АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ ДИАГНОСТИКИ: ОТ БАЙЕСОВСКИХ ПРАВИЛ ДО АНАЛИТИЧЕСКИХ СЕТЕЙ

Возможность широкого применения математических методов для диагностики и управления электропоездом. Выдвинуто предположение, что теория вероятностей является способом обработки гипотез о влияниях в условиях неопределенности, и следовательно, в дальнейшем ее методы и вычисления могут быть реализованы в методе автоматизированных сетей. Рассматривается частная задача диагностики, которая имеет отношение к прогнозированию, – оценка не только реального состояния системы в целом, но и ее ресурса.

Сбор статистических результатов наблюдения позволит создать модельный прототип, который поможет методологически точно производить диагностику объектов, учитывая всевозможные связи между событиями, выявлять существующие риски и ресурсы.

1. Данковцев В. Т., Киселёв В. И., Четвергов В. А. Техническое обслуживание и ремонт локомотивов:Учебник для вузовж. –д. транспорта. –М.,:ГОУ «УМЦ» [Учебно-методический центр по образованию на железнодорожном транспорте], 2007. – 558 с. Dan kov t sev V. T. , Ki seliev V. I., Chetvergov V. A. Locomotives’ Maintenance Service and Repairs [Tehnicheskoye obsluzhivanie i remont lokomotivov]. Text book for railway universities. Moscow, GOUUMT Spubl. [StateeducationalestablishmentTrainingandmethodological center of railway transport], 2007. 558 p.

2. Саркисян Р. Е., Аракелян Э. К. Концептуальные вопросы построения системы поддержки принятия решений для оперативно-диспетчерского управления энергетическими объектами // Новое в российской энергетике. – 2008. – № 2. – С. 15–24. Sarkisyan R. E., Arakelyan E. K. Conceptual fundamentals of engineering of a system of decision-making supportforthe controlofoperations anddispatching atpower facilities[Konceptualnye osnovy postroeniya systemy podderzhki prinyatia resheniy dlia operativno-dispetcherskogo upravleniya energeticheskimi obiektami]. Novoe d Rossiiskoi Energetike,2008, No 2, pp. 15–24.

3. Стадниченко С. Ю., Масалида А. В. Модели представления знаний для интеллектуальной системы управления электропоездом//Математикаи ееприложения в современной науке и практике: Сб. науч. статей международной научно-практ. конференции/ Юго-Западный гос. ун-т. – Курск, 2011. Stadnichenko S. Yu., Masalida A. V. Models of knowledge representation for intelligence system of electric train controlling [Modeli predstavleniya znaniy dlia intellektualnoy systemy upravleniya electropoezdom]. In: Mathematics and its applications in modern science and practices. Proceedings of international scientific andpractical conference. Kursk, Southern-Western State University, 2011.

4. Хант Э. Искусственный интеллект. – М.: Мир, 1978. – 558 с. Hunt E. Artificial intelligence.[Iskusstvennyi intellect: Russian edition of: Hunt, Earl B. Artificial Intelligence]. Moscow, Mir publ., 1978. 558 p.

5. Саати Т. Принятие решений. Методы анализа иерархий. – М.: Радио и связь, 1993. – 278 с. Saaty, T. Decision Making. The Analytic Hierarchy Process.[Prinyatie resheniy. Metody analiza ierarhiy. Russian edition of Saaty, Thomas L. TheAnalytic Hierarchy Process (AHP) for Decision Making]. Moscow, Radio i sviaz publ, 1993. 278 p.

6. Саати Т. Принятие решений при зависимостях и обратных связях. Аналитические сети. – М.: ЛКИ, 2008. – 360 с. Saaty, T. Decision Making with Dependence and Feedback:TheAnalytic NetworkProcess[Prinyatie resheniy pri zavisimostiah I obratnyh sviaziah. Analiticheskie seti. Russian edition of Saaty, Thomas L. Decision Making with Dependence and Feedback: TheAnalytic Network Process] Moscow, LCI publ, 2008. 360 p.