Работа посвящена разработке алгоритма прогнозирования диагностических параметров электротехни-ческих комплексов главных приводов мощных экскаваторов. Зависимость технического состояния электротехнического комплекса экскаватора от горно-геологических, климатических условий эксплуа-тации, режимов работы и качества технического обслуживания значительно увеличивают трудоемкость разработки структурной модели комплекса. Кроме того, разработка структурной модели требует наличия предварительной информации о принципах и механизмах функционирования комплекса для каждого экскаватора в отдельности и для всего парка экскаваторов в целом. Поэтому предлагается в качестве основного подхода использовать функциональное моделирование. В этом случае, электротехнический комплекс может быть представлен в виде функциональной динамической системы, функционирующей в пространстве своих диагностических параметров. Оценить техническое состояние системы в будущем можно с помощью прогнозирования ее отдельных диагностических параметров. В условиях неопреде-ленности исходной информации дискретные диагностические сигналы могут быть спрогнозированы с помощью авторегрессионных методов. Применение авторегрессионных методов прогнозирования позво-ляет варьировать количество информационных признаков в зависимости от целей и задач системы тех-нической диагностики. Кроме того, нами предложена методика прогнозирования дискретных диагно-стических сигналов на основании прогнозирования их компонент разложения. При этом компоненты разложения имеют заданные свойства, что значительно облегчает настройку предиктора и увеличивает точность прогнозирования.

The work is devoted to the question of forecasting algorithm development of electrotechnikal complexes (ETC) diagnostic parameters of main drives powerful draglines. Dependence of technical condition ETC dragline on mining and climatic operating conditions, operating ranges and quality of service lead to laboriousness increasing of development structured model of ETC. Moreover, development of structured model demands information about principles and mechanisms of ETC operating of each dragline and of whole draglines’ park. We offer to use for ETC modeling method which is based on functional principles. According to this way ETC can be exposed as a dynamical system, which operates in its diagnostic signals space. We can predict ETC technical condition in the future by its discrete diagnostic parameters. Discrete diagnostic signals can be forecast by autoregressive methods. Using these forecasting methods allows us to choose required number of diagnostics signals and we don’t depend on any initial information. Moreover we offer the method of forecasting discrete diagnostic signals, based on forecasting signals’ decomposition components. These components have required properties, what makes training of predictors simpler and allows to increase prediction accuracy.