О нейросетевом подходе к оценке надежности автоматизированных систем управления предприятием на объектах атомной энергетики
И.Ф. Ясинский, К.А. Кулемин, Е.Р. Ситников, Т.В. Гвоздева, А.Н. Волохов
Вестник ИГЭУ, 2026 г. выпуск 4, сс. 76—85
Скачать PDF
Состояние вопроса. Существующие аналитические методы не учитывают нелинейные взаимодействия между разнородными компонентами системы и не отражают динамику ее состояния. В связи с этим актуальным является создание комплексной системы оценки надежности оборудования, объединяющей характеристики аппаратной, программной и эргатической составляющих.
Материалы и методы. Обучающая выборка сформирована на основе модели независимых отказов с применением симуляции Монте-Карло из ста тысяч сценариев, учитывающих, в том числе, редкие события и одновременные отказы компонентов.
Результаты. Рассматривается задача оценки надежности автоматизированных систем управления предприятием, функционирующих на атомных электростанциях. Предложена иерархическая поликомпонентная нейросетевая модель, состоящая из трех ветвей: структурной ветви; функциональной ветви; ветви информационной безопасности. Показано, что созданная модель аппроксимирует численный показатель надежности в масштабированных единицах, однако в реальных условиях, где важен точный расчет надежности, относительная ошибка становится фактором, требующим дальнейшей оптимизации модели, что особенно актуально для области оценки надежности автоматизированных систем управления предприятием АЭС, где целевые показатели отказов находятся на очень низких уровнях, что увеличивает чувствительность оценки по отношению к малым абсолютным ошибкам.
Выводы. Разработанная концепция устраняет ограничение аналитических моделей оценки надежности автоматизированных систем управления предприятием, состоящее в допущении о независимой оценке компонентов и линейном характере их взаимодействий. Применение нейронных сетей позволяет учитывать нелинейные зависимости между параметрами состояния подсистем, которые не поддаются формализации аналитическими методами. Для дальнейшего повышения точности предполагается применение бустинга, ансамблевых методов и комплексных нейросетевых архитектур.
1. ГОСТ 24.701-86 Единая система стандартов автоматизированных систем управления. Надежность автоматизированных систем управления. Основные положения. – М.: Стандартинформ, 2009. – 24 с.
2. ГОСТ Р МЭК 61508-1-2012 Функциональная безопасность систем электрических, электронных, программируемых электронных, связанных с безопасностью. Ч. 1. Общие требования. – М.: Стандартинформ, 2012. – 49 с.
3. ГОСТ Р 51901.14-2005 (МЭК 61078:1991) Менеджмент риска. Метод структурной схемы надежности. – М.: Стандартинформ, 2005. – 24 с.
4. Ruijters E., Stoelinga M. Fault tree analysis: A survey of the state-of-the-art in modeling, analysis and tools // Computer Science Review. – 2015. – Vol. 15–16. – P. 29–62. DOI: 10.1016/j.cosrev.2015.03.001.
5. ГОСТ Р МЭК 61165-2019 Надежность в технике. Применение марковских методов. – М.: Стандартинформ, 2019. – 56 с.
6. Rare Event Simulation for Dynamic Fault Trees / E. Ruijters, D. Reijsbergen, P.-T. de Boer, M. Stoelinga // Proceedings of the 36th International Conference on Computer Safety, Reliability, and Security (SAFECOMP 2017). Lecture Notes in Computer Science. – Cham: Springer, 2017. – Vol. 10488. – P. 20–35. DOI: 10.1007/978-3-319-66266-4_2.
7. Hu G., Zhou T., Liu Q. Data-driven machine learning for fault detection and diagnosis in nuclear power plants: A review // Frontiers in Energy Research. – 2021. –Vol. 9. – Art. 663296. DOI: 10.3389/fenrg.2021.663296.
8. Автоматизация оценки надежности программного обеспечения для систем управления технологическими процессами / Ю.М. Соломенцев, С.А. Шептунов, Н.В. Суханова, И.С. Кабак // Вестник Брянского государственного технического университета. – 2015. – № 3(47). – С. 157–160.
9. Мостовенко Л.В., Белоглазов В.П. Анализ эффективности внедрения нейронных сетей на объектах промышленной теплоэнергетики // Международный журнал гуманитарных и естественных наук. – 2022.
10. ГОСТ 24.104-2023 Единая система стандартов автоматизированных систем управления. Автоматизированные системы управления. Общие требования. – М.: Российский институт стандартизации, 2023. – 20 с.
11. Rare Event Simulation for Non-Markovian Repairable Fault Trees / C.E. Budde, M. Biagi, R.E. Monti, et al. // Tools and Algorithms for the Construction and Analysis of Systems (TACAS 2020). Lecture Notes in Computer Science. – Cham: Springer, 2020. – Vol. 12078. – P. 463–482. DOI: 10.1007/978-3-030-45190-5_26.
12. Моделирование надежности автоматизированной системы управления предприятием / В.А. Кулягин, В.И. Миненко, А.Г. Речитский, А.А. Михайлов // Решетневские чтения. – 2013. – № 17. – С. 219–221.