Программные продукты и системы, 2015, № 3 (111)

Научно-исследовательский институт

«Центрпрограммсистем»

Программные

продукты и системы

МЕЖДУНАРОДНЫЙ НАУЧНО-ПРАКТИЧЕСКИЙ ЖУРНАЛ

№ 3 (111), 2015

Главный редактор

С.В. ЕМЕЛЬЯНОВ, академик РАН

Тверь

PROGRAMMNYE PRODUKTY

I SISTEMY

(SOFTWARE & SYSTEMS)

International research and practice journal

no. 3 (111), 2015

Editor-in-Chief 

S.V. EMELYANOV, Academician of the Russian Academy of Sciences

Tver

Russian Federation

Research Institute CENTERPROGRAMSYSTEM

 ПРОГРАММНЫЕ ПРОДУКТЫ И СИСТЕМЫ
Международное научно-практическое 
приложение к международному журналу 
«ПРОБЛЕМЫ ТЕОРИИ И ПРАКТИКИ УПРАВЛЕНИЯ»

Главный редактор 
С.В. ЕМЕЛЬЯНОВ, академик РАН (г. Москва, Россия)

Научные редакторы:
Н.А. СЕМЕНОВ, д.т.н., профессор ТвГТУ (г. Тверь, Россия)
Б.В. ПАЛЮХ, д.т.н., профессор ТвГТУ (г. Тверь, Россия)

Рецензенты: 
В.Н. Вагин, д.т.н., профессор МЭИ (ТУ) (г. Москва, Россия)
А.П. Еремеев, д.т.н., профессор МЭИ (ТУ) (г. Москва, Россия)
О.Ф. Немолочнов, д.ф.-м.н., профессор ИТМО (г. С.-Петербург, Россия)
Н.А. Семенов, д.т.н., профессор ТвГТУ (г. Тверь, Россия)
С.И. Носков, д.т.н., профессор ИрГУПС (г. Иркутск, Россия)
И.К. Туркин, д.т.н., профессор МАИ (г. Москва, Россия)
С.П. Орлов, д.т.н., профессор СамГТУ (г. Самара, Россия)
И.З. Батыршин, д.т.н., профессор Мексиканского института нефти
(г. Мехико, Мексика)

Издатель НИИ «Центрпрограммсистем»

(г. Тверь, Россия)

Учредители: МНИИПУ (г. Москва, Россия),
Главная редакция международного журнала 
«Проблемы теории и практики управления»

(г. Москва, Россия),

Закрытое акционерное общество 

«Научно-исследовательский институт 

«Центрпрограммсистем» (г. Тверь, Россия)

Журнал зарегистрирован

в Комитете Российской Федерации

по печати 26 июня 1995 г.

Регистрационное

свидетельство № 013831

Подписной индекс в каталоге

Агентства «Роспечать» 70799

ISSN 0236-235X (печатн.)
ISSN 2311-2735 (онлайн)

МЕЖДУНАРОДНАЯ РЕДАКЦИОННАЯ КОЛЛЕГИЯ

Семенов Н.А. – д.т.н., профессор Тверского государственного технического университета, заместитель главного 
редактора (г. Тверь, Россия)
Решетников В.Н. – д.ф.-м.н., профессор Российского государственного технологического университета 
им. К.Э. Циолковского (МАТИ), заместитель главного редактора (г. Москва, Россия)
Арефьев И.Б. – д.т.н., профессор Морской академии Польши (г. Щецин, Польша)
Афанасьев А.П. – д.ф.-м.н., профессор Московского физико-технического института (технического университета), 
заведующий Центром распределенных вычислений Института проблем передачи информации РАН (г. Москва, Россия)
Батыршин И.З. – д.т.н., профессор Мексиканского института нефти (г. Мехико, Мексика)
Вагин В.Н. – д.т.н., профессор Московского энергетического института (технического университета) 
(г. Москва, Россия)
Голенков В.В. – д.т.н., профессор Белорусского государственного университета информатики и радиоэлектроники
(г. Минск, Беларусь)
Еремеев А.П. – д.т.н., профессор Московского энергетического института (технического университета)
(г. Москва, Россия)
Котов А.С. – кандидат наук, ассистент профессора университета Уэйна (штат Мичиган) (г. Детройт, США)
Кузнецов О.П. – д.т.н., профессор Института проблем управления РАН (г. Москва, Россия)
Курейчик В.М. – д.т.н., профессор Технологического института Южного федерального университета 
(г. Таганрог, Россия)
Лисецкий Ю.М. – к.т.н., генеральный директор «S&T Ukraine» (г. Киев, Украина)
Мамросенко К.А. – к.т.н., доцент Российского государственного технологического университета 
им. К.Э. Циолковского (МАТИ), заведующий отделом Центра визуализации и спутниковых 
информационных технологий НИИСИ РАН (г. Москва, Россия)
Нгуен Тхань Нги – д.ф.-м.н., профессор, проректор Ханойского открытого университета (г. Ханой, Вьетнам)
Николов Р.В. – доктор наук, профессор Университета библиотековедения и информационных технологий Софии
(г. София, Болгария)
Осипов Г.С. – д.ф.-м.н., профессор, заместитель директора Института системного анализа РАН (г. Москва, Россия)
Палюх Б.В. – д.т.н., профессор Тверского государственного технического университета (г. Тверь, Россия)
Рахманов A.A. – д.т.н., профессор, заместитель генерального директора Концерна «РТИ Системы» (г. Москва, Россия)
Серов В.С. – д.ф.-м.н., профессор Университета прикладных наук Оулу (г. Оулу, Финляндия)
Сотников А.Н. – д.ф.-м.н., профессор, Межведомственный суперкомпьютерный центр РАН (г. Москва, Россия)
Сулейманов Д.Ш. – академик АН Республики Татарстан, д.т.н., профессор Казанского государственного 
технического университета (г. Казань, Республика Татарстан, Россия)
Тарасов В.Б. – к.т.н., доцент Московского государственного технического университета им. Н.Э. Баумана (г. Москва, Россия)
Таратухин В.В. – доктор философии, управляющий директор Европейского исследовательского центра 
в области информационных систем (ERCIS) Вестфальского университета им. Вильгельма (г. Мюнстер, Германия)
Хорошевский В.Ф. – д.т.н., профессор Московского физико-технического института (технического университета) 
(г. Москва, Россия)
Язенин А.В. – д.ф.-м.н., профессор Тверского государственного университета (г. Тверь, Россия)

