Содержание к диссертации
Введение
1. Анализ современного состояния вопроса и постановка задач исследования 11
1.1. Анализ методов и средств повышения эффективности функционирования мехатронных модулей движения 11
1. 2. Проблема,.актуальность и концепция разработки методов и средств повышения эффективности функционирования мехатронных модулей движения горного оборудования 30
1.3. Задачи исследования и методы их решения 35
1.4. Выводы 36
2. Модели и методы повышения эффективности функционирования мехатронных модулей движения горного оборудования 38
2. 1. Разработка концепции моделирования технического состояния мехатронных модулей движения 38
2. 2. Нейро-нечеткая модель и метод повышения эффективности функционирования мехатронных модулей движения горного оборудования 40
2.3. Нечеткая экспертная модель и метод повышения эффективности функционирования мехатронных модулей движения горного оборудования 48
2.4. Сравнительный анализ моделей диагностирования мехатронных модулей движения 57
2. 5. Выводы 62
3. Алгоритмы и метод повышения эффективности функционирования мехатронных модулей движения горного оборудования посредством контроля, оценки и прогнозирования технического состояния 64
3.1. Алгоритмы контроля исправности мехатронных модулей движения 64
3. 2. Алгоритмы оценки работоспособности мехатронных модулей движения горного оборудования 70
3.3. Нейросетевой метод и алгоритм повышения эффективности функционирования мехатронных модулей движения на основе прогнозирования технического состояния 79
3.4. Исследование методов и алгоритмов повышения эффективности функционирования мехатронных модулей движения горного оборудования 90
3. 5. Выводы 111
4. Аппаратно - программные средства повышения эффективности функционирования мехатронных модулей движения горного оборудования 113
4.1. Устройство повышения эффективности функционирования мехатронных модулей движения 113
4.2. Интегральный программный пакет для реализации методов повышения эффективности функционирования мехатронных модулей движения горного оборудования 115
4. 3. Исследование методики повышения эффективности функционирования
мехатронных модулей движения в лабораторных и производственных условиях 121
4.3.1. Исследование методики в лабораторных условиях 121
4.3.2. Исследование методики в производственных условиях 128
4. 4. Анализ эффективности применения методов и средств диагностирования и прогнозирования состояния мехатронных модулей движения горного оборудования 133
4.5. Выводы 142
Заключение 143
Литература 146
Приложения 161
- Проблема,.актуальность и концепция разработки методов и средств повышения эффективности функционирования мехатронных модулей движения горного оборудования
- Нейро-нечеткая модель и метод повышения эффективности функционирования мехатронных модулей движения горного оборудования
- Алгоритмы оценки работоспособности мехатронных модулей движения горного оборудования
- Интегральный программный пакет для реализации методов повышения эффективности функционирования мехатронных модулей движения горного оборудования
Введение к работе
Актуальность работы. Горное технологическое оборудование работает в сложных горно-геологических условиях, с избытками влаги, пыли и вредных газов при больших динамических знакопеременных нагрузках, что приводит к его частым отказам и обуславливает необходимость повышения надежности и эффективности функционирования. В настоящее время данная задача решается путем разработки компактных и гибких мехатронных комплексов, обеспечивающих одновременное выполнение нескольких производственных процессов и имеющих возможность приспосабливаться к конкретным горным условиям. Такие комплексы состоят из отдельных модулей, большинство из которых осуществляют движение. Меха-тронные модули движения объединяют механические, электрические и гидравлические элементы с распределенной системой управления, позволяющей каждой отдельной подсистеме самостоятельно управлять своим оборудованием и осуществлять обмен данными между модулями машины. Это позволило улучшить динамические характеристики приводов, уменьшить их массогабаритные параметры в 2-2,5 раза, сократить энергопотребление в 1,5-2 раза, повысить уровень автоматизации, точность, производительность и надежность приводов. Коэффициент готовности горных мехатронных комплексов не превышает 0,8, что недостаточно при современном уровне развития техники. Следовательно, задача дальнейшего повышения эффективности функционирования горного оборудования является весьма актуальной.
