Способ идентификации элементов сложной системы в переменных условиях

Изобретение относится к области вычислительной техники. Техническим результатом является повышение достоверности идентификации элементов сложной системы в переменных условиях. Раскрыт способ идентификации элементов сложной системы в переменных условиях, заключающийся в том, что регистрируют по меньшей мере один элемент одним из настроенных на него физических детекторов, по выходному сигналу по меньшей мере одного детектора определяют по меньшей мере один элемент, для которого получают из выходного сигнала набор N различных физических признаков, классифицируют элемент на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке, при этом элемент соотносят с одним из N предварительно заданных классов, при этом дополнительно измеряют как минимум один параметр внешних условий и запоминают интервал времени существования условий с этим параметром, сопоставляют для каждого элемента значения наборов N различных физических признаков с временем существования как минимум одного из параметров внешних условий, формируют статистически устойчивые классы всех элементов для однородных условий путем обработки статистических данных, характеризующих элемент в течение времени существования каждого учитываемого параметра или их устойчивых комбинаций, идентифицируют элементы сложной системы путем сопоставления реализаций и сформированных классов, осуществляя попарный расчет коэффициентов сходства неизвестной реализации и сформированных эталонов с отнесением реализации к эталону с максимальным коэффициентом сходства. 2 ил.

 

Изобретение относится к способам идентификации элементов сложной системы, и может быть использовано в автоматизированных системах управления технологическими процессами, функционирующих в переменных условиях.

В настоящее время известны способы идентификации объектов и систем.

Известен способ идентификации характеристик и возмущений динамических объектов в стохастических системах автоматического управления (патент RU 2623464 С2, МПК G05B 17/00, опубликован 26.06.2017), согласно которому для идентификации характеристик и возмущений динамических объектов измеряют выходные параметры качества работы объекта управления, проводят статистическое моделирование случайных реализаций методом Монте-Карло, для которых запоминают имеющие место характеристики объекта управления и действующие на объект управления возмущения. Для каждой случайной реализации определяют «невязку» и «запас по невязке», определенные как отклонения и относительные отклонения выходных параметров качества при моделировании и при испытаниях соответственно. Определяют ту реализацию, для которой минимальный «запас по невязке» максимален. Запоминают значения в этой реализации как параметры идентификации.

Недостатком способа является то, что в нем проводят статистическое моделирование случайных реализаций методом Монте-Карло, для которых запоминают имеющие место характеристики объекта управления и действующие на объект управления возмущения без учета переменных условий, воздействующих на характеристики объекта, что снижает достоверность результатов идентификации, и не дает полного описания параметров объекта.

Известен способ распознавания зондирующих сигналов малозаметных радиолокационных станций (патент RU 2652791 С1, МПК G01S 13/52, опубликован 03.05.2018), согласно которого задают эталонные радиосигналы, формируют частотно-временной портрет эталонных радиосигналов путем выполнения операции частотно-временного преобразования Чоя-Вильямса над множеством цифровых отсчетов эталонных радиосигналов, формируют частотно-временной портрет принятого распознаваемого радиосигнала путем выполнения операции частотно-временного преобразования Чоя-Вильямса над множеством цифровых отсчетов принятого радиосигнала; с частотно-временным портретом принятого распознаваемого радиосигнала выполняют дополнительную операцию шумоподавления с помощью дискретного S-преобразования (преобразование Стоквелла), сравнивают частотно-временной портрет распознаваемого радиосигнала с частотно-временным портретом эталонных радиосигналов; принимают решение о принадлежности распознаваемого радиосигнала к одному из эталонных радиосигналов. Изобретение относится к распознаванию образов, а именно к способам распознавания радиосигналов, в частности к способам распознавания вида и параметров модуляции зондирующих радиосигналов малозаметных радиолокационных станций.

Недостатком способа является то, что частотно-временной портрет эталонных радиосигналов формируют без учета их последующего изменения. На практике характеристики радиосигналов динамически изменяются, что делает распознавание радиосигналов недостаточно достоверным.

