control Letters, 37(4):261-265, 1999.

203. Patton, R. J. Fault-tolerant control: the 1997 situation / R. J. Patton // Proc. of IFAC Symp. on SAFEPROCESS (UK, Hull, Aug. 1997). - P. 1033-1055.

204. Polycarpou, M. M. Learning approach to fault tolerant control: an overview / M. M. Polycarpou, A. T. Vemuri // Proc. of the IEEE Int. Symp. on Intelligent Control (GMthersburg, MD, Sept. 1998). - P. 157162.

205. Prabakaran K., Mageshwari T., Prakash D., Suguna A. Fault Diagnosis in Process Control Valve Using Artificial Neural Network // Inter. Journal of Innovation and Appl. Studies, 2003,Vol. 3 No. 1, P. 138144.

206. Prentzas J., Hatzilygeroudis I., Koutsojannis C. A web-based ITS controlled by a hybrid expert system // Proc. of IEEE ICALT. 2001. P. 239-240.

207. Rauch, H. E. Intelligent fault diagnosis and control reconfiguration / H. E. Rauch // Control Systems Magazine. - June 1994. - P. 612.

208. Rauch, H. E. Autonomous control reconfiguration / H. E. Rauch // IEEE Control System Magazine. - Dec. 1995. - P. 37-48.

209. Ramamoorthy, C. V. A structural theory of machine diagnosis / C. V. Ramamoorthy // Proc. of Spring Joint Computers Conf. - 1967. - № 30. - P. 743-756.

210. Raspini, E. A new approach to clustering / E. Raspini // Information and Control. - 1969. - Vol. 15, No. 1. - P. 22-32.

211. Raspini, E. Numerical methods for fuzzy clustering / E. Raspini // Information and Science. - 1970. - Vol. 2. - P. 319-350.

212. Ren, Z. A new controller architecture for high performance, robust, and fault-tolerant control / Z. Ren, K. Zhou // IEEE Trans. Automatic Control. - 2001. - Vol. 46 (10). - P. 2688-2693.

213. Shin J. Y., Wu N. E., Belcastro C. Adaptive linear parameter varying control synthesis for actuator // J. of Guidance, Control, and Dynamics. 2004. № 27(4). P. 787-794.

214. Shin J. Y.,Wu N. E., Belcastro C. Linear parameter varying control synthesis for actuator failures based on estimated parameter // Proc. of AIAA guidance, navigation, and control conf., august, 2002. P. 4546.

215. Schram, G. A fuzzy logic approach to fault-tolerant control / G. Schram, H. B. Verbruggen // J. A. - 1998. - Vol. 39 (3). - P. 14-21.

216. Stability analysis of nonlinearly scheduled fault tolerant control system with varying structure / R. van der Sluis, J. A. Mulder, S. Bennani, G. Schram // Proc. of AIAA guidance, navigation, and control conf., august, 2002. P. 4461.

217. Stengel, R. F. Intelligent failure-tolerant control / R. F. Stengel // IEEE Control Systems Magazine. - June 1991. - P. 14-23.

218. Tao G., Chen S., Joshi S. M. An adaptive actuator failure compensation controller using output feedback // IEEE Transactions on Automatic Control. 2002. № 47(3). P. 506-511.

219. Wang, H. Neural-network-based faulttolerant control of unknown nonlinear systems / H. Wang, Y. Wang // IEE Proc. - Control Theory and Applications. - 1999. - Vol. 146 (5). - P. 389-398.

220. Wasiewicz P., «Specification of sugar production processes connected to the actuators intended to use for benchmark definition» / Warsaw University of Technology. Warsaw, 2003.

221. What is fault-tolerant control? / M. Blanke, C. Fret, F. Kraus, R. J. Patton, M. Staroswiecki // In Proc. of the 5th IFAC Symp. on Fault Detection, Supervision and Safety for Technical Process (Budapest, Hungary, June 2000). - P. 40-51.

222. Willsky, A. S. A survey of design methods for failure detection in dynamic systems / A. S. Willsky // Automatica. - 1976. - Vol. 12, № 6. - P. 601-611.

223. Witczak, M. Modelling and Estimation Strategies for Fault Diagnosis of Non-Linear Systems / M. Witczak // Analitical to Soft Computing Approaches. - Berlin: Springer-Verlag, 2007. - P. 212.

224. Yang G. H., Wang J. L., Soh Y. C. Reliable LQG control with sensor failures // IEEE Proc.-Control Theory and Applications. 2000. № 147(4). P. 433-439.

225. Yang G. H., Wang J. L., Soh Y. C. Reliable H» controller design for linear systems // Automatica. 2001. № 37(5). P. 717-725.

