Исходя из требований приведенных выше, был произведен выбор элементной базы для системы диагностики, которая удовлетворяет требованиям, сформулированным в п. 3.3. Таким образом, система диагностики состоит из двух основных частей:
· погружной блок ИМ;
· наземный блок системы диагностики.
Погружной блок состоит из множества ИМ, количество которых определяется индивидуальной конструкцией оборудования и может достигать 32-х (максимальное число устройств подключаемых к шине по стандарту RS485). Каждый ИМ имеет в своем составе следующие функциональные узлы:
· акселерометр MMA7455(Analog device) [38];
· датчик температуры TMP35 (Analog device) [83, 136];
· нормирующие преобразователи (фильтр нижних частот (ФНЧ) и усилитель напряжения (УН)) [51] на операционном усилителе OP284 (Analog device);
· микроконтроллер Mega 16 (Atmel) [62];
· микросхема интерфейса MAX491 (Maxim) [113];
· компенсационный стабилизатор;
· параметрический стабилизатор [21].
Структурная схема ИМ на основе вышеперечисленных компонентов представлена на рисунке 4.1.
Рисунок 4.1 - Структурная схема измерительного модуля
Измерение энергетических параметров в данном случае практической реализации предлагается выполнять с помощью контроллера СУ. Тогда наземная часть системы диагностики состоит из следующих функциональных узлов:
· устройство преобразования форматов данных;
· ПК или ноутбук;
· СУ с контроллером.
В свою очередь УПФ состоит из следующих компонентов:
· микросхема преобразования интерфейсов RS485-RS232, MAX491;
· микросхема преобразования интерфейсов RS232-USB, FTDI232;
· элементы питания схемы (ИП).
Структурная схема наземной части системы диагностики на основе вышеперечисленных компонентов представлена на рисунке 4.2.
Сигналы с датчиков поступают на АЦП микроконтроллера в зависимости от выбранного канала измерения. Далее происходит преобразование сигналов и запись их в ОЗУ.
Рисунок 4.2 - Структурная схема наземной части системы диагностики
После выполнения полного цикла измерений и преобразований, измерительная информация, посредством микросхемы интерфейса и информационный шины, передается в УПФ. В данном блоке происходит преобразование форматов, после чего сигналы поступают на ПК, где происходит их обработка и представление результата испытания оператору.
4.2. Программный комплекс поддержки принятия решений диагностики погружного электрооборудования
Разработанный во второй главе алгоритм поддержки принятия решений диагностики погружного электрооборудования и методика количественной оценки степени развития дефектов требует выполнения ряда сложных математических и логических операций, связанных с вычислением вейвлет-преобразования временного сигнала вибрации, комплексной оценкой расстояния между ядрами класса и исследуемым прецедентом, и т.д. Для удобства обработки данных вибрации был разработан программный комплекс, позволяющий автоматизировать операции, связанные с диагностикой погружного электрооборудования с использованием алгоритма поддержки принятия решений на основе правил вывода по прецедентам.
Для надлежащей программной реализации разработанных алгоритмов и методик необходимо провести анализ данной прикладной задачи и выбрать оптимальный состав средств разработки ПО.
При написании программного комплекса необходимо реализовать 2 основные задачи, которые значительно отличаются друг от друга по выполняемым операциям:
· вычисление вейвлет-преобразования;
· реализация алгоритма поддержки принятия решений на основе прецедентов;
· количественная оценки степени развития дефекта.
Первая задача (вычисление вейвлет-преобразования) является наиболее трудоемкой и нетривиальной, что требует значительных вычислительных затрат. Данная операция связана с многократным вычислением интеграла произведения двух сложных функций, поэтому ее программная реализация в рамках возможностей стандартных языков высокого уровня является очень сложной и трудоемкой задачей.
Однако существует ряд пакетов, которые содержат уже готовые модули вычисления подобных сложных математических операций. К таким программным продуктам можно отнести MathCAD, MATLAB, и т.д. [109, 126].
Система компьютерной математики MathCAD очень удобна для ознакомления с техникой вейвлет-преобразования. Взаимодействие пользователя с системой осуществляется с помощью понятного математически ориентированного языка. Однако данный язык не позволяет обеспечить возможность использования результатов вейвлет преобразования в других системах. Кроме того вычисление вейвлет-преобразования в среде MathCAD требует значительных вычислительных затрат, что связанно с довольно медленным методом интегрирования, используемым в указанной системе.