Известен система и способ идентификации железнодорожных номерных деталей по изображению их поверхностей с клеймами и знаками маркировки (патент RU 2702965 С1, МПК G06K 9/72, G06K 5/00, B61L 25/00 опубликован 14.10.2019), согласно которому идентификация железнодорожных номерных деталей по изображению их поверхностей с клеймами и знаками маркировки, выполняемый с помощью процессора, в котором осуществляют автоматическую разметку изображений поверхностей с идентифицирующей информацией заранее заданных номерных деталей посредством выделения областей и элементов, содержащих идентифицирующую информацию; осуществляют построение набора признаков с вычислением параметров, характеризующих взаимное расположение элементов идентифицирующей информации для каждого размеченного изображения; сохраняют размеченные изображения и построенные наборы признаков для каждого изображения в хранилище эталонных изображений и индексной базе данных соответственно; осуществляют поиск по набору признаков, сформированному на основе изображения идентифицируемой номерной детали, в индексной базе данных, в результате чего получают список деталей-кандидатов, наиболее подобных идентифицируемой детали по набору признаков.

Недостатком способа является то, что он применим только для ситуаций, при которых минимизируется или исключается изменение условий осуществления идентификации, то есть не применим для переменных условий.

Известен способ идентификации и классификации объектов (патент RU 2541158 С2, МПК G06F 17/30, G06K 9/62, опубликован 10.02.2015), согласно которому при идентификации объектов регистрируют предмет, по меньшей мере одним из настроенных на него физических детекторов, по выходному сигналу, по меньшей мере одного детектора, определяют по меньшей мере один объект, для которого получают из выходного сигнала набор n различных физических признаков, далее объект классифицируют на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке, при этом исследуемый объект соотносят с одним из N предварительно заданных классов, N базовых классов в предварительно заданной последовательности упорядочивают в N-мерный вектор V, который соотносят с объектом, причем элементы v1…vN вектора V указывают на принадлежность объекта к соответствующему базовому классу и в зависимости от вектора V объект соотносят с производным классом, который сохранен в справочной базе данных и выбирается из нее, причем в случае принадлежности объекта к соответствующему базовому классу элементу v1…vN вектора присваивают двоичное значение "1", в противном случае присваивают двоичное значение "0".

Недостатком способа является необходимость сохранения неизменности условий в течение всего времени обучения классификатора и времени идентификации, что практически не выполнимо на практике.

Наиболее близким к заявленному является способ идентификации и классификации объектов (патент RU 2692420 С2, МПК G06F 17/30, G06K 9/62, опубликован 24.06.2019). В способе классификатор содержит (N+1) предварительно заданных классов, при этом принадлежность исследуемого объекта к N предварительно заданным классам, для которых представлена обучающая выборка, определяют в указанном классификаторе посредством оценки схожести по их физическим признакам, а принадлежность исследуемого объекта к (N+1)-му предварительно заданному классу, для которого не может быть представлена обучающая выборка, определяют в указанном классификаторе посредством того, что исследуемый объект не принадлежит ни к одному из N предварительно заданных классов на основе оценки схожести по их физическим признакам. Для выполнения оценки схожести по физическим признакам в указанном классификаторе по меньшей мере одного исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку, осуществляют построение границ для каждого из N предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в n-мерном пространстве признаков.

Основным недостатком прототипа является его применимость только при неизменности условий в течение всего времени обучения классификатора и времени идентификации, что практически не выполнимо на практике.

Таким образом, известные способы идентификации применимы только для ситуаций, при которых минимизируется или исключается изменение условий осуществления идентификации. Все эталоны аналогов и прототипа сформированы в неизменяемых идеализированных условиях, учет влияющих условий на идентифицируемый объект отсутствует, что существенно снижает достоверность идентификации.

Задачей заявленного изобретения является разработка способа идентификации элементов сложной системы в переменных условиях, устраняющего недостатки аналогов и прототипа.

