Виявлення аномалій в інфокомунікаційній системі за допомогою методу інформативної послідовності
DOI:
https://doi.org/10.18372/1990-5548.65.14988Ключові слова:
Iдентифікація параметрів, аномалія, відмова, невизначеність, якість виявлення пошкоджень, узагальнене співвідношення правдоподібності, метод інформативної послідовності, часовий інтервал, редукований порядокАнотація
В роботі розглянуто метод виявлення та визначення аномалій чи пошкоджень в інфокомунікаційній системі. Запропонований метод відрізняється від відомих тим, що дає змогу значно швидше визначити відмову чи пошкодження у системі, особливо, коли має місце поступова зміна параметрів у часі. Поєднання лінійних дискримінантних функцій у просторі станів та байесівського правила для прийняття рішень, дають змогу спростити алгоритм виявлення пошкоджень та підвищити точні ідентифікації. В рамках розроблення запропонованого методу опрацьований математичний апарат забезпечення високого ступеня робастності системи в цілому. Одним з підходів до підвищення робастності системи виявлення пошкоджень, запропонованих у роботі, є мінімізація суми індексів узагальненого співвідношення правдоподібності на часовому інтервалі, що розглядається, по відношенню до невідомих параметрів. Для зменшення обчислювальних витрат в реальному часі, запропоновано виконувати мінімізацію функціоналу через визначені проміжки часу. За початкові умови процедури мінімізації рекомендовано приймати дані, отримані на попередній реалізації цієї процедури. За умов детермінованості статистичних характеристик корельованого шуму, запропонований метод можна застосовувати також за умови використання розширеного вектора стану в моделі. При цьому характеристики методу виявлення пошкоджень не погіршуються. Коли характеристики шуму стану невідомі, то якість виявлення пошкоджень погіршується. Метод ґрунтується на використанні послідовності нев’язок на досить довгих відрізках часу, що дозволяє відрізнити функцію аномалії, котра зумовлена появою пошкодження від корельованого шуму. Для спрощення процедури виявлення пошкоджень необхідно одночасно з генерацією індексів узагальненого співвідношення правдоподібності виконувати аналіз коефіцієнтів розкладу, що зумовлено більш прогресивною зміною зазначених коефіцієнтів у нормальному режимі роботи системи ніж в аномальному, а також залежності від рівня шуму.
Посилання
P. V. ZHuk, O. L. ZHuk, and O. V. Severіnov, “Estimation of exchange intensity and volumes of information flows in automated control systems of special purpose,” Information processing systems, no. 9(107), pp. 169–176, 2012. (in Ukrainian) http://www.hups.mil.gov.ua/periodic-app/article/10229
S. Panchenko, S. Prykhodko, S. Kozelkov, M. Shtompel, V. Kosenko, O. Shefer, and O. Dunaievska, “Analysis of efficiency of the bioinspired method for decoding algebraic convolutional codes,” Eastern-European Journal of Enterprise Technologies, 2/4(98), 2019. https://doi.org/10.15587/1729-4061.2019.160753
V. I. Dzhigan, Adaptive signal filtering: theory and algorithms. Moscow: Tekhnosfera, 2013, 528 p. (in Russian)
N. Benvenuto and G. Cherubini, Algorithms for communication systems and their applications. NJ, Hoboken: John Wiley and Sons, Inc., 2002, 1285 p. https://doi.org/10.1002/0470855509
G. Olsson and D. Piani, Digital automation and control systems. St. Petersburg: Nevskij dialekt, 2001, 558 p. (in Russian)
Adaptive filters, edited by K. F. N. Kouena and P. M. Granta, Moscow: Mir, 1988, 392 p. (in Russian)
V. V. Emelyanov, V. V. Kurejchik, and V. M. Kurejchik, Theory and practice of evolutionary modeling, Moscow: Fizmatlit, 2003, 432 p. (in Ukrainian)
Synthesis, analysis and diagnostics of electronic circuits: International collection of scientific papers. Issue 10, edited by V. V. Filaretova. Ulyanovsk: UlGTU, 2012, 280 p. (in Russian)
V. M. Halai, L. Yu. Spinul, and A. V. Shefer, Object dynamics control. Kyiv: Ekonomika i pravo, 2004, 185 p. (in Russian)
P. S. R. Diniz, Adaptive filtering algorithms and practical implementation. 3nd ed. New York, Springer Science + Business Media, 2008, 627 p.
E. Ajficher and B. Dzhervis, Digital signal processing. A hands-on approach Moscow: ID "Vil'yams", 2004, 992 p. (in Russian)
T. Ogunfunmi, Adaptive nonlinear system identification: The Volterra and Wiener model approaches. Springer Science + Business Media, LCC. 2007, 230 p. ISBN-13:978-0387263281, ISBN-10:0817641351
R. G. Brown, Introduction to random signal analysis and Kalman filtering. New York: Wiley & Sons, 1983, 347 p. ISBN-10:0471087327
R. E. Kalman and R. S. Bucy, “New results in linear filtering and theory of prediction,” Trans. ASME, J. of Basic Eng., vol. 83-D, pp. 95–108, 1961. https://doi.org/10.1115/1.3658902
M. Atans and P. Falb, Optimal control, Moscow: Mashinostroenie, 1968, 764 p. (in Russian)
S. Tanaka and P. C. Muller, “Fault detection in linear discrete systems by a pattern recognition of a generalized likelihood-ratio,” Trans. ASME, Dynamic Systems, Measurement and Control, vol. 112, no. 3, pp. 276–282, 1990. https://doi.org/10.1115/1.2896136
A. I. Orlov, Applied statistics, Moscow: Ekzamen, 2004, 656 p. (in Russian)
##submission.downloads##
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