Пакет расширения систем MATLAB – Wavelet Toolbox – одно из новейших и мощных программных средств для реализации и применения вейвлет-функций и проведения вейвлет-анализа. Пакет предоставляет широкие возможности по работе с вейвлетами, причем как в командном режиме, так и с помощью графического интерфейса пользователя. По разнообразию типов вейвлетов и функций для обработки сигналов, а также по количеству примеров, данный пакет является одним из самых лучших. Пакет Wavelet Toolbox предоставляет:
· инструментальные средства для вейвлет-анализа и синтеза сигналов;
· большое количество встроенных вейвлетов разных порядков;
· средства обработки сигналов;
· средства для проведения непрерывного и дискретного вейвлет-преобразований;
· средства визуализации вейвлетов и всех операций с ними.
Перечисленные возможности реализуются как на уровне функций, доступных из командной строки, так и через графический интерфейс пользователя.
Исходя из перечисленных выше особенностей, можно сделать вывод, что применение MATLAB Wavelet Toolbox для вычисления вейвлет-преобразования временных сигналов вибрации погружного электрооборудования является наиболее оптимальным решением. Описание и примеры работы в MATLAB Wavelet Toolbox подробно изложены в [59, 126, 134, 135].
Кроме того, полученный код на языке MATLAB легко компилируется в приложение, что позволит в дальнейшем использовать данный модуль в различных средах программирования для выполнения функции вейвлет-преобразования сигнала вибрации. Для этого достаточно чтоб в разрабатываемом ПО была предусмотрена функция открытия данного приложения, которое в свою очередь автоматически способно обратиться к необходимым данным, произвести все необходимые вычислительные операции и сохранить результат в форме удобной для дальнейшего использования любой системой программирования на языках высокого уровня.
Для реализации двух последних задач (алгоритма поддержки принятия решений на основе прецедентов и количественной оценки степени развития дефекта) необходимо выбрать язык программирования. Выбор языка программирования определяется следующими критериями:
· наличие в активной версии транслятора языка средств структурного программирования и организации пользовательского интерфейса;
· возможность проводить математические расчеты, т.е. наличие соответствующих типов данных и функций для работы с ними;
· возможности разбиения программы на модули;
· возможность создания программ не требовательных к ресурсам ЭВМ.
Проводя анализ наиболее распространенных языков программирования можно сделать вывод, что язык C++ является оптимальным для написания программных модулей системы диагностики погружного электрооборудования.
В качестве системы программирования использовалась система C++ Builder 2010, которая отвечает всем вышеперечисленным требованиям.
Указанная версия обеспечивает поддержку «Unicode», что позволяет обеспечить корректную работу написанного приложения с любым, установленном на компьютере, языковым пакетом ОС Windows.
Также в выбранной среде реализовано множество функций и особенностей, которые позволяют создавать более качественные программные продукты, среди них:
· элемент «Generics» и анонимные методы для C++, позволяют создавать более гибкий и качественный код;
· новую библиотеку VCL с множеством новых компонентов для создания развитого графического интерфейса;
· меньшее время передачи приложением сообщений ОС.
Выбранная система дает возможность использования следующих ее возможностей:
· объектно-ориентированный подход;
· визуальное программирование интерфейса.
При объектно-ориентированном подходе в программировании, приложение не является простой последовательностью выполнения прописанных операторов, а представляет собой совокупность объектов и способов их взаимодействия. Обмен данными между объектами приложения происходит в результате определенных событий. Прежде всего – это действия пользователя (например, нажатие определенной кнопки). Кроме того, события могут наступать в результате работы самого объекта. В каждом экземпляре объекта могут быть определены обработчики определенных событий. Написание программного кода указанных обработчиков и является основным этапом программирования с помощью среды C++ Builder 2010.
Визуальное программирование получило в настоящее время широкое распространение, поскольку оно позволяет, за счет существующих в среде элементов, просто и наглядно произвести компоновку пользовательского интерфейса. В результате чего программист наблюдает результат данных действий, которым является внешний вид формы и расположение элементов на ней. В свою очередь программная среда автоматически генерирует коды, описывающие данные визуальные элементы и включает их в проект.
Использование визуального и объектно-ориентированного программирования позволяет использовать современный подход, который носит название «быстрая разработка приложений».
Резюмируя вышесказанное можно отметить, что использование среды программирования C++ Builder 2010 позволяет реализовать следующее:
· создание полностью законченных приложений для различных сфер деятельности;
· выполнение различных операций, а также операций с графикой;
· значительно снизить время, затрачиваемое на создание интерфейса, который будет корректно отображаться в любой версии ОС Windows;
В параграфе рассматриваются основные принципы организации разработанного программного комплекса, включая его внутреннюю структуру (рисунок 4.6).
Рисунок 4.3 - Структура программного комплекса
В структуре программного комплекса можно выделить следующие модули:
Модуль wawt.m. Данный модуль написан на языке MATLAB с применением функций входящих в состав пакета расширения Wavelet Toolbox. Данный модуль является единственным в составе программного комплекса, который написан на языке MATLAB, поэтому для применения его в составе комплекса была выполнена компиляция программного модуля в исполняемый файл «wawt.exe».