Для эффективного функционирования горных мехатронных комплексов необходимо обеспечить совместимость, согласованное взаимодействие всех модулей, входящих в их состав и настройку на заданный режим работы. Достичь этого можно управлением техническим состоянием мехатронных модулей движения, реализованным на основе методов и средств диагностирования и прогнозирования, позволяющих контролировать реальное техническое состояние, качество наладки, монтажа и ремонта оборудования; технически обоснованно планировать сроки и содержание ремонтных и наладочных работ, приобретение запасных частей и материалов по мере их необходимости; повысить ресурс и надежность оборудования;
5 продлить межремонтный период и срок службы; избавиться от внезапных отказов
механизмов и остановок производства, повысив эффективность функционирования
мехатронных модулей движения и всего комплекса в целом.
В области разработки методов и средств повышения надежности и эффективности функционирования элементов мехатронных модулей движения горного оборудования достигнут определенный успех, однако известные работы носят разрозненный характер и не приспособлены к современному уровню развития мехатронных объектов, функционирующих в естественной априори неформализованной внешней среде. Нерешенной задачей, связанной с повышением эффективности функционирования мехатронных модулей движения горного оборудования остается разработка методов и средств, позволяющих осуществлять комплексную многопараметрическую диагностику и прогнозирование их технического состояния. Поэтому решение этой задачи весьма актуально.
Соответствие диссертации плану работ ЮРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках научного направления ЮРГТУ (НПИ) «Теория и принципы создания робототехнических и мехатронных систем и комплексов», утвержденного ученым советом 25.04.2001 г. и соответствует госбюджетной теме П.3.837 «Разработка принципов и средств автоматизации и роботизации производства на основе мехатронных технологий и систем» (2004-2008 г.г.), а также теме НИР по заданию министерства образования и науки на проведение научных исследований 1.11.05Ф «Разработка научных основ создания мехатронных технологий горных, нефтегазодобывающих и строительных производств (2005 -2009 г. г.)».
Целью работы является повышение эффективности функционирования мехатронных модулей движения горного оборудования управлением техническим состоянием путем совершенствования моделей, методов и средств многопараметрического диагностирования и прогнозирования.
Идея работы. Применение аппарата нечеткой логики и искусственных нейронных сетей позволяет разработать модели, методы и алгоритмы повышения эффективности функционирования мехатронных модулей движения, работающих в неформализованной естественной среде.
Научные положения, выносимые на защиту:
метод повышения эффективности функционирования, основанный на нейро-нечеткой модели диагностирования, заключающийся в том, что по относительным значениям определяющих параметров и заданной функции принадлежности, посредством аппарата нечеткой логики, оценивается текущее состояние каждой неисправности модуля, по которым, посредством искусственной нейронной сети с использованием аппроксимирующей функции минимума, определяется состояние объекта в целом;
метод повышения эффективности функционирования на основе нечеткой экспертной модели диагностирования, заключающийся в том, что по относительным значениям определяющих параметров, заданному коэффициенту соответствия и весу неисправностей, посредством аппарата нечеткой логики, оценивается текущее состояние модуля и осуществляется поиск возникших неисправностей;
метод и алгоритм повышения эффективности функционирования, основанный на прогнозировании технического состояния, заключающийся в том, что по тренду относительных значений определяющих параметров с помощью принципа окон, находятся прогнозные значения определяющих параметров, ступенчатая аппроксимация которых позволяет оценить развитие неисправностей, состояние отдельных блоков и всего модуля в целом на следующий период эксплуатации, а добавление прогнозных значений определяющих параметров в обучающую выборку позволяет найти число периодов, в течение которых объект сохранит работоспособное состояние;
обоснование структуры устройства, позволяющего измерять, усиливать и накапливать в базе данных текущие значения определяющих параметров с привязкой к реальному моменту времени, и программа, реализующая предложенную методику обработки результатов измерений, определяющую текущее состояние объекта и осуществляющую краткосрочный и долгосрочный прогнозы развития дефектов.
Научная новизна защищаемых положений
- метод повышения эффективности функционирования, основанный на нейро-
нечеткой модели диагностирования, отличается тем, что с помощью аппарата не-
7 четкой логики определяются коэффициенты развития каждой неисправности, ней-
росетевая аппроксимация которых позволяет найти состояния объекта;
метод повышения эффективности функционирования, основанный на нечеткой экспертной модели диагностирования, отличается совместным использование принципов информационного моделирования, где количество информации выражено через нечеткие коэффициенты соответствия, заданные экспертами, и способа распределения в пространстве признаков, реализованного с помощью аппарата нечеткой логики;
метод повышения эффективности функционирования, основанный на прогнозировании технического состояния, отличающийся ступенчатой аппроксимацией спрогнозированных значений определяющих параметров, позволяет определить не только следующие значения определяющих параметров, но и развитие неисправностей, состояние элементов и модуля в целом на один или несколько периодов диагностирования;
структура устройства, отличающаяся связями и наличием блока прогнозирования, выполняющего обработку диагностической информации с помощью зарегистрированной в ОФАП программы, реализующей методику повышения эффективности функционирования, объединяющую нейро-нечеткую модель диагностирования с методом и алгоритмом нейросетевого прогнозирования технического состояния.