Техническим результатом заявленного изобретения является повышение достоверности идентификации элементов сложной системы в переменных условиях, за счет создания эталонов и реализаций, соответствующих условиям, в которых находится идентифицируемый элемент сложной системы.

Технический результат достигается тем, что в известном способе идентификации и классификации элементов, заключающемся в том, что регистрируют по меньшей мере один элемент одним из настроенных на него физических детекторов, по выходному сигналу по меньшей мере одного детектора определяют по меньшей мере один элемент, для которого получают из выходного сигнала набор N различных физических признаков, классифицируют элемент на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке, при этом элемент соотносят с одним из N предварительно заданных классов, что дополнительно измеряют как минимум один параметр внешних условий и запоминают интервал времени существования условий с этим параметром, сопоставляют для каждого элемента значения наборов N различных физических признаков с временем существования как минимум одного из параметров внешних условий, формируют статистически устойчивые классы всех элементов для однородных условий путем обработки статистических данных, характеризующих элемент в течение времени существования каждого учитываемого параметра или их устойчивых комбинаций, идентифицируют элементы сложной системы путем сопоставления реализаций и сформированных классов, осуществляя попарный расчет коэффициентов сходства неизвестной реализации и сформированных эталонов с отнесением реализации к эталону с максимальным коэффициентом сходства.

Благодаря новой совокупности существенных признаков в заявленном способе достигается указанный технический результат.

Проведенный анализ уровня техники позволил установить, что аналоги, характеризующиеся совокупностью признаков, тождественны всем признакам заявленного решения, отсутствуют, что указывает на соответствие заявленного способа условию патентоспособности «новизна».

Результаты поиска известных решений в данной и смежных областях техники с целью выявления признаков, совпадающих с отличительными от прототипа признаками заявленного способа, показали, что они не следуют явным образом из уровня техники. Из уровня техники также не выявлена известность влияния предусматриваемых существенными признаками заявленного изобретения преобразований на достижение указанного технического результата. Следовательно, заявленное изобретение соответствует условию патентоспособности «изобретательский уровень».

«Промышленная применимость» способа обусловлена наличием элементной базы, на основе которой могут быть выполнены устройства, реализующие способ.

Заявленный способ поясняется следующими чертежами:

фиг. 1 - блок-схема алгоритма способа идентификации элементов сложной системы в переменных условиях;

фиг. 2 - графическая интерпретация соответствия параметров, характеризующих элемент сложного объекта, и условий его функционирования.

Заявленный способ способа идентификации элементов сложной системы в переменных условиях может быть реализован при помощи совокупности действий, представленных на фиг. 1.

В блоке 1 фиг. 1 регистрируют по меньшей мере один элемент сложной системы одним из настроенных на него физических детекторов.

Сложная система - это составной объект, части которого можно рассматривать как отдельные системы, объединенные в единое целое в соответствии с определенными принципами или связанные между собой заданными отношениями. Части сложной системы можно расчленить на более мелкие подсистемы, вплоть до выделения элементов сложной системы. Свойства сложной системы в целом определяются как свойствами составляющих ее элементов, так и характером взаимодействия между ними. Примерами сложных систем являются предприятие, энергосистема, ЭВМ, система регулирования уличного движения, система электросвязи [Большой Энциклопедический словарь. 2000].

Система электросвязи - это совокупность технических средств и среды распространения, обеспечивающая передачу сообщений.

Элементами этой сложной системы выступают соответственно узлы и линии связи.

Линия связи - это совокупность технических устройств и физической среды, обеспечивающая распространение сигнала от передатчика к приемнику.

Линии связи подразделяются на: спутниковые, воздушные, наземные, подводные, подземные.

Узел связи - совокупность технических средств связи, обеспечивающих оказание услуг связи и присоединение к сети связи общего пользования.

Узлы связи подразделяются на: узлы служб, узлы управления услугами, оконечные узлы, транзитные узлы [Чернецова Е.А. Системы и сети передачи информации. Часть 1. Телекоммуникационные сети. - СПб.: РГГМУ, 2013 стр. 2-15].

