Математическое моделирование диагностических параметров агрегатов летательных аппаратов на основе гранулированных временных рядов
Диссертация
Наше время сложно представить себе без авиационной техники. С годами установилась тенденция повышения интенсивности ее использования и расширения спектра решаемых функциональных задач, как применительно к гражданской авиации, так и применительно к авиации специального назначения. К авиационным аппаратам специального назначения относятся в основном вертолеты. Они широко используются в спасательных… Читать ещё >
Содержание
- Список используемых сокращений
- ГЛАВА II. ЕРВАЯ. ОБЗОР
- 1. Классификация методов анализа временных рядов, обзор оценок эффективности анализа ВР
- 1. 1. Основные понятия
- 1. 2. Классификация ВР. Области применения интеллектуального анализа
- 1. 3. Классификация методов анализа временных рядов
- 1. 4. Обзор ощнок эффективности анализа ВР
- 2. Задача и методы выделения тренда
- 2. 1. Статистические методы работы с трендом
- 2. 2. Работа с трендом методом ¥--преобразований
- 2. 3. Метод нечетких тенденций
- 2. 3. 1. Понятие нечеткого временного ряда и методы его анализа
- 2. 3. 2. Понятие элементарной, локальной и обобщенной ИТ
- 1. Классификация методов анализа временных рядов, обзор оценок эффективности анализа ВР
- 3. Понятие информационной гранулы и его применение в задачи аначиза ВР
- 1. Подход методов грануляции к задачам аначиза ВР
- 1. 1. Понятие гранулированного ВР
- 1. 2. Метод анализа ГрВР. Обоснование эффективности понятия ГрВР для оценки поведения технико-экономических объектов
- 2. Аторитм формирования ГрВР на основе нечетких тенденций, АСЬ-шкачы и выделения тренда
- 2. 1. АСЬ-шкала. Обзор методов построения шкалы
- 2. 2. Основные операции АСГ-шкалы
- 2. 3. Алгоритм формирования ГрВР
- 2. 3. 1. Определение элементарных НТ
- 2. 3. 2. Базовые операции гранул
- 3. 1. Интеграция метода Г-преобразований и нечетких тенденций
- 3. 2. Модели прогнозирования НТ
- 3. 3. Методика выбора прогноза НТ
- 3. 4. Экспертная база правил для анализа ГрВр
- 3. 5. Оценка адекватности анализа ГрВр
- 1. Применение модуля анализа ГрВр для моделирования параметров технико-экономических объектов
- 1. 1. Задача анализа технических объектов
- 1. 2. Задача анализа экономических объектов
- 2. Описание структуры БД
- 3. Обоснование выбора программных средств и организация межмодульного взаимодействия
- 4. Описание алгоритмов и классов модуля анализа ГрВр
- 4. 1. Иерархия классов
- 1. Задача моделирования диагностических параметров агрегатов летательных аппаратов
- 2. Постановка задачи анализа экономических объектов
- 3. План экспериментов для разных типов объектов
- 4. Характеристика рядов для экспериментов
- 5. Результаты экспериментов
Список литературы
- Barigela, Pedrycz, 2005. Bargiela A., Pedrycz W. Granular Mappings -URL:http://citeseerx. ist.psu.edu/viewdocs/summary
- Barigela, Pedrycz, 2006. Bargiela A., Pedrycz W. The roots of Granular Computing URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Bowennan, O’Connell, 1979. Bowennan B.L., O’Connell R.T. Time series and forecasting: an applied approach, Mass., Duxbury Press, 1979.
- Jang, 1997. Jang J.-S. Roger, Sun С. Т., Mizutani E. Neuro-Fuzzy and Soft Computing. A Computational Approach to Learning and Machine Intelligence. Prentice-Hall International, 1997.
- Janson, Frenzel, 1993. Janson D.J., Frenzel J. F. Training Product Unit Neural Networks with Genetic Algorithms// IEEE Expert. — October 1993. —P.26−33.