АССОЦИИРОВАННЫЕ ЧЛЕНЫ РЕДАКЦИИ

Московский энергетический институт (технический университет), г. Москва, Россия
Технологический институт Южного федерального университета, г. Таганрог, Россия
Тверской государственный технический университет, г. Тверь, Россия
Научно-исследовательский институт «Центрпрограммсистем», г. Тверь, Россия

АДРЕС РЕДАКЦИИ
Россия, 170024, г. Тверь, пр. 50 лет Октября, 3а
Телефон (482-2) 39-91-49
Факс (482-2) 39-91-00
E-mail: red@cps.tver.ru
www.swsys.ru

Подписано в печать 17.08.2015 г.

Отпечатано ООО ИПП «Фактор и К»

Россия, 170028, г. Тверь, ул. Лукина, д. 4, стр. 1

Выпускается один раз в квартал. Год издания двадцать восьмой

Формат 6084 1/8. Объем 236 стр.

Заказ № 44. Тираж 1000 экз. Цена 257,40 руб.

Автор статьи отвечает за подбор, оригинальность и точность приводимого фактического материала.
Авторские гонорары не выплачиваются. При перепечатке материалов ссылка на журнал обязательна.

 PROGRAMMNYE PRODUKTY I SISTEMY
(SOFTWARE & SYSTEMS)

International research and practice supplement for International magazine 
THEORETICAL AND PRACTICAL ISSUES OF MANAGEMENT
Editor-in-chief 
S.V. Emelyanov, Academician of the Russian Academy of Sciences (Mosсow, Russian Federation)

Science editors:
N.A. Semenov, Dr.Sc. (Engineering), Professor TSTU (Tver, Russian Federation)
B.V. Palyukh, Dr.Sc. (Engineering), Professor TSTU (Tver, Russian Federation)

Reviewers: 
V.N. Vagin, Dr.Sc. (Engineering), Professor MPEI (Moscow, Russian Federation)
A.P. Eremeev, Dr.Sc. (Engineering), Professor MPEI (Moscow, Russian Federation)
O.F. Nemolochnov, Dr.Sc. (Physics and Mathematics), Professor ITMO (S.-Petersburg, Russian Federation)
N.A. Semenov, Dr.Sc. (Engineering), Professor TSTU (Tver, Russian Federation)
S.I. Noskov, Dr.Sc. (Engineering), Professor IrGUPS (Irkutsk, Russian Federation)
I.K. Turkin, Dr.Sc. (Engineering), Professor MAI (Moscow, Russian Federation)
S.P. Orlov, Dr.Sc. (Engineering), Professor SamGTU (Samara, Russian Federation)
I.Z. Batyrshin, Dr.Sc. (Engineering), Professor of Mexican Petroleum Institute (Mexico City, Mexico)

Publisher Research Institute 
CENTERPROGRAMSYSTEM 

(Tver, Russian Federation)

The Founders: International Scientific 

and Research Institute 
for Management Issues 

(Moscow, Russian Federation),

the Chief Editorial Board 

of International Magazine Theoretical and 
practical issues of management (Moscow, 

Russian Federation),

Research Institute 

CENTERPROGRAMSYSTEM 

(Tver, Russian Federation)
The magazine is on record 

in Russian committee

on press 26th of June 1995

Registration certificate № 013831

ISSN 0236-235X (print)

ISSN 2311-2735 (online)