226. Yen G. G., Ho L. W. Online multiple-model-based fault diagnosis and accommodation // IEEE Transactions on Industrial Electronics. 2003. № 50(2). P. 296-312.

227. Zhang, Y. Active Fault Tolerant Control Systems / Y. Zhang. - Berlin: SpringerVerlag, 2003. -P. 208.

228. Zhang Y. M., Jiang J. An active fault-tolerant control system against partial actuator failures // IEE Proc.-Control Theory and Applications. 2002. № 149(1). P. 95-104.

229. Zhang Y. M., Jiang J. Integrated active fault-tolerant control using IMM approach // IEEE Transactions on Aerospace and Electronic Systems. 2001. № 37(4). P. 1221-1235.

230. Zhang X., Polycarpou M., Parisini T. A robust detection and isolation scheme for abrupt and incipient faults in nonlinear systems // IEEE Trans. on Automatic Control, 2002. P. 576 - 593

231. Zhang Y. M., Jiang J. Fault tolerant control system design with explicit consideration of performance degradation // IEEE Transactions on Aerospace and Electronic Systems. 2003. № 39(3). P. 838-848.

232. Zhuvatov T., Bataev N., Kuzyrgaliyev A., Krikbayev R. Modeling and research of gas transportation unit operation modes // International Review of Mechanical Engineering, Vol. 13, No 4, April 2019, pp. 224 - 234.

233. M. W. Grieves, ''Virtually intelligent product systems: Digital and physical twins,'' Complex Syst. Eng., Theory Pract., pp. 175200, 2019.

234. T. R. Wanasinghe, L. Wroblewski, B. K. Petersen, R. G. Gosine, L. A. James, O. De Silva, G. K. I. Mann, and P. J. Warrian, ''Digital twin for the oil and gas industry: Overview, research trends, opportunities, and challenges,'' IEEE Access, vol. 8, pp. 104175-104197, 2020.

235. Marcin Witczak, Lukasz Dziekan, Vicenc Puig, Jozef Korbicz. A fault-tolerant control strategy for Takagi-Sugeno fuzzy systems //Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul, Korea, July 6-11, 2008

236. D. Cearley, B. Burke, D. Smith, N. Jones, A. Chandra-sekaran, and C. Lu «Top 10 strategic technology trends for 2020». Gartner, Stamford, CT, USA, Tech. Rep., 2019

237. Thumeera RW, Wroblewski L, Petersen KB, Gosine RG, Lesley AJ, Oscar DS, et al. Digital Twin for the Oil and Gas Industry: Overview, Research Trends, Opportunities, and Challenges. IEEE access 2020; 8:104175-97.

ПРИЛОЖЕНИЕ А

Виртуальный полигон для исследования отказоустойчивых систем

управления

Концепция виртуального полигона как проблемно-ориентированной

среды моделирования

Проведение натурных экспериментов для исследования сложных технических систем в экстремальных условиях сопряжено с существенными затратами и ограничениями. В современных исследованиях акцент смещен на компьютерное моделирование, позволяющее анализировать реакцию систем на отказы без риска для оборудования. Применение цифровых двойников и верифицированных моделей обеспечивает получение достоверных данных в различных режимах работы, способствуя разработке эффективных мер повышения надежности и безопасности технических объектов.

Исследование, базирующееся на компьютерном моделировании, по своей методологической сути представляет собой виртуальный эксперимент. Ключевыми преимуществами данного подхода являются его сравнительно низкая стоимость, расширенные возможности по варьированию параметров, а также повышенный уровень безопасности. Это особенно значимо при исследовании экстремальных и потенциально опасных режимов функционирования моделируемых систем.

Проведение виртуальных экспериментов требует комплексного методологического сопровождения и развитой инфраструктуры. Реализация такого подхода предполагает развертывание интегрированной программно-аппаратной платформы, способной выполнять функции цифрового двойника испыта-

тельных комплексов. Создаваемая среда должна обеспечивать функциональную адекватность физическим аналогам или превосходить их по отдельным характеристикам, что расширяет возможности моделирования сложных процессов.

Данный концепт находит своё законченное выражение в понятии «виртуальный полигон» (ВП). Виртуальный полигон можно определить как проблемно-ориентированную интегрированную среду, предназначенную для планирования, проведения и анализа результатов виртуальных экспериментов в рамках заданной предметной области.

Концепция виртуального полигона приобретает актуальность в тех областях, где проведение натурных экспериментов сопряжено с существенными финансовыми затратами, техническими рисками или представляет потенциальную опасность. К числу таких областей, в частности, относится диагностика и мониторинг состояния объектов на опасных производственных объектах. Указанные ограничения детерминируют необходимость создания проблемно-ориентированных программных комплексов, реализующих принципы ВП.

