Содержание к диссертации
Введение
Глава 1 Анализ современных методов диагностики 10
1.1 Вибродиагностика 12
1.2 Электрический метод 17
1.3 ИК-диагностика 18
1.4 Измерение магнитных полей рассеяния 20
1.5 Существующие системы вибродиагностики 25
1.6 Интеллектуальные системы мониторинга и диагностики 32
Выводы по первой главе 47
Глава 2 Разработка обобщенного критерия качества объекта диагностики 49
2.1 Корреляционный анализ 49
2.2 Частные функции желательности 53
2.3 Обобщенная функция желательности 58
Выводы по второй главе 71
Глава 3 Математическая модель обобщенного критерия качества 72
3.1 Постановка задачи 72
3.2 Планирование эксперимента 79
3.3 Математическая модель комплексного критерия 82
3.4 Прогноз времени работы подшипника по степени работоспособности 89
Выводы по третьей главе 98
Глава 4 Алгоритмизация систем управления электромеханическим оборудованием 99
4.1 Интеллектуальное управление диагностической системой 99
4.2 Моделирование интеллектуальной системы управления диагностическим комплексом 106
4.3 Подсистема управления по комплексному диагностическому критерию для АСУ ТП промышленного рыболовства 121
4.4 Алгоритм работы устройства распределения нагрузки между дизель -генераторами 125
Выводы по четвертой главе 131
Заключение 132
Список использованных источников
Введение к работе
Актуальность темы
Оптимизация автоматизированных систем управления
технологическими и энергетическими процессами (АСУ ТП) не всегда позволяет получить требуемые показатели качества управления, так как разработанные математическое и алгоритмическое обеспечение не учитывает фактического состояния технологического оборудования и средств автоматизации.
Достигнутый уровень средств и методов диагностирования судового электрического оборудования (СЭО), позволяет успешно решать большое число разнообразных задач диагностики нижнего уровня, однако практически не обеспечено решение задач мониторинга и регулирования основных диагностических показателей, а также определения предотказных состояний объектов диагностирования (ОД). Существующие системы диагностического обеспечения на судах не позволяют перейти к непрерывному контролю за состоянием оборудования и техническому обслуживанию по состоянию, и не интегрированы в состав АСУ ТП.
Для организации такого обслуживания требуются методы и средства диагностирования, позволяющие оценить состояние объекта контроля на текущий момент и прогнозировать его состояние на ближайшее будущее.
При функциональном диагностировании, ОД всегда находится в рабочем состоянии, а поиск дефектов осуществляется на основе измерений и анализа диагностических параметров, число которых может быть достаточно большим, а требования к быстродействию и точности измерений очень жесткими. Снижению быстродействия диагностирования способствует также объемная математическая обработка исходной диагностической информации, включающая в себя вычисление спектральных характеристик и корреляционных функций, цифровую фильтрацию, статистику и т.д.
Поэтому тема диссертационной работы посвященная повышению быстродействия диагностических систем на основе обобщенного критерия качества ОД и интеграции подсистемы диагностики в АСУ ТП является актуальной.
Цель исследования
Целью данной работы является разработка методов повышения качества диагностирования автоматических систем на основе их интеллектуального управления по комплексному критерию и алгоритмического обеспечения АСУ ТП с учетом работоспособности оборудования качества.
Для решения поставленной цели в работе сформулированы и решены следующие задачи:
1 Анализ существующих методов диагностирования СЭО и
современного состояния вопросов автоматизации и управления
диагностическими системами.
2 Разработка частных и комплексного показателей качества
диагностических параметров СЭО.
3 Построение математической модели комплексного диагно-стического
критерия.
4 Разработка алгоритмического обеспечения интеллектуального
управления диагностическим комплексом.
5 Обоснование структур и алгоритмов работы АСУ ТП с подсистемой
оценки работоспособности оборудования по комплексному диагностическому
критерию.
Методы исследования
В работе использованы методы системного анализа и математического моделирования, математические методы планирования
7 многофакторного эксперимента и регрессионного анализа, методы технической кибернетики и теории управления.
На защиту выносится
Методика оценки качества объекта диагностирования по частным и комплексному показателю качества на основе функций желательности Харрингтона.
Регрессионная математическая модель комплексного показателя качества.
Структурная схема АСУ ТП по состоянию технологического процесса и по состоянию оборудования.
Алгоритмическое обеспечение АСУ диагностическим комплексом, включая интеллектуальный блок на основе алгоритмов нечеткой логики.
База данных диагностических параметров СЭО.
Научная новизна
Впервые предложено для сокращения объема информации по диагностическим параметрам, вводимым в АСУ, использовать комплексный количественный критерий качества на основе функций желательности Харрингтона.
