МЕТОД, МОДЕЛІ ТА ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ПРИЙНЯТТЯ РІШЕНЬ ПРО СТАН ТЕХНІЧНИХ ОБ’ЄКТІВ В УМОВАХ НЕСТАЦІОНАРНИХ ВХІДНИХ ВПЛИВІВ
DOI:
https://doi.org/10.30977/BUL.2219-5548.2021.95.0.229Ключові слова:
вимірювальна інформація, нестаціонарні вхідні впливи, моди Гільберта–Хуанга, прийняття рішенняАнотація
У світі спостерігається значне зростання обсягу вимірювальної інформації на складних та великих технічних об’єктах, прикладом яких є мостові споруди. Прийняття рішення щодо стану цих об’єктів в умовах нестаціонарних вхідних впливів є складним завданням. У статті запропоновано здійснювати перехід від одноканальної обробки інформації до багатоканальної. В кожному каналі відбувається обробка однієї з мод Гільберта–Хуанга, на які розкладається кожна реалізація нестаціонарного сигналу. Показано, що найчастіше вистачає трьох перших мод розкладання, які в більшості випадків створюють стаціонарний процес. Якщо якась мода виявляється нестаціонарною, можливе її розкладання по зазначених модах. Кінцеве рішення за статистичними критеріями приймається не за реалізаціями, як це традиційно здійснюється, а за модами Гільберта–Хуанга.
Посилання
ДСТУ 2481-94. Iнтелектуальнi iнформацiйні технологiї. Терміни та визначення.
Catherine A. Cardno. Smart Bridges, Evolved. - The Magazine of the American Society of Civil Engineers, 2020, https://www.asce.org/cemagazine/smart-bridges/
Poliarus O. V., Poliakov Ye. O., Lebedyns-
kyi A. V., Ivanov V. K., Paschenko R. E. Measurement of the Bridge Surface Deflections Using Near-Field Amplitude of Secondary Radiators System. - Advances in Science, Technology and Engineering Systems Journal. (USA) - Volume 2, Issue 6, Page No 217-224, 2017.
Carlos Granero-Belinchón, Stéphane G. Roux and Nicolas B. Garnier. Information Theory for Non-Stationary Processes with Stationary Increments. – Entropy, 2019, 21, 1223; doi:10.3390/e21121223, pp. 1–21.
Boashash, B., Azemi, G., O’Toole, J. Time-frequence processing of nonstationary signals. IEEE Signal Processine Magazine, 2013, 30,
pp. 108–119.
Yang, K.; Shahabi, C. On the stationarity of multivariate time series for correlation-based data analysis. - In Proceedings of the Fifth IEEE International Conference on Data Mining (ICDM’05), Houston, TX, USA, 27–30 November 2005.
Ibe, O. 11-Levy processes. In Markov Processes for Stochastic Modeling, 2nd ed.; Elsevier: London, UK, 2013, pp. 329–347.
Gómez Herrero, G.; Wu, W.; Rutanen, K.; Soriano, M.C.; Pipa, G.; Vicente, R. Assessing coupling dynamics from an ensemble of time series. Entropy, 2015, 17, 1958–1970.
Vu, V.Q.; Yu, B.; Kass, R.E. Information in the Non-Stationary Case. Neural Comput. 2009, 21, 688–703.
Erik M. Bollt and Joseph D. Skufca, Stephen J. McGregor. Control entropy: А complexity measure for nonstationary signals. - mathematical biosciences and engineering, Volume 6, Number 1, January 2009, pp. 1–25.
H. Kantz and T. Schreiber. Nonlinear Time Series Analysis. - Cambridge University Press, Cambridge, 2004.
J. Theiler. Efficient algorithm for estimating the correlation dimension from a set of discrete points. - Physical Review A, 36 (1987), 4456–4462.
S.A. Zhmylev. Nonstationary processes period estimation in cloud systems. – Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2019, vol. 19, no. 3, pp. 475–481 (in Russian). doi: 10.17586/2226-1494-2019-19-3-475-481
Чистякова А. А., Б. В. Шамша А. А. Инфор-мационная технология прогнозирования не-стационарных временных рядов с использо-ванием сингулярного спектрального анали-за. – Восточно-Европейский журнал пере-довых технологий. ISSN 1729-3774 2/4 (68) 2014.
N. Huang and S. Shen. Hilbert–Huang Transform and Its Applications. - Interdisciplinary Mathematical Sciences, 2014.
O. Poliarus, S. Ianushkevych, A. Koval, A. Lebedynskyi, Y. Medvedovska and Y. Poliakov. Influence of Measurements Uncertainty on Uncertainty of Gilbert-Huang Transform Modes. - Proceedings of 2019 IEEE 8th International Conference on Advanced Optoelectronics and Lasers, CAOL 2019, Sozopol, Bulgaria, 6-8 September, 2019, pp. 644…647. doi: 10.1109/caol46282.2019.9019512.
H. Kriegel, P. Kroger, E. Schubert and A. Zimek. Outlier Detection in Arbitrarily Oriented Subspaces. - 2012 IEEE 12th International Conference on Data Mining, 2012.
Теоретические основы радиолокации / под ред. Ширмана Я. Д. – М.: Сов. радио, 1970. – 560 с.
O. Poliarus, Y. Poliakov and A. Lebedynskyi. Detection of landmarks by autonomous mobile robots using camera-based sensors in outdoor environments. - IEEE Sensors Journal, 2021, vol. 21, issue 10, pp. 11443-11450, doi: 10.1109/JSEN.2020.3010883.
