Матрица диагностическая

Материалы конструкционные — Механические свойства при повышенной температуре 22, 23 — Физические свойства 8 Матрица диагностическая 658, 659 Мембраны прорывные 475, 476 Метод вариационно-разностный расчета конструкций 518—521 [c.689]

Если объединить эти данные в одну матрицу и перемножить скалярно ее вектор-столбцы поочередно на первый, то полученная функция корреляции К меняется монотонно и является достаточно хорошим диагностическим признаком [c.43]

Д.4. Количество информации, содержащейся в измеряемых параметрах. Задача определения количества информации, содержащейся в измерениях диагностических параметров, является чрезвычайно важной. При диагностировании существенное значение имеют соотношения между параметрами, поскольку они определяют степень перекачки информации от косвенных параметров к параметрам технического состояния. Для построения информационной матрицы Фишера рассмотрим квадратичную форму (11.12). [c.203]

С помощью представленной на рис. 4.17 диагностической матрицы решается задача локализации одной из трех возможных неисправностей объекта с помощью четырех диагностических параметров. Физический [c.84]

Диагностическая матрица. Для определения вероятности диагнозов по методу Байеса необходимо составить диагностическую матрицу (табл. 1), которая формируется на основе предварительного статистического материала. В этой таблице содержатся вероятности разрядов признаков при различных диагнозах. Если [c.14]

Диагностическая матрица в методе Байеса [c.14]

Техническая диагностика поршневых двигателей. Поршневые двигатели (автомобильные, тракторные, стационарные и транспортные дизели) имеют широкое применение. Эксплуатация-автомобильных и тракторных двигателей носит массовый характер. Определение технического состояния двигателя без разборки позволяет повысить его надежность и улучшить техническое обслуживание. Следует учесть, что трудоемкость ремонта двигателей массового производства превосходит трудоемкость изготовления в 5—10 раз. Проведение профилактических работ и ремонта по состоянию дает значительный экономический эффект. Диагностика осуш,ествляется с помощью передвижных станций,, оснащенных виброакустической аппаратурой. Вопросы вибрационной и акустической диагностики поршневых двигателей рассматриваются в работах [40, 45]. В работе [21] описывается диагностический прибор, основанный на использовании логических методов диагноза (см. гл.-б). Этот прибор, построенный по схеме диодной матрицы, позволяет различать 33 неисправности двигателя по 53 признакам. В качестве признаков используются, например, белый дым , низкая компрессия , повышенный расход масла , стук в момент пуска и т. п. Диагностика поршневых двигателей с помощью построения топологических моделей рассматривается в работе [25]. [c.193]

В качестве диагностических моделей можно рассматривать дифференциальные и алгебраические уравнения [6, 23, 30], логические соотношения [17, 20), матрицы узловых проводимостей [26], функциональные [17, 20 , структурные [16, 29], регрессионные [1, 23, 28] и другие модели, позволяюш,ие связать параметры технического состояния с виброакустическими характеристиками объекта. [c.386]

Диагностическая матрица. Для определения вероятности диагноза (состояния) следует составить диагностическую матрицу (таблицу). [c.658]

Величина Д будет в числителе и знаменателе выражения (11) и не повлияет на результат. Для учета непрерывного признака в диагностической матрице должны содержаться плотности вероятности. В практических задачах часто используют нормальное распределение, для которого плотность вероятности задается двумя параметрами — средним значением и средним квадратическим отклонением. [c.659]

В диагностической матрице для признака /Су указаны параметры соответствующего нормального распределения. Тогда при использовании формулы Байеса следует принять [c.659]

Основной недостаток метода Байеса — необходимость получения большой предварительной информации (составление диагностической матрицы). [c.660]

Теоретически постановка диагноза сводится к тому, чтобы при помощи диагностических параметров, связанных с определенными неисправностями объекта, выявить из множества возможных его состояний наиболее вероятное. Поэтому задачей диагноза при использовании нескольких диагностических параметров (Я), Яа,. .. Я) является раскрытие множественных связей между ними и структурными параметрами объекта Хи Х2,. ..Хт). Для решения этой задачи указанные связи можно представить в виде структурно-следственных моделей (рис. 412) и диагностических матриц. Модель позволяет на основе данных о надежности объекта выявить связи между его наиболее вероятными неисправностями и диагностическими параметрами. Пользуясь этими сведениями, определяют техническое состояние, идя от диагностических параметров к вероятным неисправностям объекта и ставят диагноз-Подобные задачи решают при помощи диагностических матриц. [c.73]