Указанный модуль обеспечивает:
· реализацию алгоритма непрерывного вейвлет преобразования по заданным параметрам;
· преобразование полученного результата в форму удобную для дальнейшего использования в системе C++ Builder 2010, а также сохранение его виде отдельного файла на жестоком диске компьютера.
Основной функцией данного модуля является «cwt» - функция выполнения непрерывного вейвлет-преобразования.
Модуль Unit1.cpp. Данный модуль совместно с файлом unit1.dfm обеспечивает возможность загрузки данных из файла для дальнейшего анализа, а также построения по этим данным графика функции вибрации.
Для этого необходимо выбрать файл, содержащий данные по измеренной вибрации и нажать кнопку «построить график», после чего произойдет загрузка данных в систему и отобразится график функции. Часть экранной формы программы, отвечающая за реализацию данного модуля, представлена на рисунке 4.7.
Рисунок 4.4 - Форма для загрузки данных и построения графика
Модуль Unit2.cpp. Данный модуль (рисунок 4.8) осуществляет запуск вейвлет-преобразования, выбранного сигнала. Как отмечалось выше, вейвлет преобразование выполняется с помощью модуля «wawt.m», то есть по событию нажатия кнопки «выполнить преобразование», программа открывает исполняемый файл «wawt.exe», который выполняет преобразование и сохраняет результат в файл «waw.txt», предварительно выполнив преобразования данных для возможности дальнейшего применения в среде C++ Builder 2010.
Рисунок 4.5 - Форма для запуска вейвлет-преобразования
Модуль Unit3.cpp. Указанный модуль выполняет, одну из самых ключевых операций в рамках всей функциональности программного комплекса - по полученным значениям вейвлет-преобразования производит поиск локальных максимумов. Функционирование данного модуля (рисунок 4.9) происходит следующим образом: по нажатию кнопки «Найти точки максимума», происходит загрузка файла «waw.txt», после чего в полученном двумерном массиве данных отыскиваются координаты элементов массива, которые являются точками максимума. Далее полученные координаты (масштаб и временной сдвиг) максимумов выводятся на экран (элемент ListBox). Помимо этого выполняется подсчет количества полученных локальных максимумов. Данное число также выводится на экранную форму (посредством элемента Label). Кроме того, точки отображаются на графике (рисунок 4.12).
Рисунок 4.6 - Форма для нахождения координат точек максимума
Данные полученные в результате выполнения описанных выше модулей, являются исходными для алгоритма поддержки принятия решения на основе правил вывода по прецедентам (п. 2.2) и количественной оценки степени развития дефекта (п. 2.3.).
Модуль Unit4.cpp. Данный модуль (рисунок 4.10) реализует начальную часть алгоритма поддержки принятия решений. Исходя исключительно из количества локальных максимумов, модуль производит выборку возможных дефектов. То есть по нажатию кнопки «вывести возможные дефекты» на форме (элемент Listbox) отображается список тех дефектов, которые удовлетворяют условию дефекта по количеству локальных максимумов. С ядрами классов эквивалентности, перечисленными в данной форме, будет в дальнейшем сравниваться исследуемый случай.
Рисунок 4.7 - Форма для определения списка возможных дефектов
Модуль Unit5.cpp. Данный модуль (рисунок 4.11) выполняет все основные операции, реализующие алгоритм поддержки принятия решения на основе прецедентов, описанный в п. 2.2.
Рисунок 4.8 - Форма для оценки расстояния
По нажатию кнопки «Оценить расстояние», программный модуль производит все вычисления, аналитическая часть которых подробно описана в п.2.2, а также выводит на форму следующие данные:
· расстояние по масштабу для всех возможных вариантов;
· расстояние по временному сдвигу для всех возможных вариантов;
· комплексное расстояние для всех возможных вариантов.
Таким образом, по результатам вычислений, выполненных данным модулем, можно сделать вывод о виде дефекта присутствующем в исследуемом оборудовании.
Модуль Unit6.cpp. Данный модуль (рисунок 4.12) выполняет функции определения дефекта, производит расчет СКЗ вибрации и степени развития дефекта. Таким образом, по нажатию кнопки «сформировать результат» производится выборка наименьшего комплексного расстояния (данные выполнения предыдущего модуля), и выводится название дефекта, которое соответствует этому расстоянию (элемент Label). Далее производится вычисление СКЗ вибрации согласно методике, изложенной в п.2.3, полученное значение также отображается на форме (элемент Label).
Рисунок 4.9 - Форма формирования результата диагностики
Далее производится оценка степени развития дефекта. Поскольку большинство нефтяных компаний эксплуатируют погружное оборудование при уровне вибрации, непревышающем 4 мм/сек, то вычисление степени развития дефекта ведется, опираясь на данный показатель.