- Kacprzyk at al., 2007. J. Kacprzyk, A. Wilbik, and S. Zadrozny Linguistic summarization of time series by using the Choquet integral//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic
- Keller et al., 1992. Keller J.M., Yager R.R., Tahani H. Neural Network Implementation of Fuzzy Logic // Fuzzy Sets and Systems. — 1992. — Vol.45, Nil.—P. 1−12.
- Marchek, 2005. D. Marchek Determination of Fuzzy Relations for Economic Fuzzy time series models by SCL techniques//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence
- Nahmias, 1978. S.Nahmias. Fuzzy variables, Fuzzy sets and systems 1(1978) 97−110.
- Nahmias, 1979. S.Nahmias. Fuzzy variables in random environment, In: Gupta M.M. et. al.(eds.). Advances in fuzzy sets Theory. NHCP. 1979.
- Nasiri, 2005. M. Nasiri Fuzzy regression modeling of false twist texturing yarn//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence
- Newquist, 1996. Newquist H.P. Data Mining: The Al Metamorphosis. Database Programming and Design. 1996. № 9
- Parsaye, 1998. Parsaye K. A Characterization of Data Mining Technologies and Processes. The Journal of Data Warehousing. 1998. № 1
- Pedrycz, Smith, 1999. W. Pedrycz, M.H. Smith, Granular correlation analysis in data mining, Proc. IEEE Int. Fuzzy Systems Conf., Korea, 1999, III-1235 IH-1240.
- Pedrycz, 2001. W. Pedrycz, Granular Computing The Emerging Paradigm -URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Prokhorov at al., 1998. Prokhorov D.V., Saad E.W., Wunsch D.C. Comparative Study of Stock Trend Prediction Using Time Delay, Recurrent and Probabilistic Neural Networks//IEEE Transactions on Neural Networks. 1998. -Vol.6, № 9.-P. 1456−1470.
- Puri, Ralesky, 1986. M.D. Puri, D. Ralesky. Fuzzy random variables, J. Math. Anal. Appl. 114(1986)409−422.
- Rasmussen et al., 1991. Rasmussen J., Brehmer B., Leplat J. (Eds.). Distributed Decision-Making. Cognitive Models for Cooperative Work. — New York: J. Wiley and Sons, 1991.
- Rasmussen, 1983. Rasmussen J. Skills, Rules and Knowledge: Signals, Signs and Symbols and Their Distictions in Human Performance Models // IEEE Transactions on Systems, Man and Cybernetics. 1983. — Vol. SMC-133. — P. 257 267.
- Reinschmidt at al., 1999. Joerg Reinschmidt, Helena Gottschalk, Hosung Kim, Damiaan Zwietering Intelligent Miner for Data: Enhance Your Business Intelligence June 1999, International Technical Support Organization, SG 245 422
- Russell, Norvig, 1995. Russell S.J., Norvig P. Artificial Intelligence: a Modern Approach. — Englewood Cliffs NJ: Prentice Hall, 1995.
- Sadovnychyy at al., 2007. V. Sadovnychyy, S. Sadovnychiy, V. Ponomaryov Computational Intelligence Models of the Distributed Technological Complexes//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic
- Shapiro, 2005. A. Shapiro Soft computing and statistical techniques from an insurance perspective//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence
- Skala, 1978. Skala H.J. On many-valued logics, fuzzy sets, fuzzy logics and their applications. Fuzzy Sets and Systems, 1,1978,129 — 149.
- Song, 1993. Song Q./ Forecasting enrollments with fuzzy time series Part I. Q/Song, B. Chissom// Fuzzy Sets and Systems. -№ 54(1993) — P. 1−9.
- Steinbrecher, Kruse, 2007. M. Steinbrecher and R. f Kruse Visualization of Possibilistic Potentials//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic/
- Tanaka at al., 1982. H. Tanaka, S. Uejima, K. Asai, Linear regression analysis with fuzzy model, IEEE Trans. Systems Man Cybernet. 12 (1982) 903−907
- Turner, 1984. Turner E. Logics for Artificial Intelligence. — Chichester Ellis Norwood, 1984.