Методы исследований. Для решения поставленных задач, использованы методы мехатроники, робототехники, построения микропроцессорных систем, искусственного интеллекта, теории надежности, технического диагностирования и прогнозирования. При разработке и исследовании диагностических моделей, методов, алгоритмов и системы функционального и параметрического диагностирования и прогнозирования использованы методы идентификации, компьютерного моделирования, программирования, теории нечетких множеств, нечеткой логики и нейронных сетей. Аналитические исследования проведены на ЭВМ, а экспериментальные - на реальных объектах в лабораторных и производственных условиях.
Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждается применением современных апробированных методов исследований; анализом научно-исследовательских работ по рассматриваемому
8 вопросу; применением статистических методов планирования и обработки экспериментов; методами обработки, выполненными с использование современных ЭВМ и программных продуктов для выполнения расчетов и обработки экспериментальных данных; достаточным объемом экспериментальных данных; удовлетворительной сходимостью результатов экспериментальных и теоретических исследований (относительное отклонение результатов диагностирования и краткосрочного прогнозирования не превышает 5%). Достоверность технического диагностирования составляет 98,7%, прогнозирования - 95%.
Значение работы. Научное значение работы заключается в развитии теоретических положений, совершенствовании моделей, методов и средств повышения эффективности функционирования мехатронных модулей движения горного оборудования путем диагностирования и прогнозирования технического состояния.
Практическое значение полученных в работе результатов заключается в следующем:
разработанные методы повышения эффективности позволяют определить техническое состояние мехатронных модулей движения, функционирующих в априори неформализованной естественной среде и осуществить краткосрочный и долгосрочный прогнозы сохранения работоспособности;
разработанные и внедренные методика и программа повышения эффективности функционирования мехатронных модулей движения горного оборудования обеспечивают определение текущего и прогнозного состояний оборудования, позволяют повысить производительность объекта на 17%, коэффициент технического использования мехатронных модулей движения на 14% и получить экономический эффект.
Внедрение результатов диссертационных исследований. Разработанные методика повышения эффективности функционирования и программа «Комплексная автоматизированная система диагностирования и прогнозирования (КАСДиП)» внедрены в ООО «Шахтинском монтажно-наладочном управлении (ШМНУ)» (г. Шахты, Ростовской обл.). Материалы диссертационной работы используются в учебном процессе кафедрой «Автоматизация производства, робототехника и меха-троника» ЮРГТУ (НПИ) для студентов специальностей 22040265 «Роботы и робо-
тотехнические системы» и 22040165 «Мехатроника».
Апробация работы. Основные положения и результаты работы докладывались на: 6-8 - ой международных конференциях «Новые технологии управления движением технических объектов» (г. Новочеркасск, 2004 - 2006); научной конференции студентов и аспирантов ЮРГТУ (НПИ) «Студенческая научная весна -2005» (г. Новочеркасск, 2005); первой всероссийской научной конференции студентов и аспирантов (с международным участием) «Робототехника, мехатроника и интеллектуальные системы» (г. Таганрог, 2005); XIX международной научной конференции «Математические методы в технике и технологиях ММТТ - 19» (г. Воронеж, 2006); 55 - ой научно - технической конференции профессорско-преподавательского состава, научных работников, аспирантов и студентов университета (г. Новочеркасск, ЮРГТУ(НПИ), 2006); первой международной и юбилейной 55 -ой научно-практической конференции по научному направлению «Интерактивные ресурсосберегающие методы и средства разработки угольных пластов, использование углей и охрана труда» (г. Шахты, 2006); 7-ой международной научно — технической конференции «Искусственный интеллект. Интеллектуальные и многопроцессорные системы - 2006» (п. Кацивели, Украина, 2006); международном научно-практическом коллоквиуме «Проблемы мехатроники - 2006» (г. Новочеркасск, 4-6 сентября 2006); первой российской мультиконференции по проблемам управления «Мехатроника, автоматизация, управление» (Санкт - Петербург, 2006); XX международной научной конференции «Математические методы в технике и технологиях ММТТ — 20» (г. Ярославль, 2007); второй всероссийской научно — практической конференции «Перспективные системы и задачи управления» (п. Домбай, Карачаево-Черкесская республика, 2007); международной научно-технической мультиконференции «Проблемы информационно-компьютерных технологий и мехатроники» (ИКТМ -2007) (п. Дивноморское, Краснодарский край, 2007); XXI международной научной конференции «Математические методы в технике и технологиях ММТТ - 21» г. Саратов, 2008); IV международном научно-практическом студенческом коллоквиуме «Мехатроника - 2008» (г. Новочеркасск -18-20 июня 2008).
