КОМП’ЮТЕРНІ НАУКИ, ШТУЧНИЙ ІНТЕЛЕКТ ТА СИСТЕМНИЙ АНАЛІЗ

СИНГУЛЯРНО ЗБУРЕНІ МАРКІВСЬКІ МОДЕЛІ ПРОЦЕСІВ ВІДНОВЛЕННЯ ЛЮДИНО-МАШИННО-СЕРЕДОВИЩНИХ СИСТЕМ ІЗ ПІДСИСТЕМОЮ ЗАХИСТУ

Автор(и)

І. Г. Яловега ORCID 0000-0002-2486-1812
Харківський національний університет радіоелектроніки ROR
А. О. Федосєєнко
Харківський національний університет радіоелектроніки ROR

Ключові слова

сингулярно збурені системи марківські процеси безперервного часу людино-машинно-середовищні системи процеси відновлення технічних систем, підсистема захисту багатомасштабні стохастичні моделі, математичне моделювання складних систем диференційні рівняння нейромножини нечіткі множини protection subsystem

Анотація

Актуальність дослідження зумовлена необхідністю підвищення ефективності математичного моделювання процесів відновлення складних людино-машинно-середовищних систем, що функціонують у післяаварійних режимах та характеризуються наявністю швидкодійних підсистем захисту і різних часових масштабів перебігу деградаційних та відновлювальних процесів. Традиційні марківські моделі безперервного часу не завжди дозволяють адекватно враховувати багатомасштабну структуру динаміки таких систем, що зумовлює необхідність застосування сингулярно збурених стохастичних моделей.

Метою статті є розроблення сингулярно збуреної марківської моделі процесів відновлення людино-машинно-середовищної системи з підсистемою захисту та дослідження її асимптотичних властивостей з урахуванням різних часових масштабів функціонування підсистем.

Методологічною основою дослідження є апарат марківських процесів безперервного часу, методи асимптотичного аналізу сингулярно збурених систем, рівняння Колмогорова та підходи до агрегування станів багатомасштабних стохастичних моделей. У роботі запропоновано подання матриці інтенсивностей переходів у вигляді суми швидкої та повільної складових з введенням малого параметра, що характеризує співвідношення часових масштабів функціонування підсистем захисту та технічної системи.

Розроблено узагальнену сингулярно збурену марківську модель процесів післяаварійного відновлення людино-машинно-середовищної системи, яка дозволяє врахувати взаємодію технічної підсистеми, оператора та підсистеми захисту в єдиному стохастичному просторі станів. Отримано агреговану матрицю переходів редукованої моделі та показано можливість визначення стаціонарних характеристик функціонування системи, зокрема коефіцієнта готовності, середнього часу відновлення та імовірності перебування системи у критичному стані.

Наукова новизна отриманих результатів полягає у побудові сингулярно збуреної марківської моделі процесів відновлення людино-машинно-середовищних систем із підсистемою захисту, що дозволяє врахувати багатомасштабну структуру процесів функціонування та виконати редукцію простору станів без втрати точності опису післяаварійної динаміки системи.

Практичне значення отриманих результатів полягає у можливості застосування запропонованої моделі для оцінювання показників надійності та готовності складних технічних систем критичної інфраструктури, а також для аналізу ефективності функціонування підсистем захисту в умовах аварійних режимів.

1 0

Як цитувати

[1]
«СИНГУЛЯРНО ЗБУРЕНІ МАРКІВСЬКІ МОДЕЛІ ПРОЦЕСІВ ВІДНОВЛЕННЯ ЛЮДИНО-МАШИННО-СЕРЕДОВИЩНИХ СИСТЕМ ІЗ ПІДСИСТЕМОЮ ЗАХИСТУ», Вісник ВПІ, вип. 4, с. 108–118, Жов 2026, doi: 10.31649/1997-9266-2026-187-4-108-118.

