Iнтегрований підхід до діагностики складних технічних систем: експериментальна валідація та багатовимірна оцінка ефективності

2025-07-10T14:17:01+00:00

У цій статті представлено всебічну експериментальну верифікацію інтегрованого підходу до діагностики технічного стану (ТС) складних технічних систем (СТС) на прикладі суднових енергетичних установок (СЕУ).

Запропонована методологія поєднує логіку прецедентів (Case Based Reasoning – CBR), ймовірнісне прогнозування за допомогою байєсівських мереж і марковських ланцюгів, а також імітаційне моделювання сценаріїв деградації та каскадних відмов. Тестування проводилось за трьома сценаріями: нормальний режим експлуатації, режим підвищеного навантаження та сценарій з обмеженою доступністю даних, що дозволило всебічно оцінити адаптивність алгоритмів і їх стійкість до змінних експлуатаційних факторів. Для кількісної оцінки якості діагностики використовувались класичні метрики бінарної класифікації (Accuracy, Precision, Recall і F1 score), а також нововведені розширені показники: зважена точність (WAcc), F1-оцінка з урахуванням критичності відмов компонентів (F1W), повнота зі зважуванням на ризик відмови (RecallR), скоригована точність з урахуванням вартості помилкових тривог (PrecisionC) та Індекс стабільності діагностики (DSI). Результати багатосценарного експерименту показали стабільне покращення всіх основних показників: Accuracy зросла з 78.5% до 85.3%, Precision – з 75.2% до 83.1%, Recall – з 80.1% до 87.6%, F1 score – з 77.5% до 85.3%, RecallR досягла 91.0%, а DSI становив 0.983. П’ятикратна крос-валідація показала стандартне відхилення F1 score на рівні 2.2%, що підтверджує відтворюваність і надійність запропонованого методу для експериментального тестування інтегрованого підходу до діагностики СТС. Реалізація циклічної процедури "імітація – ймовірності – адаптація CBR" значно зменшила кількість помилкових тривог та пропущених критичних відмов обладнання СЕУ. Практична значущість підходу полягає у можливості його інтеграції в SCADA/PMS-системи морських СТС та наземних енергетичних станцій, що сприятиме переходу до інтелектуального прогнозного обслуговування, зменшенню незапланованих простоїв, зниженню витрат і підвищенню надійності обладнання. Перспективи майбутніх досліджень включають підвищення адаптивності підходу, розширення бази прецедентів та розробку інструментів для автоматизованої обробки гетерогенних даних. Ключові слова: прогнозна діагностика, байєсівські мережі, адаптація CBR, моделювання відмов, ризик-орієнтовані метрики, стабільність діагностики, інтелектуальне обслуговування.

Вісник Східноукраїнського національного університету імені Володимира Даля

Iнтегрований підхід до діагностики складних технічних систем: експериментальна валідація та багатовимірна оцінка ефективності