INTERNATIONAL EDITORIAL BOARD

Semenov N.A. – Dr.Sc. (Engineering), Professor of Tver State Technical University, Deputy Editor-in-Chief
(Tver, Russian Federation)
Reshetnikov V.N. – Dr.Sc. (Physics and Mathematics), Professor of Russian State Technological University (MATI), 
Deputy Editor-in-Chief (Mosсow, Russian Federation)
Arefev I.B. – Dr.Sc. (Engineering), Professor of Poland Szczecin Maritime Academy (Szczecin, Poland)
Afanas’ev A.P. – Dr.Sc. (Physics and Mathematics), Professor of Moscow Institute of Physics and Technology, 
Head of Centre for Distributed Computing of Institute for Information Transmission Problems (Moscow, Russian Federation)
Batyrshin I.Z. – Dr.Sc. (Engineering), Professor of Mexican Petroleum Institute (Mexico City, Mexico)
Vagin V.N. – Dr.Sc. (Engineering), Professor of Moscow Power Engineering Institute (Technical University) 
(Mosсow, Russian Federation)
Golenkov V.V. – Dr.Sc. (Engineering), Professor of Belarusian State University of Informatics and Radioelectronics 
(Minsk, Republic of Belarus)
Eremeev A.P. – Dr.Sc. (Engineering), Professor of Moscow Power Engineering Institute (Technical University) 
(Moscow, Russian Federation)
Kotov A.S. – Ph.D. (Computer Science), Assistant Professor, Wayne State University (Detroit, MI, USA)
Kuznetsov O.P. – Dr.Sc. (Engineering), Professor of the Institute of Control Sciences of the Russian Academy of Sciences
(Moscow, Russian Federation)
Kureichik V.M. – Dr.Sc. (Engineering), Professor of Taganrog Technology Institute at Southern Federal University
(Taganrog, Russian Federation)
Lisetskiy Yu.M. – Ph.D.Tech.Sc., CEO of S&T Ukraine (Kiev, Ukraine)
Mamrosenko K.A. – Ph.D. (Engineering), Associate Professor of Russian State Technological University (MATI), 
Head of Department of Center of visualization and satellite information technologies SRISA RAS (Moscow, Russian Federation)
Nguyen Thanh Nghi – Dr.Sc. (Physics and Mathematics), Professor, Vice-Principal of Hanoi Open University (Hanoi, Vietnam)
Nikolov R.V. – Full Professor of the University of Library Studies and Information Technology (Sofia, Bulgaria)
Osipov G.S. – Dr.Sc. (Physics and Mathematics), Professor, Deputy of the Principal of Institute of Systems Analysis 
of the Russian Academy of Sciences (Mosсow, Russian Federation)
Palyukh B.V. – Dr.Sc. (Engineering), Professor of Tver State Technical University (Tver, Russian Federation)
Rakhmanov A.A. – Dr.Sc. (Engineering), Professor, Deputy of the CEO of Concern RTI Systems
(Mosсow, Russian Federation)
Serov V.S. – Dr.Sc. (Physics and Mathematics), Professor of the Oulu University of Applied Sciences (Oulu, Finland)
Sotnikov A.N. – Dr.Sc. (Physics and Mathematics), Professor, Joint Supercomputer Center of the Russian Academy 
of Sciences (Moscow, Russian Federation)
Suleimanov D.Sh. – Academician of TAS, Dr.Sc. (Engineering), Professor of Kazan State Technical University
(Kazan, Republic of Tatarstan, Russian Federation)
Tarassov V.B. – Ph.D. (Engineering), Associate Professor of Bauman Moscow State Technical University
(Mosсow, Russian Federation)
Taratoukhine V.V. – Ph.D. (Engineering), Dr.Ph., Managing Director of the Competence Centre ERP and ERCIS Lab
Russia of the ERCIS (Muenster, Germany)
Khoroshevsky V.F. – Dr.Sc. (Engineering), Professor of Moscow Institute of Physics and Technology
(Moscow, Russian Federation)
Yazenin A.V. – Dr.Sc. (Physics and Mathematics), Professor of Tver State University (Tver, Russian Federation)

ASSOCIATED EDITORIAL BOARD MEMBERS

Moscow Power Engineering Institute (Technical University), Moscow, Russian Federation
Technology Institute at Southern Federal University, Taganrog, Russian Federation
Tver State Technical University, Tver, Russian Federation
Research Institute CENTERPROGRAMSYSTEM, Tver, Russian Federation

EDITORIAL OFFICE ADDRESS
50 let Oktyabrya Ave. 3а, Tver, 170024, Russian Federation
Phone: (482-2) 39-91-49  Fax: (482-2) 39-91-00
E-mail: red@cps.tver.ru
www.swsys.ru

Passed for printing 17.08.2015

Printed in printing-office “Faktor i K”

Lukina St. 4/1, Tver, 170028, Russian Federation

Published quarterly. 28th year of publication

Format 6084 1/8. Circulation 1000 copies

Prod. order № 44. Wordage 236 pages. Price 257,40 rub.

Вниманию авторов!

Международный журнал «Программные продукты и системы» публикует материалы научного и научно-прак
тического характера по новым информационным технологиям, результаты академических и отраслевых исследований в 
области использования средств вычислительной техники. Практикуются выпуски тематических номеров по искусственному интеллекту, системам автоматизированного проектирования, по технологиям разработки программных средств и 
системам защиты, а также специализированные выпуски, посвященные научным исследованиям и разработкам отдельных вузов, НИИ, научных организаций. 

Решением Президиума Высшей аттестационной комиссии (ВАК) Министерства образования и науки РФ № 8/13 от 

02.03.2012 международный журнал «Программные продукты и системы» внесен в Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней кандидата и доктора наук.