Проектирование и разработка виртуального полигона представляет собой комплексную задачу, требующую учёта ряда критически важных факторов:

1. Проблемная ориентация. Архитектура ВП должна быть строго адаптирована под решение конкретного класса прикладных задач, что обуславливает выбор моделей, методов и интерфейсов.

2. Специфика моделирования. Необходимо учитывать особенности и адекватность методов компьютерного моделирования, применяемых в конкретной предметной области, для обеспечения достоверности результатов виртуального эксперимента.

3. Дифференциация требований к квалификации пользователя. Концепция ВП должна предусматривать работу специалистов с различным уровнем подготовки:

о Режим прикладного пользователя ориентирован на специалистов-экспертов в предметной области, не имеющих углубленной подготовки в сфере информационных технологий. Интерфейс данного режима обеспечивает интуитивно понятное взаимодействие с системой через специализированные формы ввода, визуальные конструкторы правил и предметно-ориентированные языки. Функциональность включает управление объектами предметной области, настройку параметров моделирования и интерпретацию результатов без необходимости программирования. Режим реализует принцип "черного ящика", скрывая сложность вычислительных алгоритмов за предметными терминами и визуальными представлениями, характерными для конкретной области применения. о Режим эксперта-разработчик сохраненяет возможности использования низкоуровневых инструментов и технологий программирования для квалифицированных пользователей с целью модификации моделей и алгоритмов. Таким образом, современный подход к разработке виртуальных полигонов претерпел изменения, сместив акцент на сепарацию пользовательского уровня взаимодействия от технологической реализации. Ключевым принципом становится обеспечение "прозрачности" сложного программного комплекса для конечного пользователя-эксперта, который оперирует исключительно понятиями своей предметной области, без необходимости погружения в архитектурные детали ВП. Это позво-

ляет значительно расширить аудиторию исследователей, способных эффективно применять инструментарий виртуального полигона в своей профессиональной деятельности.

Принципы организации и функциональные требования к виртуальному

полигону

Разработка отказоустойчивых систем управления сопряжена с необходимостью формирования и последующей верификации специализированных методик управления. Проведение подобной апробации в условиях реальной технической системы часто является затруднительным или вовсе невозможным в силу высоких рисков возникновения критических отказов и сопутствующих материальных издержек.

В данном контексте виртуальный полигон (ВП) позиционируется как ключевое инструментальное решение, целью которого является создание комплексной среды для проведения виртуальных экспериментов. Основная задача ВП в области отказоустойчивости заключается в предоставлении исследователю инструментария для тестирования и оценки новых алгоритмов диагностики и управления.

Фундаментальным элементом такого полигона выступает репрезентативный набор эталонных моделей (benchmark-models), широко признанных в исследуемой предметной области. Работа с данным набором позволяет осуществлять сравнительный анализ и объективную валидацию предлагаемых методов обеспечения отказоустойчивости в контролируемых и воспроизводимых условиях, что в конечном итоге способствует повышению обоснованности и надежности разрабатываемых решений до их внедрения в практику.

Виртуальный полигон реализован в среде МаИаЬ/81тиНпк. Приложение «Исследовательский Полигон» подразумевает наличие графического интерфейса пользователя (рисунок 1).

Рисунок 1 - Графический интерфейс приложения «Исследовательский Поли-

гон»

Для разработки приложения «Исследовательский Полигон» разработана общая структура функциональных требований. Для реализации каждого из функциональных требований использованы т-функции (рисунок 2).

Рисунок 2 - Группа функциональных требований к приложению ИП

Структурные требования к моделям виртуального полигона

Поскольку виртуальный полигон (ВП) предназначен для исследования активных отказоустойчивых систем управления (ОСУ), его архитектура и программная реализация должны в полной мере отражать их специфику. Это обуславливает введение унифицированного набора формальных требований к структуре и оформлению моделей, допущенных к регистрации в полигоне. Унификация требований обеспечивает стандартизацию процесса моделирования и сравнимость результатов экспериментов.

Ключевой особенностью программной реализации данного ВП является применение принципа модульности на верхнем уровне абстракции. Система моделируется в среде Simulink как композиция функциональных блоков, реализованных в парадигме «черного ящика». Данный набор блоков представляет собой универсальный конструктор, который позволяет осуществлять:

- Построение классических систем управления.