10 Публикации. По теме диссертации опубликовано 23 печатные работы (10
из которых без соавторов), в том числе патент на изобретение, свидетельство ОФАП на программные средства и 4 статьи, опубликованные в периодических изданиях, рекомендованных ВАК.
Проблема,.актуальность и концепция разработки методов и средств повышения эффективности функционирования мехатронных модулей движения горного оборудования
Несмотря на повсеместное развитие автоматизации, и роботизации производства, работа на горном предприятии остается весьма тяжелой и трудоемкой. Это связано с тем, что технологическое оборудование работает в тяжелых горных условиях, выполняя фиксированные задачи в постоянно изменяющейся среде, в условиях ограниченности пространства при постоянно меняющихся нагрузках, что приводит к частым отказам горного оборудования и снижению эффективности и надежности его функционирования. Задача повышения надежности решается на стадиях проектирования, производства и эксплуатации технологического оборудования. На стадии проектирования данная задача решается путем построения оборудования по блочно-модульному принципу с распределенной системой управления, позволяющей каждой отдельной подсистеме самостоятельно управлять своим оборудованием и осуществлять свободный обмен данными между элементами комплекса. Современные системы управления укомплектованы внешними датчиками, регистрирующими текущее состояние параметров объекта, позволяют улучшить управляемость приводов и настройку оборудования на конкретные горные условия. Но усложнение оборудования и замена традиционных электромеханических и электрогидравлических приводов мехатронными модулями движения привело к снижению эксплуатационной надежности функционирования элементов модуля.
Существует два основных подхода к повышению уровня эффективности и надежности, один из которых заключается в снижении уровня отказов компонентов, входящих в состав модуля. При другом подходе допускается появление отказа, но обеспечиваются такие условия, при которых отказ не является фатальным.
При реализации первого подхода одним из типичных решений является замена функций, выполняемых механическими элементами, функциями, осуществляемыми средствами электроники. По сравнению с механическими, электронные компоненты позволяют достичь более высокой надежности. Использование данного подхода для механических элементов не дает возможности избавиться от тех неисправностей, которые возникают в результате трения, обусловленного их движением.
Второй подход заключается в повышении нечувствительности к отказам. При его реализации необходимо обнаружить возникшие неисправности и таким образом организовать работу, чтобы даже в случае появления неисправности функционирование продолжалось так, как будто неисправности не было [42]. Реализовать данный подход можно путем разработки методов и средств диагностирования и прогнозирования технического состояния мехатронного модуля движения. Задача диагностирования состоит в том, чтобы своевременно обнаружить дефекты, найти места и причины их возникновения [43]. Задачей прогнозирования является определение технического состояния объекта на предстоящий интервал времени, а также интервала времени, в течение которого объект сохранит работоспособность. Совместное применение диагностирования и прогнозирования технического состояния позволит на ранней стадии обнаружить возникший дефект, контролировать его дальнейшее развитие и сделать прогноз времени выхода из строя, что дает возможность обосновать сроки профилактических работ; оптимизировать программу поиска неисправностей в связи с определением блоков, в которых ожидается отказ; определить количество запасных частей, вычисляя число блоков, в которых ожидается отказ на заданном интервале функционирования объекта; сократить время восстановления путем выявления наиболее опасных блоков и подготовке запасных частей для их замены [42]. В связи с этим актуальной проблемой является разработка методов комплексного диагностирования и прогнозирования, позволяющих по результатам измеренных значений основных параметров диагностирования определить текущее техническое состояние объекта и, по результатам наблюдений, спрогнозировать время возможного выхода из строя мехатронного модуля движения.
