Формирование признакового пространства периодических временных зависимостей для систем диагностики состояния динамических объектов на примере сетчатки глаза
Аннотация
Рассмотрены приемы формирования признакового пространства информативных признаков периодических сигналов, регистрируемых на выходе динамического объекта неизвестной структуры в ответ на воздействие на вход объекта прямоугольных тестирующих сигналов разной частоты. Пространство признаков используется при создании экспертных систем для диагностики текущего состояния работающего динамического объекта. При большом разнообразии возможных развивающихся неисправностей простейшие практические приемы с применением характерных точек изменения наблюдаемых временных зависимостей дают ограниченное число признаков с большими областями взаимных пересечений. Для расширения признакового пространства предложено применение разложения входных и выходных сигналов в ряд Фурье с целью формирования базы дополнительных признаков. Предлагаемые признаки, в зависимости от условий проведения тестирования, характеризуют передающие свойства объекта в частотной области по изменениям его амплитудных и фазовых характеристик. Такими условиями являются частота и длительность тестирующих импульсов. Для удобства сравнения характера изменения частотных характеристик объекта используются две специальные методики. Первая позволяет приводить наблюдаемые временные зависимости к единой псевдочастоте подачи тестирующих сигналов. Вторая использует специально формируемые окна для спектрального анализа отдельных фрагментов наблюдаемых временных зависимостей. Показано, что в зависимости от вида анализируемых частотных характеристик полезными могут оказаться приемы их полиномиальной аппроксимации, а также интегральные оценки отдельных областей частотных характеристик. Полиномиальная аппроксимация дает возможность использовать коэффициенты аппроксимирующих полиномов в качестве дополнительных признаков, а интегрирование отдельных характерных областей частотных характеристик — вводить безразмерные относительные показатели, характеризующие степень изменения частотных характеристик в зависимости от условий эксперимента. Рассматриваемые приемы позволяют подбирать дополнительные признаки, которые могут помочь выделять как отдельные группы неисправностей, так и отдельные неисправности в работающих объектах. Результаты исследований проиллюстрированы примерами анализа изменений электроретинограмм, фиксирующих изменение биопотенциала сетчатки глаза в ответ на световые вспышки разной частоты.
Литература
2. Методы классической и современной теории автоматического управления. Т. 2. Статистическая динамика и идентификация систем автоматического управления / под ред. К.А. Пупкова, Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана, 2004.
3. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. N.-Y.: Springer, 2001.
4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: классификация и снижение размерности. М.: Финансы и статистика, 1989.
5. Дьяконов А.Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab. М.: Изд-во МГУ им. М.В. Ломоносова, 2010.
6. Anisimov D.N. e. a. Diagnosis of the Current State of Dynamic Objects and Systems with Complex Structures by Fuzzy Logic Using Simulation Models // Sc. and Techn. Information Proc. 2013. V. 40. No. 6. Pp. 365—374.
7. Marmor F. e. a. ISCEV Standard for Full-field Clinical Electroretinography // Doc. Ophthalmol. 2009. V. 118. Pp. 69—77.
8. Stockton R., Slaughter M. B-wave of the Electroretinogram: A Reflection of on Bipolar Cell Activity // J. Gen. Physiol. 1989. V. 93. Pp. 101—122.
9. Falsini B. e. a. The Fundamental and Second Harmonic of the Photopic Flicker Electroretinogram: Temporal Frequency-dependent Abnormalities in Retinitis Pigmentosa // Clin. Neurophysiol. 1999. V. 35. Pp. 4282—4290.
10. Dong C.J., Hare W.A. Contribution to the Kinetics and Amplitude of the Electroretinogram b-wave by Third-order Retinal Neurons in the Rabbit Retina // Vision Research. 2000. V. 40. Pp. 579—589.
11. Hood D.C. e. a. ISCEV Standard for Clinical Multifocal Electroretinography (mfERG) // Doc. Ophthalmol. 2012. V. 124. Pp. 1—13.
12. McCulloch D.L. e. a. ISCEV Standard for Full-field Clinical Electroretinography // Doc. Ophthalmol. 2015. V. 130. Pp. 1—12.
13. Bach M. e. a. ISCEV Standard for Clinical Pattern Electroretinography (PERG) // Doc. Ophthalmol. 2013. V. 124. Pp. 1—13.
14. Ягодкина Т.В., Беседин В.М. Теория автоматического управления. М.: Изд-во Юрайт, 2018.
15. Анго А. Математика для электро- и радиоинженеров. М.: Наука, 1967.
16. Колосов О.С., Короленкова В.А., Пронин А.Д., Титова О.Д. Преобразование периодических временных зависимостей для расширения признакового пространства в задачах диагностики состояния динамических объектов // Вестник МЭИ. 2020. № 3. С. 81—91.
17. Сергиенко А.Б. Цифровая обработка сигналов. СПб. БХВ-Петербург, 2013.
