ЖУРНАЛ СТА №3/2025

достижения контролируемым пара- метром уставки. Прогнозное время до достижения контролируемым параметром уставки является качественным показателем те- кущего риска, связанного с выявленной тенденцией изменения этого параметра. Изменения значений контролируе- мых параметров могут носить колеба- тельный характер (например, ток элек- тродвигателя при помпаже компрессо- ра), при котором амплитуда колебаний может нарастать, в таких случаях ис- следование аппроксимирующих функ- ций, рассчитанных по историческим значениям этих параметров, может быть неэффективно. На рис. 2 пред- ставлены графики изменения значе- ний контролируемого параметра коле- бательного характера с нарастающей амплитудой и аппроксимирующие функции 1-го, 2-го, 3-го и 4-го порядков, рассчитанные по этим значениям. При колебательном характере изме- нения значений параметра целесооб- разно выполнять аппроксимацию по размаху его значений. Напомним, что размах – это разность между наиболь- шим и наименьшим значениями чи- слового набора. В СППР размах рассчи- тывается как разность максимального и минимального значения контроли- руемого параметра за заданный проме- жуток времени. На рис. 3 представлен график изме- нения размаха значений контролируе- мого параметра и аппроксимирующая функция 2-го порядка, рассчитанная по этим значениям размаха. В СППР по расчётным значениям раз- маха можно выявлять тенденции на рост (рост амплитуды колебаний конт- ролируемых параметров), определять уставки и в дальнейшем рассчитывать прогнозное время до достижения пре- дельных значений амплитуд колеба- ний контролируемых параметров. Анализ взаимосвязей значений контролируемых параметров Анализ абсолютных значений конт- ролируемых параметров малоэффекти- вен для выявления сложных неявных аномалий в работе технологического оборудования. Под сложными неявны- ми аномалиями подразумеваются си- туации, когда значения одного или не- скольких контролируемых параметров в течение времени изменяются с край- не малой скоростью, которая сама по себе не воспринимается как тенденция на изменения, при этом как минимум один из параметров вследствие дли- тельного изменения принимает значе- ние, не характерное для текущего ре- жима работы установки. Для выявления сложных, неявных аномалий в работе технологического оборудования в современных СППР предусмотрены методы анализа взаи- мосвязей (зависимостей) контролируе- мых параметров. Анализ зависимостей значений конт- ролируемых параметров может выпол- няться как с помощью корреляционно- го анализа – количественного метода определения тесноты и направления взаимосвязи между выборочными пе- ременными величинами, так и с помо- щью моделей машинного обучения. При корреляционном анализе опре- деляется группа из двух или трёх пара- метров, значения которых исследуют- ся на взаимосвязь (например: обороты компрессора и расход газа или ток воз- буждения электродвигателя и обороты электродвигателя и т.д.). Для выявления корреляционных за- висимостей между контролируемыми параметрами на координатной плоско- сти, по осям которой откладываются значения этих параметров, наносятся точки, координаты которых соответ- ствуют значениям параметров в задан- ные моменты времени. Характер рас- пределения точек указывает на харак- тер зависимости между исследуемыми параметрами. На рис. 4 представлены различные характеры корреляционной связи между двумя параметрами. После того как в ходе исследования выявлена корреляционная связь, вы- полняется расчёт аппроксимирующей функции заданного типа (порядка) по точкам, соответствующим выявленной взаимосвязи. Далее при анализе посту- пающих значений контролируемых па- раметров СППР рассчитывает расстоя- ние от точки, соответствующей этим значениям до соответствующей аппрок- симирующей функции. Это расстояние и является качественной оценкой откло- нения от ранее выявленной корреля- ционной связи, для которой можно за- дать уставки, а также рассчитывать ап- проксимирующие функции и выявлять момент роста этого отклонения. Следует учитывать, что на разных ре- жимах работы технологического обору- СТА 3/2025 13 www.cta.ru НОУ - ХАУ Рис. 3. Аппроксимирующая функция изменения размаха Рис. 4. Примеры корреляционных связей