мального або одного з аномальних станів і прийняття рішення про стан установки, прийняття рішення про необхідний керуючого дії на систему. Зменшити навантаження на оператора і підвищити ефективність системи діагностування можна за рахунок формалізації цих дій. За рахунок цього з'являється можливість істотно підвищити швидкодію і надійність прийнятих рішень, збільшити точність опису системи за рахунок розширення складу діагностичних ознак.
Найважливішу роль у розвитку систем діагностування грає обчислювальна техніка. З появою сучасних персональних і промислових комп'ютерів стало можливим створювати системи, що працюють у безпосередньому (онлайновому) режимі, коли час між отриманням інформації з датчика і поданням оброблених даних на екран оператора складає долі секунди. Таким чином, різко зростає швидкість прийняття рішень, підвищується надійність і ефективність роботи системи в цілому, стає можливим застосування складних алгоритмів обробки діагностичної інформації при високій швидкодії. Все це виводить системи технічної діагностики АЕС на якісно новий рівень. Як приклади таких систем можна привести комп'ютерні системи підтримки оператора CAMLS, CSPM, ChemAND для реакторів CANDU і акустичну систему виявлення течі ALUS фірми Siemens.
1.2 Методи обробки та аналізу даних
Дуже важливу роль в системах діагностики відіграють методи обробки та аналізу даних. Взагалі, на АЕС існує величезна кількість технологічних параметрів, контрольованих з різною періодичністю, у той час як для опису різних експлуатаційних режимів достатньо мати набагато менший набір параметрів. Використовувати єдиний набір з більшості параметрів для опису всіх режимів роботи не доцільне не лише з причин технічного характеру (величезний обсяг даних, збільшення часу обробки і т.д.), але і внаслідок того факту, що багато параметри не тільки можуть мати неправильне значення ( імовірність чого для більшого числа параметрів зростає), ускладнюючи роботу алгоритму діагностування, але і бути для даного режиму попросту надлишковими. Таким чином, ставиться завдання виділити з величезного потоку інформації саме ту її частину, яка є необхідною для вирішення нашої конкретного завдання діагностування. Рішенням такого роду завдань займається область знання, звана Data Mining (дослівно, «видобуток, откапиваніе даних»), що утворилася на стику багатьох наукових дисциплін. Подальший вибір конкретних методів залежить від обраної завдання діагностування і відповідної їй завдання Data Mining. Прикладом завдань діагностування успішно застосовані до ряду завдань, таких як ідентифікація частинок, розпізнавання осіб, розпізнавання тексту, біоінформатика і багатьом іншим можуть бути контроль герметичності оболонок, діагностування режиму кипіння по акустичних шумів і т.д. Вирішення цих завдань може зводитися до вирішення таких проблем, як розпізнавання образів, пророкування часових рядів, регресійний аналіз залежностей і т.д.
Поряд з іншими підходами, як математичний апарат для формалізації дій оператора при діагностиці ЯЕУ використовується теорія розпізнавання образів. В основі методології її застосування лежить аналогія між діями оператора і завданнями і методами їх вирішення в теорії розпізнавання образів. Завданнями теорії є відсіювання випадкових, надлишкових та помилкових даних, стиск і редукування опису стану установки, виділення істотних діагностичних о...
