Помощь в написании студенческих работ
Антистрессовый сервис

Разработка моделей и методов синтеза контролепригодных объектов с помощью генетических алгоритмов

Диссертация: Разработка моделей и методов синтеза контролепригодных объектов с помощью генетических алгоритмов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность проблемы. За последнее время резко возросла сложность современных технических объектов, увеличилось количество выполняемых ими функций, и как следствие — повысились требования к их надёжности. Соответственно непрерывно возрастает роль методов и средств поддержания их в работоспособном состоянии в процессе внедрения и эксплуатации. Эффективность этих методов зависит… Читать ещё >

Разработка моделей и методов синтеза контролепригодных объектов с помощью генетических алгоритмов (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ И ПЕРСПЕКТИВЫ РЕШЕНИЯ ЗАДАЧ СИНТЕЗА КОНТРОЛЕПРИГОДНЫХ ОБЪЕКТОВ
    • 1. 1. Анализ методов обеспечения контролепригодности непрерывных технических объектов
    • 1. 2. Анализ эффективности применения генетических алгоритмов к решению оптимизационных задач
    • 1. 3. Выводы
  • 2. ПРИМЕНЕНИЕ ЭВОЛЮЦИОННОГО ПОДХОДА К ЗАДАЧАМ СИНТЕЗА КОНТРОЛЕПРИГОДНЫХ ОБЪЕКТОВ
    • 2. 1. Разработка и исследование количественных показателей контролепригодности
      • 2. 1. 1. Критерии оценки контролепригодности объекта
      • 2. 1. 2. Исследование влияния топологии граф — модели на мощность множества назначаемых контрольных точек для локализации дефектов
    • 2. 2. Применение генетических алгоритмов к задачам технической диагностики
    • 2. 3. Метод кодирования решения задачи синтеза контроленригодных объектов в виде битовой строки
    • 2. 4. Выводы
  • 3. АДАПТАЦИЯ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ К РЕШЕНИЮ ЗАДАЧ ОБЕСПЕЧЕНИЯ КОНТРОЛЕПРИГОДНОСТИ СЛОЖНЫХ ТЕХНИЧЕСКИЗ СИСТЕМ
    • 3. 1. Поиск множества назначаемых точек контроля с использованием генетического алгоритма
    • 3. 2. Оптимизация настроек генетического алгоритма для решения задач синтеза контроленригодных объектов
      • 3. 2. 1. Анализ параметров генетического алгоритма, влияющих на сходимость решения
      • 3. 2. 2. Анализ параметров генетического алгоритма, влияющих на количество вычислений целевой функции
    • 3. 3. Разработка алгоритма синтез контролепригоднмх объектов по показателю глубины поиска дефекта
    • 3. 4. Разработка алгоритма минимизации времени восстановления технических систем
    • 3. 5. Выводы
  • 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ МЕТОДОВ СИНТЕЗА КОНТРОЛЕПРИОДНЫХ ОБЪЕКТОВ
    • 4. 1. Краткая характеристика газотранспортной сети как объекта контроля
    • 4. 2. Описание работы участка газотранспортной сети
    • 4. 3. Оптимизация контролирующих параметров для мониторинга газотранспортной сети
    • 4. 4. Выводы

Актуальность проблемы. За последнее время резко возросла сложность современных технических объектов, увеличилось количество выполняемых ими функций, и как следствие — повысились требования к их надёжности. Соответственно непрерывно возрастает роль методов и средств поддержания их в работоспособном состоянии в процессе внедрения и эксплуатации. Эффективность этих методов зависит от контролепригодности, т. е. степени приспособленности объектов к контролю s их технического состояния, своевременному обнаружению и локализации дефекта. Обеспечение контролепригодности позволяет значительно сократить время и стоимость восстановления при устранении дефекта, повысить надежность, качество и производительность технических средств.

Высокий уровень контролепригодности, достигаемый благодаря встроенным и внешним средствами контроля, автоматизированной системой сбора, обработки данных для определения технического состояния и оперативного поиска дефектов, обеспечивает принятие своевременных мер по предотвращению аварийных ситуаций, что особенно важно при их ** необратимых последствиях.