- Velmisov, Stetsko, Yarushkina, 2007. A. Velmisov, A. Stetsko, N. Yarushkina Data mining for fuzzy relational data servers//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic
- Weber, 1983. Weber S. A general concept of fuzzy connectives, negations and implications based on t-norms and t-conorms.- Fuzzy Sets Syst., 11, 1983, 115−134.
- Yao, 2002. Y. Y. Yao, Granular computing as a basis for consistent classification problems, 2002. URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, 2003. Y. Y. Yao, Information granulation and approximation in a decision-theoretical model of rough sets, 2003. URL: http ://citeseerx. ist.psu. edu/viewdocs/summary
- Yao, Lin. Y. Y. Yao, T. Y. Lin, Generalization of rough sets using modal logic URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, 2000. Y. Y. Yao, Granular Computing: basic issues and possible solutions URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, 2001.Y. Y. Yao, On Modeling data mining with granular computing -URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, 2002. Y. Y. Yao, A Generalized Decision Logic Language for Granular Computing URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, 2004. Y.Y. Yao, A Partition Model of Granular Computing URL: http://citeseerx. ist.psu.edu/viewdocs/summary
- Yao, 2007. Y.Y. Yao, The Art of Granular Computing URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, Zhong, 1998. Y.Y. Yao, N. Zhong, Granular computing with information table URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yao, Zhong, 1999. Y. Y. Yao, N Zhong, Potential applications of granular computing in knowledge discovery and data mining URL: http://citeseerx.ist.psu.edu/viewdocs/summary
- Yarushkina, Semoushin, 2005. N. Yarushkina, I. Semoushin A Soft computing-based Integration Environment for Assessing the Performance of a Complex Enterprise//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence
- Yazenin, 1987. Yazenin A.V. Fuzzy and stohastic programming. Fuzzy sets and systems. 1987. V. 22.
- Yazenin, 1996. A.V.Yazenin, On the problem possibilistic optimization, Fuzzy sets and systems 81(1996) 133−140.
- Yazenin, 2001. I.A. Yazenin. Minimal risk and efficiency portfolios for fuzzy random data, XXI Seminar on stability problems of stochastic models. Abstracts, Eger, Hungary, 2001, P. 182.
- Yu at al., 2007. J. Yu, E. Reiter, J. Hunter, C. Mellish, Choosing the content of textual summaries of large time-series data sets, Natural Language Engineering (2007) (To appear)
- Yu, Pedrycz, Yuan, 2005. F. Yu, W. Pedrycz, J. Yuan Finding Fuzzy Rules from Granular Time series//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence
- Zadeh, 1965. Zadeh L.A. Fuzzy Sets // Information and Control. -1965. -Vol.8. -P.338- 353.
- Zadeh, 1978. L.A.Zadeh. Fuzzy sets as a basis for a theory of possibility, Fuzzy sets and systems 1(1978) 3−28.
- Zadeh, 1979. Zadeh L. A theory of approximate reasoning (AR)//Machine Intelligence, 1979.-V. 9, — P. 149−194
- Zadeh, 1994. Zadeh L. A. Fuzzy Logic, Neural Network and Soft Computing // Communication of the ACM. -1994. Vol.37, № 3. — P. 77−84.
- Zadeh, 1996. Zadeh L. A. Fuzzy Logic = Computing With Words // IEEE Transactions of Fuzzy Systems 1996. —Vol.4. — P. 103−111.
- Zadeh, 2002. L.A. Zadeh, Toward a perception-based theory of probabilistic reasoning with imprecise probabilities, Journal of Statistical Planning and Inference, vol.105, 2002, 233−264.
- Zhang at al., 2007. L. Zhang, Zh. Pei, and H. Chen Extracting fuzzy linguistic summaries based on including degree theory and FCA//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic
- Айвазян C.A., 2001. Айвазян C.A., Основы эконометрики M. :Юнити, 2001
- Айвазян С.А. и др., 1985. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985. — 488 с.