Для практической реализации разработанных методов необходимы средства диагностирования и прогнозирования, являющиеся совокупностью аппаратных, осуществляющие замер основных определяющих параметров, и программных средств, обрабатывающих диагностическую информацию. В зависимости от способа взаимодействия объекта и средств технического диагностирования, различают методы тестового и функционального диагностирования. Для осуществления тестового диагностирования, используются технические средства, формирующие и стимулирующие тестовые воздействия, средства обработки информации о состоянии объекта и каналы связи, осуществляющие их согласование. Состав и последовательность подачи тестовых воздействий может выбираться исходя из условий эффективной организации процесса диагностирования или в зависимости от ответов объекта на предыдущие воздействия. Функциональное диагностирование осуществляется в процессе функционирования объекта и воздействия, поступающие на основные входы объекта, заданы его рабочим алгоритмом функционирования и поэтому, как правило, не могут выбираться, исходя из условий эффективной организации процесса диагностирования. В состав технических средств диагностирования вводят специальные устройства для определения работоспособности, поиска возникшего дефекта и прогнозирования, а также устройства универсального назначения для съема информации, обработки, отображения и регистрации диагностической информации. Кроме того, в составе технических средств диагностирования могут быть устройства генерирования тестовых воздействий, устройства управления, которыми оператор направляет процесс диагностирования в нужную сторону. Функционирование технических средств диагностирования обеспечивается с помощью программ, составленных с учетом требований объекта.
В процессе диагностирования и прогнозирования технического состояния большое значение имеет человек — оператор. В самом общем случае оператор в системе диагностирования воспринимает информацию о ходе диагностирования, осуществляет ее анализ и, в соответствии с результатами анализа, принимает решение, формирует и выдает команды в системе технического диагностирования. Качество диагностирования во многом зависит от его личностных качеств: зрения, слуха, возможности воспринимать информацию, способности сохранять качество работы не ниже допустимого уровня при заданных условиях трудовой деятельности, времени ответной реакции оператора.
Для своевременного и качественного выполнения диагностирования и прогнозирования технического состояния, разрабатываемые средства должны обладать высокой надежностью. Для ее обеспечения необходимо минимизировать количество блоков, входящих в ее состав, передав большинство функций, выполняемых аппаратными средствами, электронным и программным средствам, сведя роль оператора к минимуму.
Нейро-нечеткая модель и метод повышения эффективности функционирования мехатронных модулей движения горного оборудования
Одним из способов повышения эффективности функционирования мехатронных модулей движения является контроль и оценка текущего состояния объекта. Для его реализации необходимо разработать модель и метод диагностирования, позволяющий отнести его к классу исправных, неисправных, работоспособных или неработоспособных и определить места возникших дефектов в условиях дефицита информации, невозможности учета всех факторов, влияющих на модуль в процессе его эксплуатации. Одним из подходов к решению этой задачи является совместное применение аппарата нечеткой логики и нейронных сетей.
Согласно разработанной концепции, модели и методы повышения эффективности функционирования целесообразно оценивать по результатам измерения и анализа основных определяющих параметров, составляющих эффективную сово 41 купность. Совокупность определяющих параметров является эффективной, если удовлетворяет следующим требованиям: полного описания всех классов дефектов; наибольшей чувствительностью к изменению значений структурных параметров; минимальности состава; доступности для контроля и измерения; минимума стоимости и времени контроля и измерения; достаточной степени разделимости при распознавании отдельных дефектов [93].
В современных горных машинах наиболее часто используются электромеханические и электрогидравлические мехатронные модули движения, анализ методов и средств диагностирования которых позволил выявить перечень определяющих параметров элементов мехатронных модулей движения, включающий шум, вибрацию, частоту вращения, температуру, электрическое сопротивление, напряжение, ток, потребляемую мощность, скорость поступления продуктов износа в масло, мертвый ход, давление, объемный КПД и скорость подачи рабочей жидкости в гидравлические элементы модуля.
Параметры сопротивления и потребляемой мощности зависят от тока и напряжения, следовательно, не удовлетворяют требованию минимальности состава и должны быть исключены из эффективной совокупности определяющих параметров. Измерение скорости поступления продуктов износа в масло и мертвого хода весьма трудоемко и не удовлетворяет требованию доступности, следовательно, данные параметры не могут быть включены в эффективную совокупность определяющих параметров. Объемный КПД определяется косвенными методами и не удовлетворяет требованиям удобства измерения, следовательно, не может быть включен в эффективную совокупность параметров.
