Произведен обзор основных технологий обнаружения аномалий (anomaly detection). Выбраны две наиболее распространённые технологии для внедрения в предложенный ранее двухэтапный алгоритм диагностики высоковольтного коммутационного оборудования: более отложенный статистический подход и относительно новый метод, основанный на аппарате нечеткой логики. Был проведен сравнительный анализ выбранных технологий обнаружения аномалий (обнаружение отклонений от нормального состояния) по таким параметрам как сложность построения модели, ее адекватность, скорость обработки новых данных. Для подтверждения результатов анализируемый первый этап алгоритма диагностики смоделирован в системе математического моделирования Matlab с применением двух выбранных аппаратов обнаружения аномалий. Приведены результаты работы алгоритма, и определены условия применения каждой из технологий. Была обобщена структура двухэтапного алгоритма диагностики.
By reviewing the basic technology for the detection of anomalies (anomaly detection). Selected the two most common technologies for implementation in the previously proposed two-step algorithm for diagnosis of high-voltage switching equipment: a deferred statistical approach and relatively new method based on fuzzy logic. A comparative analysis of selected technologies anomaly detection (detection of deviations from the normal state) as the complexity of the construction of the model, its relevance, speed of processing of new data. To confirm the results of the first phase analyzed the diagnostic algorithm is modeled in mathematical modeling system Matlab using two selected detect anomalies apparatus. Shows the results of the algorithm and defines the conditions the use of each technology. Was generalized structure of a two-stage the diagnostic algorithm.
1. Выключатели. Масляные. ВПМ-10-20/630 У3 // Энергетика. Оборудование. Документация. URL: http://forca.ru/v/sobi2Task,sobi2Details/catid,0/sobi2Id,380/. (Дата обращения: 07.02.2013).
2. Дубров В.И. Адаптация двухэтапного алгоритма диагностики высоковольтного коммутационного оборудования под задачу диагностики электромагнитных механизмов. // Студенческая научная весна - 2013 : материалы Межрегион. науч.-техн. конф. студ., асп. и молодых ученых Южного федерального округа / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ (НПИ), 2013.
3. Дубров В.И., Кириевский В.Е. Двухэтапный алгоритм диагностики высоковольтных выключателей по скоростным характеристикам с использованием методов спектрального анализа // Контроль. Диагностика. - 2012. - № 10.
4. Дубров В.И., Кириевский В.Е. Применение вейвлет-анализа для диагностики высоковольтных выключателей по скоростным характеристика // Контроль. Диагностика. - 2012. - № 7.
5. Дубров В.И. Оптимизация параметров интеллектуальной диагностической системы высоковольтных выключателей // Современные проблемы науки и образования. – 2013. – № 1; URL: http://www.science-education.ru/107-8256 (дата обращения: 31.01.2013).
6. Дьяконов В.П., Круглов В.В. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. СОЛОН-ПРЕСС, 2009. 454 c.
7. Chandola V.; Banerjee, A.; Kumar, V. (2009). "Anomaly detection: A survey". ACM Computing Surveys 41 (3): 1. doi:10.1145/1541880.1541882.
8. Hans-Peter Kriegel, Peer Kröger, Arthur Zimek (2009). "Outlier Detection Techniques (Tutorial)". 13th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2009) (Bangkok, Thailand). Retrieved 2010-06-05.
9. Piegat A. Fuzzy Modeling and Control (Studies in Fuzziness and Soft Computing). Physica. 2001. P. 742.