Впервые на основе методов математического планирования эксперимента разработана математическая модель комплексного показателя качества СЭО.
Разработана автоматизированная система управления процессом с учетом диагностики состояния СЭО.
Разработано алгоритмическое обеспечение системы управления диагностическим комплексом с интеллектуальным блоком на основе нечеткой логики.
8 Практическую ценность имеют
Методика расчета частных и комплексного критериев качества диагностических параметров на основе функций желательности Харрингтона.
Математическая модель комплексного критерия качества.
Структурная схема и алгоритмическое обеспечение системы управления диагностическим комплексом.
База данных диагностических параметров СЭО.
Реализация и внедрение
Теоретические и практические результаты внедрены в ОАО ПКФ «Фатом» при диагностировании СЭО, а также используются в учебном процессе на кафедре «Электрооборудование и автоматика судов» в ФГОУ ВПО «Астраханский государственный технический университет» при изучении дисциплины «Диагностирование судового электрооборудования и средств автоматики», на кафедре «Морская техника и технологии» Актауского филиала Казахской Академии транспорта и коммуникаций при изучении дисциплины «Надежность электрооборудования транспортных средств».
Апробация работы
Основные положения диссертационной работы докладывались и обсуждались на ежегодных научных конференциях Астраханского Государственного технического университета (2005 - 2007гг.); VII Международной научно-методической конференции «Традиции и педагогические новации в электротехническом образовании НИТЭ-2006» (Астрахань 2006); Всероссийской научно-технической конференции «Современные технологии в кораблестроительном и энергетическом образовании, науке и производстве» (Нижний Новгород 2006); XII Международной научной и практической конференции «Современные
9 техника и технологии» (Томск 2006); VII Международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (Новочеркасск 2006).
Публикации
По теме диссертации опубликовано 7 печатных работ, в том числе 3 статьи в публикациях по перечню ВАК, 4 статьи в материалах международных конференций.
Структура и объем диссертации
Диссертация состоит из введения, 4 глав, заключения, списка использованных источников и приложений. Основной текст 146 страниц машинописного текста. Библиография - 106 наименований.
Вибродиагностика
Для выявления дефектов, вызванных электромеханическими процессами, можно выделить вибродиагностику [22,25]. Выбор конкретной методики вибродиагностики зависит от структурного, функционального и вибрационного состояния объекта. Например, при диагностике элементов конструкции объекта в основном используют возбуждение в них затухающих колебаний и анализ изменений собственных частот, декремента затухания или добротности колебаний испытуемого элемента. При диагностике электрических машин анализ базируется на сравнении измеренных спектров вибраций с эталонными. Часто используется спектральный анализ акустического шума и превышение им некоторого порогового значения, а также анализ его корреляционных функций. Заслуживает внимания метод, позволяющий определять уровень вибраций с учетом изменения нагрузки машины. Амплитуды вынужденных колебаний сердечника q ,{s,x)под действием нагрузки могут быть найдены из выражения для радиального прогиба [16] Вр— амплитуда основной гармоники электромагнитного поля; сох — частота питания; є - относительный эксцентриситет; %— коэффициент несимметрии фаз; т] - тангенс угла фазового сдвига; в— угловая координата точки в момент времени t; R — радиус ярма; р, v — число пар полюсов основного поля и гармоник МДС обмотки статора; Е — модуль упругости; J — момент инерции поперечного сечения статора; к — порядок гармоники; m — масса, приходящаяся на 1см" средней цилиндрической поверхности ярма (зубцовая зона с обмоткой в машинах переменного тока и полюсы с обмотками возбуждения в машинах постоянного тока считаются присоединенной массой) [15].
Вибрационный контроль и вибрационная диагностика - разные практические задачи. В диагностике дефект определяется колебательной силой, действующей: в зоне дефекта, а сила связана линейно с колебательным ускорением, а не со скоростью. Поэтому в диагностике часто пользуются измерениями виброускорения, а для вибрационного контроля машин дополнительно измеряют и виброскорость, причем лишь в ограниченном низкочастотном диапазоне.
Для измерения вибрации, как правило, используются датчики виброускорения, работающие на пьезоэффекте. В таких датчиках электрический заряд на выходе пропорционален действующей на датчик силе. Лишь в ряде стационарных систем контроля вибрации крупных машин с подшипниками скольжения используются датчики колебательного смещения, встраиваемые в подшипник (по два датчика на подшипник). Эти датчики позволяют измерять траекторию движения центра вала в подшипниках (его орбиту) и, тем самым, непосредственно определять величину износа вкладышей.