Вопросы структурной реализации сложных технических систем с учетом обеспечения их контролепригодности для проведения диагностических работ следует прорабатывать на стадиях их проектирования и изготовления. Это значительно повысит показатели надежности, качества функционирования, сократит затраты на обслуживание и ремонт при их эксплуатации.

Проблеме синтеза контролепригодных систем уделяется большое внимание — фундаментальные положения теории предложены в работах П. П. Пархоменко, А. В. Мозгалевского, Е. С. Согомоняна, В. В. Карибского [24−26, 41, 51], В. А. Гуляева [50], В. И. Сагунова [36, 37, 52, 57, 66, 67], дальнейшее развитие эти вопросы получили в работах Г. С. Пашковского [38], В. П. Чипулиса [63, 64] и других. При этом большая часть работ посвящена вопросам диагностики дискретных объектов. В частности достаточно успешно решаются задачи построения тестовых последовательностей для покрытия возможных неисправностей.

Для класса непрерывных систем нет общего подхода к решению вопросов обеспечения их контролепригодности. В системах со сложной структурой и большим количеством возможных дефектов выбор расположения точек контроля при существовании ограничений на их размещение является достаточно нетривиальной задачей. Используемые для решения таких задач традиционные точные методы, методы ветвей и границ, динамического программирования, градиентного спуска теряют эффективность при увеличении размерности задач, что приводит к необходимости разработки новых методов и алгоритмов проектирования контролепригодных систем. г.

В последнее время для решения задач с большим числом возможных состояний применяются алгоритмы эволюционного моделирования, в частности генетические алгоритмы, использующие для нахождения экстремума целевой функции принципы, лежащие в основе процессов естественного отбора. По своей сути, являясь алгоритмами нахождения глобального экстремума многоэкстремальной функции, они значительно сокращают перебор в сложных задачах и легко адаптируются к изменению условий проблемы.

Таким образом, задачи оптимального синтеза контролепригодных объектов в связи с ростом их сложности и увеличением числа состояний актуальны и требуют развития новых методов для их решения. Генетические алгоритмы предназначены для решения задач оптимизации большой размерности и успешно применяются для решения технических задач. Попытки применения генетических алгоритмов в области технической диагностики отсутствуют. Разработка и адаптация алгоритмов эволюционного моделирования к решению задач обеспечения контролепригодности позволит преодолеть ограничение на размерность решаемых задач и даст новый эффективный подход к решению задач синтеза контролепригодных объектов различной природы и назначения.

Цель работы. Разработка методов синтеза контролепригодных систем с большим числом состояний, определяемым дефектами, на базе эволюционного моделирования. Адаптация генетических алгоритмов к решению задач обеспечения контролепригодности восстанавливаемых непрерывных технических систем по критериям глубины поиска, времени восстановления при наличии ограничений на область допустимых решений.

Методы исследования. В диссертационной работе для теоретических исследований применялись методы теории графов, теории множеств, теории вероятностей и эволюционного моделирования. Для практической апробации и настройки разработанных алгоритмов применено программное статистическое моделирование, реализованное на языке Builder С++. Графический материал при проведении исследований получен с использованием математических технологий пакета MATLAB 6.0, Microsoft Excel.

Объекты исследований. В практическом плане объектами исследования являются восстанавливаемые технические системы непрерывного действия, число возможных состояний которых, обусловленных возникновением дефектов, превышает сто и более единиц.

Научная новизна диссертационной работы. Научная новизна диссертационной работы заключается в следующем:

1) Предложен критерий оценки топологии структуры, позволяющий прогнозировать мощность множества диагностических параметров для обеспечения контролепригодности — коэффициент достижимости.

2) Предложена символьная модель кодирования допустимых решений, с которой работает генетический алгоритм в задачах синтеза контролепригодных объектов.

3) Разработаны структуры генетических адаптированных алгоритмов для решения задач синтеза контролепригодных объектов по критериям максимума коэффициента глубины поиска, минимума времени восстановления при наличии ограничений на технические ресурсы, связанные с обеспечением контролепригодности.