Информация об опубликованных статьях по установленной форме регулярно предоставляется в систему Российского 

индекса научного цитирования (РИНЦ), в CrossRef и готовится для передачи в международные базы цитирования.

Условия публикации

К рассмотрению принимаются ранее нигде не опубликованные материалы, соответствующие тематике журнала 

(специализация 05.13.ХХ – Информатика, вычислительная техника и управление) и отвечающие редакционным требованиям.

Работа представляется в электронном виде в формате Word. При обилии сложных формул обязательно наличие 

статьи и в формате PDF. Формулы должны быть набраны в редакторе формул Word (Microsoft Equation или MathType). 
Объем статьи вместе с иллюстрациями – не менее 10 000 знаков. Диаграммы, схемы, графики должны быть доступными 
для редактирования (Word, Visio, Exel). Все иллюстрации для полиграфического воспроизведения представляются в черно-белом варианте. Цветные, тонированные, отсканированные, не подлежащие редактированию средствами Word рисунки и экранные формы следует присылать в хорошем качестве для их дополнительного размещения на сайте журнала в 
макете статьи с доступом по ссылке. (Публикация материалов с использованием гипертекста, графики, аудио-, видео-, 
программных средств и др. возможна в нашем новом электронном издании «Программные продукты, системы и алгоритмы», сайт www.swsys-web.ru.) Заголовок должен быть информативным; сокращения, а также терминологию узкой 
тематики желательно в нем не использовать. Количество авторов на одну статью – не более 4, количество статей одного 
автора в номере, включая соавторство, – не более 2. Список литературы (оформленный в соответствии с ГОСТ Р 7.05–
2008), наличие которого обязательно, должен включать не менее 10 пунктов.

Необходимы также аннотация (не менее 200 слов), ключевые слова (7–10) и индекс УДК. Название статьи, анно
тация и ключевые слова должны быть переведены на английский язык (машинный перевод недопустим), а фамилии авторов, названия и юридические адреса организаций (если нет официального перевода), пристатейные списки литературы 
– транслитерированы по стандарту BGN/PCGN. 

Вместе со статьей следует прислать отзыв-рекомендацию в произвольной форме, экспертное заключение, лицен
зионное соглашение, а также сведения об авторах: фамилия, имя, отчество, название и юридический адрес организации, 
должность, ученые степень и звание (если есть), контактный телефон, электронный адрес, почтовый адрес для отправки 
бесплатного авторского экземпляра журнала. 

Порядок рецензирования

Все статьи, поступающие в редакцию (соответствующие тематике и оформленные согласно требованиям к публи
кации), подлежат обязательному рецензированию в течение месяца с момента поступления. 

В редакции есть устоявшийся коллектив рецензентов, среди которых члены международной редколлегии журна
ла, эксперты из числа крупных специалистов в области информатики и вычислительной техники ведущих вузов страны, 
а также ученые и специалисты НИИ «Центрпрограммсистем» (г. Тверь).

Рецензирование проводится конфиденциально. Автору статьи предоставляется возможность ознакомиться с тек
стом рецензии. При необходимости статья отправляется на доработку.

Рецензии обсуждаются на заседаниях рабочей группы, состоящей из членов научного совета журнала. Заседания 

проводятся раз в месяц в НИИ «Центрпрограммсистем» (г. Тверь), где принимается решение о целесообразности публикации статьи.

Статьи, одобренные редакционным советом, публикуются бесплатно в течение года с момента одобрения, а от
правленные на доработку – с момента поступления после устранения замечаний.

Редакция международного журнала «Программные продукты и системы» в своей работе руководствуется сводом 

правил Кодекса этики научных публикаций, разработанным и утвержденным Комитетом по этике научных публикаций.

Программные продукты и системы / Software & Systems
№ 3 (111), 2015

5

УДК 621.311
Дата подачи статьи: 03.06.15

DOI: 10.15827/0236-235X.111.005-011

ДИАГНОСТИРОВАНИЕ ЭЛЕКТРОМЕХАНИЧЕСКИХ СИСТЕМ 

НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ

Б.В. Палюх, д.т.н., профессор, Pboris@tstu.tver.ru

(Тверской государственный технический университет, 

наб. Аф. Никитина, 22, г. Тверь, 170026, Россия);

Д.М. Шпрехер, к.т.н., доцент, shpreher-d@yandex.ru
(Новомосковский институт РХТУ им. Д.И. Менделеева, 

ул. Дружбы, 8, г. Новомосковск, 301665, Россия);

В.Н. Богатиков, д.т.н., профессор, VNBGTK@mail.ru
(Тверской государственный технический университет, 

наб. Аф. Никитина, 22, г. Тверь, 170026, Россия)

Предложены структурная схема и аппаратная реализация аппаратуры для диагностики технических состояний 