- Айвазян С.А. и др., 1998. Айвазян С. А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: Юнити, 1998. — 1022 с.
- Башкатов, 2002. Социально-экономическая статистика: Учебник для вузов/ Под ред. Б. И. Башкатова. М.: ЮНИТИ-ДАНА, 2002. — 703 с.
- Бережная, Бережной, 2006. Бережная Е. В., Бережной В. И. Математические методы моделирования экономических систем: Учеб. пособие. — 2-е изд., перераб. и доп. — М.: Финансы и статистика, 2006. 432 с: ил.
- Берндт, 2005. Берндт, Э. Р. Практика эконометрики: классика и современность. / Э. Р. Берндт. —М.: Юнити-Дана, 2005.
- Бокс, Дженкинс, 1974. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. — Вып. 1, 2.
- Бокс, Дженкинс, 1976. Бокс Дж., Дженкинс Г., Анализ временных рядов.-М.: Мир 1976
- Валеев, 2001. Валеев С. Г. Регрессионное моделирование при обработке данных / С. Г. Валеев. Казань: ФЭН, 2001
- Гаврилов и др. Статистика: учебное пособие. Гаврилов В. И., Букин Л. Л., Рудакова Р. П. ЦКЬ. ЬЦр://ИсЦопЬоок.ги/аиЙюг/ лок! ог1уапоу1с115аугПоу/ 51ай8ПкаисЬеЬпоеро8оЫе /readonline.html?page=4 на 08.02.2011
- Годин 2002. Годин А. М. Статистика: Учебник. М.: Издательско-торговая корпорация «Дашков и Ко», 2002. — 472 с.
- Головко, 2002. Головко В. А., Нейронные сети: обучение, организация и применение -М.-.ИПРЖР, 2002 г. 256 стр.
- Гусаров, 2001а. Гусаров В. М. Статистика: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 2001. — 463 с.
- Гусаров, 2001а. Гусаров В. М. Теория статистики. М.: Аудит, 2001. — 248 с.
- Доутерти, 1999. Доугерти К. Введение в эконометрику. М.: МГУ, 1999. -402 с.
- Елисеева, Юзбашев, 1998. Елисеева И. И., Юзбашев М. М. Общая теория статистики. М.: Финансы и статистика., 1998. — 368 с.
- Елисеева, 2002. Статистика. Учебник/ Под ред. И. И. Елисеевой. М: ООО «ВИТРЭМ», 2002. — 448 с.
- Ефимова и др., 1996. Ефимова М. Р., Петрова Е. В., Румянцев В. Н. Общая теория статистики: Учебник. М: ИНФРА-М, 1996. — 416 с.
- Заде, 1976. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. -М.: 1976. 165с.
- Игонин, 1998. Статистика: Курс лекций/ Под ред. В. Г. Ионина. М.: ИНФРа-М, 1998. -310 с.
- Канторович, 2002. Канторович Г. Г. Лекции: Анализ временных рядов // Экономический журнал ВШЭ. 2002. Т. 6−7, № 1−4
- URL:http ://ecsocman.edu. ru/text/16 150 199/
- Кендэл, 1981. Кендэл М. Временные ряды, М.: Финансы и статистика, 1981 г. 191 с.
- Кильдишев и др., 2001. Кильдишев Г. С., Овсиенко В. Е., Рабинович П. М., Рябушкин Т. В. Общая теория статистики. М.: Статистика, 2001. — 423 с.
- Кулинич, 1999. Кулинич Е. И. Эконометрия. М: Финансы и статистика, 1999. — 302 с.
- Магнус и др., 2004. Магнус Я. Р., Катышев, П.К., Пересецкий A.A. Эконометрика. Начальный курс./ Я. Р. Магнус, П. К. Катышев, A.A. Пересецкий. М.: Дело, 2004.
- Перфильева, 2003. Перфильева И., Нечеткое преобразование./ И. Перфильева // Нечеткая логика. Амстердам, 2003. — С.275−300.
