Помощь студентам в учебе
Система кластеризации электрорадио изделий
|
Введение 5
Глава 1. Задача распознавания образов в технические диагностики ЭРИ 8
1.1 Постановка задачи распознавания образов 8
1.1.1 Понятие машинного обучения 9
1.1.2 Примеры распознавания образов 10
1.2 Постановка задачи распознавания образов по выборке наблюдений без
учителя 13
1.3 Постановка задачи технической диагностики ЭРИ 14
1.4 Алгоритмы распознавания образов по выборке наблюдений без
учителя 18
1.4.1 Метод к-средних 19
1.4.2 Метод кластеризации ФОРЭЛ 20
1.4.3 Иерархическая кластеризация 22
1.4.4 Алгоритм группировки 1 26
1.4.5 Алгоритм группировки 2 27
1.5 Выводы к главе 1 32
Глава 2. Решение задачи кластеризации. Исследование алгоритмов 33
2.1 Тестовые данные 33
2.2 Исследование метода к-средних 38
2.3 Исследование метода ФОРЭЛ 42
2.4 Исследование иерархической кластеризации 44
2.5 Исследование автоматического алгоритма 1 53
2.6 Исследование автоматического алгоритма 2 56
2.7 Выводы к главе 2 59
Глава 3. Решение задачи технической диагностики ЭРИ 61
3.1 Анализ матрицы наблюдений ЭРИ 61
3.2 Применение алгоритма автоматической группировки к задаче
диагностики ЭРИ 66
3.3 Применение иерархического алгоритма кластеризации к задаче
диагностики ЭРИ 72
Заключение 83
Список используемых источников 84
Приложение А. Графический материал 89
Глава 1. Задача распознавания образов в технические диагностики ЭРИ 8
1.1 Постановка задачи распознавания образов 8
1.1.1 Понятие машинного обучения 9
1.1.2 Примеры распознавания образов 10
1.2 Постановка задачи распознавания образов по выборке наблюдений без
учителя 13
1.3 Постановка задачи технической диагностики ЭРИ 14
1.4 Алгоритмы распознавания образов по выборке наблюдений без
учителя 18
1.4.1 Метод к-средних 19
1.4.2 Метод кластеризации ФОРЭЛ 20
1.4.3 Иерархическая кластеризация 22
1.4.4 Алгоритм группировки 1 26
1.4.5 Алгоритм группировки 2 27
1.5 Выводы к главе 1 32
Глава 2. Решение задачи кластеризации. Исследование алгоритмов 33
2.1 Тестовые данные 33
2.2 Исследование метода к-средних 38
2.3 Исследование метода ФОРЭЛ 42
2.4 Исследование иерархической кластеризации 44
2.5 Исследование автоматического алгоритма 1 53
2.6 Исследование автоматического алгоритма 2 56
2.7 Выводы к главе 2 59
Глава 3. Решение задачи технической диагностики ЭРИ 61
3.1 Анализ матрицы наблюдений ЭРИ 61
3.2 Применение алгоритма автоматической группировки к задаче
диагностики ЭРИ 66
3.3 Применение иерархического алгоритма кластеризации к задаче
диагностики ЭРИ 72
Заключение 83
Список используемых источников 84
Приложение А. Графический материал 89
Магистерская диссертация по теме «Решение задачи технической диагностики электрорадиоизделий методами кластеризации» содержит 88 страниц текстового документа, 66 рисунков, 3 таблицы, 50 использованных источников.
Ключевые слова: система диагностики, электрорадиоизделие, диодная матрица, электротремотренировка, кластеризация, неразрушающий контроль, разрушающий контроль
Цель диссертации - разработка автоматизированной системы кластеризации электрорадиоизделий.
Структура работы обусловлена выбранной темой. Начинается с исследования предметной области, описываются различные алгоритмы, которые можно использовать для кластеризации практически любых выборок. После исследования каждого алгоритма проведен сравнительный анализ полученных данных. Реализована автоматизация определения числа кластеров и сделаны необходимые выводы.