4) Проведён анализ параметров основных операторов * генетического алгоритма для выявления оптимальных настроек с целью обеспечения хорошей сходимости к оптимальному решению.

5) Разработаны рекомендации по настройке генетических алгоритмов синтеза контролепригодных объектов в соответствии со значением коэффициента достижимости граф-модели объекта.

Практическая значимость работы. Разработанные в диссертационной работе модели, методы и алгоритмы предназначены для обеспечения контролепригодности сложных технических систем непрерывного действия с большим числом состояний — возможных дефектов. Практическая ценность работы заключается в том, что с помощью разработанного подхода возможно оценить затраты, связанные с реализацией точек контроля ещё до процедуры их назначения. Программная реализация алгоритмов позволяет существенно повысить эффективность проектирования контролепригодных систем, и, соответственно, обеспечить своевременность принятия управленческих решений с целью предотвращения аварийных ситуаций и снижения эксплуатационных расходов.

Реализация результатов работы. Разработанные математические модели, методы и алгоритмы повышения уровня контролепригодности технических объектов с большим количеством состояний применены на предприятии ООО «Волготрансгаз», в учебном процессе Нижегородского Государственного Технического Университета в виде фрагмента лекций в рамках курса «Надежность, эргономика и качество АСОИУ» для студентов, обучающихся по специальности 22.02.00 «Автоматизированные системы обработки информации и управления».

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на научных семинарах кафедры «Информатика и системы управления» Нижегородского государственного технического университета (2002;2004гг.) — ежегодных научных конференциях факультета информационных систем и технологий Нижегородского государственного технического университета (20 022 004гг.) — 1-й, И-й и III-й Региональной научно-технической конференциях «Будущее технической науки нижегородского региона" — 9-ой Нижегородской сессии молодых учёных.

Публикации. По результатам диссертационной работы опубликовано 12 работ в печатных изданиях.

Структура и объём работы. Диссертационная работа изложена на 150 печатных листах, включает 25 рисунков и 19 таблиц, состоит из введения, 4 глав, заключения, списка литературы и приложения.

4.4. Выводы.

1) Построена математическая модель участка газотранспортной сети между компрессорной станцией Заволжская и компрессорной станцией Сеченовская на Ужгородском коридоре.

2) Определены дефекты, приводящие к аварийной ситуации, т. е. значения соответствующих параметров, которые выведены на пульт диспетчерского управления имеющимися на газотранспортной сети средствами автоматики и телемеханики.

3) С помощью разработанного алгоритма определена минимальная совокупность диагностических параметров для обеспечения различимости возможных дефектов, что позволило повысить эффективность работ по оперативному обнаружению и устранению возникших неисправностей с целью поддержания газотранспортной сети в работоспособном состоянии.

5.

ЗАКЛЮЧЕНИЕ

.

В данной диссертационной работе разработаны методы синтеза сложных контролепригодных технических систем непрерывного действия, базирующиеся на эволюционном моделировании их структуры. Основные научные и практические результаты диссертации сводятся к следующему:

1. Разработанные методы применимы к объектам с большим числом состояний, характеризуемых наличием различных дефектов, возникающих в процессе функционирования технических систем.

2. В результате проведенных исследований введен коэффициент достижимости, характеризующий топологию структуры граф-моделей объектов, с помощью которого можно прогнозировать мощность множества назначаемых точек контроля для обеспечения различимости дефектов.

3. Предложен механизм кодирования и декодирования допустимого решения — множества назначаемых точек контроля в виде битовой строки для решения поставленных задач с помощью генетических алгоритмов.

4. Проведен экспериментальный анализ влияния коэффициента достижимости на настройки операторов генетических алгоритмов при решении задач синтеза контролепригодных объектов. Полученные результаты позволяют прогнозировать затраты, связанные с назначением и реализацией диагностических параметров.

5. Исследовано влияние различных видов операторов генетического алгоритма на эффективность поиска решения. Выполнены оптимальные настройки операторов генетического алгоритма для решения задач синтеза контролепригодных систем с учетом топологии граф-модели, характеризуемой коэффициентом достижимости.