Диагностическая матрица (рис. 4.13) представляет собой построчный набор связей между диагностическими параметрами Я и неисправностями X объекта (т. е. параметрами технического [c.73]

Рис. 4.13. Схема диагностической матрицы

Горизонтальные ряды матрицы соответствуют применяемым диагностическим параметрам, а вертикальные — неисправностям объекта. Единица в месте пересечения горизонтального и вертикального рядов означает возможность существования неисправности, а ноль — отсутствие такой возможности. [c.74]

Подобная матрица позволяет локализовать неисправности диагностируемого механизма по наличию соответствующего комплекса диагностических параметров, достигших нормативной величины. [c.74]

Физическая сущность решения задачи — исключение неисправностей, несовместимых с существованием данной комбинации измеренных диагностических параметров. Процесс выявления неисправностей можно рассматривать как снижение энтропии (степени неопределенности технического состояния диагностируемого механизма) путем последовательного введения в диагностическую матрицу доз информации, содержащейся в используемых диагностических параметрах. [c.74]

Рис. 4.14. Схема электронного прибора диагностической матрицы

Рис. 47. Принципиальная схема диагностической матрицы

Рассмотрим схематический пример методики выявления одной из возможных неисправностей механизма, при наличии которой он требует профилактики. Пусть известно, что механизм может иметь три типичных неисправности Ху , Ху , Ху и три порождаемых ими диагностических параметра 5 , , 8у . Взаимосвязь между неисправностями и параметрами можно выразить таблицей (рис. 47), называемой диагностической матрицей. Единицы, проставленные клетках горизонтального ряда этой матрицы, указывают на существование неисправности механизма при наличии данного диагностического параметра 5 >- 5у, а нули — на отсутствие неисправности. Подобные диагностические матрицы составляют на основе изучения, структурных связей между элементами механизма, параметрами его состояния и диагностическими параметрами. В рассматриваемом примере существование первого диагностического параметра, имеющего величину [c.99]

Диагностическая матрица для многоразрядных признаков [c.608]

Выдача диагностической матрицы на диагностический разъем [c.185]

Линия диагностики К двухсторонняя для входа в режим диагностики (поиск компьютера), выдачи компьютером диагностической матрицы, применение командных режимов (С.. ), удаления информации из памяти (00 ) и окончания диагностики (013 ). [c.189]

Этот барграф должен высвечиваться он информирует о выдаче диагностической матрицы [c.217]

Этот барграф не должен высвечиваться это говорит о том, что осуществляется тестирование состояний. Этот барграф должен высвечиваться при включении зажигания он информирует о выдаче диагностической матрицы. [c.221]

При определении технического состояния (дефекта) с использованием классификатора поузловых конструктивов не может быть определено то техническое состояние (или дефект), которое не присуще по физической сути данному узловому конструктиву. Данное качество обеспечивается решением матрицы идентификации технических состояний УКЭ (см. рис.2), позволяющей определить единственное состояние элемента на пересечении четырех векторов, генерируемых на выходах блока конфигурации возможных технических состояний (дефектов), блока конфигурации диагностических признаков, блока конфигурации конструктивных данных УКЭ и блока идентификации УКЭ. [c.232]

Одним из измерителей эффективности источника данных при различении гипотез и, значит, пригодности данных для диагностики является количество информации о рассматриваемых гипотезах, которое эти данные содержат. Вернемся к примеру, о котором шла речь в параграфе 4.2. В этом примере были возможны наблюдения двух различных типов и обсуждался вопрос о том, для какого типа данных диагностические качества выше. Количество информации, заключенное в этих данных, можно подсчитать, если построить по табл. 4.1 матрицу переходных вероятностей, связывающих результаты наблюдений с гипотезами. Чтобы перейти от приведенных в табл. 4.1 условных вероятностей к совместным вероятностям, воспользуемся байесовским правилом [c.72]

Максиметр 74 Маслобензоуловитель 124 Матрица диагностическая 73 Межсменное время 396 Метанол 339 [c.483]

Утверждение 2 (о диагностической сетке). Пусть функции t) линейно независимы. Тогда в пространстве (с ортонорми-рованным базисом) соответствующие векторы ф<з> образуют эталонную структуру точек, геометрия расположения которых определяется нормированной матрицей Грамма [c.63]