18. Свиридов В.Г., Свиридов Е.В., Филаретов Г.Ф. Основы автоматизации теплофизического эксперимента. М.: Издат. дом МЭИ, 2019
---
Для цитирования: Александрова Ю.С., Баларев Д.А., Колосов О.С., Овивян А.В., Парфенова О.И. Формирование признакового пространства периодических временных зависимостей для систем диагностики состояния динамических объектов на примере сетчатки глаза // Вестник МЭИ. 2021. № 6. С. 100—000. DOI: 10.24160/1993-6982-2021-6-100-107
---
Работа выполнена при поддержке: РФФИ (проект № 19-01-00143)
#
1. Ginsberg K.S., Basanov D.M. Identifikatsiya i Zadachi Upravleniya. Identifikatsiya Sistem i Zadachi Upravleniya: Plenarnye Doklady IV Mezhdunar.Konf. M.: Institut Problem Upravleniya im. V.A. Trapeznikova RAN, 2005:56—63. (in Russian).
2. Metody Klassicheskoy i Sovremennoy Teorii Avtomaticheskogo Upravleniya. T. 2. Statisticheskaya Dinamika i Identifikatsiya Sistem Avtomaticheskogo Upravleniya. Pod Red. K.A. Pupkova, N.D. Egupova. M.: Izd-vo MGTU im. N.E. Baumana, 2004. (in Russian).
3. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. N.-Y.: Springer, 2001.
4. Ayvazyan S.A., Bukhshtaber V.M., Enyukov I.S., Meshalkin L.D. Prikladnaya Statistika: Klassifikatsiya i Snizhenie Razmernosti. M.: Finansy i Statistika, 1989. (in Russian).
5. D'yakonov A.G. Analiz Dannykh, Obuchenie po Pretsedentam, Logicheskie Igry, Sistemy WEKA, RapidMiner i MatLab. M.: Izd-vo MGU im. M.V. Lomonosova, 2010. (in Russian).
6. Anisimov D.N. e. a. Diagnosis of the Current State of Dynamic Objects and Systems with Complex Structures by Fuzzy Logic Using Simulation Models. Sc. and Techn. Information Proc. 2013;40;6:365—374.
7. Marmor F. e. a. ISCEV Standard for Full-field Clinical Electroretinography. Doc. Ophthalmol. 2009;118:69—77.
8. Stockton R., Slaughter M. B-wave of the Electroretinogram: A Reflection of on Bipolar Cell Activity. J. Gen. Physiol. 1989;93:101—122.
9. Falsini B. e. a. The Fundamental and Second Harmonic of the Photopic Flicker Electroretinogram: Temporal Frequency-dependent Abnormalities in Retinitis Pigmentosa. Clin. Neurophysiol. 1999;35:4282—4290.
10. Dong C.J., Hare W.A. Contribution to the Kinetics and Amplitude of the Electroretinogram b-wave by Third-order Retinal Neurons in the Rabbit Retina. Vision Research. 2000;40:579—589.
11. Hood D.C. e. a. ISCEV Standard for Clinical Multifocal Electroretinography (mfERG). Doc. Ophthalmol. 2012;124:1—13.
12. McCulloch D.L. e. a. ISCEV Standard for Full-field Clinical Electroretinograph. Doc. Ophthalmol. 2015;130:1—12.
13. Bach M. e. a. ISCEV Standard for Clinical Pattern Electroretinography (PERG). Doc. Ophthalmol. 2013;124:1—13.
14. Yagodkina T.V., Besedin V.M. Teoriya Avtomaticheskogo Upravleniya. M.: Izd-vo Yurayt, 2018. (in Russian).
15. Ango A. Matematika dlya Elektro- i Radioinzhenerov. M.: Nauka, 1967. (in Russian).
16. Kolosov O.S., Korolenkova V.A., Pronin A.D., Titova O.D. Preobrazovanie Periodicheskikh Vremennykh Zavisimostey dlya Rasshireniya Priznakovogo Prostranstva v Zadachakh Diagnostiki Sostoyaniya Dinamicheskikh Ob′ektov. Vestnik MEI. 2020;3:81—91. (in Russian).
17. Sergienko A.B. Tsifrovaya Obrabotka Signalov. SPb. BKHV-Peterburg, 2013. (in Russian).
18. Sviridov V.G., Sviridov E.V., Filaretov G.F. Osnovy Avtomatizatsii Teplofizicheskogo Eksperimenta. M.: Izdat. Dom MEI, 2019. (in Russian)
---
For citation: Aleksandrova Yu.S., Balarev D.A., Kolosov O.S., Ovivyan A.V., Parfenova O.I. Setting up the Attribute Space of Periodic Time Dependencies for Dynamic Object Diagnostic Systems (Taking the Eye Retina as an Example). Bulletin of MPEI. 2021;6:100—107. (in Russian). DOI: 10.24160/1993-6982-2021-6-100-107
---
The work is executed at support: RFBR (Project No. 19-01-00143)