Біографії авторів

автор І. Г. Яловега, афіліація Харківський національний університет радіоелектроніки

канд. техн. наук, доцент, доцент кафедри прикладної математики Харківського національного університету радіоелектроніки; доцент кафедри економіко-математичного моделювання Харківського національного економічного університету імені Семена Кузнеця

автор А. О. Федосєєнко, афіліація Харківський національний університет радіоелектроніки

аспірант кафедри прикладної математики

Посилання

[1] S. M. Ross, Stochastic Processes, 2nd ed. New York, USA: John Wiley & Sons, 1996, 544 p.
[2] G. G. Yin, and Q. Zhang, Continuous-Time Markov Chains and Applications: A Two-Time-Scale Approach, 2nd ed. New York, USA: Springer, 2013, 447 p. https://doi.org/10.1007/978-1-4614-4346-9 .
[3] K. S. Trivedi, and A. Bobbio, Reliability and Availability Engineering: Modeling, Analysis, and Applications. Cambridge, UK: Cambridge University Press, 2017, 726 p. https://doi.org/10.1017/9781316163047 .
[4] N. Limnios, and G. Oprisan, Semi-Markov Processes and Reliability. Boston, USA: Birkhäuser, 2001, 238 p. https://doi.org/10.1007/978-1-4612-0161-8 .
[5] А. М. Самойленко, С. А. Кривошея, та М. О. Перестюк, Диференціальні рівняння в задачах. Київ, Україна: Либідь, 2003, 505 с. https://pdf.lib.vntu.edu.ua/books/2015/Samoylenko_2003_504.pdf .
[6] V. S. Korolyuk, “Markov renewal processes in reliability analysis,” in Semi-Markov Models, J. Janssen, Ed. Boston, USA: Springer, 1986, pp. 217-230. https://doi.org/10.1007/978-1-4899-0574-1_12 .
[7] V. S. Koroliuk, and N. Limnios, Stochastic Systems in Merging Phase Space. Singapore: World Scientific, 2005, 348 p. https://doi.org/10.1142/5979 .
[8] S. A. Semenyuk, and Ya. M. Chabanyuk, “Stochastic evolutionary system with Markov-modulated Poisson perturbations in the averaging schema,” Matematychni Studii, vol. 62, no. 1, pp. 102-108, 2024. https://doi.org/10.30970/ms.62.1.102-108 .
[9] В. М. Грібов, Г. Є. Марінченко, В. П. Стрельников, і О. В. Кожохіна, Надійність систем авіоніки. Київ, Україна: Альянт, 2021, 264 с. [Електронний ресурс]. Режим доступу: http://er.nau.edu.ua/handle/NAU/9228 .
[10] R. Patriarca, G. Di Gravio, F. Costantino, et al., “Human reliability analysis: Exploring the intellectual structure of a research field,” Reliability Engineering & System Safety, vol. 203, Art. no. 107102, 2020. https://doi.org/10.1016/j.ress.2020.107102 .
[11] Human Reliability Analysis for Nuclear Installations. Vienna, Austria: International Atomic Energy Agency, 2025, 290 p. https://doi.org/10.61092/iaea.aq89-8yvf .
[12] E. Zio, “The future of risk assessment,” Reliability Engineering & System Safety, vol. 177, pp. 176-190, 2018. https://doi.org/10.1016/j.ress.2018.04.020 .
[13] D.-Y. Yang, and C.-H. Wu, “Evaluation of the availability and reliability of a standby repairable system incorporating imperfect switchovers and working breakdowns,” Reliability Engineering & System Safety, vol. 205, Art. no. 107366, 2021. https://doi.org/10.1016/j.ress.2020.107366 .
[14] X. Pan, H. Chen, A. Shen, D. Zhao, and X. Su, “A reliability assessment method for complex systems based on non-homogeneous Markov processes,” Sensors, vol. 24, no. 11, Art. no. 3446, 2024. https://doi.org/10.3390/s24113446 .
[15] N. Khakzad, “Application of dynamic Bayesian network to risk analysis of domino effects in chemical infrastructures,” Reliability Engineering & System Safety, vol. 138, pp. 263-272, 2015. https://doi.org/10.1016/j.ress.2015.02.007 .
[16] M. Neil, and D. Marquez, “Availability modelling of repairable systems using Bayesian networks,” Engineering Applications of Artificial Intelligence, vol. 25, no. 4, pp. 698-704, 2012. https://doi.org/10.1016/j.engappai.2010.06.003 .
[17] G. Manno, F. Chiacchio, L. Compagno, D. D’Urso, and N. Trapani, “Conception of repairable dynamic fault trees and resolution by the use of RAATSS, a Matlab toolbox based on the ATS formalism,” Reliability Engineering & System Safety, vol. 121, pp. 250-262, 2014. https://doi.org/10.1016/j.ress.2013.09.002 .
[18] A. Lye, J. Chang, K. Chung, et al., “An overview of probabilistic safety assessment for nuclear facilities,” Journal of Nuclear Engineering, vol. 5, no. 4, Art. no. 29, 2024. https://doi.org/10.3390/jne5040029 .