После преобразования сигнала вибрации в электрический сигнал, последний необходимо тщательно анализировать, получая, а не теряя диагностическую информацию. К анализирующим приборам в диагностике предъявляются самые жесткие требования. К типовым операциям, которые должны выполнять приборы, анализирующие вибрацию, следует отнести:
1 Определение уровня (общего) вибрации в полосе частот, требуемой стандартами вибрационного контроля и в требуемых стандартами единицах измерения
2 Спектральный анализ вибрации, т.е. разделение вибрации на составляющие разной частоты, определяемые природой колебательных сил
3 Анализ колебаний мощности отдельных составляющих вибрации, предварительно выделенных из сигнала вибрации. Это, как правило, анализ спектра огибающей случайного высокочастотного сигнала вибрации
4 Анализ формы сигнала вибрации, т.е. анализ временной развертки сигнала (работа в режиме осциллографа)
Следует отметить, что далеко не все из выпускаемых относительно простых анализирующих приборов могут выполнять все указанные виды анализа, по крайней мере, с необходимым для диагностики качеством. Вибрация, в зависимости от природы возбуждающих ее сил, может быть либо детерминированной (чаще периодической), либо случайной.
Электрический метод
В данном методе выявления развивающихся дефектов в механической части электромеханического преобразователя (ЭМП) в качестве информативного источника для последующей диагностики используются токи статора и ротора. Метод основывается на том, что при нарушении центровки валов ЭМП момент сопротивления, воздействующий на вал электродвигателя, периодически изменяется пропорционально частоте вращения вала, что вызывает появление в токе статора гармоник с той же частотой. Отделение гармоник тока от составляющих основной частоты и контроль их уровня позволяют обнаружить и оценить данный дефект. При моделировании метода ток статора можно представить следующим выражением [14, 15]: где /0m,v/ - амплитуда и фаза тока намагничивания; С/,, со, - амплитуда и частота напряжения питания; Ro - активное сопротивление обмотки ротора; s0, sa - постоянная составляющая скольжения и амплитуда периодически изменяющейся составляющей скольжения соответственно. Величина ф определяется соотношением индуктивных и активных сопротивлений ротора и статора, а величины і и ш3 равны соответственно разности и сумме частот питающего напряжения со і и вращения ротора со, т.е. Шг — сої — оэ; . соз = сої + со.
В качестве основного теплового метода оценки состояния оборудования целесообразно использовать метод сравнения, например, сравнение нагрева отдельных элементов электромеханических преобразователей. Так, если одна из фаз имеет повышенную температуру, то, вероятнее всего, в ней имеют место повышенные потери из-за несимметрии нагрузки или на участке магнитопровода [17].
Применение тепловизионной диагностики основано на том, что некоторые виды дефектов ЭМП вызывают изменение температуры дефектных элементов и, как следствие, изменение интенсивности инфракрасного (ИК) излучения, которое может быть зарегистрировано тепловизионными приборами [17].
При проведении измерений однотипных предметов необходимо располагать тепловизионныи приемник на одинаковом расстоянии и под одинаковым углом к оптической оси к поверхности объекта. Наличие дефекта выявляется сравнением температуры аналогичных участков поверхности аппаратов, работающих в одинаковых условиях нагрева и охлаждения. Характер и степень развития большинства дефектов могут быть установлены только после дополнительных измерений и анализов, позволяющих оценить состояние каждой из тепловыделяющих конструкционных частей аппарата в отдельности.
Объем тепловизионного контроля электродвигателей переменного тока и машин постоянного тока, во многом зависит от их мощности и конструкции [25].
Определение аномальных перегревов на поверхности корпуса электродвигателя позволяет определить очаги витковых замыканий в обмотках, закупорку вентиляционных каналов в статоре и в ряде случаев нарушение паек в обмотках.
При оценке теплового состояния электродвигателя, следует учитывать допустимые превышения температур последних в зависимости от класса нагревостойкости электроизоляционных материалов обмоток.
При отсутствии штатного температурного контроля, с помощью ИК-прибора измеряется температура протекающего через подшипники масла.
Определение температуры на поверхности коробки выводов электродвигателя, позволяет в ряде случаев выявлять некачественные контактные соединения выводов обмоток.
При оценке работоспособности водяных охладителей мощных электродвигателей снимается тепловое поле на поверхности корпуса последних, со стороны входящего и выходящего воздуха, а также по окружности корпуса электродвигателя.
На поверхности корпуса электродвигателя не должны проявляться аномальные перегревы, возможными причинами которых могут быть: витковые замыкания в катушках, дефекты стали статора, локальные нарушения охлаждающего воздуха.