В блоке 2 фиг. 1 по выходному сигналу по меньшей мере одного детектора определяют по меньшей мере один элемент, для которого получают из выходного сигнала набор N различных физических признаков.

Физический признак - свойство объекта, обуславливающий его различие или общность с другими объектами [ГОСТ 7.0 - 1999 г. Система стандартов по информации, библиотечному и издательскому делу. Информационно-библиотечная деятельность, библиография. Термины и определения]. К физическим признакам можно отнести признаки, характеризующие форму, цвет, размеры объекта и его элементов признаки, характеризующие физические свойства вещества объекта (теплопроводность, электропроводность, структура, твердость и т. д.); признаки, характеризующие физические поля, создаваемые объектами (электромагнитные, радиационные, акустические, гравитационные и др.) и др.

Например, физическими признаками радиоэлектронных средств могут быть: несущая частота, количество фиксированных частот и величина разноса между ними, диапазон изменения при частотной модуляции, стабильность несущей, форма огибающей импульса, его длительность, период следования импульсов, структура кодовой посылки, продолжительность излучения, мощность излучения, спектральная плотность мощности, плотность потока мощности, напряженность электромагнитного поля по электрической и магнитной составляющей, динамический диапазон изменения мощности радиоизлучений, характер изменения напряженности электрического поля в зависимости от расстояния, ширина спектра, вид спектра (сплошной, дискретный), относительная величина отдельных спектральных составляющих и др. [Технические средства и методы защиты информации: Учебник для вузов / Зайцев А.П., Шелупанов А.А., Мещеряков Р.В. и др.; под ред. А.П. Зайцева и А.А. Шелупанова. - М.: ООО «Издательство Машиностроение», 2009 - 508 с., стр. 119 - 120].

Физические признаки могут быть определены при помощи детекторов.

Термин «детектор» в различных источниках имеет различные, но схожие в своем смысловом плане формулировки, например:

Детектор - первичный преобразователь, элемент измерительного или управляющего устройства системы, преобразующий контролируемую величину в удобный для использования сигнал (РМГ 29-2013 ГСИ. Метрология. Основные термины и определения п.6.14.5 стр. 4-15).

Детектор - устройство, служащее для создания напряжения, имеющегося в соответствии с законом модуляции одного из параметров входного сигнала. Детекторы можно классифицировать по характеру входного сигнала и виду параметра, который подвергается модуляции, по способу выполнения (Москва, «Радио и Связь», 2001 стр. 5-9).

Применительно к узлам связи и линиям связи для измерения параметров и характеристик используется детекторы, которые позволяют определить производительность; вычислительные мощности; пропускная способность; вероятность ошибок; виды сигналов и т.д.

В качестве детекторов, измеряющих и фиксирующих различные характеристики элементов сетей электросвязи, могут выступать осциллограф; мультиметр; детекторы радиосигналов и др.

Мультиметр - электроизмерительный прибор, объединяющий в себе несколько функций (измерительных приборов вольтметр, амперметр, омметр).

Осциллограф - прибор, предназначенный для (наблюдения, записи, измерения) амплитудных и временных параметров сигнала, подаваемого на его вход, либо непосредственно на экран, либо записываемого на фотоленте.

Детектор радиосигналов - прибор, предназначенный для измерения, записи параметров радиосигналов (Москва, «Радио и Связь», 2001 стр. 5-9).

В блоке 3 фигуры 1 измеряют как минимум один параметр внешних условий и запоминают интервал времени существования условий с этим параметром.

