Интеллектуальная поддержка принятия решений при управлении процессом вывода в ремонт электротехнического оборудования

• Автор: Елтышев, Денис Константинович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Пермь
• Количество страниц: 178 с. : ил.

СПИСОК СОКРАЩЕНИЙ
БД - база данных
ЭО - электротехническое оборудование
ИППР - интеллектуальная поддержка принятия решений
КОВ - коэффициент относительной важности
КОП - критерий оценки приоритета
ЛП - лингвистическая переменная
ЛПР - лицо, принимающее решение
МАИ - метод анализа иерархий
MB — баковый масляный выключатель
МНК - метод наименьших квадратов
МПС - матрица попарных сравнений
МРКВ - методика расчета коэффициентов относительной важности
НБЗ - нечеткая база знаний
НКА - нечеткий кластерный анализ
НЛ - нечеткая логика
HJIB - нечеткий логический вывод
НМА - нечеткий многокритериальный анализ
ПР - принятие решений
ППР - планово-предупредительный ремонт
ПЭО — предприятие энергетической отрасли
СИГРЭ - Международный Совет по большим электроэнергетическим системам
СКО - среднее квадратическое отклонение
СМПРР - структурная модель процесса интеллектуальной поддержки принятия управленческих решений по выводу в ремонт ТС - техническое состояние УПВР - управление процессом вывода в ремонт ФП — функция принадлежности
СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1 СОВРЕМЕННОЕ СОСТОЯНИЕ ИССЛЕДОВАНИЙ В ОБЛАСТИ ЭКСПЛУАТАЦИИ И РЕМОНТА ЭЛЕКТРОТЕХНИЧЕСКОГО
ОБОРУДОВАНИЯ
1Л Общие аспекты проблемы управления процессом вывода в ремонт
1.2 Формализация базовых структурно-функциональных элементов интеллектуальной поддержки принятия решений по выводу в ремонт
1.3 Анализ существующих исследований в области поддержки принятия решений по выводу в ремонт
1.4 Методы и модели принятия решений в задачах управления процессом вывода в ремонт
1.4.1 Общие подходы к моделированию процесса принятия решений
1.4.2 Методы и модели, основанные на теории нечетких множеств и нечеткой логике
1.5 Выводы по первой главе
ГЛАВА 2. РАЗРАБОТКА СТРУКТУРНОЙ МОДЕЛИ ПРОЦЕССА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПО ВЫВОДУ В РЕМОНТ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ
2.1 Аспекты принятия решений в процессе формирования оценок фактического технического состояния
2.2 Математическая модель принятия решений по планированию объемов профилактических мероприятий
2.3 Концептуальное представление процесса интеллектуальной поддержки принятия решений по выводу в ремонт
2.4 Методика расчета приоритета и определения очередности
вывода в ремонт
2.5 Алгоритм планирования объемов ремонтных мероприятий
2.6 Выводы по второй главе
ГЛАВА 3 РАЗРАБОТКА МЕТОДИКИ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ

ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОЦЕССОМ ВЫВОДА В
РЕМОНТ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ
ЗЛ Интеллектуальная поддержка принятия решений при комплексной оценке
фактического технического состояния
ЗЛЛ Структурная модель комплексной оценки технического состояния
3.1.2 Определение уровней технического состояния и категорий решений в области проведения ремонтно-эксплуатационных мероприятий
3.1.3 Алгоритм параметрической оптимизации нечеткой модели оценки технического состояния
3.1.4 Алгоритм поддержки принятия решений для комплексной оценки фактического технического состояния
3.2 Методика интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт
3.3 Выводы по третьей главе
ГЛАВА 4 ИССЛЕДОВАНИЕ ПРОЦЕССОВ ЭКСПЛУАТАЦИИ И ОБСЛУЖИВАНИЯ БАКОВЫХ МАСЛЯНЫХ ВЫКЛЮЧАТЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДИКИ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
4.1 Обоснование выбора объекта апробации
4.2 Формализация процесса интеллектуальной поддержки принятия
управленческих решений по выводу в ремонт

4.2.1 Выбор ключевых технических параметров
4.2.2 Нечеткая модель комплексной оценки фактического технического состояния
4.2.3 Интегральная оценка технического состояния
4.3 Алгоритм принятия решений при управлении процессом вывода в ремонт..
4.4 Апробация методики интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт
4.5 Выводы по четвертой главе
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЯ
помощи весовых коэффициентов [17, 93].
Процесс моделирования (процедура НЛВ) на данном этапе включает следующую последовательность действий (на примере схемы Мамдани) [17, 52].
Шаг 1. Фаззификация (введение нечеткости) исходной информации о параметрах состояния и факторах эксплуатации ЭО или процесс нахождения значений ФП нечетких множеств (термов ЛП) [17, 52, 93, 94, 113, 121]. В качестве ФП, получивших наибольшее распространение в практических приложениях [52, 57, 93, 94, 114, 116], используются типовые функции £-7?-типа (треугольная, трапецеидальная, гауссова, колоколообразная, трапецеидальная и др.). Конкретный вид функций (их форма) зависит от значений параметров, которые фигурируют в их аналитическом описании, и может уточняться с учетом экспериментальных данных [52, 93, 113].
Шаг 2 Агрегирование степеней истинности предпосылок по каждому из правил НБЗ [17, 52, 93, 94, 113, 114]: для логической связки «И»
а,=тт{р^ (х;)}, /=Ьи, у=Ья, /=1у, (1-2)
для логической связки «ИЛИ»
а,=тах{ц4 (ху)}, /=1 :п, у=Ьи, /=Ь, (1.3)
где р ( (ху) - степень принадлежности у'-й переменной нечетким оценочным
термам А,/, а,- степень истинности /-ой предпосылки /-го правила.
Шаг 3. Активизация заключений правил (импликация) - определение модифицированных ФП р .(.у) этих заключений для каждого /-го правила при
помощи операции /яш-активизации [17]:
рд. (у)=шт(а/, цВ; (у)) ,/ = 1:5. (1.4)
Полученные результаты могут быть скорректированы путем их алгебраического произведения на весовые коэффициенты соответствующих правил [17, 93].
Шаг 4. Аккумулирование заключений основывается на нахождении