Приведенные выше возможности тепловидения делают подобный метод обследования, практически основным при выявлении различных источников неоправданных тепловых потерь в ходе энергосберегающих мероприятий.
Инфракрасная диагностика имеет такие достоинства как: получение такой информацию об объектах обследования, которую получить другим методом невозможно или технически настолько сложно, что теряется экономическая целесообразность работы; тепловидение дает возможность проведения обследования большого количества объектов в кратчайшие сроки и с минимальными затратами; обследования проводятся без вывода из эксплуатации объекта диагностики и при его номинальных параметрах работы;
Широкий спектр применения метода и бесконечный перечень объектов и единиц оборудования, подлежащего обследованию, позволяет эффективно использовать тепловизионную систему как в целях энерго- и ресурсосбережения, так и для повышения надежности и эффективности работы инженерных систем, снижения аварийности, повышения уровня безопасности оборудования, снижения затрат на его эксплуатацию.
Корреляционный анализ
При корреляционном анализе между всевозможными парами параметров необходимо вычислить коэффициент парной корреляции, который является общепринятой в математической статистике характеристикой связи между двумя случайными величинами. Если обозначить один параметр через yh а другой — через у2, и число опытов, в которых они будут измеряться, - через N, так, что и = 1, 2, . . ., N, где и - текущий номер опыта, то коэффициент парной корреляции г вычисляется по формуле: средние арифметические соответственно для_у/ и у2.
Значения коэффициента парной корреляции могут лежать в пределах от -1 до +1. Если с ростом значения одного параметра возрастает значение другого, у коэффициента будет знак плюс, а если уменьшается, то минус. Чем ближе найденное значение гу1у2 к единице, тем сильнее значение одного параметра зависит от того, какое значение принимает другой, т. е. между такими параметрами существует линейная связь, и при изучении процесса можно рассматривать только один из них. Необходимо помнить, что коэффициент парной корреляции как мера тесноты связи имеет четкий математический смысл только при линейной зависимости между параметрами и в случае нормального их распределения.
Для проверки значимости коэффициента парной корреляции нужно сравнить его значение с табличным (критическим) значением г, которое приведено в таблице [1]. Для пользования этой таблицей нужно знать число степеней свободы f=N - 2 и выбрать определенный уровень значимости, например, а = 0,05. Такое значение уровня значимости называют еще 5%-ным уровнем риска, что соответствует вероятности верного ответа при проверке нашей гипотезы Р = 1- а=0,95, или 95%. Это значит, что в среднем только в 5% случаев возможна ошибка при проверке гипотезы.
Проверка гипотезы сводится к сравнению абсолютной величины коэффициента парной корреляции с критическим значением. Если экспериментально найденное значение г меньше критического, то нет оснований считать, что имеется тесная линейная связь между параметрами; а если больше или равно, то гипотеза о корреляционной линейной связи не отвергается.
При высокой значимости коэффициента корреляции любой из двух анализируемых параметров можно исключить из рассмотрения как не содержащий дополнительной информации об объекте исследования. Исключить можно тот параметр, который технически труднее измерять, или тот, физический смысл которого менее ясен. При планировании эксперимента целесообразно измерять все параметры, затем оценить корреляцию между ними и строить модели для их минимально возможного числа или же воспользоваться обобщенным параметром [1].
Путь к единому параметру оптимизации часто лежит через обобщение. Из многих откликов, определяющих объект, очень часто трудно выбрать один, самый важный. Поэтому необходимо множество откликов обобщать (свертывать) в единый количественный признак. С таким обобщением связан ряд трудностей. Калсдый отклик имеет свой физический смысл и свою размерность. Чтобы объединить различные отклики, прежде всего приходится ввести для каждого из них некоторую безразмерную шкалу. Шкала должна быть однотипной для всех объединяемых откликов - это делает их сравнимыми. Выбор шкалы - непростая задача, зависящая от априорных сведений об откликах, а также от той точности, с которой хотим определить обобщенный признак.
После того как для каждого отклика построена безразмерная шкала, возникает следующая трудность - выбор правила комбинирования исходных частных откликов в обобщенный показатель. Простейшие способы построения обобщенного отклика.