Результаты работы могут быть использованы непосредственно на производстве электрорадиоизделий для космических аппаратов.
Основой длительной и активной работы современных космических аппаратов является использование для комплектации аппаратуры электронных компонентов с высокими показателями качества и надежности.
В отечественных космических аппаратах в составе аппаратуры функционирует от 100 до 200 тысяч единиц различных электрорадиоизделий (интегральные схемы, транзисторы, диоды, реле, конденсаторы, резисторы и т.д.), которые должны обеспечивать надежную длительную работоспособность бортовых систем. Отказ электрорадиоизделий (ЭРИ) в аппаратуре при её эксплуатации в составе космического аппарата, приводит к весьма существенным экономическим потерям. Так, например, убытки при потере работоспособности одного ствола спутника типа «Экспресс» за один год составляют более 0,5 млн. долларов. Из истории эксплуатации космических аппаратов так же известен случай выхода из строя спутника, находящегося на орбите, из-за отказа на его борту всего лишь одного диода. Естественно на сегодняшний день разработаны методы защиты от подобных ситуаций. Тем не менее, долговечность работы аппаратуры во многом зависит от надёжности используемых в ней электрорадиоизделий.
Исключение попадания в бортовую аппаратуру бракованных и потенциально ненадежных (ПН) электрорадиоизделий является основной задачей ОАО «ИТЦ — НПО ПМ» (далее - ИТЦ).
Открытое акционерное общество "Испытательный технический центр - НПО ПМ" создано в мае 1999г. на базе испытательного технического Центра ФГУП "Научно-производственное объединение прикладной механики им. академика М. Ф. Решетнева" (до июля 2003г. - ФГУП "Испытательный технический центр - НПО ПМ").
Основным видом деятельности ОАО «ИТЦ-НПО ПМ» является закупка и проведение входного контроля, отбраковочных испытаний и разрушающего физического анализа, подтверждение качества и надежности, выявление скрытых дефектов, анализ отказов электронной компонентной базы (ЭКБ).
Для выполнения требований, предъявляемых к высоконадежным ЭКБ, разработана и реализована типовая программа (перечень обязательных испытаний) входного и диагностического неразрушающего контроля, отбраковочных испытаний и разрушающего физического анализа ЭКБ. Задачей проведения дополнительных отбраковочных испытаний и диагностического неразрушающего контроля ЭКБ является индивидуальная отбраковка элементов, имеющих скрытые дефекты изготовления.
При проведении контроля параметров ЭРИ в компании применяют различное измерительное оборудование и определённые методы реализации испытаний. Одним из основных методов является электротермотренировка (ЭТТ) элементов, позволяющая выявить потенциально ненадёжные (ПН) ЭРИ до того, как они войдут в состав дорогостоящей аппаратуры. ЭТТ подразумевает выдержку ЭРИ в условиях повышенных температур под напряжением в течение времени, оговоренном техническими условиями (ТУ) испытуемых элементов. Испытания ЭТТ является испытаниями неразрушающего контроля, такого рода испытания позволяют выявить неисправность работы тестируемых элементов, не нарушая при их этом работоспособность, пригодность. Разрушающий физический анализ (далее РФА) позволяет подтвердить качество партий или выявить партии, дефекты (или несоответствия требованиям нормативно-технической документации).
Для выявления нетипичных объектов по результатам ЭТТ, которые в последствии будут отправляться на разрушающий контроль, необходимо произвести анализ данных и по его результатам выявить нетипичные объекты выборки ЭРИ.
Актуальностью данных исследования является государственная программа «Космическая деятельность России на 2013-2020 годы»:
«Развертывание и поддержание необходимого для решения целевых задач состава орбитальных группировок отечественных КА научного и социально -экономического назначения, включая российский сегмент МКС.», выбор методов кластеризации обусловлена её широким применением в различных областях. Она часто выступает первым шагом при анализе данных: выделение групп похожих объектов помогает понять структуру данных и использовать свой подход к обработке каждой группы.