Полная экранная форма разработанного программного комплекса представлена на рисунке 4.13.
Как видно на рисунке 4.13, все элементы управления (кнопки, поля для ввода данных) расположены слева, а отображение графической информации производится в правой части экранной формы. В частности график временной зависимости вибрации расположен сверху, а полученные в результате выполнения модуля «Unit3.cpp» точки локальных максимумов визуализируются на графике снизу (элементы Chart1 и Chart2 соответственно).
Рисунок 4.10 - Полная экранная форма программного комплекса
Таким образом, была выполнена реализация программного комплекса диагностики погружного электрооборудования с применением среды C++ Builder 2010 и пакета MATLAB, который позволяет производить обработку результатов виброиспытаний указанного типа оборудования на основе алгоритмов и методик, разработанных в рамках данного магистерского исследования.
4.3. Результаты и выводы по четвертой главе
1. На основе разработанных интеллектуального алгоритма диагностики погружного электрооборудования и методики определения количественной оценки степени развития дефектов, был разработан программный комплекс «интеллектуальная система диагностики погружного электрооборудования» позволяющий автоматизировать основные функции, связанные с обработкой данных вибрации при проведении диагностики погружного электрооборудования. В состав программного комплекса входит 6 основных модулей, реализующие интерфейс пользователя и информационную среду, обеспечивающую возможности расширяемости, масштабируемости, мобильности и переносимости программного продукта.
2. Использование среды визуального объектно-ориентированного программирования C++ Builder 2010 позволило обеспечить дружественный интерфейс пользователя, что создает условия для комфортной и эффективной работы с программным комплексом. Использование математического пакета MATLAB 2008 позволило произвести точное вычисление вейвлет-преобразования сигнала вибрации и сформировать результат в форме удобной для последующей обработки данных любыми средствами написания программ на языках высокого уровня.
Заключение
1. В магистерской работе поставлена и решена задача синтеза интеллектуальной системы диагностики погружного электрооборудования на основе правил вывода по прецедентам.
2. Рассмотрена структура схемы управления ТС погружного электрооборудования, сделан вывод о недостаточном объеме информации и необходимости создания единого информационного пространства данных диагностики.
3. Проведен анализ существующих современных систем диагностики погружного электрооборудования и определены их основные недостатки, а также сделан вывод о необходимости введения новой концепции диагностики погружного электрооборудования. В качестве оптимальной стратегии была определена стратегия технического обслуживания по фактическому состоянию..
4. Проведен анализ, применяемых в настоящее время методов первичной обработки данных вибрации погружного электрооборудования. Сделан вывод о недостаточной информативности диагностики по результатам спектрального анализа и СКЗ вибрации. Обоснована целесообразность применения аппарата непрерывного вейвлет-преобразования в качестве основы при проведении операций диагностики погружного электрооборудования за счет возможности организации одновременной локализации сигнала и по частоте и по времени, что позволяет более достоверно идентифицировать дефект.
5. Разработан метод вибродиагностики погружного электрооборудования на основе непрерывного вейвлет-преобразования, который позволяет по виду скейлограмм, расположению точек локальных максимумов и значениям вейвлет-преобразования идентифицировать вид дефекта, а также определить степень его развития.
6. Разработан интеллектуальный алгоритм поддержки принятия решений в задачах диагностики погружного электрооборудования, основанный на правилах вывода по прецедентам.
7. Разработана методика количественной оценки степени развития дефектов погружного электрооборудования с использованием полученных аналитических зависимостей между показателями вейвлет-преобразования и СКЗ виброскорости..
8. На основе разработанного подхода к формализации процессов диагностики ТС погружного электрооборудования на основе IDEF-технологий был разработан комплекс функциональных моделей процесса диагностики его ТС на основе IDEF0-технологии, что дало возможность выделить основные задачи диагностики, определить необходимые механизмы, входные и выходные данные процесса диагностики.
9. Произведен анализ возможных структурных реализаций системы диагностики, определены недостатки стандартной схемы системы диагностики. Предложена новая концепция построения системы диагностики погружного электрооборудования на основе распределенных средств измерения. Данная концепция дает возможность контролировать параметры по всей длине оборудования. Предложены основные структурные схемы системы диагностики для реализации данной концепции. Приведены требования к каналу связи, аппаратной части системы диагностики и к первичным преобразователям ИМ.
Список литературы
1. Aamodt A., Plaza E. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches// Artificial Intelligence Communications. IOS Press. – 1994. – Vol.7, №1. – P.39-59.