Пусть исследуемый объект характеризуют п частных откликов yu(w=l,2, . . ., п) и каждый из этих откликов измеряется в N опытах. Тогда yui — это значение и-то отклика в г -м опыте (/ = 1,2, . . ., N). Каждый из откликов уи имеет свой физический смысл и, чаще всего, разную размерность. Введем простейшее преобразование: набор данных для каждого _уи поставим в соответствие с самым простым стандартным аналогом - шкалой, на которой имеется только два значения: 0 - брак, неудовлетворительное качество, 1 - годный продукт, удовлетворительное качество. Преобразованные значения обозначим так: yui - преобразованное значение и-го отклика в z -м опыте. Здесь применили шкалу, в которой использовано числовое множество из двух элементов (в данном случае 0 и 1). Стандартизовав таким образом шкалу частных откликов, подошли ко второму этапу - их обобщению.
В ситуации, когда каждый преобразованный частный отклик принимает только два значения -0 и 1, естественно желать, чтобы и обобщенный отклик принимал одно из этих двух возможных значений, причем так, чтобы значение 1 имело место, если, и только если, все частные отклики в этом опыте приняли значение 1. А если хотя бы один из откликов обратился в 0, то и обобщенный отклик будет нулем.
Математическая модель комплексного критерия
Для организации технического обслуживания оборудования по его фактическому состоянию требуются методы и автоматизированные средства диагностирования, позволяющие оценить состояние объекта контроля на текущий момент и прогнозировать его состояние на ближайшее будущее. Наиболее подходящими методами является методы с применением элементов искусственного интеллекта.
Одна из возможных реализаций разработана с участием автора на кафедре "Электрооборудование и автоматика судов" АГТУ [20]. Суть данного комплекса заключается в объединении нескольких наиболее информативных методов диагностирования. Среди них: 1. Вибродиагностический метод; 2. Анализ акустических полей 3. Измерение теплового поля (инфракрасная диагностика); 4. Спектральный анализ токов. Автор разрабатывал 1 и 2 методы. Комплексный подход позволяет получить наиболее полную картину состояния объекта. Структурная схема системы диагностирования (рис.4.1) представляет собой две подсистемы: 1 Измерительные датчики и средства связи (виброанализ, ИК анализ, спектральный анализ токов); 2 Компьютер со встроенными платами для преобразования сигнала в цифровую форму и реализации интеллектуального обеспечения на основе алгоритмов нечеткой логики.
В качестве прибора виброанализа в систему интегрирован анализатор спектра вибрации 795М. Данный анализатор представляет собой автономный, микропроцессорный прибор для измерения и спектрального анализа параметров вибрации, балансировки, ремонта и наладки механизмов роторного типа. Анализатор спектра вибрации 795М способен измерять следующие параметры вибрации: виброускорения, виброскорости, виброперемещения работающего оборудования. Делать спектральный анализ сигнала вибрации (частотная область), анализ формы сигнала (временная область), бесконтактное измерение частоты вращения и др.
В комплекте с данным прибором прилагалась программа "КонСпект". КонСпект" имеет следующие возможности: -создание, хранение и модификация информации о контролируемом оборудовании предприятия в виде упорядоченной иерархической структуры; -создание, хранение и модификация шаблонов для измерения параметров функционирования оборудования; -привязка к иерархической структуре мнемосхем, для упрощения ориентации; -передача в прибор шаблонов для произведения измерений; -получение из прибора всех необходимых данных - результатов измерения, для визуализации и анализа состояния оборудования; -расчет и представление в удобной для использования форме частотных и спектральных характеристик оборудования; построение спектров, трендов и сигнальных кривых; -вывод на печать всех необходимых пользователю данных - мнемосхем, расчетных таблиц, спектров, трендов, сигнальных кривых.
Но в данной программе обнаружилось ряд недостатков. Эта программа делает заключение только о состоянии подшипников и смазки, но не делает ни каких выводов о дисбалансе, несоосности валов, неравномерном воздушном зазоре между статором и ротором, повреждение обмоток статора или изоляции, эксцентриситете ротора, обрыве или. ослаблении крепления стержней в беличьей клетке, ослабление крепления обмоток статора, перекосе напряжения по фазам и т.д. Но сам прибор способен делать выводы по этим дефектам. Многочисленные исследования характера повреждений двигателей переменного тока позволили получить следующие статистические данные:
Повреждения элементов статора - 38% Повреждения элементов ротора - 10% Повреждения элементов подшипников - 40% Другие повреждения - 12% Следовательно, прибор 795М с программой «Конспект» способны диагностировать только 40% возможных повреждений электротехнического оборудования (ЭТО). Учитывая эти недостатки, было принято решение о создание собственного программного продукта.
Формально техника анализа причинно-следственных связей в теории искусственного интеллекта хорошо разработана на основе метода анализа иерархий (МАИ), но содержательное исследование таких связей возможно лишь с учетом глубокого понимания особенностей функционирования объекта, а также сбора статистической информации по возникающим в ЭТО неисправностям и дефектам [58].