- Надстройку механизмов, обеспечивающих отказоустойчивость. Преимущества модульного подхода

Реализация через «черные ящики» предоставляет ряд методологических и практических преимуществ:

1) Предметно-ориентированное проектирование. Разработчик оперирует привычными для данной прикладной области концепциями и терминами (например, «наблюдатель состояния», «реконфигурация», «диагностика»), а не понятиями из области программирования. Это создает комфортные условия работы и снижает когнитивную нагрузку на исследователя.

2) Наглядность и верифицируемость. Структура модели становится интуитивно понятной и легко анализируемой как в процессе ее создания, так и при регистрации в системе полигона.

3) Проблемно-ориентированный графический интерфейс. Интерфейс пользователя адаптирован под конкретные задачи проектирования ОСУ, предоставляя релевантные инструменты и настройки.

4) Динамическая адаптация интерфейса. Меню управления и параметров настройки динамически перестраивается в зависимости от структуры загруженной модели, предоставляя пользователю доступ только к релевантным для текущей конфигурации функциям.

Приведение модели к «унифицированной» структуре следует правилам построения структуры классической системы управления. Эта идея была принята за основу при планировании унификации.

Подвергаются унификации названия элементов модели: «regulator», «actuator», «control object» и «sensors». Пример данной группы типовых блоков изображен на рисунке 3.

Аналогично добавляются блоки для активных отказоустойчивых систем управления:

• Блок(и) отказов

• Блок диагностики

• Блок компенсации отказов

sensors

failures fuel rate

mode

sensors

failures fuel rate

mode

Adualoi

Regulator

engine apeetl c2_oul

throttle angle MAP

fuel air/fuel rabo

Control Object

sensors

failures fuel rate

mode

Sensors

Рисунок 3 - Элементы классической системы управления У них тоже унифицированные названия: блок отказов - «failures», блок диагностики - «detection», блок компенсации - «compensation». Пример данной группы типовых блоков изображен на рисунке 4.

EGO slalubln

EGO sigrabOui MAP statusAi

EGO signaUIn

MAP signal/Out HAP skjnalflr

Sensor Failures

sensors failures

FD status/In

fa ¡urea mode

FTC statusAi

Fault Detection

Fault Compensalion

Рисунок 4 - Элементы активной отказоустойчивой системы управления Для обеспечения гибкости и интерактивности процесса исследования каждый из трех типов функциональных блоков в архитектуре виртуального полигона поддерживает механизм динамического включения и отключения определенной функциональности. Конкретной реализацией данного механизма является использование ручных переключателей (manual switches), связанных с соответствующими параметрами блоков.

Принцип работы механизма управления функциональностью:

• Блок моделирования отказов: Посредством ручного переключателя исследователь может активировать или деактивировать конкретный тип отказа в моделируемой системе, например, заклинивание исполнительного механизма или обрыв датчика.

• Блок компенсации отказов: Аналогичным образом, переключатель позволяет в реальном времени включать или отключать алгоритм компенсации последствий возникшего отказа, такой как переключение на резервный канал или адаптация параметров регулятора.

Таким образом, ручные переключатели выступают в роли элемента интерактивного управления, предоставляя исследователю прямой контроль над состоянием модели и позволяя изучать реакцию системы на различные конфигурации отказов и компенсирующих воздействий. Пример подключения такого ручного переключателя к функциональному блоку представлен на Рисунке 5.

Рисунок 5 - Подключение к блоку моделирования отказов Еще один унифицированный блок - монитор с названием «monitor» для наблюдения за сигналами. Внешний вид блока «Монитор» приведен на рисунке 6.

Рисунок 6 - Внешний вид блока «Монитор» Пример БтиПпк-схемы, приведенной к унифицированной структуре, приведен на рисунке 7.

Рисунок 7 - Пример Simulink-схемы, приведенной к унифицированной

структуре

ВепсИшагк-модели виртуального полигона

В состав виртуального полигона входят следующие разработанные в диссертации типовые ЬепсИшагк-модели:

5. ВепсИшагк-модель мобильного балансирующего робота для нефтегазовой отрасли

Мобильные балансирующие роботы, работающие по принципу инвертированного маятника, состоят из платформы с двумя соосными колесами, оснащенными независимыми электродвигателями. Ключевой особенностью является одновременное решение двух задач управления: точного перемещения по заданной траектории (включая разворот на месте) и динамической стабилизации вертикального положения платформы. Такая конструкция обеспечивает высокую маневренность, позволяя роботу работать в ограниченном пространстве и компенсировать возмущения от движений манипулятора, что делает его эффективным для задач, требующих точного позиционирования и устойчивости.

В нефтегазовой отрасли такие роботы применяются чаще всего для выполнения операций технического обслуживания, таких как открытие и закрытие вентилей, замена беспроводных датчиков или компонентов и выполнение по-грузочно-разгрузочных работ.

