Введение
1 Обзор методов идентификации технического состояния газоперекачивающих агрегатов 12
1.1 Задача идентификации технического состояния газоперекачивающих агрегатов на газокомпрессорных станциях 12
1.2 Основные принципы технического обслуживания газоперекачивающих агрегатов 18
1.3 Основные факторы, оказывающие влияние на загрязнение лопаток осевого компрессора 27
1.4 Существующие решения задачи идентификации и управления техническим состоянием газоперекачивающих агрегатов 31
1.5 Использование ассоциативных нейросетевых структур для решения задачи идентификации 33
Выводы по первому разделу 37
2 Разработка модели идентификации технического состояния газоперекачивающих агрегатов 39
2.1 Идентификация технического состояния 39
2.2 Методика формирования набора обучающих векторов и нулевого слоя нейросетевой структуры 43
2.3 Разработка математической модели идентификации технического состояния 49
2.4 Емкость ассоциативной памяти нейросетевой структуры 54
2.5 Алгоритм решения задачи идентификации и прогнозирования 58
2.6 Разработка алгоритма обучения клеточного слоя нейросетевой структуры
2.6.1 Разработка структуры и основные особенности функционирования алгоритма 60
2.6.2 Параллелизм модифицированного генетического алгоритма 66
Выводы по второму разделу 67
3 Автоматизированная система управления техническим состоянием газоперекачивающих агрегатов с газотурбинным приводом «TD GPA» 69
3.1 Разработка структуры системы 69
3.2 Организация электронного документооборота системы и подсистем обработки данных 75
3.3 Разработка интерфейсной части системы и управление процессами 83
Выводы по третьему разделу 93
4 Проведение экспериментального исследования и оценки адекватности разработанной модели идентификации технического состояния 95
4.1 Организация сбора данных и прогнозирования 95
4.2 Верификация модели 101
4.3 Оценка точности для различных периодов функционирования ГПА 103
Выводы по четвертому разделу 109
Заключение ПО
Список использованных источников