6. Разработаны и реализованы схемы адаптированных генетических алгоритмов для решения задач синтеза контролепригодных объектов по критерию максимума глубины поиска дефекта.

7. Разработан адаптированный генетический алгоритм для решения задачи синтеза контролепригодных объектов по критерию минимума времени восстановления, обеспечивающего повышение показателей надежности восстанавливаемых объектов.

8. Разработанные алгоритмы апробированы при решении задач диагностики состояния участка газотранспортной сети, что позволило сократить объём регистрируемой датчиками и хранимой в базе данных информации для оценки качества функционирования газотранспортной сети.

Показать весь текст

Список литературы

  1. ГОСТ 18 831–73. Технологичность конструкции. Термины и определения. Введен 28.05.73.-12с.
  2. ГОСТ 20 417–75. Техническая диагностика. Общие положения о порядке разработки систем диагностирования. Введен 01. 07. 76.-12с.
  3. Л.П., Мозгалевский А. В. Особенности анализа диагностических процедур сложных систем автоматического управления // Техническая диагностика-М.: Наука, 1972. С.147−151.
  4. Е.К. Поиск неисправных компонент в линейных системах, заданных структурными схемами. Часть I // Автоматика и телемеханика. -1985, № 3. С. 104−110.
  5. А.Е. Поиск дефектов в нелинейных динамических системах в условиях параметрической неопределенности моделей // Электронное моделирование 1994, № 3. С. 66−71.
  6. Я.Я. Топологическая модель функционирования систем // Автоматика и вычислительная техника. — Рига: Зинатне, 1969, № 6.С.20−26.
  7. З.П., Осис Я. Я. Порядок составления граф-модели сложного объекта технической диагностики // Кибернетика и диагностика. -Рига: Зинатне, 1968, вып. 2. С. 19- 32 .
  8. А.Н., Осис Я. Я. Методика оценки функций принадлежности элементов размытого множества // Кибернетика и диагностика. Рига: Зинатне, 1970, вып. 4. С. 125 — 134.
  9. А.Н., Осис Я. Я. Поиск наибольшей разделимости размытых множеств // Кибернетика и диагностика. Рига: Зинатне, 1969, вып. 3. С. 79 — 88.
  10. З.П. Использование граф-модели для решения задач технической диагностики // Кибернетика и диагностика. Рига: Зинатне, 1968, вып. 2. С. 49- 62.
  11. С.А. Применение методов размытой классификации в диагностике сложных систем // Изв. вузов. Приборостроение.- 1995, № 9. С. 72−76.
  12. Dexter A.L. Fuzze model based fault diagnosis // IEE Proc. Contr. Theory & Appl.- 1995.-142,№ 6. C. 545−550.
  13. B.A. Диагностический контроль нелинейных объектов, состоящих из взаимосвязанных структурных элементов // Техническая диагностика. -М., 1972. С. 89−91.
  14. Mebmuller В. Ein Verfahren zur Fehlerlocalisirung mit Graphen in analogen elektronischen System //Nachrichtentechn.- Electron, 1978. P. l 10−113.
  15. Я.А., Тентерис Я. К. Автоматизация построения топологической модели сложной системы для решения задач диагностики // Гибридные вычислительные машины и комплексы. Киев, 1980, № 3. С. 8893.
  16. З.П. Предварительный выбор эффективных диагностических параметров на базе топологической модели объекта // Техническая диагностика. М: Наука, 1972. С. 123−127.
  17. Я.Я. Минимизация числа точек контроля // Автоматическое управление.- Рига: Зинатне, 1967. С. 175- 179.
  18. Я.Я., Маркович З. П. Алгоритм предварительного выбора эффективных диагностических параметров // Кибернетика и диагностика. -Рига: Зинатне, вып. 4. С. 77- 91.
  19. О.И. Поиск дефектов в сложных технических системах методами анализа диагностических графов. Вычисление дефектных компонент и межкомпонентных связей // Автоматика и телемеханика — 1989, № 9. С. 148- 159.