Цель: разработка автоматизированной системы кластеризации электрорадиоизделий. Для достижения поставленной цели необходимо решить следующие задачи:
1) Обзор задач машинного обучения;
2) Обзор существующих алгоритмов кластеризации данных;
3) Применение существующих алгоритмов кластеризации данных без учителя на тестовой выборке;
4) Сравнительный анализ результатов работы алгоритмов;
5) Реализация автоматизации определения количества кластеров;
6) Исследование алгоритмов на существующих данных;
7) Анализ результатов.
Ключевые слова: система диагностики, электрорадиоизделие, диодная матрица, электротремотренировка, кластеризация, неразрушающий контроль, разрушающий контроль
Цель диссертации - разработка автоматизированной системы кластеризации электрорадиоизделий.
Структура работы обусловлена выбранной темой. Начинается с исследования предметной области, описываются различные алгоритмы, которые можно использовать для кластеризации практически любых выборок. После исследования каждого алгоритма проведен сравнительный анализ полученных данных. Реализована автоматизация определения числа кластеров и сделаны необходимые выводы.
Результаты работы могут быть использованы непосредственно на производстве электрорадиоизделий для космических аппаратов.
Основой длительной и активной работы современных космических аппаратов является использование для комплектации аппаратуры электронных компонентов с высокими показателями качества и надежности.
В отечественных космических аппаратах в составе аппаратуры функционирует от 100 до 200 тысяч единиц различных электрорадиоизделий (интегральные схемы, транзисторы, диоды, реле, конденсаторы, резисторы и т.д.), которые должны обеспечивать надежную длительную работоспособность бортовых систем. Отказ электрорадиоизделий (ЭРИ) в аппаратуре при её эксплуатации в составе космического аппарата, приводит к весьма существенным экономическим потерям. Так, например, убытки при потере работоспособности одного ствола спутника типа «Экспресс» за один год составляют более 0,5 млн. долларов. Из истории эксплуатации космических аппаратов так же известен случай выхода из строя спутника, находящегося на орбите, из-за отказа на его борту всего лишь одного диода. Естественно на сегодняшний день разработаны методы защиты от подобных ситуаций. Тем не менее, долговечность работы аппаратуры во многом зависит от надёжности используемых в ней электрорадиоизделий.
Исключение попадания в бортовую аппаратуру бракованных и потенциально ненадежных (ПН) электрорадиоизделий является основной задачей ОАО «ИТЦ — НПО ПМ» (далее - ИТЦ).
Открытое акционерное общество "Испытательный технический центр - НПО ПМ" создано в мае 1999г. на базе испытательного технического Центра ФГУП "Научно-производственное объединение прикладной механики им. академика М. Ф. Решетнева" (до июля 2003г. - ФГУП "Испытательный технический центр - НПО ПМ").
Основным видом деятельности ОАО «ИТЦ-НПО ПМ» является закупка и проведение входного контроля, отбраковочных испытаний и разрушающего физического анализа, подтверждение качества и надежности, выявление скрытых дефектов, анализ отказов электронной компонентной базы (ЭКБ).
Для выполнения требований, предъявляемых к высоконадежным ЭКБ, разработана и реализована типовая программа (перечень обязательных испытаний) входного и диагностического неразрушающего контроля, отбраковочных испытаний и разрушающего физического анализа ЭКБ. Задачей проведения дополнительных отбраковочных испытаний и диагностического неразрушающего контроля ЭКБ является индивидуальная отбраковка элементов, имеющих скрытые дефекты изготовления.