электромеханических систем (ЭМС), включающей блок сбора, кодирования, формирования группового сигнала 
контроля технического состояния ЭМС, его передачи в канал связи и блок приема группового сигнала контроля технических состояний ЭМС, первичной обработки, распаковки и нейросетевого анализа. Основным элементом аппаратных средств нейросетевой системы диагностирования ЭМС является нейросетевое устройство, с выхода которого 
снимаются выходные реакции нейронной сети решений относительно технических состояний ЭМС. Установлена 
целесообразность использования нейрочипов в системах встроенной диагностики технических состояний ЭМС, а 
нейрокомпьютерные и транспьютерные вычислительные системы целесообразно использовать, когда блок сбора, 
кодирования, формирования, передачи группового сигнала контроля технических состояний ЭМС и блок приема 
группового сигнала контроля технических состояний ЭМС, первичной обработки, распаковки и нейросетевого анализа разнесены в две зоны. Предлагаемое специальное ПО для диагностики состояний ЭМС включает программноматематические модули предварительной статистической обработки массивов измеряемых параметров ЭМС, модули 
синтеза моделей и модули использования синтезированных моделей в зависимости от класса решаемых задач контроля технических состояний. Проведено исследование возможности применения ПО вариантов нейронных сетей 
для диагностирования сложных электромеханических систем с заданной достоверностью. Приведены результаты исследований.

Ключевые слова: электромеханическая система, контроль работоспособности, нейронная сеть.

В настоящее время все большее значение при
обретают обеспечение эксплуатационной надежности электромеханического оборудования, проверка и определение его состояния без осуществления демонтажа, прогнозирование технического 
состояния и обеспечение безопасности функционирования. Для этого необходимы средства, позволяющие оценить состояние оборудования на 
данный момент, проследить изменения состояния 
за последнее время и сделать прогноз на ближайшее будущее.

Структура аппаратуры диагностики

технического состояния электромеханической

системы на нейросетевой базе

Аппаратура диагностики технического со
стояния
(ТС)
электромеханических 
систем

(ЭМС) на нейросетевой базе предназначена для 
одновременного измерения, передачи, приема и 
обработки массивов информации с целью оценки 
ее работоспособности. 

Оценка работоспособности ЭМС на практике 

представляет собой нейросетевой контроль ЭМС и 
всех ее подсистем для получения информации о 
фактическом и прогнозном значениях параметров, 
характеризующих ТС ЭМС, и определение вида 
ТС нейросетевыми средствами и алгоритмами.

Для этой цели при эксплуатации ЭМС предла
гаемая аппаратура диагностики ТС должна включать два основных блока [1]:

–
блок сбора, кодирования, формирования 

группового сигнала контроля ТС и его передачи 
по проводным или беспроводным каналам связи 
(рис. 1);

–
блок приема группового сигнала контроля 

ТС, его первичной обработки, распаковки и нейросетевого анализа.

С помощью датчиков Di, i=1, …, N, устанавли
ваемых в различных точках контролируемого 
объекта – ЭМС, производится преобразование 
физических величин i, i=1, …, N, подлежащих 
контролю в ЭМС, в электрические сигналы Si(t), 
i=1, …, N, которые подаются на входы информационных каналов устройства формирования группового диагностического сигнала ЭМС – S(t), откуда тот передается по каналу связи в диспетчерский центр для анализа (рис. 2).

Так как входной образ для нейросетевых уст
ройств диагностики – это групповой сигнал контроля ТС ЭМС, представляющий собой последовательность отчетов контролируемых параметров 
от всех измерительных каналов за один цикл измерения, блок сбора и передачи данных является 
многоканальным. Количество каналов блока определяется числом независимых информационных 

Программные продукты и системы / Software & Systems
№ 3 (111), 2015

6

входов. Структура устройства формирователя 
группового сигнала контроля ТС ЭМС зависит от 
метода разделения каналов.

Архитектура нейросетевого блока 

аппаратуры диагностирования ТС ЭМС

В аппаратуре диагностики ТС применена ти
повая архитектура нейросетевого блока. Его 
структура, режим функционирования, состав информационного и специального ПО (СПО) оптимально согласованы с назначением автоматизированной системы диагностики ЭМС, определяемым 
техническим заданием.

При проектировании структуры вычислитель
ных средств аппаратуры диагностики определены 
следующие аспекты построения системы:

–
конфигурация аппаратуры диагностики ТС 

ЭМС (ЭВМ, устройства, каналы передачи данных 
и связи между ними – система интерфейсов);

–
режимы функционирования (способы взаи
модействия потребителей – элементов системы 
управления ЭМС с аппаратурой диагностики и организация вычислительных процессов (ввод, хранение, обработка и вывод данных));

–
лингвистическое, информационное и про
граммное обеспечение и порядок взаимодействия 
программ;

Ноутбук

Диагностические 

решения

Аппаратура 
первичной 
обработки 

и формирования 

абсолютных 

значений 

параметров ЭМС

1( )t


2( )t


( )
N t


...