Под внешними параметрами в изобретении понимается любое переменное условие, оказывающее воздействие на элемент системы и приводящие к даже не значительному изменению его свойств [Журавлев Ю.И. Распознавание. Классификация. Прогноз. стр. 20-31]. Примерами внешних параметров, оказывающих воздействие на элементы системы электросвязи могут выступать, например, параметры электромагнитных воздействий (частота, напряженность электрического и магнитного полей, изменение напряженностей электрического и магнитного полей во времени и их ориентация в пространстве, величина максимальной напряженности поля, [Электромагнитный импульс. Электронный ресурс www://http://gochs.info/p0967.htm. Дата последнего обращения 08.12.2015; Лоборев В.М. (ред.) Физика ядерного взрыва. Том 1. М.: Наука, 1997. - 528 с., стр.85 - 120; Богуш В.А., Торботько Т.В., Гусинский А.В и др. Электромагнитные излучения методы и средства защиты. Под ред. Л. М. Лынькова. - Мн.: Бестпринт, 2003. - 406 с., стр. 11- 54]; параметры анализа импульсных помех (максимальный на секундном интервале уровень импульсной помехи с подавлением сигнала; счет событий превышения уровнем импульсных помех порога; относительное время действия импульсных помех, превышающих порог [ГОСТ Р 51317.4.5-99 (МЭК 61000-4-5-95) Совместимость технических средств электромагнитная. Устойчивость к микросекундным импульсным помехам большой энергии. Требования и методы испытаний], параметры окружающей среды (температура, влажность, освещенность, шум, вибрация) [ГОСТ Р 58273-2018 (ИСО/МЭК 29197:2015) Информационные технологии (ИТ). Методология испытаний эксплуатационных характеристик биометрической системы на воздействие условий окружающей среды], параметры сейсмических воздействий (амплитуда волны, ее скорость (ускорение), продолжительность импульса (число фаз в импульсе) и т.д. [Геологический словарь. т.2. М.: Недра, 1973. - 456 с., стр. 135 ; Синев С.Г., Сорокин М.А., Стародубцев П.Ю., Сухорукова Е.В. Способ определения оптимальной периодичности контроля состояния процессов. Патент на изобретение RU 2623791, 29.06.2017. Заявка № 2016102219 от 25.01.2016.; Стародубцев П.Ю., Стародубцев Ю.И., Вершенник Е.В., Чеснаков М.Н. Способ мониторинга состояния электрических сетей и сетей связи. Патент на изобретение RU 2646321, 02.03.2018. Заявка № 2017105612 от 20.02.2017.] и др.

Данные параметры могут быть измерены при помощи известных средств, таких как, например, анализаторы, магнитомеры, измерители напряженности электромагнитных полей [Электронный ресурс. https://100priborov.ru/pribory-dlya-izmereniya-elektromagnitnogo-izlucheniya-emi-2018.html#i, http://ekosf.ru/fizicheskie-faktory/elektromagnitnye-polya; https://skomplekt.com/mag/1/files/TDA-9_rukov_part1.pdf. Дата обращения 20.01.2020 г.], термогигрометры, влагомеры, газоанализаторы, люксметры, шумомеры, тахометры, манометры, анемометры, анализаторы жидкости, системы мониторинга температуры, логгеры, спектроколориметры, измерители светового потока, УФ-радиометры, измерители тепловой облученности и др. [Электронный ресурс. https://spb.rusgeocom.ru/kontrolno-izmeritelnyie-priboryi. Дата обращения 23.01.2020 г.].

В блоке 4 фигуры 1 сопоставляют для каждого элемента значения наборов N различных физических признаков со временем существования как минимум одного из параметров внешних условий. В этих целях формируют базу данных, в которую вносят и запоминают следующие данные: наименования N различных физических признаков, значения их параметров, время проявления и время существования физических признаков, параметры внешних условий и их значения в период существования указанных физических признаков.

На фиг. 2. представлена графическая интерпретация соответствия параметра P(t), характеризующего элемент сложной системы, условиям его функционирования, определяемым параметрами внешних условий К1, К2, К3, К4 или их устойчивых комбинаций в течение времени воздействия Δt.

В блоке 5 фигуры 1 формируют статистически устойчивые классы всех элементов для однородных условий путем обработки статистических данных, характеризующих элемент в течение времени существования каждого учитываемого параметра или их устойчивых комбинаций.