2. Alexander Eremeev, Ivan Kurilenko, Pavel Varshavskiy. Application of Temporal Reasoning and Case-based Reasoning in Intelligent Decision Support Systems // International Book Series «Information science & computing», Number 10, Supplement to IJ «Information technologies & knowledge» Volume 3/2009 – 2009. – pp. 9–16.
3. Gorban A. N., Kegl B., Wunsch D., Zinovyev A. Y. (Eds.), Principal Manifolds for Data Visualisation and Dimension Reduction, Series: Lecture Notes in Computational Science and Engineering 58, Springer, Berlin – Heidelberg — New York, 2007, XXIV, 340 p.
4. Watson I. D., Marir F. Case-based reasoning: A review. The Knowledge Engineering Review, Vol. 9, No. 4, 1994. – Рp. 355-381.
5. Абдулин, Ф. С. Добыча нефти и газа: учебное пособие / Ф. С. Абдулин. – М.: Недра, 1983. — 256 с.
6. Алексеев, С. П. Борьба с шумом и вибрацией в машиностроении / С. П. Алексеев, А. М. Казаков, Н. Н. Колотилов. – М.: Машиностроение, 1970. – 207 с.
7. Алиев, Т. М. Измерительная техника: учебное пособие для технических вузов / Т. М. Алиев, А. А. Тер-Хачатуров. — Москва: Высшая школа, 1991. — 384 с.
8. Андрейчиков А. В. Интеллектуальные информационные системы: учебник / А. В. Андрейчиков, О. Н. Андрейчикова. — М.: Финансы и статистика, 2007. — 250 с.
9. Антонов, А. В. Системный анализ: учебник для вузов / А.В. Антонов. — М.: Высшая школа, 2004. – 454 с.
10. Арский, Ю. М. Принципы конструирования интеллектуальных систем / Ю. М. Арский, В. К. Финн // Информационные технологии и вычислительные системы. — 2008. — № 4. — С.4-38.
11. Астафьева, Н. М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. – 1998. – Т. 166. – № 11. – С. 1145–1170.
12. Астахов, Н. В. Математическое моделирование вибраций асинхронных машин / Н. В. Астахов, В. С. Малышев, Н. Я. Овчаренко; Под ред. В. А. Игнатова; АН Молдавск. ССР. – Кишинев: Штиинца, 1987. – 145 с.
13. Астахова, И. С. Системы искусственного интеллекта. Практический курс: учеб. пособие / И.С. Астахова, А.С. Потапов, В.А. Чулюков. - М.: Бином, Лаборатория знаний, 2008. — 276 с.
14. Афоничкин, А. И. Управленческие решения в экономических системах: Учебник для вузов / А. И. Афоничкин, Д. Г. Михайленко. — СПб.: Питер, 2009. — 480 с.
15. Бабак, О. В. Об одном подходе к решению некоторых статистических задач обучения распознаванию образов при неполных наблюдениях / О. В. Бабак, А. Э. Татаринов // Управляющие системы и машины.— 2008.— № 4.— С. 37-42
16. Бабичева, И. Ф. Теоретические разработки по использованию вейвлет-анализа и нейросетевых технологий в системе диагностики и прогнозирования остаточного ресурса промышленного оборудования / И.Ф. Бабичева, А.В. Шарко // Техническая диагностика и неразрушающий контроль.— 2005.— № 2.— С. 17-21.
17. Барков, А. В. Вибрационная диагностика машин и оборудования. Анализ вибрации: учеб. пособие / А. В. Барков, Н. А. Баркова. — СПб.: Изд. Центр СПбГМТУ, 2004. — 152 с.
18. Барков, А. В. Мониторинг и диагностика роторных машин по вибрации: учеб. пособие / А. В. Барков, Н. А. Баркова, А. Ю. Азовцев. — СПб.: Изд. Центр СПбГМТУ, 2000. — 159 с.
19. Баркова, Н. А. Вибрационная диагностика машин и оборудования. Расчет основных частот вибрации узлов машин, параметров измерительной аппаратуры и практическая экспертиза: учеб. пособие / Н. А. Баркова, А. А. Борисов. — СПб.: Изд. Центр СПбГМТУ, 2010. — 67 с.
20. Башмаков, А. И. Интеллектуальные информационные технологии: Учебное пособие / А. И. Башмаков, И. А. Башмаков. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2008. — 304 с.
21. Березин, О. К. Источники электропитания радиоэлектронной аппаратуры: Справочник / О. К.Березин, В. Г. Костиков, В. А. Шахнов. – М.: Три Л, 2000. – 400с.
22. Биргер, И. А. Техническая диагностика / И. А. Биргер. – М.: Машиностроение, 1978. – 239 с.
23. Блаттер, К. Вейвлет-анализ. Основы теории / К. Блаттер. М.: Техносфера, 2006. – 272 с.