Приемное 
устройство
Канал связи

( )
s
t


Аппаратура 

синхронизации

Устройство 

селекции 

и декодирования 

группового 

диагностического 

сигнала ЭМС

1( )
s t

2( )
s
t

( )
N
s
t

…

Буфер 

формирования 

обучающей 
и рабочих 
выборок

Рис. 2. Структурная схема аппаратуры приема группового диагностического сигнала ЭМС

Fig. 2. A flow diagram of EMS group diagnostic signal receiving equipment

Преобразователь 

N-канального сигнала

Коммутатор 

каналов

Модулятор

Устройство 

формирования 

группового сигнала 
контроля ТС ЭМС

Аппаратура масштабирования

Аппаратура синхронизации

Передающее 
устройство

Канал связи

ЭМС

D1

D2

DN

…

1( )t


2( )t


( )
N t


1( )
s t

2( )
s t

( )
N
s
t

( )
s
t


Рис. 1. Функциональная схема блока сбора и передачи группового сигнала контроля ТС ЭМС

Fig. 1. An operating diagram of a acquisition and transmission unit for EMS technical condition group control signal

Программные продукты и системы / Software & Systems
№ 3 (111), 2015

7

–
базовая структура и характеристики вычис
лителей (производительность, время ответа, надежность, стоимость и др.).

Общей элементной базой нейровычислитель
ного блока аппаратуры диагностики ЭМС как высокопроизводительной системы реального времени можно считать заказные кристаллы (ASIC),
встраиваемые микроконтроллеры (mС), процессоры общего назначения (GPP), программируемые 
логические интегральные схемы (ПЛИС), транспьютеры,
цифровые 
сигнальные 
процессоры 

(DSP), нейрочипы [2, 3]. 

Любая из перечисленных технологий дает воз
можность организовать нейровычисления в реальном масштабе времени, однако наибольшее использование при реализации нейровычислителей 
нашли ПЛИС, DSP и транспьютеры. Транспьютероподобные элементы являются важными для построения вычислительных систем с массовым параллелизмом, а их применение в виде решеток 
процессорных элементов делает возможным реализацию локально-неоднородных сетей, позволяющих осуществлять функции встроенной оценки ТС с предобработкой и локальной коммутацией 
результатов мониторинга ТС ЭМС. Построение 
нейровычислителей на базе ПЛИС позволяет гибко реализовать различные нейросетевые парадигмы. 

Нейрочипы предлагается использовать в сис
темах встроенной диагностики ЭМС, нейрокомпьютерные и транспьютерные вычислительные 
системы (в том числе на базе сигнальных процессоров) – в случае, когда блоки первичной обработки, распаковки и нейросетевого анализа разнесены в две зоны и между ними организованы высокоскоростные каналы связи (табл. 1).

Нейросетевой вычислитель может формиро
ваться из набора транспьютеров, которые функ
ционируют параллельно и взаимодействуют через 
последовательные линии связи по принципу «каждый с каждым». При этом в структуре самого 
нейровычислителя, как правило, выделяют две основные части: 

–
управляющую часть компьютерной систе
мы, реализованную на основе обычной высокопроизводительной вычислительной системы (на 
базе серверов) с CISC- или RISC-микропроцессорами; 

–
конфигурируемую 
нейросетевую 
среду, 

подключаемую к управляющей части компьютерной системы посредством внутренних (внешних) 
системных интерфейсов и выполняющую основные вычислительные операции при выводе суждений оценки работоспособности.

Таблица 1

Характеристики отечественных нейрочипов 

для построения блока нейровычислений 

в системе диагностики ЭМС

Table 1

The features of domestic neural chips to create a neural 

computing block in the EMS diagnostic system

Наименова
ние

Разрядность, 

бит

Max

синап
сов

Max 
слоев

Примечание

NeuroMatrix 
M6403, такт.
частота 
50 МГц

64 (вект. 
процессор), 32 
RISC ядро

4096
24
Совместим 
с портами 
TMS320C4x

NeuroMatrix 
M6404, такт.
частота 
133 МГц

64 (вект. 
процессор), 32 
RISC ядро

4096
48
Совместим 
с портами 
TMS320C4x

Примененная в аппаратуре диагностики архи
тектура транспьютера, которая, в свою очередь, 
конфигурируется в нейронную сеть (НС), представлена на рисунке 3.

Процессор с плавающей точкой 1

Оперативное 
запоминающее 

устройство

Интерфейс с памятью

Транспьютер IMS T800-11

12
1N

21

N1

22

N2
NN

2N

Центральный 
процессор 1

Линии связи

11
…

…

…

…                   …

Рис. 3. Структурная схема транспьютера

Fig. 3. A transputer flow diagram

Программные продукты и системы / Software & Systems
№ 3 (111), 2015

8

Структура нейровычислителя на базе сигналь
ных процессоров МВ86232 [3] показана на рисунке 4. Нейроплата на основе сигнальных процессоров МВ86232 с собственной памятью до 4 Мб 
позволяет осуществлять моделирование НС, содержащей более 1 000 нейронов. Структура НС 
включает в себя входной, промежуточный и выходной уровни (наибольшее число скрытых слоев – два (ограничение по памяти)). Для обучения 
нейрокомпьютера 
используются 
оригинальные 

фирменные алгоритмы: алгоритм виртуального 
импеданса, алгоритм скорректированного обучения и алгоритм расширенного обучения [4–7].

Структура СПО 

диагностирования ТС ЭМС

Предлагаемое СПО
с
использованием
НС 

предназначено для повышения эффективности и 
автоматизации управленческих решений специалистов, эксплуатирующих электромеханическое 
оборудование.

