Preview

Мехатроника, автоматизация, управление

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Алгоритмы определения вероятности рисков аварий в тоннелях по характеристикам помехи зашумленных сигналов

https://doi.org/10.17587/mau.22.357-364

Полный текст:

Аннотация

Обсуждается разработка алгоритмов вычисления вероятности возникновения в тоннелях различного рода дефектов, развитие которых может привести к авариям. Отмечено, что тоннели являются важной и сложной частью транспортно-коммуникационной системы, по которой осуществляется интенсивное движение. Поэтому определение вероятности возникновения дефектов в скрытом периоде зарождения на отдельных участках тоннелей является важной задачей. Отмечено, что образование дефектов сопровождается появлением помех, которые искажают полезные сигналы, поступающие от датчиков и измерительных приборов, установленных для контроля устойчивости тоннеля и надежности его конструкций. Традиционно в таких случаях измерительные приборы регистрируют зашумленные сигналы, и по значениям их характеристик оценивают техническое состояние тоннелей. Однако в работе показано, что более надежными индикаторами фиксации начала опасных изменений в скрытом периоде зарождения являются характеристики помехи, которую невозможно выделить из зашумленного сигнала. При этом отмечено, что вероятности, с которой помеха принимает допустимые и критические значения, являются показателем изменения технического состояния тоннелей. Поэтому разработаны алгоритмы вычисления вероятностей попадания значений помехи в заданные интервалы. Показано, что эти вероятности хранятся как эталонные множества начала зарождения дефектов тоннелей. После проведенного обучения значениям вероятностей, с которыми помеха принимает заданные значения в различные моменты времени, ставится в соответствие вид дефекта и одно из возможных технических состояний: исправное, работоспособное, частично работоспособное, неработоспособное; предаварийное; аварийное и т. п. Кроме того, показано, что разности вероятностей, с которыми помеха принимает одни и те же значения в различные моменты, являются показателями динамики изменения возникшей неисправности в тоннели. В работе также создана база информативных признаков интенсивности развития неисправностей. Для данной базы определены такие показатели динамики развития дефекта, как незначительное, медленное, существенное, интенсивное.

Об авторах

Т. А. Алиев
Институт систем управления НАН Азербайджана; Азербайджанский архитектурно-строительный университет
Азербайджан

 д-р техн. наук, академик

 г. Баку



Н. Ф. Мусаева
Институт систем управления НАН Азербайджана; Азербайджанский архитектурно-строительный университет
Азербайджан

д-р техн. наук

 г. Баку



М. Т. Сулейманова
Институт систем управления НАН Азербайджана
Азербайджан

диссертант

 г. Баку



Список литературы

1. Aliev T. Noise Control of the Beginning and Development Dynamics of Accidents. Springer, 2019. 201 p.

2. Швидкий В. Я., Гресь А. А. Контролирование деформаций при проходке тоннелей под действующими ВПП аэропорта Шереметьево // Транспортное строительство. 2019. № 3. С. 23—25.

3. Маковский Л. В., Кравченко В. В. Перспективы создания системы подземных автомагистралей в крупнейших городах и мегаполисах // Транспортное строительство.2018. № 1. С. 11—14.

4. Шевченко А. А., Кобецкий А. Д., Боев А. О. Опыт применения автоматизированных систем мониторинга для тоннелей метрополитенов // Транспортное строительство. 2019. № 2. С. 26—28.

5. Noorossana R., Saghaei A., Amiri A. Statistical Analysis of Profile Monitoring, Wiley, New York, 2012, 332 p. URL: https://www.wiley.com/en-us/Statistical+Analysis+of+Profile+Monitoring-p-9781118071977.

6. Алилуев С. В., Большаков А. А., Попов А. Н., Тетерин Д. П. Методики и алгоритмы контроля и диагностики привода системы управления автономного подвижного аппарата // Мехатроника, автоматизация, управление. 2017.Т. 18, № 4. С. 264—269.

7. Бошляков А. А., Ковалев В. В., Рубцов В. И. Автоматизация диагностики дефектов сканеров оптико-локационных станций. Ч. 1 // Мехатроника, автоматизация, управление. 2017. Т. 18, № 3. С. 180—185.

