350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №11 за 2014 г.
Статья в номере:
Структурно-параметрическая идентификация системы «труба - земля» в задаче электрохимической защиты магистральных газопроводов
Ключевые слова: структурно-параметрическая идентификация множественная регрессия магистральный газопровод электрохимической защита защитный потенциал
Авторы:
В. Р. Милов - д.т.н., профессор, зав. кафедрой «Электроника и сети ЭВМ», Нижегородский государственный технический университет им. Р.Е. Алексеева. E-mail: vladimir.milov@gmail.com Е. Л. Карнавский - начальник, Центр прочности, надежности и диагностики трубопроводов и технических устройств, ОАО «Гипрогазцентр». E-mail: ekarnavsky@ggc.nnov.ru С. А. Никулин - инженер, Центр прочности, надежности и диагностики трубопроводов и технических устройств, ОАО «Гипрогазцентр». E-mail: s.nikulin.ggc@gmail.com Р. Л. Шиберт - к.т.н., доцент, Нижегородский государственный технический университет им. Р.Е. Алексеева. E-mail: rostschib@gmail.com
Аннотация:
Рассматривается задача идентификации системы «труба-земля» по данным измерений защитных потенциалов и режимов станций катодной защиты. Предложены процедуры структурно-параметрической идентификации, верификации модели и анализа достоверности данных мониторинга.
Страницы: 79-82
Список источников

  1. Агиней Р.В., Александров Ю.В. Актуальные вопросы защиты от коррозии длительно эксплуатируемых магистральных газопроводов. СПб.: Недра. 2012. 394 с.
  2. Никулин С.А., Карнавский Е.Л. Оптимизация режимов установок электрохимической защиты // Системы управления и информационные технологии. 2014. № 3(57). С. 64-68.
  3. Льюнг Л. Идентификация систем. М.: Наука. Гл. ред. физ.-мат. лит. 1991. 432 с.
  4. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. М.: Диалектика. 2007. 912 с.
  5. Милов В.Р., Баранов В.Г., Шалюгин С.А. Байесовские методы обучения нейронных сетей// Нейрокомпьютеры: разработка, применение. 2007.№ 11. С. 14-19.
  6. Милов В.Р., Махмудов Я.Я. Обучение нейронных RBF-сетей на основе байесовской методологии и решение задачи восстановления зависимостей // Нейрокомпьютеры: разработка, применение. 2005. № 4. С. 23-31.