Балансирующий робот аналогичен перевёрнутому маятнику (рисунок 8), который представляет собой известную проблему в теории управления и часто используется для тестирования алгоритмов.

В рассматриваемом случае для целей диагностики на модели балансирующего робота моделируются отказы датчиков, отказы исполнительных механизмов, отказы компонентов.

Обозначения на рисунке:

М, ш - массы каретки и мобильного балансирующего робота соответственно в кг;

1, © - длина, м, и угол отклонения мобильного балансирующего робота от вертикального положения равновесия, рад, ф - угол отклонения перпендикуляра к оси мобильного балансирующего робота, рад.

Целью управления - стабилизация мобильного балансирующего робота по вертикали и каретки в стартовом положении (©=0, х=0). Система нелинейна и неустойчива, но линейную модель можно получить вокруг рабочей точки.

Рисунок 8 - Самобалансирующий робот Движение робота описывается следующими уравнениями: ^ тН(Ь828тв + Ь\6со$6 — дз{пвсозв) - Ьзф + и

где R - радиус колеса; I = 1/2*M*R2 - момент инерции колеса; Ь1 - трение в оси колеса; Ь2 - трение качения.

Для удержания равновесия нужна обратная связь по углу, а чтобы робот не уехал со стола в процессе отладки, нужно занулить скорость, поэтому схема выглядит так:

гает.

Контур скорости задает желаемый угол, а внутренний контур его дости-

Модель объекта в среде ЗШЛЬШК изображена на рисунке 9.

Рисунок 9 - Модель самобалансирующего робота с отказами в среде Б1М-

ULINK

6. ВепсИшагк-модель двигательной установки ГПА

В качестве тестового объекта управления здесь выбран двигатель нагнетателя ГПА (рисунок 10).

Рисунок 10 - Функциональная схема двигателя нагнетателя ГПА

1. Отказы привода (рис. 11):

• Л0high — превышение допустимого угла поворота:

Причина: электрический или механический дефект датчика положения.

• Л01о№ — заниженные показания угла поворота:

Причина: электрический или механический дефект датчика положения.

2. Отказы скорости вращения вала:

• Лnhigh — завышенные показания скорости:

Причина: воздействие электромагнитных помех на измерительную цепь.

• Лп1оте — заниженные показания скорости или отсутствие сигнала:

Причина: полная потеря сигнала с обоих датчиков скорости. 3. Отказы двигателя:

Дку — снижение эффективности крутящего момента: Причина: уменьшение подачи воздуха или нарушение состава топливной смеси, ведущая к неполному сгоранию и падению мощности. Тип отказа: Снижение эффективности крутящего момента. Этиология (причины возникновения):

• Нарушение состава топливно-воздушной смеси:

о Снижение массового расхода воздуха на впуске. о Нарушение пропорций смесеобразования.

• Результат: Неполное сгорание топлива, приводящее к снижению выходной мощности и, как следствие, к уменьшению эффективного крутящего момента.

Моделирование в среде виртуального полигона:

Данный тип отказа реализуется в блоке моделирования отказов двигателя через коэффициент Дку, который масштабирует номинальное значение крутящего момента. Активация/деактивация отказа и задание степени его выраженности (величины Дку) осуществляется исследователем вручную с помощью соответствующего переключателя в интерфейсе.

Рисунок 11 - Схема двигателя нагнетателя ГПА с обозначенными отказам Для исследования разработанных алгоритмов диагностики отказов используется 81шиНпк-модель двигательной установки нагнетателя ГПА (рис. 12). Линеаризованная модель двигательной установки:

йх (г )

йг

Ах (г) + Бы (г);

у(0 = Сх(г) + Ои(г),

где А, В, С, О - параметры блоков тестовой Simulink-модели двигательной установки нагнетателя ГПА к_:, b_t, k_n, tau_n, b_u, к_и, a_t, tau_u, a_n, k_y, tau_c, к_г ,к_:, к_г.

А

-к_г

ь г ■ к п

0 -1

гаи_п гаи_п к и ■ а г ки ■ ап

гаи_и 0 0

0

Ь_и■к_п гаи_п -1

гаи_и -к_у ■ к_г гаи_с -0.2

гаи_и 0 0

0 к_п гаи_п

0

-1

гаи_с 0

0 0

0

к_у ■ к_г гаи_с 0

В

к_г 0 0

о 0

0 0 0

к_у■к_г гаи_с 0.2

' 1 0 0 0 0 " ~ 0 0 "

0 1 0 0 0 0 0

С = 0 0 1 0 0 ; о = 0 0