  20. Новый метод анализа с использованием нечетких деревьев неисправностей / Misra Krishna В., Weder Gunter G. // Microelectron. and Rel.-1989, 29, № 2. C. 195- 126.
  21. Деревья отказов и неполные покрытия./Dugan Joanne Becht.// IEEE Trans. Rel.- 1989,38, № 2. C. 177−185.
  22. В. Декомпозиционный метод представления объектов диагностирования моделями обобщенных альтернативных графов // Труды Таллин, техн. ун- та. 1990, № 78. С. 98- 102.
  23. А.Д. Диагнозоспособность, функция связности и спектр графа // Электронное моделирование. 1995, № 2. С. 92- 94.
  24. В.В., Пархоменко П. П., Согомонян Е. С. Техническая диагностика объектов контроля. М.: Энергия, 1967. — 78с.
  25. В.В., Пархоменко П. П., Согомонян Е. С., Халчев В. Ф. Основы технической диагностики. М.: 1976.- 464 с.
  26. П.П. Основные задачи технической диагностики // Техническая диагностика. М., 1972. С. 7- 22.
  27. Методика построения логических моделей непрерывных объектов диагностирования. -Горький: Горьковский филиал ВНИИНМАШ Госстандарта СССР, 1976.-24с.
  28. Л.Н., Рыжаков В. А. Автоматизация разработки условных алгоритмов диагностирования минимальной формы. // Киев. воен. ин-т упр. и связи. — Киев, 1995. 26 с.
  29. С.И. Об одном методе устранения контуров в графе, представляющем сложную систему // Сб. Динамика систем / Горький, 1976, вып 9. С. 116- 124.
  30. Jay S.S. Generation of all Hamiltanian circuits, paths and centers of a graph, and related problems // IEEE Transactions on Circuit Theory. -1967, vol. CT- 14, № l.P. 79−81.
  31. Mayeda J.W., Ramamoorthy C.V. Distinguishability Criteria in oriented graphs and their application on Computer Diagnosis // IEEE Transactions Curcuit Theory. -1969, CT-16, № 4. P.448−454.
  32. Ramamoorthy C.V., Chang L.C. System segmentation for parallel diagnosis of computers // IEEE Transactions on computers. -1971, vol. C-20, № 3. P.261−270.
  33. Nakano H., Nakanishi Y. Necessary and Sufficient Conditions for 1 -Distinguishability on Sistem Diagnosis // Trans, of Jnst. Electronics and Commun. Eng. -1972, D- 55, № 11. P.654- 659.
  34. Toida Shunici. A graph model for fault diagnosis // Digital system. -1982, V-VI, № 4.
  35. С. И, Сагунов В. И. О диагностике неисправностей в непрерывных объектах // Автоматика и телемеханика. -1976, № 9. С. 177−187.
  36. С.И., Сагунов В. И. О доопределении минимальной совокупности точек контроля с целью поиска неисправностей произвольной кратности в непрерывных объектах диагностирования // Автоматика и телемеханика. -1977, № 7. С. 175- 179.
  37. В.И. О поиске многократных неисправностей в непрерывных объектах на минимальной совокупности точек контроля // Техническая диагностика. Челябинск, 1976. С. 50−55.
  38. Г. С. Задачи оптимального обнаружения и поиска отказов в РЭА. М.: Радио и связь, 1981. — 280 с.
  39. Методика выбора диагностических параметров для непрерывных объектов, представленных логическими моделями. -Горький: Гос. комитет стандартов СМ СССР, ВНИИНМАШ, 1977.-67с.
  40. Методика выбора диагностических параметров для непрерывных объектов, представленных логическими моделями в форме графа, с помощью ЭВМ. -Горький: Горьковский филиал ВНИИНМАШ, 1978. -79 с.
  41. А.В. Техническая диагностика (непрерывные объекты). Обзор // Автоматика и телемеханика. -1978, № 1. С. 145- 166.
  42. А.И., Подгорный О. В., Засядько А. А. Распознавание отказов в системах автоматики с помощью ортогональных дискретных функций // Электронное моделирование. -1995, — 17, № 2. С.67−69.