Для корректного функционирования СПО тре
буются ОС Microsoft Windows XP или Microsoft 
Windows 7, Excel и Word [8]. Данное СПО представляет собой исследовательский прототип, но 
при необходимости может быть доведено до промышленной реализации и использоваться на любом промышленном предприятии для диагностики 
ТС ЭМС, работающих в сложных условиях, в том 
числе и тогда, когда непосредственный доступ к 
оборудованию затруднен или невозможен. 

СПО нейросетевой системы оценки работоспо
собности ЭМС имеет два режима функционирования:

–
режим синтеза параметров диагностических 

моделей (режим исследования или режим администратора СПО);

–
режим использования диагностических мо
делей по сформированным диагностическим выборкам (режим работы или режим пользователя 
СПО).

Схема функционирования СПО «ЭМС-НС» 

представлена на рисунке 5.

На данное ПО диагностирования ТС ЭМС по
лучено свидетельство об официальной регистрации программы для ЭВМ [8].

Память 

программ 1

Сигнальный 
процессор 1

Память 
рабочих 
данных 1

Шина Host-системы (управление задачами диагностики ЭМС)

Двухвходовая 
память, банк 1

Память 

программ 2

Сигнальный 
процессор 2

Память 
рабочих 
данных 2

Двухвходовая 
память, банк 2

Память 

программ N

Сигнальный 
процессор N

Память 
рабочих 
данных N

Двухвходовая 
память, банк N

....

....

....

....

Двухвходовая 

память

Рис. 4. Структурная схема нейровычислителя архитектуры NEURO TURBO

Fig. 4. A neurocomputer flow diagram with NEURO TURBO architecture 

Ввод исходных 

данных
Обучающая 

выборка

Объекты 

для контроля 
и диагностики

Аппаратура 
обработки 
информации

Интерфейс

Нейросетевые 

модули

Предварительная 
обработка данных

Выбор архитек
туры НС

Выбор 

структуры НС

Выбор алгоритма 

обучения НС

Тестирование 

НС

Принятие решения 
о состоянии ЭМС

Получение результатов

Текстовое изображе
ние результатов

Графическое изобра
жение результатов

Рис. 5. Схема функционирования СПО «ЭМС-НС»

Fig. 5. A performance scheme of the “EMS-NS”

special software 

Программные продукты и системы / Software & Systems
№ 3 (111), 2015

9

Экспериментальные исследования ТС ЭМС. 

Объект исследования – асинхронный 

электродвигатель

Возможности контроля ТС ЭМС на основе 

многослойных НС рассмотрим на примерах данных эксплуатации асинхронного электродвигателя (АД).

Контроль ТС АД будет заключаться в отнесе
нии предъявляемого к распознаванию состояния 
АД к одному из возможных классов (неисправностей), указанных в таблице 2, с помощью специально построенного решающего правила СПО-НС.

В качестве модели распознавания классов ТС 

ЭМС использовался многослойный нейросетевой 
классификатор с числом скрытых слоев от 1 до 4. 
В качестве алгоритмов распознавания реализован 
метод наискорейшего спуска. Алгоритм является 
открытым и настраиваемым, возможно дополнение его новыми диагностическими признаками.

Входной слой НС должен содержать количест
во нейронов, равное количеству диагностируемых
параметров (числу столбцов в табл. 2), а выходной 
слой – количество нейронов, соответствующее 
количеству классов диагностируемых неисправ
ностей плюс нормальный режим (числу строк в 
табл. 2).

Для обучения классификатора набрана стати
стика соответствия диагностических признаков 
классам ТС, для этого модифицировались значения измеряемых параметров путем 5-процентного 
изменения их значений для каждого режима работы соответственно и был создан массив диагностических параметров АД. Каждый вид ТС ЭМС 
кодируется с помощью бинарного кода, состоящего из 8 разрядов (по числу выявляемых ТС и соответственно числу нейронов в выходном слое НС). 
Каждый разряд соответствует сигналу выходного 
нейрона классификатора. В таблице 3 показан 
фрагмент обучающей выборки для электродвигателя ЭДКО3, 5-40У5 [9].

Исходный массив диагностических параметров 

АД (обучающей выборки) после загрузки в программный модуль «ЭМС-НС» визуализируется в 
нижней левой части рабочей области главного окна СПО (рис. 6). Затем происходит запуск классификатора на обучение.

После подачи на вход классификатора тесто
вого примера он выдает информацию о виде 
распознанного ТС. На рисунке 6 код распознан
Таблица 2

