Алгоритм обучения модели диагностирования системы холодоснабжения по параметрам рабочих процессов при ограниченной статистической информации
DOI: 10.17586/1606-4313-2025-24-4-91-98
УДК 681.326
Сайданов В. О., Тупицин Ю. Е., Матюнин А. С.
Ключевые слова: диагностические параметры, неработоспособное состояние; ортогональное преобразование, процесс обучения.
УДК 681.326
Алгоритм обучения модели диагностирования системы холодоснабжения по параметрам рабочих процессов при ограниченной статистической информации
Ссылка для цитирования: Сайданов В.О., Тупицин Ю.Е., Матюнин А.С. Алгоритм обучения модели диагностирования системы холодоснабжения по параметрам рабочих процессов при ограниченной статистической информации. // Вестник Международной академии холода. 2025. № 4. С. 91-98. DOI: 10.17586/1606-4313-2025-24-4-91-98 [Saidanov V.O., Tupitsin Yu.E., Matyunin A.S. Algorithm for learning a model for diagnosing a refrigeration system based on workflow parameters with limited statistical information. Journal of International Academy of Refrigeration. 2025. No 4. p. 91-98. DOI: 10.17586/1606-4313-2025-24-4-91-98 (in Russian)]
Аннотация
Статья посвящена моделированию отказов систем холодоснабжения на основе статистики о поведении параметров. Раскрываются известные походы к построению моделей диагностирования сложных систем. Структура модели предполагает декомпозицию системы с учетом особенностей функционирования. Обучения модели построено на основе рекуррентного алгоритма, использующего априорные статистические данные о системе. В результате обучения моделируются эталонные изображения неработоспособных состояний системы. Обучение предлагается производить с использованием тригонометрического базиса. Предложен ортогональный тригонометрический базис с произвольной областью ортогональности — это инновационный подход, который может быть использован для улучшения сходимости процесса обучения моделей диагностирования. Этот метод основан на математическом аппарате функционального анализа и позволяет генерировать данные, которые могут быть использованы для обучения моделей машинного обучения. Приводится пример использования предложенного алгоритма обучения модели диагностирования системы холодоснабжения.
Аннотация
Статья посвящена моделированию отказов систем холодоснабжения на основе статистики о поведении параметров. Раскрываются известные походы к построению моделей диагностирования сложных систем. Структура модели предполагает декомпозицию системы с учетом особенностей функционирования. Обучения модели построено на основе рекуррентного алгоритма, использующего априорные статистические данные о системе. В результате обучения моделируются эталонные изображения неработоспособных состояний системы. Обучение предлагается производить с использованием тригонометрического базиса. Предложен ортогональный тригонометрический базис с произвольной областью ортогональности — это инновационный подход, который может быть использован для улучшения сходимости процесса обучения моделей диагностирования. Этот метод основан на математическом аппарате функционального анализа и позволяет генерировать данные, которые могут быть использованы для обучения моделей машинного обучения. Приводится пример использования предложенного алгоритма обучения модели диагностирования системы холодоснабжения.
Ключевые слова: диагностические параметры, неработоспособное состояние; ортогональное преобразование, процесс обучения.
English
Русский