8. Weihon g (Gr ace) Gu o, J ion g hu a (Ju d y) J in, S. Jack Hu .Profile Monitoring and Fault Diagnosis Via Sensor Fusionfor Ultrasonic Welding // Journal of Manufacturing Science and Engineering. 2019. Vol. 141,Iss. 8. P. 081001-1-81001-13. URL: https://doi: 10.1115/1.4043731.

9. Yaser Zerehsaz, Chenhui Shao, Jionghua Jin.Tool wear monitoring in ultrasonic welding using high-order decomposition // Journal of Intelligent Manufacturing.2019. Vol. 30, N. 2. P. 657—669. URL: https://doi:10.1007/s10845-016-1272-4.

10. Kim J., Huang Q., Shi J., Chang T.-S. Online Multichannel Forging Tonnage Monitoring and Fault Pattern Discrimination Using Principal Curve // ASME Journal of Manufacturing Science and Engineering. 2006. Vol. 128, N. 4. P. 944—950. URL: https://doi.org/10.1115/1.2193552.

11. Amiri A., Zou C., Doroudyan M. H. Monitoring Correlated Profile and Multivariate Quality Characteristics // Quality and Reliability Engineering International. 2013. Vol. 30, N. 1. P. 133—142. URL: https:// doi.org/10.1002/qre.1483.

12. Xiaoli Li, Shen Dong, Zhejun Yuan.Discrete wavelet transform for tool breakage monitoring // International Journal of Machine Tools and Manufacture. 1999. Vol. 39, N.12. P. 1935—1944. URL: https://doi: 10.1016/S0890-6955(99)00021-8.

13. Jian Guo, Zhaojun Li, Jionghua Jin.System Reliability Assessment with Multilevel Information Using the Bayesian Melding Method // Reliability Engineering & System Safety. 2018. Vol. 170.P. 1—268. URL: https://doi: 10.1016/j.ress.2017.09.020.

14. Weihong Guo, Chenhui Shao, Tae Hyung Kim, S. Jack Hu, Jionghua Jin, J. Patrick Spicer, Hui Wang.Online process monitoring with near-zero misdetection for ultrasonic welding of lithium-ion batteries: An integration of univariate and multivariate methods // Journal of Manufacturing Systems. 2016. Vol. 38, N. 1. P. 141—150. URL: https://doi: 10.1016/j.jmsy.2016.01.001.

15. Алиев Т. А., Мусаева Н. Ф., Газызаде Б. И. Технологии мониторинга динамики развития повреждений на буровых установках с использованием моментов высоких порядков помехи // Мехатроника, автоматизация, управление. 2020. Т. 21, № 4. С. 213—223.

16. Алиев Т. А., Мусаева Н. Ф., Сулейманова М. Т. Алгоритмы построения доверительного интервала для математического ожидания помехи и их применение для контроля динамики развития аварий // Мехатроника, автоматизация, управление.2020. Т. 21, № 9. С. 521—529.

17. Aliev T. A., Musaeva N. F. Technologies for Early Monitoring of Technical Objects Using the Estimates of Noise Distribution Density // Journal of Automation and Information Sciences. 2019. Vol. 51, N. 9. P. 12—23.

18. Aliev T. A., Musaeva N. F., Suleymanova M. T., Gazizade B. I. Analytic representation of the density function of normal distribution of noise // Journal of Automation and Information Sciences. 2015. Vol. 47(8), N. 4. P. 24—40.

19. Вентцель Е. С., Овчаров Л. А. Теория случайных процессов и ее инженерные приложения. М.: КНОРУС, 2013. 448 с.

20. Руководствопо техническому диагностированию автодорожных тоннелей. URL: https://www.normacs.ru/Doclist/doc/7UE.html.


Для цитирования:


Алиев Т.А., Мусаева Н.Ф., Сулейманова М.Т. Алгоритмы определения вероятности рисков аварий в тоннелях по характеристикам помехи зашумленных сигналов. Мехатроника, автоматизация, управление. 2021;22(7):357-364. https://doi.org/10.17587/mau.22.357-364

For citation:


Aliev T.A., Musaeva N.F., Suleymanova M.T. Algorithms for Determining the Probability of Risks of Accidents in Tunnels Based on the Characteristics of the Noise of Noisy Signals. Mekhatronika, Avtomatizatsiya, Upravlenie. 2021;22(7):357-364. (In Russ.) https://doi.org/10.17587/mau.22.357-364

Просмотров: 52


ISSN 1684-6427 (Print)
ISSN 2619-1253 (Online)