Введение к работе
Эффективность использования авиации очень сильно зависит от обеспечения высокого уровня безопасности полетов в ожидаемых условиях эксплуатации. На безопасность полетов влияет множество факторов: надежность самого летательного аппарата, систем, обеспечивающих его функционирование, эксплуатационный режим, человеческий фактор и неблагоприятное стечение обстоятельств. Один из прогнозируемых факторов, влияющий на безопасность полетов - отказ оборудования машины.
Для вертолетной техники задача контроля технического состояния важных агрегатов машины решается с использованием систем, называемых HUMS (Health & Usage Monitoring Systems). Системы класса HUMS позволяют производить оперативный контроль отказов узлов машины в течение полета и прогнозирование отказа оборудования. Однако данные системы не позволяют диагностировать возможные отказы машины перед ее выходом в рейс. Для повышения безопасности полетов необходимо в период между ними не только обнаруживать существующие, но и прогнозировать возможные дефекты. В настоящее время такие работы не осуществляются при штатном техническом осмотре, отсутствует инструментарий для проведения такого прогнозирования.
Диагностика агрегатов летательного аппарата с целью выявления
потенциальных дефектов может производиться на основе экспертного анализа
временных рядов ключевых физических величин. При этом основное внимание
уделяется опасным тенденциям изменения показателей. Для повышения
эффективности работы эксперта возможно создание инструмента,
применяемого для диагностики узлов летательного аппарата между техническими осмотрами. В основе этого инструмента будут лежать формализованные экспертные знания, а его назначением - выявление потенциально дефектных агрегатов летательного аппарата.
Обычно состояние технической системы описывается совокупностью некоторых параметров, характеризующих объект и изменяющихся во времени. Следовательно, моделирование и прогнозирование диагностических параметров объекта может быть осуществлено через анализ их временных рядов. Опасными могут быть тенденции длительного роста (спада) или длительной стабильности определенного показателя, если его значение велико или слишком мало. Все данные о нормативном поведении агрегата, в том числе и о длительности сохранения тенденции выражаются в лингвистической форме. Современные интеллектуальные методы анализа временных рядов опираются на определение информационной гранулы, объединяющей тенденцию и ее длительность в единое понятие.
Перечисленные особенности диагностики летательных аппаратов определяют актуальность математического моделирования и численного исследования поведения агрегатов летательных аппаратов в задачах диагностики на основе анализа гранулированных временных рядов.
Цель работы
Целью данного исследования является повышение эффективности диагностики возможных отказов агрегатов летательных аппаратов в период между полетами на основе математического моделирования динамики их диагностических параметров, выраженной гранулированными временными рядами.
Предмет исследования
Математическое моделирование и численное исследование диагностических параметров технических систем, представленных гранулированными временными рядами.
Объект исследования
Объектом исследования являются дигностические параметры силовой установки двигателя и главного редуктор вертолета. Задачи исследования
Для достижения поставленной цели необходимо решить следующие задачи.
Провести сравнительный анализ существующих методов обработки нечетких временных рядов, выявить их возможности и ограничения в решении обозначенной проблемы.
Адаптировать теорию гранулярных вычислений для построения математической модели диагностических параметров агрегатов летательных аппаратов.
3. Построить методику распознавания нечетких тенденций на нечетких
временных рядах.
4. Сформировать алгоритм выявления гранул для нечеткого временного ряд
(НВР), позволяющий генерировать гранулированный ВР (ГрВР) из
нечеткого ВР на основе численного метода кластеризации ВР
Построить алгоритм прогнозирования тенденций НВР, провести вычислительные эксперименты и получить оценки адекватности математических моделей и качества прогнозирования.
Разработать модель экспертного правила диагностики агрегатов летательных аппаратов.
Разработать комплекс программ для математического моделирования и прогнозирования поведения агрегатов летательных аппаратов на основе гранулированного временного ряда.
Научная новизна результатов исследования заключается в следующем.
Предложена математическая модель динамики диагностических параметров агрегатов летательных аппаратов на базе разработанной модели информационной гранулы временного ряда.
Разработан алгоритм обобщения объектов временного ряда в гранулы на интервалах времени, позволяющий выполнить прогнозирование поведения ВР.
Предложена адаптация численного алгоритма fcm (fuzzy C-means)-
кластеризации для оптимизации параметров лингвистической шкалы оценок
ВР.
Методы исследования
В диссертационной работе применяются методы теории нечетких систем, теории гранулярных вычислений, численного кластерного анализа, объектно-ориентированного программирования.
На защиту выносятся следующие положения:
Математическая модель диагностических параметров агрегатов летательных аппаратов на базе разработанной модели информационной гранулы временного ряда является адекватной и эффективной для решения задач диагностики.
Алгоритм обобщения объектов временного ряда в гранулы на интервалах времени, позволяющий перейти от нечеткого ВР к гранулированному, строится на основе базовых операций обработки гранулированного ВР, в частности, операции помещения объекта ВР в гранулу, формирование новой гранулы и резюмирования гранул.
Адаптация численного FCM-алгоритма кластеризации для построения лингвистической шкалы позволяет улучшить качество прогноза.
Разработанный комплекс программ в полной мере реализует все описанные теоретические методы и алгоритмы.
Достоверность научных положений, выводов и рекомендаций подтверждена результатами вычислительных экспериментов, результатами практического использования комплекса программ и методик диагностирования параметров агрегатов летательных аппаратов на ОАО «Ульяновское конструкторское бюро приборостроения».
Апробация
Результаты исследования докладывались на
международных конференциях и семинарах: Семинар с международным участием «Интеллектуальный анализ временных рядов», 15 июня 2010 г.; Двенадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2010(20 сентября-24 сентября, 2010г., Тверь, Россия); 9th Int. Conf. on Application of Fuzzy Systems and Soft Computing (ICAFS 2010). Prague, August 26-27, 2010, 13-th International Conf. RSFDGrC-2011. Springer-Verlag, 2011
всероссийских конференциях: Всероссийская конференция с элементами научной школы для молодежи «Проведение научных исследований в области обработки, хранения, передачи и защиты информации», 1-5 декабря 2009г.; Третья Всероссийская научная Конференция «Нечеткие системы и мягкие вычисления (НСМВ-2009)
Неоднократно докладывались на научно-технических конференциях Ульяновского государственного технического университета.
Разработанная методика внедрена на предприятии «ОАО УКБП». Программная система, в которой реализован метод анализа гранулированного
временного ряда, была удостоена медали на конференции Seoul International Invention Fair 2010, проходившей в Корее 2-5 декабря 2010 года.
Научные публикации
По результатам работы было опубликовано 15 статей, из которых 3 в журналах из перечня ВАК, и 5 тезисов докладов. Получено свидетельство о государственной регистрации программ для ЭВМ № 2011614304, 2011.
Структура работы
Диссертационная работа состоит из введения, четырех глав, заключения, списка использованной литературы, списка публикаций и приложений, изложена на 170 страницах, содержит 13 таблиц, 26 рисунков, список используемых источников включает 110 наименований.