Взаимосвязь определяющих параметров и неисправностей для АД

Table 2

Correlation of the influential parameters and defects for an asynchronous motor

Неисправность

Фазный ток, А
Фазное 

напряжение, В

Темпе
ратура, С

Шум, 

Дб

Вибрация, 

мм/с

Частота 

вращения, 

об./мин.
IA
IB
IC
UA
UB
UC

Норма
+
+
+
+
+
+
+
+
+
+

Перегрузка








Обрыв одной из фаз обмотки 
статора









Межфазное замыкание










Повышение напряжения 
питания статора








Нарушение нормальной 
вентиляции



Неправильная центровка вала 
двигателя



Понижение напряжения 
питания статора









Таблица 3

Данные обучающей выборки для контроля ТС АД

Table 3

Training set data to control asynchronous motor technical condition 

Фазное напряжение, B
Фазный ток, A
Температура, °C

Шум,

Дб

Частота 
вращения, с-1

Вибра
ция, 
мм/с

Истинные значения 
выходных нейронов 

для класса ТС

UA
UB
UC
IA
IB
IC

372,83
369,89
368,4
41,7
39,8
39,5
87,5
39,15
159,91
1,0493
0
0
0
0
0
0
0
1

376,99
389,34
387,7
78,7
82,5
79,5
131,08
59,11
117,37
1,4928
0
0
0
0
0
0
1
0

0
380,21
379,1
0
63,9
58,7
168,73
100,6
129,05
1,9334
0
0
0
0
0
1
0
0

386,84
201,98
202,4
241,7
90,4
204,1
169,39
154,8
138,71
1,9404
0
0
0
0
1
0
0
0

592,52
573,99
595,8
79,3
84,8
80,4
82,96
62,29
149,94
1,0471
0
0
0
1
0
0
0
0

395,23
369,49
391,7
40,4
42,8
41,9
83,04
134,6
156,17
2,0599
0
0
1
0
0
0
0
0

380,34
389,56
367,9
41,1
42,7
42,9
171,1
40,86
149,73
1,9629
0
1
0
0
0
0
0
0

256,06
279,23
275,8
55,1
57,5
58,3
83,63
61,67
132,87
1,0482
1
0
0
0
0
0
0
0

Программные продукты и системы / Software & Systems
№ 3 (111), 2015

10

ного ТС АД равен бинарному вектору 00000010, 
что соответствует режиму работы АД «перегрузка». Здесь показан результат распознавания 
ТС в виде истинных (желтые квадраты) и реальных (синие треугольники) значений выходных 
нейронов. Текстовые результаты диагностики 
всех ТС АД сведены в таблицу (табл. 4). Различия между распознанными и истинными значениями бинарных векторов, определяющих класс 
ТС элемента ЭМС (АД), не превышают 5 % погрешности распознавания, а это говорит о том, 
что контролируемые неисправные состояния 
выявляются.

На основании изложенного можно сделать 

следующие выводы. Предлагаемый способ диагностирования ЭМС, включающий аппаратуру ди
агностики ТС, в основе которой лежит СПО, содержащее 
нейросетевой классификатор, 
позволяет 
устранить 
посте
пенные отказы оборудования, 
что значительно повышает его 
эксплуатационную 
надеж
ность.

Экспериментальные 
стен
довые исследования аппаратуры диагностики ТС ЭМС в 
режиме контроля ТС АД показали, что достоверность выявления отказа элементов ЭМС 
составляет 0,95.

На примере исследования 

различных 
элементов 
ЭМС 

показано, что применительно к 
ЭМС наиболее быстрым методом обучения НС является метод 
Левенберга–Марквардта 

[2, 4], обеспечивающий заданную 
погрешность 
обучения 

при минимальном количестве циклов обучения. 
Зависимость достоверности распознавания ТС 
ЭМС рассматриваемого типа от шага обучения 
НС имеет оптимальные значения при различных 
объемах обучающей выборки, оптимальный шаг 
обучения лежит в пределах от 0,0095 до 0,019.

Достоверность распознавания ТС ЭМС в за
висимости от числа итераций и эпох обучения 
сначала растет до определенного предела, а затем 
сохраняется практически неизменной, причем с 
увеличением объема обучающей выборки достоверность возрастает. Экспериментальные исследования показали, что число итераций обучения, 
обеспечивающих приемлемую достоверность, не 
следует брать выше 2 000, чтобы не увеличивать 
бессмысленно время обучения.

Таблица 4

Результаты распознавания ТС АД

Table 4

Recognition results for an asynchronous motor technical condition

Вид ТС АД

Результаты распознавания вектора ТС

Истинные значения выходных нейронов
Реальные значения выходных нейронов

Номера нейронов
Номера нейронов

1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8

Норма
0
0
0
0
0
0
0
1
0
0,01
0
0
0
0
0
0,99

Перегрузка
0
0
0
0
0
0
1
0
0
0
0,02
0
0
0
0,98
0

Обрыв фазы
0
0
0
0
0
1
0
0
0
0,02
0
0
0,01
0,97
0
0

Межфазное к.з.
0
0
0
0
1
0
0
0
0,02
0
0,01
0
0,97
0
0
0

Повышение
напряжения
0
0
0
1
0
0
0
0
0
0
0
0,98
0
0,02
0
0

Нарушение
вентиляции
0
0
1
0
0
0
0
0
0
0
0,97
0,02
0
0
0,01
0

Неправильная 
центровка вала
0
1
0
0
0
0
0
0
0
0,99
0
0
0,01
0
0
0

Понижение
напряжения
1
0
0
0
0
0
0
0
0,98
0,01
0
0,01
0
0
0
0

Рис. 6. Графическое отображение результатов контроля

ТС АД – «перегрузка»

Fig. 6. Graphic display of asynchronous motor technical condition – “reloading” 

control results