vdgtuВестник Дагестанского государственного технического университета. Технические наукиHerald of Dagestan State Technical University. Technical Sciences2073-61852542-095XDaghestan State Technical University10.21822/2073-6185-2026-53-2-96-103vdgtu-2096Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGY AND TELECOMMUNICATIONSНечеткая система мониторинга и диагностики оборудования магистральных газопроводов и газораспределительных станцийFuzzy Monitoring and Diagnostic System for Main Gas Pipelines and Gas Distribution Stations EquipmentМагомедовИ. А.MagomedovI. A.

Магомедов Иса Алигаджиевич, кандидат технических наук, доцент кафедры управления и информатика в технических системах и вычислительной техники\

367015, г. Махачкала, пр. И. Шамиля, 70

Isa A.Magomedov, Cand. Sci. (Eng.), Assoc. Prof., Department of Management and Informatics in Technical Systems and Computer Engineering

70 I. Shamila Ave., Makhachkala 367015

misa1949@mail.ruУсмановМ. Ш.UsmanovM. Sh.

Усманов Майрбек Ширванович, начальник производственного отдела метрологического обеспечения

366011, Чеченская Республика, с. Знаменское, ул. А. Кадырова, д. 21

Mayrbek Sh.Usmanov, Head of the Production Department of Metrological Support

21 A. Kadyrova St., Chechen Republic, Znamenskoye 366011

mayrbek__95@mail.ruДагестанский государственный технический университетРоссияDagestan State Technical UniversityRussian FederationООО «Газпром трансгаз Грозный»РоссияGazprom Transgaz Grozny LLCRussian Federation20261008202653296103Copyright © Магомедов И.А., Усманов М.Ш., 20262026Магомедов И.А., Усманов М.Ш.Magomedov I.A., Usmanov M.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.dgtu.ru/jour/article/view/2096

Цель. Разработка архитектуры интеллектуальной системы диагностики на основе нечеткой логики для повышения эксплуатационной надежности объектов газотранспортной системы (ГТС) – магистральных газопроводов и газораспределительных станций (ГРС).Метод. В качестве методологического аппарата использована теория нечетких множеств и нечеткий логический вывод. Методология включает этапы фаззификации входных данных, применения базы нечетких продукционных правил, формализующих экспертные знания, агрегирования результатов и дефаззификации для получения количественных оценок технического состояния.Результат. Разработана и апробирована многоуровневая архитектура интеллектуальной системы диагностики, интегрирующая модули сбора первичных данных, их препроцессинга, нечеткого логического вывода и базы знаний. Формализованы и верифицированы базы нечетких правил для диагностики фильтрасепаратора ГРС и комплексной оценки технического состояния участков магистрального газопровода. Экспериментально подтверждено, что реализованный подход позволяет повысить достоверность диагностических заключений на 25–30% за счет обработки зашумленных данных и лингвистических описаний, обеспечивает раннюю идентификацию инцидентных состояний и эффективную формализацию эмпирических знаний экспертов. Внедрение системы создает методологическую основу для перехода от регламентного технического обслуживания к стратегии обслуживания по фактическому состоянию (ТоСиН).Вывод. Использование аппарата нечеткой логики является эффективным подходом для создания систем диагностики и контроля технологически сложных объектов ГТС, функционирующих в условиях неопределенности. Перспективы развития системы связаны с созданием гибридных нейро-нечетких моделей для самообучения и разработкой цифровых двойников оборудования.

Objective. Development of an intelligent system architecture based on fuzzy logic to enhance the operational reliability and diagnostic efficiency of gas transmission system (GTS) facilities – main gas pipelines and gas distribution stations (GDS).Method. The theory of fuzzy sets and fuzzy inference was used as the core methodological framework. The methodology includes the stages of fuzzification of input data, application of a knowledge base of fuzzy production rules that formalize expert knowledge, aggregation of results, and defuzzification to obtain quantitative assessments of technical condition.Result. The study developed and tested a multilevel architecture of an intelligent diagnostic system, integrating sequentially connected modules for primary data acquisition, preprocessing, fuzzy inference, and knowledge base. Within the system, fuzzy production rule bases for diagnosing the GDS filter-separator and comprehensively assessing the technical condition of main gas pipeline sections were formalized and verified. It was experimentally confirmed that the implemented approach increases the reliability of diagnostic conclusions by 25–30% through the use of mechanisms for processing noisy data and linguistic descriptions, enables early identification of incident states at the pre-failure stage, and ensures effective formalization of expert empirical knowledge. It has been established that the system's implementation creates a methodological basis for transitioning from scheduled maintenance to a condition-based maintenance (CBM) strategy.Conclusion. The use of fuzzy logic is an effective approach for creating diagnostic and monitoring systems for technologically complex GTS facilities operating under uncertainty. Future development of the system is associated with the creation of hybrid neuro-fuzzy models for self-learning and the development of digital twins of equipment.