Постановка диагноза, когда производится поиск неисправности у сложного механизма, системы и используется несколько диагностических параметров, существенно сложнее. Для penjeHHfl задачи постановки диагноза в этом случае необходимо на основе данных о надежности объекта выявить связи между его наиболее вероятными неисправностями и используемыми диагностическими параметрами. Для этой цели в практике диагностирования автомобилей наиболее часто применяют диагностические матрицы. [c.84]

Диагностическая матрица (рис. 4.17) представляет собой логическую модель, описываюнхую связи между диагностическими параметрами и возможными неисправностями А объекта. [c.84]

Единица в месте пересечения строки и столбца означает возможность супгествования неисправности, а ноль — отсутствие такой возможности. Применяют также и более сложный вариант вероятностных матриц, в которых на пересечении столбцов и строк вместо единиц и нулей подставляются полученные экспериментальным путем статистические оценки вероятностей возникновения данной неисправности при достижении диагностическим параметром допустимого или предельного значения. [c.84]

В диагностическую матрицу включены априорные вероятности диагнозов. Процесс обучения в методе Байеса состоит в формировании диагностической матрицы. Важно предусмотреть возможность, уточнения таблицы в процессе диагностики. Для этого в памяти ЭВМ следует хранить не только значения Р (kjjDi), но и следующие величины N — общее число объектов, использованных для составления диагностической матрицы Ni — число объектов с диагнозом Di, Nij — число объектов с диагнозом D , обследованных по признаку kj. Если поступает новый объект с диагнозом D j,, то проводится корректировка прежних априорных вероятностей диагнозов следующим образом [c.15]

Построение системы независимых признаков и выбор главных диагностических признаков. Известно, что при распознавании образов наиболее полезными признаками являются те, которые инвариантны (нечувствительны) к изменению изображения внутри образа, но резко изменяются при переходе от одного образа к другому. Целесообразно истолковывать признаки как систему случайных чисел с вероятностной точки зрения. Каждый из признаков, характеризующих состояние объекта диагностики, при измерении может принимать случайные значения как в результате погрешностей измерения, так и в результате разброса параметров самих объектов и их состояний, принадлежащих одному классу. Поэтому при распознавании необходимо принимать во внимание не только значение того или иного признака, но и вероятность его получения. Это необходимо для выбора из множества возможных признаков состояния минимального числа наиболее важных признаков, которые мало изменяются от изображения к изображению данного образа, т. е. имеют наименьшую дисперсию в пределах образа. Однако jf TanoBHTb, какие признаки обладают минимальной дисперсией, можно только, если они независимы и, следовательно, их корреляционная матрица К йиагональна. [c.410]

Логическая матрица ул4азанного вида может быть основой автоматизированного диагностического комплекса. [c.75]

ГП Барграф высвечивается сразу после включении зажигания, он информирует о получении диагностической матрицы переносным диагностическим прибором ХН25. Внутренняя диагностика компьютера. Если барграф высвечивается, то компьютер не соответствует требованиям или неисправен [c.205]

Диагностическая часть КПК представляет набор решающих правил (РП) для последовательной идентификации технического состояния структурной единицы выбранного конструктивного узла. Эти РП предлагается формализовать в виде матриц [3] идентификации конструкции I МИК 1 - РП1, дефектов 1 МИД 1 - РП2, последствий отказа I МИПО - РПЗ и вины отказа МИВО I - РП4. Функции диагностической части КПК - следующие формирование логических функций для АСЭН ГПА, определяющих техническое состояние СЕ к по результатам диагностического обследования с использованием данных, извлекаемых из классификатора дефектов, формируемым как функция причины отказа, и признаков дефекта по идентификатору блока кодификатора структурных единиц [c.97]

Состав диагностической части КПК. Классификатор поузловых конструктивов в его диагностической части содержит идентификатор поузловых конструктивов (ИПК), детализацию конструктивных особенностей УКЭ (ДКО), перечень возможных технических состояний (дефектов Д), извлекаемых из КСМО, перечень признаков, характеризующих техническое состояние (дефект) по КпрО и КВО (ПД), а также матрицу идентификации технических состояний (см. рис.2) и следующие блоки блок конфигурации возможных технических состояний (дефектов), блок конфигурации диагностических признаков и блок конфигурации конструктивных данных УКЭ. [c.230]

Техническая эксплуатация автомобилей Учебник для вузов (1991) -- [ c.84 ]

Расчет на прочность деталей машин Издание 3 (1979) -- [ c.658 , c.659 ]

Техническая эксплуатация автомобилей Издание 2 (1983) -- [ c.73 ]

Расчет на прочность деталей машин Издание 4 (1993) -- [ c.607 , c.608 ]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...