Класс - это совокупность элементов, обладающих каким-либо определенными свойствами или признаками по их формализованным описаниям (Ту Дж, Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978 стр. 4-15).

Формирование классов задается указанием значимых признаков, присущим всем его элементам (Чернецова Е.А. Системы и сети передачи информации. Часть 1. Телекоммуникационные сети. - СПб.: РГГМУ, 2013 стр. 2-15). Формирование классов осуществляется с учетом заданных свойств элементов сложной системы.

Формируют статистически устойчивые классы всех элементов для однородных условий путем обработки статистических данных, характеризующих элемент, в течение суммарного времени существования каждого учитываемого параметра или их устойчивых комбинаций.

Одним из возможных средств для задания информации о классе является эталон [Глушков В.М., Амосов Н.М., Артеменко И.А. Энциклопедия кибернетики. Том 2. Киев, 1974 г., стр. 590].

Эталон - идеализированный сигнал, с которым тем или иным образом сравнивается распознаваемый сигнал (реализация) для его классификации [Глушков В.М., Амосов Н.М., Артеменко И.А. Энциклопедия кибернетики. Том 2. Киев, 1974 г., стр. 590].

Эталон представляет собой совокупность свойств элемента сложной системы согласно формализованного описания.

Реализация - свойство элемента сложной системы, зафиксированное с помощью детектора, для последующего его сравнения с эталоном и отнесения к определенному заданному классу.

Эталон характеризуется такими же наборами признаков, что и реализация.

При статистическом подходе к распознаванию образов множество сигналов одного класса описывается соответствующим распределением вероятностей, а эталон является наиболее вероятным значением сигнала. Следовательно, эталон можно рассматривать как многомерный параметр указанного распределения, зависящий, в свою очередь, от искомого параметра, в частности, от номера класса. Однако эталон может зависеть не только от номера класса, но и от других параметров; в этом случае класс характеризуется не одним эталоном, а их множеством (или областью эталонов). Множество эталонов данного класса описывается аналитически или путем указания правил составления эталона из элементарных частей [Глушков В.М., Амосов Н.М., Артеменко И.А. Энциклопедия кибернетики. Том 2. Киев, 1974 г., стр. 590].

Математическое ожидание и дисперсия - чаще всего применяемые числовые характеристики при статистическом подходе. Математическое ожидание часто называют просто средним значением случайной величины. Дисперсия случайной величины - характеристика рассеивания, разбросанности случайной величины около её математического ожидания.

Математическое ожидание может быть вычислено согласно выражению: (Математическая энциклопедия. Виноградов И.М. - М.: 1979 стр. 25-75).

где ;

;

n - число наблюдений в выборке.

Дисперсия может быть вычислена согласно выражению: (Математическая энциклопедия. Виноградов И.М. - М.: 1979 стр. 25-80).

X - непрерывная случайная величина;

среднее значение случайной величины;

- возможные значения величины Х;

- вероятности значений.

Полное представление дает функция распределения дискретной случайной величины, которая может быть вычислена согласно выражению (Математическая энциклопедия. Виноградов И.М. - М.: 1979 стр. 25-63):

.

В блоке 6 фигуры 1 классифицируют элемент на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке, при этом элемент соотносят с одним из N предварительно заданных классов.

Классификация - разбиение множества объектов на непересекающиеся классы по их формализованным описаниям, элементами которого являются численные значения измеряемых характеристик (Фу К. Структурные методы в распознавании образов. М.: Мир, 1977 стр. 6-14).

Обучающая выборка - набор образцовых объектов, для каждого из которых априорно известно, к которому из классов принадлежит.

При классификации осуществляют соотнесение реализации элемента сложной системы к одному из заданных или сформированных классов, путем сравнения соответствующих характеристик. Процесс сравнения реализации с данным эталоном класса заключается в вычислении величины, характеризующей их сходство.

Вычисление коэффициентов сходства может быть произведено согласно выражению (Жамбю М. Иерархический кластер-анализ и соответствия. Перевод с французского Б.Г. Миркина. Москва «Финансы и статистика» 1988, стр. 96-101).