  43. А.К., Кравченко И. Д. Выбор диагностических признаков с максимальной разрешающей способностью // Изв. вузов. Приборостроение, -1996, -39, № 4. С.3−7.
  44. А.К., Кравченко И. Д., Виниченко С. П. Методы и алгоритмы синтеза оптимальных систем диагностирования сложных технических объектов по критерию минимума затрат // Надежность и контроль качества. -1996, № 7. С.43−50.
  45. А.К., Кравченко И. Д. Модель процесса диагностирования технических объектов при использовании непрерывных диагностических признаков // Изв. вузов. Приборостроение. —1994, № 11−12. С.3−9.
  46. Nowakowsci S., Cechin Т. Three approaches of parameters estimation for fault detection, isolation and bias correction // Электронное моделирование. — 1995, № 5. C.50−58.
  47. Рекомендации по оценке контролепригодности машин и приборов. -Горький: Горьковский филиал ВНИИНМАШ, 1972, — 26 с.
  48. Методика выбора показателей и оценки уровня контролепригодности конструкций машин и приборов. -Горький: Горьковский филиал ВНИИНМАШ, 1975.- 42 с.
  49. Методические указания по проектированию контролепригодных устройств и систем / АН УССР, Ин-т проблем моделирования в энергетике. Сост. Гуляев В. А. Киев: Наук, думка, 1985.-32 с.
  50. В.А. Техническая диагностика управляющих систем. -Киев: Наук, думка, 1983. 208 с.
  51. М.В., Карибский В. В. Показатели системы диагностирования // Автоматика и телемеханика. -1979, № 7. С. 137−145.
  52. ГОСТ 23 563–79. Техническая диагностика. Контролепригодность объектов диагностирования. Введен 18.04.79. — 11с.
  53. ГОСТ 24 029–80. Техническая диагностика. Категории контролепригодности объектов диагностирования. Введен 10.03.80. -8с.
  54. А.И. Оптимизация глубины диагностирования технических объектов. // Сб. «Техническая диагностика электронных систем». Киев: Наук, думка, 1982. С.51−56.
  55. B.C. Минимизация эксплуатационных издержек на автомобильном транспорте // Сб. трудов НИИУавтопром. -Горький, 1982, вып. 2. С.84- 85.
  56. В.И. Обеспечение максимальной глубины поиска дефекта при заданном числе дополнительных точек контроля // Надежность и контроль качества. -1979, № 10. С. З- 7.
  57. Л.К., Трубицына Е. Л. Применение графовых моделей для определения показателей качества обнаружения появляющихся дефектов // Сб. науч. трудов / С.-Петербург, гос. техн. ун-т. -1995, № 452. С.110−120.
  58. Л.К. Оценка показателей качества обнаружения появляющихся дефектов при двухуровневой системе принятия решений // Сб. науч. трудов / С.-Петербург, гос. техн. ун-т.- 1995, № 452. С.98−109.
  59. Л.Б. Показатели надежности отказоустойчивых систем // Надежность и контроль качества. 1989, № 6. С. 14−20.
  60. В. В. Количественные оценки в теории надежности. -М. Знание, 1989. -48 с.
  61. А.И., Повякало А. А. Отказоустойчивость и безотказность систем из невосстанавливаемых элементов // Приборы и системы управления. -1989, № 11. С.3−5.
  62. В.П. Диагностирование утечек в гидравлических цепях I. // Автоматика и телемеханика. -1997, № 1 .С. 150−159.
  63. В.П. Диагностирование утечек в гидравлических цепях I. // Автоматика и телемеханика. —2000, № 7.С.160−170.
  64. А.П., Хасилев В. Я. Теория гидравлических цепей. М.:Наука, 1983.
  65. Л.С., Сагунов В. И. Контролепригодность структурно связанных систем. М.: Энергоатомиздат. 1990.
  66. В.И., Соколова Э. С. Влияние глубины диагностирования на надежность сложных систем //Сб. «Вопросы стандартизации в области диагностического обеспечения машин и оборудования». — М.:ВНИИНМАШ, 1986, вып.56. С.73−82.
  67. А.В. Автоматизированная система диагностирования тягового электропривода электропоезда i* «Сокол», http ://setri .spb.ru/rus/articles/asd.html.
