УДК 658.5:004.8
DOI: 10.36871/2618-­9976.2025.12.005

Авторы

Али Анварович Халидов,
Кандидат технических наук, доцент кафедры «цифровые системы и модели», ФГБОУ ВО «Казанский государственный энергетический университет», г. Казань, Россия
Ксения Алексеевна Корнилова,
Старший преподаватель кафедры экономической теории, ФГАОУ ВО «Самарский государственный экономический университет», г. Самара, Россия
Ирина Сергеевна Кузнецова,
Доцент кафедры «Математика и информатика», Донской государственный технический университет, г. Ростов-­на­-Дону, Россия

Аннотация

В статье рассматривается задача обнаружения и локализации отказов в непрерывных технологических процессах на основе графового представления объекта и применения графовых нейронных сетей. Обосновывается необходимость перехода от классических модельно остаточных и статистических методов к структуратно­согласованным интеллектуальным моделям, учитывающим топологию потоков, неоднородность датчиков и пространственно­временные зависимости. Предлагается методологический подход, включающий формирование атрибутированного графа процесса, выбор архитектуры графовой нейронной сети (в том числе пространственно­временной) и двуступенчатую процедуру локализации аномальных подграфов и узлов.

Ключевые слова

обнаружение отказов
локализация отказов
непрерывные технологические процессы
графовые нейронные сети

Список литературы

[1] Абросимов М.Б. Графовые модели отказоустойчивости: дис.… д­ра физ.­мат. наук. Саратов: Саратов. гос. ун­т им. Н.Г. Чернышевского, 2013. 269 с.
[2] Баранов Д.В. Долговременное предсказание поведения транспортных средств с использованием нейронных сетей: магистерская диссертация. Минск: БГУ, 2021. 95 с.
[3] Гафаров Ф.М.; Гилемзянов А.Ф. Нейронные сети в PyTorch. Казань: Казанский федер. университет, 2024. 106 с.
[4] Гордейчук А.С. Разработка модели и алгоритмов машинного обучения на основе графовых нейронных сетей для выявления активностей ботнетов в корпоративных сетях: ВКР магистра. Санкт­Петербург: СПбПУ, 2024. 78 с.
[5] Жирабок А.Н.; Шумский А.Е. Функциональное диагностирование непрерывных динамических систем, описываемых уравнениями с полиномиальной правой частью // Автоматика и телемеханика. 1987. № 8. С. 154–164.
[6] Желудков Н.В. Графовые нейронные сети и их применение при анализе сетевых данных // Труды НИИСИ. 2025. Т. 18. № 1. С. 22–33.
[7] Зубов Д.В.; Лебедев Д.А. Диагностика отказов технологического оборудования химических производств с помощью искусственного интеллекта // Инженерный журнал. 2024. № 5. С. 112–125.
[8] Ляпунцова Е.В.; Сидоров П.А.; Чесноков И.С. Федеративная графовая нейронная сеть для обнаружения сетевых аномалий с сохранением конфиденциальности // Информационные технологии и вычислительные системы. 2025. Т. 29. № 4. С. 73–86.
[9] Мляхилу Н.Д. Подходы к построению графа для обнаружения аномалий во временных рядах с помощью графовых нейронных сетей // Сб. трудов «Системы компьютерного моделирования». 2025. Вып. 2. С. 181–184.
[10] Мурзин М.В. Методы построения графовых нейронных сетей // Известия СПбГЭТУ «ЛЭТИ». 2024. Т. 10. № 2. С. 40–48.