При проведении контроля параметров ЭРИ в компании применяют различное измерительное оборудование и определённые методы реализации испытаний. Одним из основных методов является электротермотренировка (ЭТТ) элементов, позволяющая выявить потенциально ненадёжные (ПН) ЭРИ до того, как они войдут в состав дорогостоящей аппаратуры. ЭТТ подразумевает выдержку ЭРИ в условиях повышенных температур под напряжением в течение времени, оговоренном техническими условиями (ТУ) испытуемых элементов. Испытания ЭТТ является испытаниями неразрушающего контроля, такого рода испытания позволяют выявить неисправность работы тестируемых элементов, не нарушая при их этом работоспособность, пригодность. Разрушающий физический анализ (далее РФА) позволяет подтвердить качество партий или выявить партии, дефекты (или несоответствия требованиям нормативно-технической документации).
Для выявления нетипичных объектов по результатам ЭТТ, которые в последствии будут отправляться на разрушающий контроль, необходимо произвести анализ данных и по его результатам выявить нетипичные объекты выборки ЭРИ.
Актуальностью данных исследования является государственная программа «Космическая деятельность России на 2013-2020 годы»:
«Развертывание и поддержание необходимого для решения целевых задач состава орбитальных группировок отечественных КА научного и социально -экономического назначения, включая российский сегмент МКС.», выбор методов кластеризации обусловлена её широким применением в различных областях. Она часто выступает первым шагом при анализе данных: выделение групп похожих объектов помогает понять структуру данных и использовать свой подход к обработке каждой группы.
Цель: разработка автоматизированной системы кластеризации электрорадиоизделий. Для достижения поставленной цели необходимо решить следующие задачи:
1) Обзор задач машинного обучения;
2) Обзор существующих алгоритмов кластеризации данных;
3) Применение существующих алгоритмов кластеризации данных без учителя на тестовой выборке;
4) Сравнительный анализ результатов работы алгоритмов;
5) Реализация автоматизации определения количества кластеров;
6) Исследование алгоритмов на существующих данных;
7) Анализ результатов.
Постановление проблем и целей решения задач технической диагностики электрорадиоизделий методом кластеризации позволяет выявить основные направления научного подхода к решению задач подобного рода.
Проведен анализ предметной области, выявлены основные понятия машинного обучения. Выявлены основные подходы, типы и свойства кластеризации и кластерных структур. Рассмотрены основные методы кластеризации данных такие как: метод к-средних, ФОРЭЛ, Ланса-Вильемса.
В главе 1 приведены алгоритмы рассмотренных методов, для опробации этих методов были выбраны данные растений ириса, которые представлены выборкой из 150 растений и достаточно наглядно изображают кластеры.
Как видно из выводов к главе 2, наиболее эффективным оказался метод Ланса-Вильемса со способом нахождения расстояния между кластерами методом Уорда. Ошибка при этом составила порядка 10%.
Рассмотрения модификация алгоритма ФОРЭЛ дает возможность наблюдать разделение выборки на классы и получение элементов, не отнесенных ни к одному из классов, что в свою очередь дает возможность предположить, что эти элементы будут наименее устойчивы при дальнейших испытаниях.
Проведен анализ предметной области, выявлены основные понятия машинного обучения. Выявлены основные подходы, типы и свойства кластеризации и кластерных структур. Рассмотрены основные методы кластеризации данных такие как: метод к-средних, ФОРЭЛ, Ланса-Вильемса.
В главе 1 приведены алгоритмы рассмотренных методов, для опробации этих методов были выбраны данные растений ириса, которые представлены выборкой из 150 растений и достаточно наглядно изображают кластеры.
Как видно из выводов к главе 2, наиболее эффективным оказался метод Ланса-Вильемса со способом нахождения расстояния между кластерами методом Уорда. Ошибка при этом составила порядка 10%.
Рассмотрения модификация алгоритма ФОРЭЛ дает возможность наблюдать разделение выборки на классы и получение элементов, не отнесенных ни к одному из классов, что в свою очередь дает возможность предположить, что эти элементы будут наименее устойчивы при дальнейших испытаниях.