МЕТОДОЛОГИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ МНОГОСЛОЙНЫХ КРИОГЕННЫХ СИСТЕМ В УСЛОВИЯХ ОГРАНИЧЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ
Аннотация
Статья посвящена разработке методологии интеллектуальной поддержки принятия решений при эксплуатации многослойных криогенных систем, предназначенных для транспортировки жидкого гелия. Актуальность работы обусловлена необходимостью своевременного определения потребности в доливе жидкого азота в защитный контур при ограниченных вычислительных ресурсах бортового контроллера (память не более 256 КБ, время отклика не более 50 мс). Предложен метод ручного дата-инжиниринга, включающий пятиэтапный регламент подготовки данных с очисткой по ГОСТ Р 8.736-2011 и генерацией признаков на основе физических закономерностей теплопереноса. Формализован оператор преобразования признакового пространства Φ, расширяющий исходное пятимерное пространство измерений до восьмимерного посредством трех конструктивных признаков, отражающих термодинамическое состояние гелиевого и азотного контуров. Разработана архитектура системы поддержки принятия решений с сохранением функции окончательного решения за оператором и визуализацией вклада признаков методом SHAP. Экспериментальная оценка на датасете из 730 наблюдений от 12 криогенных контейнеров подтвердила повышение F1-меры с 0,653 до 0,925 при применении предложенного подхода. Сравнение с традиционным пороговым методом на эксплуатационных данных (более 1,5 млн записей) выявило снижение числа ложных тревог на 63% и сокращение времени реакции оператора с 12,4 до 2,3 минуты. Программный комплекс прошел государственную регистрацию и внедрен в промышленную эксплуатацию.
Литература
Arkharov A.M., Belyakov V.P., Mikulin E.I. et al. Cryogenic Systems: textbook. Moscow: Mashinostroenie. 1987. 536 p. (in Russian).
Van Sciver S.W. Helium Cryogenics. New York: Springer Science. 2012. 470 p. DOI: 10.1007/978-1-4419-9979-5.
Filin N.V., Bulanov A.B. Liquid Cryogenic Systems. Leningrad: Mashinostroenie. 1985. 247 p. (in Russian).
Baranov A.Yu., Sokolova E.V. Storage and Transportation of Cryogenic Liquids. Study Guide. St. Petersburg: ITMO University. 2017. 95 p. (in Russian).
Mikulin E.I. Cryogenic Engineering. Moscow: Mashinostroenie. 1969. 272 p. (in Russian).
Bobkov S.P., Galiaskarov E.G. Simulation of the heat conduction process using cellular automata systems. Software & Systems. 2020. Vol. 33. N 4. P. 641–650. DOI: 10.15827/0236-235X.132.641-650. (in Russian).
Astrakhantseva I.A., Gorev S.V., Astrakhantsev R.G. Fractal-based analysis of efficiency and reliability in complex engineering systems. Modern High Technologies. Regional Application. 2023. N 4 (76). P. 60–68. (in Russian).
Astrakhantseva I.A., Gorev S.V., Astrakhantsev R.G. Systems approach to the analysis of the fractal nature of complex technical systems. Ivecofin. 2023. N 3 (57). P. 89-97. (in Russian).
Morozov E.N., Gorev S.V. Mathematical models for optimization of machine-readable regulation. Ivecofin. 2023. N 4 (58). P. 71–78. (in Russian).
Murphy K.P. Machine Learning: A Probabilistic Perspective. Cambridge: MIT Press. 2012. 28 р.
Machine Learning Handbook. https://education.yandex.ru/handbook/ml. (in Russian).
Breiman L., Friedman J., Stone C.J., Olshen R.A. Classification and Regression Trees. Boca Raton: CRC Press. 1984.
Ho T.K. Random Decision Forests. Materials of the 3rd International Conference on Document Analysis and Recognition. Montreal: QC. 1995. P. 278-282.
Astrakhantseva I.A., Kotenev T.E., Gorev S.V., Astrakhantsev R.G., Grimenitsky P.N. Integration of linear regression and random forest methods into intelligent support systems for managing cryogenic transport systems. Ivecofin. 2024. N 3 (61). P. 81-90. (in Russian).
Astrakhantseva I.A., Kotenev T.E., Gorev S.V., Astrakhantsev R.G., Grimenitsky P.N. Artificial intelligence in management of multilayer cryogenic system with vacuum insulation and liquid nitrogen cooling shield. Modern High Technologies. Regional Application. 2024. N 1 (77). P. 50-59. (in Russian).
Astrakhantseva I.A., Kotenev T.E., Gorev S.V., Astrakhantsev R.G., Grimenitsky P.N. Gradient boosting method in predicting management decisions in the multilayer cryogenic systems. Modern High Technologies. Regional Application. 2024. N 2 (78). P. 50-58. (in Russian).
Astrakhantseva I.A., Kotenev T.E., Gorev S.V., Astrakhantsev R.G. Optimization of operation of multilayer cryogenic systems using machine learning methods and standardized implementation protocols. Modern High Technologies. Regional Application. 2025. N 2 (82). P. 59-70. (in Russian).
Gorev S.V., Astrakhantseva I.A. A Multilayer System as an Object of Structural Managerial and Adaptive Modeling in Systems Analysis. Materials of the 12th All-Russian scientific-practical conference «Simulation Modeling. Theory and Practice (IMMOD-2025)». St. Petersburg: JSC "CTSS". 2025. P. 652-658. (in Russian).
Gorev S.V., Astrakhantseva I.A. Simple machine learning models for forecasting and supporting managerial decisions in multilayer cryogenic systems. Materials of the II International Scientific Conference «Applied Artificial Intelligence: Prospects and Risks». St. Petersburg: SUAI. 2025. P. 197-202. (in Russian).
Gordina N.E., Melnikov A.A., Gusev G.I., Gushchin A.A., Rumyantsev R.N., Astrakhantseva I.A. Mechanochemical and plasmochemical processing in the synthesis of catalytic systems based on vermiculite and zirconium oxychloride. ChemChemTech. 2022. Vol. 65. N 5. P. 43–57. DOI: 10.6060/ivkkt.20226505.6612. (in Russian).
Bobkov S.P., Astrakhantseva I.A., Gushchin A.A. et al. Using a discrete probabilistic approach for simulating flow tubular reactors. ChemChemTech. 2025. Vol. 68. N 2. P. 96-101. DOI: 10.6060/ivkkt.20256802.7109. (in Russian).