Например, такие элементы сети связи, как радиостанции можно отнести к одному из следующих классов:

- по диапазону частот ( классы - СВ, LB, VHF, LPD, PMR) [Электронный ресурс: http://trunk.kz/klassifikaciya-radiostanciy. Дата обращения 24.01.2020 г.];

- по мощности (классы - малой мощности, средней мощности, мощные, большой мощности [Электронный ресурс: http://trunk.kz/klassifikaciya-radiostanciy. Дата обращения 24.01.2020 г.] и т.д.

В блоке 7 фигуры 1 идентифицируют элементы сложной системы путем сопоставления реализаций и сформированных классов, для чего осуществляют попарный расчет коэффициентов сходства неизвестной реализации и сформированных эталонов с отнесением реализации к эталону с максимальным коэффициентом сходства.

Идентификация - установление тождественности неизвестного объекта известному на основании совпадения признаков (РМГ 29-2013 ГСИ. Метрология. Основные термины и определения п.6.14.5 стр. 5-9).

При идентификации элементов сопоставляются эталоны и реализации, полученные при эквивалентных условиях.

Так, при идентификации в рассматриваемых примерах применения радиоэлектронных средств, может быть определен конкретный образец того или иного изделия.

В изобретении исключен случай формирования элементных описаний элементов сложной системы и их реализаций в не эквивалентных условиях эксплуатации.

При изменении внешних условий, в которых формируется реализация, эталоны так же формируются согласно таких же идентичных условий. При наборе статистики для формирования как эталонов, так и реализации учитываются условия нестационарности их характеристик и различные условия воздействия.

Таким образом, за счет создания эталонов и реализаций, соответствующих именно тем условиям, в которых находится идентифицируемый элемент сложной системы, обеспечивается повышение достоверности идентификации ее элементов. Технический результат достигнут.

Список использованных источников

1. Патент RU 2623464 С2, МПК G05B 17/00, опубликован 26.06.2017.

2. Патент RU 2652791 С1, МПК G01S 13/52, опубликован 03.05.2018.

3. Патент RU 2702965 С1, МПК G06K 9/72, G06K 5/00, B61L 25/00 опубликован 14.10.2019.

4. Патент RU 2541158 С2, МПК G06F 17/30, G06K 9/62, опубликован 10.02.2015.

5. Патент RU 2692420 С2, МПК G06F 17/30, G06K 9/62, опубликован 24.06.2019.

6. Чернецова Е.А. Системы и сети передачи информации. Часть 1. Телекоммуникационные сети. - СПб.: РГГМУ, 2013 стр. 2-15.

7. ГОСТ 7.0 - 1999 г. Система стандартов по информации, библиотечному и издательскому делу. Информационно-библиотечная деятельность, библиография. Термины и определения.

8. Технические средства и методы защиты информации: Учебник для вузов / Зайцев А.П., Шелупанов А.А., Мещеряков Р.В. и др.; под ред. А.П. Зайцева и А.А. Шелупанова. - М.: ООО «Издательство Машиностроение», 2009 - 508 с., стр. 119 - 120.

9. РМГ 29-2013 ГСИ. Метрология. Основные термины и определения п.6.14.5 стр. 4-15.

10. Москва, «Радио и Связь», 2001 стр. 5-9.

11. Журавлев Ю.И. Распознавание. Классификация. Прогноз. стр. 20-31.

12. Электромагнитный импульс. Электронный ресурс www://http://gochs.info/p0967.htm. Дата последнего обращения 08.12.2015.

13. Лоборев В.М. (ред.) Физика ядерного взрыва. Том 1. М.: Наука, 1997. - 528 с., стр.85 – 120.

14. Богуш В.А., Торботько Т.В., Гусинский А.В и др. Электромагнитные излучения методы и средства защиты. Под ред. Л. М. Лынькова. - Мн.: Бестпринт, 2003. - 406 с., стр. 11- 54.