24. Большаков, А. А. Методы обработки многомерных данных и временных рядов: Учебное пособие для вузов / А. А. Большаков, Р. Н. Каримов. – М.: Горячая линия-Телеком, 2007. – 522 с.
25. Борисенко, Н. А. Автоматизированный анализ экспериментальных данных с применением вейвлет-преобразования / Н.А. Борисенко, А.Д. Фертман // Приборы и техника эксперимента.— 2003.— № 2.— С. 28-34.
26. Бочарников, В. Ф. Результаты экспериментальных исследований вибрации погружных центробежных электронасосов типа ЭЦНМ с частотно-регулируемым приводом / В. Ф. Бочарников, В. А. Ведерников // Нефтепромысловое оборудование. — 2007. — № 12. — С. 92-93.
27. Бурнаев, Е. В. Применение вейвлет преобразования для анализа сигналов: Учебно-методическое пособие / Е. В. Бурнаев. – М.: МФТИ, 2007. – 138 с.
28. Вагин, В. Н. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени / В. Н. Вагин, А. П. Еремеев // Известия РАН. Теория и системы управления. – 2001. – № 6. – С.114-123.
29. Вагин, В. Н., Достоверный и правдоподобный вывод в интеллектуальных системах / В. Н. Вагин, Е. Ю. Головина, А. А. Загорянская, М. В.Фомина; Под редакцией В. Н. Вагина, Д. А. Поспелова. – 2-е издание. – М.: Физматлит, 2008. – 704 с.
30. Валеева, Р. Г. Методы искусственного интеллекта: учебное пособие / Р. Г. Валеева, С. В. Сильнова; ГОУ ВПО УГАТУ.— Уфа: УГАТУ, 2009.— 125 с.
31. Вапник, В. Н. Теория распознавания образов: Статистические проблемы обучения / В. Н. Вапник, А. Я. Червоненкис.— М.: Наука, 1974.
32. Варшавский, П. Р. Методы правдоподобных рассуждений на основе аналогий и прецедентов для интеллектуальных систем поддержки принятия решений / П. Р.Варшавский, А. П. Еремеев // Новости искусственного интеллекта. – 2006. – № 3. – С. 39-62.
33. Варшавский, П. Р. Механизмы правдоподобных рассуждений на основе прецедентов (накопленного опыта) для систем экспертной диагностики// Труды 11-й национальной конференции по искусственному интеллекту с международным участием (Дубна, 28 сентября – 3 октября 2008 г.). – М: URSS, 2008. – Т.2. – С.106-113.
34. Варшавский, П. Р. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений / П. Р. Варшавский, А. П. Еремеев // Искусственный интеллект и принятие решений. – 2009. – № 2. – С. 45-57.
35. Варшавский, П. Р. Поиск решения на основе структурной аналогии для интеллектуальных систем поддержки принятия решений / П.Р. Варшавский, А.П. Еремеев // Известия РАН. Теория и системы управления. – 2005. – № 1. – С. 97–109.
36. Вендров, А. М. CASE-технологии. Современные методы и средства проектирования информационных систем / А. М. Вендров. – М.: Финансы и статистика, 1998. – 176с.
37. Витязев, В. В. Вейвлет-анализ временных рядов: Учеб. пособие / В. В. Витязев. – СПб.: Изд-во С.-Петерб. ун-та, 2001. – 58 с.
38. Волович, А. Интегральные акселерометры / А. Волович, Г. Волович // Компоненты и технологии. – 2002. – № 1. – С. 4-11.
39. Волошко, А. В. Метод формирования признаков классификации графиков электрических нагрузок на основе вейвлет – преобразования / А. В. Волошко. – Промелектро. – 2009. – № 1. – С. 39 – 43.
40. Вольдек, А. И. Электрические машины: учебник для электротехнических специальностей вузов / А. И. Вольдек.— 3-е изд., перераб. — Ленинград: Энергия, 1978.— 832 с.
41. Воскобойников Ю. Е. Фильтрации сигналов и изображений: фурье и вейвлет алгоритмы (с примерами в Mathcad): монография / Ю. Е. Воскобойников, А. В. Гочаков, А. Б. Колкер; Новосиб. гос. архитектур.-строит. ун-т (Сибстрин). – Новосибирск: НГАСУ (Сибстрин), 2010. – 188 с.
42. Гаврилова, Т. А. Базы знаний интеллектуальных систем: учебник / Т. А. Гаврилова, В. Ф. Хорошевский.— Санкт-Петербург: ПИТЕР, 2000.— 384 с.
43. Гаскаров, Д. В. Интеллектуальные информационные системы: учебник для вузов / Д. В. Гаскаров.— М.: Высшая школа, 2003.— 431 с.