- Симчера, 2001. Практикум по статистике: Учебное пособие для вузов (Под ред. В.М. Симчеры). ВЗФЭИ. -М.: ЗАО «Финстатинформ», 2001. 259 с.
- Спирина, Башина, 1994. Общая теория статистики. Статистическая методология в изучении коммерческой деятельности. / Под ред. A.A. Спирина, О. Э. Башиной. М: Финансы и статистика, 1994. — 296 с.
- Тейз и др., 1998. Тейз Л., Грибомон П., Юлен Г. и др. Логический подход к искусственному интеллекту: От модальной логики к логике баз данных: Пер с франц. -М: Мир, 1998.
- Тейл, 1977. Тейл Г. Экономические прогнозы и принятие решений. М.: Статистика, 1977.-282 с.
- Тихонов, Кузьмшцев, 2004. Тихонов Э. Е., Кузьмшцев В. А. Методы и алгоритмы прогнозирования экономических показателей на базе нейронных сетей и модулярной арифметики. Невинномысск: Издательство НИЭУП, 2004. — 166с.
- Уоссермен, 1992. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. -М: ЮНИТИ, 1992. -240с.
- Фогель и др., 1969. Фогель Л., Оуэне Л., Уояш М. Искусственный интеллект и эволюционное моделирование: Пер, с англ. —М.: Мир, 1969.
- Хохлов, 2003. М. Ю. Хохлов, А. В. Язенин. Расчет числовых характеристик нечетких случайных величин, Вестник ТвГУ, № 2. Серия «Прикладная математика», выпуск № 1, 2003 г., 39−43.
- Шмойлова, 2002. Шмойлова P.A. Общая теория статистики: Учебник. — Москва: Финансы и статистика, 2002
- Эделстейн, 1996. Эделстейн Г Интеллектуальные средства анализа, интерпретации и представления данных в информационных хранилищах ComputerWeek-Москва. 1996. № 16. С. 32−33
- Язенин, 1984. Язенин A.B. Нечеткие переменные и нечеткое математическое программирование // Модели выбора альтернатив в нечеткой среде. Рига, 1984.
- Язенин, 1986. Язенин A.B. Нечеткое математическое программирование. Калинин: КГУ, 1986
- Ярушкина и др., 2010. Интеллектуальный анализ временных рядов: учебное пособие / Н. Г. Ярушкина, Т. В. Афанасьева, И. Г. Перфильева. -Ульяновск: УлГТУ, 2010.-320с.]
- Ярушкина, 1996. Ярушкина Н. Г. Мягкий метод анализа иерархий в системах принятия решений // Междунар. семинар «Мягкие вычисления-96», Казань, 1996, с. 219−221
- Ярушкина, 2000. Ярушкина Н. Г. Мягкие вычисления в автоматизированном проектировании. КИИ2000. -М.: Физматлит, Т.2, 2000 -479с.
- Ярушкина, 2001. Ярушкина Н. Г. Нечеткие нейронные сети // Новости искуственного интеллекта. 2001. — № 2−3
- Ярушкина, 2002а. Ярушкина Н. Г. Вычислительный интеллект: синергизм слова и числа // Информационные технологии и вычислительные системы, № 4, 2002
- Ярушкина, 2002b. Ярушкина Н. Г. Гибридные системы, основанные на мягких вычислениях, определение, архитектура, теоретические возможности и опыт практического использования // Программные продукты и системы, № 3, 2002, с. 19−22
- Ярушкина, 2003. Ярушкина Н. Г. Нечеткие нейронные сети с генетической настройкой. Лекция научной школы конференции «Нейроинформатика-2004», М.: МИФИ, 2003
- Ярушкина, 2004. Ярушкина Н. Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.- 320 с. Ил.
