НЕЧЕТКАЯ МОДЕЛЬ ДИАГНОСТИКИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ

О журнале

Новости

Цели и сфера

Основатель и издатель

Редакционная коллегия

Условия лицензирования

Конфиденциальность

Отношение к плагиату

Публикационная этика

Политика архивирования

Подписка

Для авторов

Инструкции для авторов

Процесс рецензирования

Авторские права

Договор о передаче прав

Редакционные сборы

Архив

Все выпуски

Поиск

Контакты

Контакты

Фам Куанг Банг
аспирант кафедры информационных систем «Тверского государственного технического университета»
Область научных интересов: автоматизация технологических процессов, системы искусственного интеллекта

Мурашов Павел Михайлович
аспирант кафедры информационных систем «Тверского государственного технического университета»
Область научных интересов: автоматизация технологических процессов, системы искусственного интеллекта

Богатиков Валерий Николаевич
д.т.н., профессор кафедры информационных систем «Тверского государственного технического университета»
Область научных интересов: автоматизация технологических процессов, системы искусственного интеллекта

Скачать pdf

УДК 519.4
DOI 10.34757/2413-7383.2023.30.3.007
Язык: Русский

Аннотация: В этой работе приведена система обеспечения безопасности работы технологических процессов с помощью алгоритма нечеткой модели определения степени безопасности в текущим моменте. Для представления упорядоченного множества неисправностей было использования алгоритма построения диаграммы Хассе

Ключевые слова: ДИАГНОСТИКА ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ, ДИАГРАММА ХАССЕ, НЕЧЕТКОЕ РАВЕНСТВО, НЕЧЕТКОЕ ВКЛЮЧЕНИЕ, ПОИСК В ГРАФЕ.

Список литературы:
1. Ярко Е., Чернышов К. Задачи диагностики в человеко-машинных системах управления атомными электростанциями. Международная конференция по промышленной инженерии, приложениям и производству (ICIEAM). 2022. С. 563-571.
2. Вэйци В., Яньмей З., Шоуи С. и Гоцян X. Разработка системы динамической диагностики шахтной безопасности на основе облачных вычислений и технологии Интернета вещей. Журнал интеллектуальных и нечетких систем. 2021. № 40 (4). С. 5837-5844.
3. Зуев В. М., Бутов О. А., Иванова С. Б., Никитина А. А., Уланов С. И. Способ обучения нейронной сети управления роботом // Проблемы искусственного интеллекта. 2021. №2 (21).
4. Иванова С. Б., Сальников И. С., Сальников Р. И. Особенности и результаты групповой компьютерной диагностики и безмедикаментозной терапии психоэмоциональных состояний трудового коллектива в эксперименте. Проблемы искусственного интеллекта. 2021. №1 (20).
5. Перинская Е. В. Математическое моделирование процессов функционирования специализированных аппаратов конвективного типа. Проблемы искусственного интеллекта. 2022. №2 (25).
6. Тоичкин Н. А., Богатиков В. Н. Алгоритм определения центра безопасности для оценки состояния технологического процесса. Информационные технологии в региональном развитии. Апатиты, 2005. Вып. V. С. 68–72.
7. Тоичкин, Н. Проектирование архитектуры информационной системы диагностики состояний и управления безопасностью технологических процессов. Научно-технический вестник поволжья Учредители: ООО «Рашин Сайнс», (3), 128-132.
8. Тоичкин Н. А. Диагностика состояний и управление технологической безопасностью с использованием индекса безопасности (на примере цеха выпарки производства хлора и каустика). Diss. Твер. гос. техн. ун-т, 2006.
9. Фам К. Б., Моделирование процесса сушки зеленого чая. Вестник Тверского государственного технического университета. Серия: Технические науки. 2023. № 3(19). С. 71-83. DOI 10.46573/2658- 5030-2023-3-71-83. – EDN IZQVSF
10. Фам, К. Б., Мурашев П. М., Богатиков В. Н. Прогнозирующее управление индексом качества процесса сушки зеленого чая. Вестник Тверского государственного технического университета. Серия: Технические науки. 2022. № 4(16). С. 63-76. DOI 10.46573/2658-5030-2022-4-63-76. – EDN UGDSMK.
11. Сидиков, И. Х., Мамасадиков, Ю., Мамасодикова, Н. Ю., & Махмудов, И. А. Нечетко-ситуационная модель управление технологических состояний нефтехимических установок и комплексов. Science and Education, 2022. 3(9), 202-213.
12. Перинская Е. В. Математическое моделирование процессов функционирования специализированных аппаратов конвективного типа. Проблемы искусственного интеллекта. 2022. №2 (25).
13. Перинская Е. В. Применение метода вычислительного эксперимента к исследованию параметров конвективных процессов. Проблемы искусственного интеллекта. 2021. №3 (22).
14. Попов Д. И., Виноградов Д. В. Анализ алгоритмов поиска в пространстве состояний. Вестник Московского государственного университета печати, (6), 31-33, 2015.
15. Яо, ЛЮ, Цзяхао, Ли, Чжиган, Чжао, Цзиньчжу, ГУО, Гохун, Ли и Сицзин, Чжу Перспективные технологии шлифования карбидокремниевой керамики: обзор. Журнал передовых производственных наук и технологий. 2023. 4 (1), 2023016-0.
16. Кофман Ф. Введение в теорию нечетких множеств. – М.: Радио и связь, 1982.
17. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 1976.
18. Порешин П.П., Попов Б.Н. Дискретная математика: множества, отношения, логика, автоматы: Учебное пособие М.: Изд-во МАИ-ПРИНТ, 2014.
19. Листопад Н. И., Карук И. А., Хайдер А. А. Алгоритмы поиска кратчайшего пути и их модификация. Цифровая трансформация, (1), 48-63, 2016.
20. Сатиш Т., Премкумар И.Дж., Сараванан Р., Баскер С., Партибан А. и Виджаян В. (октябрь 2020 г.). Увеличение скорости, качества и безопасности процессов за счет недорогой автоматизации – практический пример. Материалы конференции AIP (том 2283, № 1). Издательство АИП.

Выпуск: 3(30)'2023
Раздел: Математическое моделирование
Как цитировать: Фам, К.Б. НЕЧЕТКАЯ МОДЕЛЬ ДИАГНОСТИКИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ // К.Б. Фам, П.М. Мурашев, В.Н. Богатиков // Проблемы искусственного интеллекта. - 2023. № 3 (30). - http://search.rads-doi.org/project/13749/object/201189 doi: 10.34757/2413-7383.2023.30.3.007

Назад к выпуску 3(30)'2023