44. Геловани, В. А. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды / В. А. Геловани, А. А. Башлыков, В. Б. Бритков, Е. Д. Вязилов.– М.: Эдиториал УРСС, 2001. — 304 с.
45. Гимаров, В. А. Задачи распознавания нестационарных образов / В. А. Гимаров, М. И. Дли, В. В. Круглов // Известия РАН. Теория и системы управления.— 2004.— N 3.— С. 92-96.
46. Гольдберг, О. Д. Проектирование электрических машин: [учебник для студентов вузов, обучающихся по электромеханическим и электротехническим специальностям] / О. Д. Гольдберг, И. С. Свириденко; под ред. О. Д. Гольдберга. – Изд. 3-е, перераб.– М.: Высшая школа, 2006. – 432 с.
47. Гольдин, А. С. Вибрация роторных машин / Гольдин А. С. – М.: Машиностроение, 1999. – 344 с.
48. Горелик, А.Л. Методы распознавания: Учеб. пособие для студентов, обучающихся по спец. «Вычислительные машины, комплексы, системы и сети» / А.Л. Горелик, В.А. Скрипкин.— 3-е изд., перераб. и доп. — М.: Высш.шк., 1989.— 232с.
49. ГОСТ 11828-86 Машины электрические вращающиеся. Общие методы испытания. — М.: ИПК Издательство стандартов, 2003. – 31 с.
50. Гук, М. Аппаратные средства IBM PC: энциклопедия / М. Гук.— 2-е изд.— СПб.: ПИТЕР, 2004.— 923 с.
51. Гусев, В. Г. Электроника и микропроцессорная техника: [учебник для студентов высших учебных заведений] / В. Г. Гусев, Ю. М. Гусев. – 3-е изд., перераб. и доп. - М.: Высшая школа, 2005. – 791 с.
52. Данилюк, С. Г. Применение технологии искусственного интеллекта в системах диагностирования сложных технических объектов / С. Г. Данилюк [и др.] // Контроль. Диагностика.— 2004.— № 12.— С. 46-49.
53. Дворников, C. В. Метод распознавания на основе вейвлет – пакетов/ C. В. Дворников, А. М. Сауков. – Научное приборостроение.– 2004. – Т. 14, №1. – С. 57 – 65.
54. Девятков, В. В. Системы искусственного интеллекта: учеб. пособие для студентов вузов / В. В. Девятков. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2010. - 254 с.
55. Джарратано, Д. Экспертные системы: принципы разработки и программирование / Д. Джарратано, Г. Райли; пер. с англ. и ред. К. А. Птицына.— 4-е изд.— М.: Вильямс, 2007.— 1147 с.
56. Джексон, П. Введение в экспертные системы: Учеб. пособие / П. Джексон. — М.: Вильямс, 2001. 624 с.
57. Добеши, И. Десять лекций по вейвлетам / И. Добеши. — М.: РХД, 2001. – 464 с.
58. Дремин, И. Л. Вейвлеты и их использование / И. Л. Дремин, О. В. Иванов, В. А. Нечитайло // Успехи физических наук. – 2001. – Т. 171, № 5. – C. 465-501.
59. Дьяконов, В. А. MATLAB. Обработка сигналов и изображений. Специальный справочник / В. А. Дьяконов, И. В. Абраменкова. – СПб.: Питер, 2002. – 608 с.
60. Дьяконов, В. П. Вейвлеты. От теории к практике / В. П. Дьяконов. – М.: Солон-Р, 2002. – 448 с.
61. Дюк, В. А. Формирование знаний в системах искусственного интеллекта: геометрический подход / В. А. Дюк // Вестник Академии Технического Творчества. СПб. – 1996. – № 2. – с.46-67.
62. Евстифеев, А. В. Микроконтроллеры AVR семейств Mega фирмы ATMEL / А. В. Евстифеев. – 2-е изд. – М.: Додэка - XXI, 2007. – 592 с.
63. Епифанцев, Ю. А. Мониторинг и диагностика механических объектов: Учеб. пособие / Ю. А. Епифанцев, С. В. Полищук; СибГИУ.- Новокузнецк, 2009. – 61 с.
64. Еремеев, А. П. Методы структурной аналогии для интеллектуальных систем поддержки принятия решений реального времени / А. П. Еремеев, П. Р. Варшавский // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Труды III-го Международного научно-практического семинара (Коломна, 15-17 мая 2005 г.). – М.: Физматлит, 2005. – С.81-87.
65. Еремеев, А. П. Применение темпоральных моделей в интеллектуальных системах / А. П. Еремеев, И. Е. Куриленко // Интеллектуальные системы. Коллективная монография. Выпуск четвертый.; под. ред. В. М. Курейчика. – М.: Физматлит, 2010.С. – 222-252.