  68. Геодезическое позиционирование объектов транспорта газа ОАО «Газпром», как средство экономии ресурсов. http://www.ngg.ru/rus/articles2.html
  69. В.И., Соколова Э. С., Бушуева М. Е. О поиске кратных ошибок в программных модулях // Контроль и диагностика, № 8, 2001 г.
  70. Э.С. Диагностирование гидравлических сетей на базе дискретной модели // Информационные системы и технологии ИСТ-2003. Н. Новгород, 2003, с. 124.
  71. Сагу нов В.И., Соколова Э. С. Обеспечение надежности системы путем изменения глубины диагностирования при минимальных затратах // Динамика систем. Динамика и управление. Горький, 1986. С. 168−176.
  72. Э.С., Сагунов А. В. О влиянии отказов подсистем на качество функционирования сложного объекта // IV Международная конференция «Математика, компьютер, образование.»:Тезисы докладов. — М., 1997. С. 145.
  73. Э.С. Обеспечение требуемого уровня надежности при минимальных затратах // Стандарты и качество. Методы менеджмента качества. № 8, 2000. С. 23−25.
  74. Э.С. Об одном алгоритме диагностирования одиночных дефектов // Стандарты и качество. Методы менеджмента качества. № 7, 2001. С.28−30.
  75. JI.C. О построении оптимальных программ диагностики состояния сложных систем // Техническая кибернетика. -1966, № 4. С. 95 101.
  76. С. И. Сагунов В.И. Определение минимального множества контрольных точек для определения дефектов произвольной кратности // II Всесоюзная конф. «Проблемы надежности при проектировании систем управления»: Тез. докл.-Киев, 1976. С. 13−14.
  77. Н.Н. Основы комплексной диагностики северных газопроводов. М.: Газоил пресс, 2003. — 352 с.
  78. Д.А., Яковлев Е. И. Современные методы диагностики магистральных газопроводов. JL: Недра, 1987.-232 с.
  79. Соколова Э. С Разработка и реализация моделей, методов и алгоритмов решения задач оптимального синтеза контролепригодных объектов: Дис. д-ра техн. наук. Нижний Новгород., 2001.-351с.
  80. Д.И. Генетические алгоритмы решения экстремальных задач. Нижний Новгород: Нижегородский госуниверситет, 1995.
  81. Г. К., Махотило К. В., Петрашев С. Н., Сергеев С. А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. — X.: ОСНОВА, 1997. — 112 с. http://neuroschool.narod.ru/books/gannvirt.zip
  82. В.И., Ильясов Б. Г. Интеллектуальные системыуправления с использованием генетических алгоритмов — Приложение к журналу «Информационные технологии» № 12/2000.
  83. С.А. Разработка и исследование генетических алгоритмов для принятия решений на основе многокритериальных нелинейных моделей:Автореф. дис. канд. техн. наук:05.13.17.-Нижний Новгород, 2000.-19с.
  84. А.В., Лоскутов А. И. Нейросетевые алгоритмы прогнозирования и оптимизации систем — Спб.: Наука и Техника, 2003. -384 с.
  85. Емельянов В. В, Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. М.: ФИЗМАТЛИТ, 2003. — 432 с.
  86. С.А. Генетические алгоритмы эволюционные методы поиска, http://algolist.manual.ru/ai/ga/ga2.php
  87. С.А. Популярно о генетических алгоритмах. http://algolist.manual.ru/ai/ga/gal.php.
  88. В. Н., Курейчик В. М. / Генетический алгоритм для трассировки двухслойных каналов Журнал «Автоматизация проектирования», № 1, 1999 год // Издательство «Открытые системы» (http://www.osp.ru/)
  89. В.М. Генетические алгоритмы. //Перспективные информационные технологии и интеллектуальные системы 2000 № 1 http://pitis.tsure.ni/files/4.exe.
  90. В.В Курейчик Перспективные архитектуры генетического поиска // Перспективные информационные технологии и интеллектуальные системы 2000 № 1 http://pitis.tsure.ni/files/8.exe.