- Ярушкина, 2004а. Ярушкина Н. Г. Нечеткие и гибридные системы: обзор итогов и тенденций развития // Новости искусственного интеллекта, № 1, 2004
- Электронный ресурс, a. Granular computing, Wikipedia, http://en.wikipedia.org на 04.08.2001
- Электронный ресурс, b. «Коллекция учебников по ИТ» http://www.uchi-it.ru/9/2/9.html на 04.08.2011
- Электронный ресурс, с. http://dic.academic.ru/dic.nsf/ruwiki/177 680 на 8.02.2011
- Электронный ресурс, d. http://dic.academic.ru/dic.nsi7ruwiki/308 611 на 8.02.2011
- Электронный ресурс, е. StatSoft, Inc. // Электронный учебник по статистике. / StatSoft, Inc. // http://www.statsoft.ru/home/textbook/default.htm на 04.08.2011
- Статьи из Перечня журналов, рекомендованных ВАК России
- Ярушкина Н. Г. Афанасьева Т.В. Шишкина В. В. Моделирование нечеткого и гранулированного временного ряда на основе элементарных тенденций // Известия Самарского научного центра РАН, 2008 Выпуск 10. С.223−226.
- Шишкина В.В. Оценка и прогнозирование финансового состояния предприятия на основе временных рядов нечетких элементарных тенденций. Известия Самарского центра РАН, т. 12, № 4(2), 2010. С.498−505.
- Публикации в прочих изданиях
- Шишкина В.В. Построение модели гранулированного временного ряда и метода определения его тенденции // Информатика, моделирование, автоматизация проектирования: сборник научных трудов: под ред. В. Н. Негоды. Ульяновск: УлГТУ, 2009. — С.262−266.
- Шишкина В.В. Метод интеллектуального экспресс-анализа финансового состояния предприятия // Актуальные проблемы физической и функциональной электроники. Материалы 12й региональной научной школы семинара. Том 2 Ульяновск: УлГТУ, 2009. — С. 122−124.
- Шишкина В.В. Понятие гранулированного временного ряда // Тезисы докладов 43-й Научно-технической конференции. Ульяновск: УлГТУ, 2009.-С. 110−111.
- Шишкина В В. Модель гранулированного временного ряда и ее применение в анализе финансового состояния предприятия // Информатика и вычислительная техника: сборник научных трудов / под ред. В. Н. Негоды. -Ульяновск: УлГТУ, 2010. С.559−565.
- П.Шишкина В. В. Разработка модели гранулированного временного ряда и метода определения его тенденции // Сборник аннотаций проектов Молодежного инновационного форума Приволжского федерального округа Ульяновск: УлГТУ 2009. — С.66−67.
- Шишкина В.В. Построение модели гранулированного временного ряда и метода определения его тенденции // Труды Третьей Всероссийской научной Конференции «Нечеткие системы и мягкие вычисления (НСМВ-2009)». -ВолгТГУ: Волгоград, 2009. С. 116−121.
- Шишкина В.В. Гранула временного ряда как результат резюмирования нечетких элементарных тенденций// Тезисы докладов 44-й Научно-технической конференции Ульяновск: УлГТУ 2010. — С. 184.
- Воронина В.В. Применение модели гарнулированного временного ряда для анализа технико-экономических показателей // Тезисы докладов 45-й Научно-технической конференции Ульяновск: УлГТУ 2011. — С. 164.
- Шишкина В. В. Ярушкина Н.Г., Перфильева И. Г., Игонин А. Г., Романов А.А Интернет-сервис экспресс-анализа деятельности организации на основе анализа временных рядов, Свидетельство о государственной регистрации программ для ЭВМ № 2 011 614 304, 2011.
- На рисунках ниже представлены ряды величины «Температура выхлопных газов двигателя», описывающие корректно работающий агрегат и агрегат с возможным дефектом.
- ВР температуры выхлопных газов двигателя
- ВР температуры выхлопных газов двигателя с возможным дефектом На рисунках ниже представлены ряды для величины температуры масла главного редуктора. Первый также описывает корректно работающий агрегат, второй ряд агрегат с возможным дефектом.
- ВР температуры масла редуктора