Ключові слова
leak detector
entropy
copula-entropy взаємна кореляційна функція
течешукач
ентропія
копула-ентропія
Як цитувати
Анотація
Необхідність розвитку методів визначення кореляційного зв’язку між даними про технічний стан об’єктів енергетичної галузі в Україні обумовлено ускладненням діагностування значної кількості обладнання внаслідок його тривалої експлуатації та зносу. Старіння підвищує кількість впливових на стан обладнання факторів, які потрібно враховувати, кількісно пов’язувати між собою за допомогою визначення відповідного інформативного кореляційного зв’язку. Однак поширені методи цього визначення часто не враховують різноманітності умов проведення діагностування, відповідних часових обмежень, тому потребують розвитку та вдосконалення. У роботі, як приклад, розглянуто діагностування технологічних трубопроводів електростанцій. Проблема оперативного визначення в них місць розгерметизації обумовлена значним загальним зносом енергообладнання та загострюється внаслідок війни. В роботі представлено розвиток течешукачів кореляційного типу. Надано приклад відповідної технічної реалізації приладу, який можна застосовувати як автономну інформаційно-вимірювальну підсистему комплексу контролю технічного стану обладнання електростанцій. Розглядаються як методи, що базуються на основі взаємних кореляційних функцій, так і ентропійні методи. Такі методи можуть бути з успіхом використано під час побудови інформаційно-вимірювальних систем діагностування електротехнічного обладнання, що використовують не тільки вібраційні сигнали, але й інші інформаційні сигнали, наприклад, акустично-емісійні сигнали. Бібл. 14, рис. 1.
Посилання
Ning Zhao, Winston T. Lin. A copula entropy approach to correlation measurement at the country level. Applied Mathematics and Computation. 2011. Vol. 218. Issue 2. Pp. 628–642. DOI: https://doi.org/10.1016/j.amc.2011.05.115.
Vladimirsky A.A., Vladimirsky I.A. Correlation parametric methods for determining the coordinates of leaks in underground pipelines. Elekrtonne modeliuvannia. 2021. Vol. 43. No 3. Pp. 3–16. DOI: https://doi.org/10.15407/emodel.43.03.003.(Ukr)
Vladimirsky A.A., Vladimirsky I.A. Spatial and Frequency Correlation Parametric Methods for Determining the Coordinates of Leaks in Underground Pipelines. Elekrtonne modeliuvannia. Vol. 43. No 4. Pp. 22–36. DOI: https://doi.org/10.15407/emodel.43.04.022. (Ukr)
Vladimirsky A.A., Vladimirsky I.A. Parametric correlation method for determining the coordinates of pipeline leaks. Patent UA No 144444, 2020. URL: https://sis.nipo.gov.ua/uk/search/detail/1456109/ (Ukr)
Skalozubov V.I., Biley D.V., Gablaia T.V., Komarov Yu.A., Klyuchnikov A.A., Foltov I.M. Development and optimization of control systems for nuclear power plants with WWER. Chernobyl: Institute for Nuclear Power Plant Safety Problems, 2008. 512 p. (Rus)
Cooper G., McGillem C. Probabilistic Methods of Signal and System Analysis. Мoskva: Мir, 1989. 376 p. (Rus)
Rewerts L.E., Roberts R., Clark M.A. Dispersion compensation in acoustic emission pipeline leak location. In Review of Progress in Quantitative Nondestructive Evaluation. Vol. 16. Pp. 427–434. New York: Plenum Press, 1997. URL: https://link.springer.com/chapter/10.1007/978-1-4615-5947-4_57 (accessed at 15.06.2025) DOI: https://doi.org/10.1007/978-1-4615-5947-4_57.
Callakot R. Diagnostics of damages. Moskva: Mir, 1989. 512 p. (Rus)
Gyzhko Yu.I., Zvaritch V.M. Features of Construction of Elements of Multilevel Expert Systems for Diagnostics of Electrical Equipment Units of Wireless System Element. Tekhnichna Elektrodynamika. 2024. No 5. Pp. 94–98. DOI: https://doi.org/10.15407/techned2024.05.094. (Ukr)
Shannon C.E. A Mathematical Theory of Communication. Bell. Syst. Tech. J. 1948. No 27. Pp. 379–423. DOI: https://doi.org/10.1002/j.1538-7305.1948.tb01338.x.
Jaynes E.T. Information theory a nd statistical mechanics. Phys. Rev. 1957. No 106. Pp. 620–630. DOI: https://doi.org/10.1103/PhysRev.106.620.
Kullback S., Leibler L.A. On information and Sufficiency. The Annals of Mathematical Statistics. 1951. Vol. 22. Pp. 79–86. DOI: https://doi.org/10.1214/aoms/1177729694.
Yan-Ning Suna,Yun-Jie Pana, Li-Lan Liu, Zeng-Gui Gao, Wei Qin. Reconstructing causal networks from data for the analysis, prediction, and optimization of complex industrial processes. Engineering Applications of Artificial Intelligence. 2024. Vol. 138. Article no 109494. DOI: https://doi.org/10.1016/j.engappai.2024.109494.
Sun Y., Qin W., Zhuang Z. Nonparametric-copula-entropy and network deconvolution method for causal discovery in complex manufacturing systems. J. Intell. Manuf. 2022. Vol. 33. Pp. 1699–1713. DOI: https://doi.org/10.1007/s10845-021-01751-w.
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Авторське право (c) 2025 Array