нечеткая логикаинтеллектуальная системадиагностикагазопроводГРСпрогнозированиетехническое состояниефаззификациядефаззификациянеопределенностьостаточный ресурсfuzzy logicintelligent systemdiagnosticsgas pipelineGDSforecastingtechnical conditionfuzzificationdefuzzificationuncertaintyresidual resourceReferencesЗаде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л.А. Заде. – М.: Мир, 1976. – 165 с.Zadeh, L.A. The concept of a linguistic variable and its application to making approximate decisions / L.A. Zadeh. M.: Mir, 1976: 165 p. (In Russ)Леоненков, А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоненков. – СПб.: БХВ-Петербург, 2005. – 736 с.Leonenkov, A.V. Fuzzy modeling in MATLAB and fuzzyTECH / A.V. Leonenkov. – St. Petersburg: BHVPetersburg, 2005: 736 p. (In Russ)ГОСТ Р 55999-2014. Системы газораспределительные. Требования к эксплуатации. – М.: Стандартинформ, 2014.GOST R 55999-2014. Gas distribution systems. Operational requirements. Moscow: Standartinform, 2014.Методы и средства диагностики магистральных газопроводов: монография / Под ред. В.Г. Шурыгина. – М.: Нефть и газ, 2010. – 456 с.Methods and diagnostic tools for main gas pipelines: monograph / Edited by V. G. Shurygin, Moscow: Oil and Gas, 2010: 456 p. (In Russ)Астахов, Ю.С. SCADA-системы: современные технологии автоматизации в нефтегазовом комплексе / Ю.С. Астахов, А.А. Белов // Автоматизация в промышленности. – 2018. – № 5. – С. 34–39.Astakhov, Yu.S. SCADA systems: modern automation technologies in the oil and gas complex / Yu.S. Astakhov, A.A. Belov. Automation in industry. 2018; 5:34-39. (In Russ)Боровиков, В. П. Применение методов машинного обучения для прогнозирования отказов оборудования / В.П. Боровиков, С.Н. Харитонов // Датчики и системы. – 2020. – № 3. – С. 45–52.Borovikov, V.P. Application of machine learning methods for predicting equipment failures / V.P. Borovikov, S.N. Kharitonov. Sensors and systems. 2020;3:45-52. (In Russ)Внутритрубная диагностика магистральных трубопроводов: справочник / А.К. Лобанов и др. – М.: Интергазсервис, 2012. – 312 с.In–tube diagnostics of main pipelines: a reference book. A.K. Lobanov et al., Moscow: Intergazservice, 2012: 312 p. (In Russ)Jang, J.-S. R. ANFIS: Adaptive-Network-based Fuzzy Inference Systems / J.-S. R. Jang // IEEE Transactions on Systems, Man, and Cybernetics. – 1993. – Vol. 23, № 3. – P. 665–685.Jang, J.-S. R. ANFIS: Adaptive-Network-based Fuzzy Inference Systems. IEEE Transactions on Systems, Man, and Cybernetics. 1993; 23(3): 665–685.Grieves, M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication / M. Grieves // White Paper. – 2014. – P. 1–7.Grieves M. Digital Twin:Manufacturing Excellence through Virtual Factory Replication. White Paper. 2014: 1-7.Применение нечеткой логики для управления технологическими процессами в энергетике / И.М. Карпенко, Т.С. Новикова // Известия высших учебных заведений. Проблемы энергетики. – 2019. – Т. 21, № 4. – С. 112–124.Application of fuzzy logic for control of technological processes in the energy sector. I.M. Karpenko, T.S. Novikova. News of higher educational institutions. Energy problems. 2019;21( 4):112-124.Магомедов И.А. Математическая и аппаратная поддержка логико-лингвистических моделей управления сложными динамическими объектами: [монография] / И.А. Магомедов, Г.Х. Ирзаев. - Махачкала: Формат, 2022. - 158 с.Magomedov I.A. Mathematical and hardware support for logical and linguistic control models of complex dynamic objects : [monograph] I.A. Magomedov, G.H. Irzaev. Makhachkala:Format, 2022;158 p.; ISBN 978-5-907484-61-0 : 500 copies. (In Russ)Магомедов А.И., Магомедов И.А., Усманов М.Ш. Структурная организация нечёткой системы контроля состояния оборудования и управления газораспределительной станцией. Вестник Дагестанского государственного технического университета. Технические науки. 2024;51(3):93-102.Magomedov A.I., Magomedov I.A., Usmanov M.Sh. Structural organization of a fuzzy system for monitoring the condition of equipment and controlling a gas distribution station. Herald of Dagestan State Technical University. Technical Sciences.2024;51(3):93-102 (In Russ)Mamdani E.H. Application of fuzzy algorithms for control of simple dynamic plant // Proceedings of the IEEE. 1974. Vol. 121, № 12. P. 1585-1588.Mamdani E.H. Application of fuzzy algorithms for control of simple dynamic plant. Proceedings of the IEEE. 1974;121(12):1585-1588.Нейросетевые и нечеткие системы диагностики промышленного оборудования / Под ред. А.В. Колесникова. М.: Горячая линия-Телеком, 2018. 324 с.Neural network and fuzzy diagnostic systems for industrial equipment. Edited by A.V. Kolesnikov. Moscow: Hotline-Telecom, 2018:324 p. (In Russ)Магомедов А.И., Алиев М.А. Цифровые двойники в управлении технологическими процессами // Автоматизация в промышленности. 2024. № 1. С. 18-24.Magomedov A.I., Aliev M.A. Digital twins in the management of technological processes. Automation in industry. 2024;1:18-24. (In Russ)

The authors declare that there are no conflicts of interest present.