15. ГОСТ Р 51317.4.5-99 (МЭК 61000-4-5-95 Совместимость технических средств электромагнитная. Устойчивость к микросекундным импульсным помехам большой энергии. Требования и методы испытаний.

16. ГОСТ Р 58273-2018 (ИСО/МЭК 29197:2015) Информационные технологии (ИТ). Методология испытаний эксплуатационных характеристик биометрической системы на воздействие условий окружающей среды.

17. Геологический словарь. т.2. М.: Недра, 1973. - 456 с., стр. 135.

18. Синев С.Г., Сорокин М.А., Стародубцев П.Ю., Сухорукова Е.В. Способ определения оптимальной периодичности контроля состояния процессов. Патент на изобретение RU 2623791, 29.06.2017. Заявка № 2016102219 от 25.01.2016.

19. Стародубцев П.Ю., Стародубцев Ю.И., Вершенник Е.В., Чеснаков М.Н. Способ мониторинга состояния электрических сетей и сетей связи. Патент на изобретение RU 2646321, 02.03.2018. Заявка № 2017105612 от 20.02.2017.

20. Электронный ресурс. https://100priborov.ru/pribory-dlya-izmereniya-elektromagnitnogo-izlucheniya-emi-2018.html#i, Дата обращения 20.01.2020 г.

21. Электронный ресурс. http://ekosf.ru/fizicheskie-faktory/elektromagnitnye-polya; Дата обращения 20.01.2020 г.

22. Электронный ресурс. https://skomplekt.com/mag/1/files/TDA-9_rukov_part1.pdf. Дата обращения 20.01.2020 г.

23. Электронный ресурс. https://spb.rusgeocom.ru/kontrolno-izmeritelnyie-priboryi. Дата обращения 23.01.2020 г.

24. Ту Дж, Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978 стр. 4-15.

25. Чернецова Е.А. Системы и сети передачи информации. Часть 1. Телекоммуникационные сети. - СПб.: РГГМУ, 2013 стр. 2-15.

26. Глушков В.М., Амосов Н.М., Артеменко И.А. Энциклопедия кибернетики. Том 2. Киев, 1974 г., стр. 590.

27. Математическая энциклопедия. Виноградов И.М. - М.: 1979 стр. 25-75.

28. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977 стр. 6-14.

29. Жамбю М. Иерархический кластер-анализ и соответствия. Перевод с французского Б.Г. Миркина. Москва «Финансы и статистика» 1988, стр. 96-101.

30. Электронный ресурс: http://trunk.kz/klassifikaciya-radiostanciy. Дата обращения 24.01.2020 г.

31. Электронный ресурс: http://trunk.kz/klassifikaciya-radiostanciy. Дата обращения 24.01.2020 г.

32. РМГ 29-2013 ГСИ. Метрология. Основные термины и определения п.6.14.5 стр. 5-9.

Способ идентификации элементов сложной системы в переменных условиях, заключающийся в том, что регистрируют по меньшей мере один элемент одним из настроенных на него физических детекторов, по выходному сигналу по меньшей мере одного детектора определяют по меньшей мере один элемент, для которого получают из выходного сигнала набор N различных физических признаков, классифицируют элемент на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке, при этом элемент соотносят с одним из N предварительно заданных классов, отличающийся тем, что дополнительно измеряют как минимум один параметр внешних условий и запоминают интервал времени существования условий с этим параметром, сопоставляют для каждого элемента значения наборов N различных физических признаков с временем существования как минимум одного из параметров внешних условий, формируют статистически устойчивые классы всех элементов для однородных условий путем обработки статистических данных, характеризующих элемент в течение времени существования каждого учитываемого параметра или их устойчивых комбинаций, идентифицируют элементы сложной системы путем сопоставления реализаций и сформированных классов, осуществляя попарный расчет коэффициентов сходства неизвестной реализации и сформированных эталонов с отнесением реализации к эталону с максимальным коэффициентом сходства.