  91. С.И. Формы реализации и границы применения эволюционных алгоритмов. // Перспективные информационные технологии и интеллектуальные системы 2002 № 1 http://pitis.tsure.ru/files9/p07.pdf.
  92. С.И. Эволюционные стратегии: концепции и результаты. // Перспективные информационные технологии и интеллектуальные системы 2002 № 2 http://pitis.tsure.ru/fileslO/rlsl.pdf.
  93. Darrell Whitley. A Genetic Algorithm Tutorial. Colorado State University. 1993. http://www.cs.colostate.edu/~whitley/2001/overview.pdf
  94. Darrell Whitley. An Overview of Evolutionary Algorithms. Journal of Information and Software Technology 43:7−831, 2001 http://www.cs.colostate.edu/~genitor/2001/overview.pdf
  95. Юрий Бургер. FAQ по мягким вычислениям. http://faqs.org.ru/progr/common/mildfaq.htm
  96. William M. Spears (1992) Crossover or Mutation? In D. Whitley, editor, Proceedings of the Foundations of Genetic Algorithms Workshop, Vail,
  97. CO, pages 221−237. Morgan Kaufmannhttp://www.aic.nrl.navy.mil/~spears/papers/foga92.ps.gz
  98. William M. Spears. The Role of Mutation and Recombination Evolutionary Algorithms Ph.D. thesis, George Mason University, Fairfax, VA, 1998. http://www.aic.nrl.navy.mil/~spears/papers/thesis.single.pdf
  99. О. E., Капранов С. Н. «Применение генетических алгоритмов для выбора оптимального множества точек контроля»// Информационные системы и технологии. Тезисы докладов. НГТУ. — Апрель2002. стр. 180- 181.
  100. О. Е., Капранов С. Н. «Синтез контролепригодных объектов»// Информационные системы и технологии. Тезисы докладов. НГТУ. Апрель 2002. стр. 189−190.
  101. С. Н. «Применение генетических алгоритмов в задачах синтеза контролепригодных объектов» // Серия «Труды НГТУ» том 35 «Системы обработки информации и управления». Выпуск 9. НГТУ. — 2002. стр. 72 — 75.
  102. О. Е., Капранов С. Н. «Разработка метода технического диагностирования объектов с помощью эволюционного моделирования» // Информационные системы и технологии. Тезисы докладов. НГТУ. — Апрель2003. стр. 131−132.
  103. С. Н., Соколова Э. С. «Адаптация генетического алгоритма для решения задач синтеза контролепригодных объектов» // Информационные системы и технологии. Тезисы докладов. НГТУ, Апрель2004. стр. 110−111.
  104. С. Н. «Кодирование допустимого решения задачи синтеза контролепригодных объектов в битовую строку»// Труды III — ей молодёжной научно-технической конференции «Будущее технической науки», Тезисы докладов. — Май 2004. стр. 95−96.
  105. Э.С., Капранов С. Н. «Обеспечение контролепригодности технических систем с использованием эволюционного моделирования». Журн. «Методы менеджмента качества», № 8, 2004. стр. 4246.
  106. Э.С., Капранов С. Н. «Оптимизация коэффициента глубина поиска дефектов методом генетических алгоритмов». Журн. «Контроль. Диагностика», № 4, 2004. стр. 32−39.
  107. С.Н. «Разработка модели синтеза контролепригодных объектов на базе эволюционного моделирования». Труды конференции «IX Нижегородская сессия молодых учёных», Тезисы докладов Февраль 2004. стр. 11−12.
  108. MatrixC0.1.=l- MatrixC [i] [CountN-1 ]=1-do {for (k= 1 -k<4-k++) {do {i = rand()%CountN- j = rand()%CountN + 1- }while((i> j)) — MatrixC1.j.=l-
  109. FillMatrixD (CountN) — Eq=0-for (i=0-i
  110. Rez=(float) (2*Eq) /(CountN*CountN-CountN)-while (Rez < Kd) —
  111. MatrixD1.j.=MatrixC[i][j]- for (i=CountN-1 -i≥0-i~) TrueFillMatrixD (i, i, CountN)-void TrueFillMatrixD (int row, int fillrow, int CovintN) {int ij-for (i=row-i
Заполнить форму текущей работой

Сессия? Спокойно!