66. Еремеев, А. П. Разработка темпорального расширения методов рассуждений на основе прецедентов/ А. П. Еремеев, И. Е. Куриленко, А. Е. Смирнова // Труды конгресса по интеллектуальным системам и информационным технологиям (IS&IT'11). Научное издание в 4-х томах. - Т.1. – М.: Физматлит, 2011. - С.50-59.
67. Еремеев, А. П. Реализация механизма временных рассуждений в современных интеллектуальных системах / А. П. Еремеев, И. Е. Куриленко // Известия РАН. Теория и системы управления. – 2007–№ 2. – С. 120–136.
68. Ефанов, В. Н. Вибрационная диагностика погружного электрооборудования с применением аппарата непрерывного вейвлет-преобразования / В. Н. Ефанов, А. Н. Китабов // Приборы и системы. Управление, Контроль, Диагностика.— 2013.— № 6.— С. 56-62.
69. Жернаков, С. В. Контроль и диагностика технического состояния авиационных двигателей на основе интеллектуального анализа данных: диссертация на соискание ученой степени доктора технических наук: 05.13.01 / Жернаков Сергей Владимирович. – Уфа, 2005. – 373 с.
70. Жизняков, А. Л. Применение пакетного вейвлет-преобразования для анализа многомерных сигналов / А.Л. Жизняков, В.Е. Гай // Радиосистемы.— 2007.— № 6.— С. 48-51.
71. Загоруйко, Н. Г. Алгоритмы обнаружения эмпирических закономерностей / Н.Г. Загоруйко, В. Н. Елкина, Г. С. Лбов; отв. ред. В. А. Скоробогатов.— Новосибирск: Наука, 1985.— 110 с.
72. Загоруйко, Н. Г. Методы распознавания и их применение / Н.Г. Загоруйко.— М.: Сов.радио, 1972.— 206 с.
73. Загоруйко, Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. — Новосибирск: Изд-во ИМ СО РАН, 1999. — 270 с.
74. Загоруйко, Н. Г. Эмпирическое предсказание / Н. Г. Загоруйко. — Новосибирск: Наука, 1979.— 120 с.
75. ЗАО Мехта [Электронный ресурс]. [2009] Режим доступа: https://www.mehta.ru/ (дата обращения: 24.11.2010)
76. ЗАО Электон [Электронный ресурс]. [2009] Режим доступа: https://www.elekton.ru/ (дата обращения: 12.09.2010).
77. Иванов, Е. Интегральные датчики температуры National Semiconductor / Е. Иванов // Новости электроники. – 2007. – № 10. – С. 16-19.
78. Ивановский, В. Н. Скважинные насосные установки для добычи нефти / В. Н. Ивановский, В. И.Дарищев, А. А. Сабиров и др. – М.: ГУП Изд-во «Нефть и газ» РГУ нефти и газа им. И. М. Губкина, 2002. – 824 с.
79. Исаакович, М. М. Устранение вибраций электрических машин / М. М. Исакович.— Л.: Энергия, 1969. – 215с.
80. Использование вейвлет-анализа для обработки экспериментальных вибродиагностических данных: метод. материал к спецкурсу «Современные проблемы механики»/ авт.-сост.: В. В. Корепанов, М. А. Кулеш, И. Н. Шардаков. –Пермь: Перм. ун-т, 2007. – 64 с.
81. Ишмурзин, А. А. Анализ влияния геологических факторов на аварийность УЭЦН [Электронный ресурс] / А. А. Ишмурзин // Электронный научный журнал "Нефтегазовое дело".– 2006. – №2. Режим доступа: https://www.ogbus.ru/authors/Ishmurzin/Ishmurzin_5.pdf.
82. Карпов, Л. Е., Методы добычи данных при построении локальной метрики в системах вывода по прецедентам / Л. Е. Карпов, В. Н. Юдин. – М.: ИСП РАН, препринт №18, 2006. – 42 с.
83. Козлов, П. В. Вейвлет – преобразование и анализ временных рядов / П. В. Козлов, Б. Б. Чен. // Вестник КРСУ. – 2002. – № 2. – С. 48 – 56.
84. Компания ПРОСОФТ [Электронный ресурс]. [2010] Режим доступа: https://www.prosoft.ru/ (дата обращения: 06.12.2010);
85. Короленко, П. В. Новационные методы анализа стахостических процессов и структур в оптике. Фрактальные и мультифрактальные методы, вейвлет-преобразования: Учебное пособие / П. В. Короленко, М. С. Маганова, А. В. Меснянкин. – М.: МГУ им. М.В. Ломоносова, НИИ ядерной физики им. Д.В. Скобельцына, 2004. – 82 с.
86. Кудрявцев, А. В. Высокоскорост<