Таким образом, эффективную совокупность определяющих параметров составляют следующие параметры: шум, вибрация, частота вращения, температура, напряжение, ток, давление и скорость подачи рабочей жидкости.
В процессе развития дефекта, каждый определяющий параметр меняет свое значение от номинального до критического (максимального или минимального), при котором происходит отказ объекта. В случае, когда все определяющие параметры равны номинальным значениям, объект диагностирования исправен. Если хотя бы один определяющий параметр принял критическое значение, то объект не 42 исправен. На практике часто встречаются случаи, когда текущие значения определяющих параметров принимают некоторое промежуточное значение. В этом случае состояние объекта может быть работоспособным или неработоспособным и возникает необходимость определить, как развитие того или иного дефекта влияет на изменение определяющих параметров, и каким образом текущий уровень развития всех дефектов влияет на состояние объекта диагностирования в целом, то есть определить текущее состояние объекта.
По результатам измерений основных определяющих параметров может выявиться исправное, работоспособное или неработоспособное состояние объекта. Первые два состояние позволяют дальнейшую эксплуатацию объекта, последнее требует его останова. В связи с этим в результате диагностирования могут быть приняты два варианта решения: можно эксплуатировать или нельзя эксплуатировать.
Известно, что если все значения определяющих параметров «близки к 1», то объект исправен или работоспособен, его можно эксплуатировать. Если хотя бы одно значение определяющего параметра «близко к 0», то объект неработоспособен, его нельзя эксплуатировать. Формализация этих высказываний осуществляется с помощью нечеткой логической системы, входными данными которой являются относительные значения определяющих параметров, характеризующих конкретную неисправность объекта.
Разработанная подмодель позволяет оценить только одну неисправность модуля, в то время как он может иметь несколько неисправностей. Для комплексной оценки технического состояния аналогичные подмодели необходимо составить для каждой неисправности, характерной диагностируемому модулю, получить множество текущих коэффициентов развития неисправностей Л = {х , /є [і,и], а затем аппроксимировать полученные выходы подмоделей.
Радиальные базисные нейроны с векторами весов W, значительно отличающимися от вектора входа А - is }, будут иметь выходы, близкие к 0. Если вектор весов близок к вектору входа, то на выходе радиального базисного нейрона будет значение, близкое к 1, и это значение будет передано на линейный нейрон с весом, соответствующим выходному слою.
Подав на вход радиальной базисной сети вектор-столбец коэффициентов текущего развития неисправностей А = {г } и, задав в качестве вектора цели функцию минимизации входа, на выходе радиальной базисной сети получено значение функции диагностирования F(jc ) = mm(F(x )), которое дает возможность оценить текущее состояние объекта, отнеся его к классу исправных, неисправных, работоспособных или неработоспособных. Если F(x )-l - объект исправен, в противном случае - неисправен; 0 F( ) 1 - объект работоспособен; -\ F(x ) 0 -объект неработоспособен.
Алгоритмы оценки работоспособности мехатронных модулей движения горного оборудования
Одной из основных задач технической диагностики является оценка состояния объекта в текущий момент времени, то есть выделение во множестве всех рассматриваемых технических состояний некоторого подмножества, которому принадлежит действительное состояния объекта. Для этого необходимо осуществлять контроль параметров диагностирования, по результатам которого выполнять оценку работоспособности объекта. Ранее разработаны алгоритмы контроля исправности, позволяющие по результатам измерения определяющих параметров отнести объект к типу исправных или неисправных и найти неисправности объекта, вызвавшие полный отказ объекта. Но неисправный объект может быть работоспособным или неработоспособным. Для определения текущего состояния объекта необходимо осуществить оценку работоспособности, которая выполняется по результатам реализации алгоритма контроля исправности.
Согласно модели диагностирования, оценка состояния осуществляется по значениям функции диагностирования F(x ) которая определяется по результатам аппроксимации относительных значений определяющих параметров, заданных с помощью функций принадлежности В}— «близко к 1» и В2 — «близко к 0». Каждая из функций принадлежности изменяется в интервале от 0 до 1 и пересекаются при относительном значении определяющего параметра, равном 0,5 (рис. 2. 2), следовательно, если значение определяющего параметра у є[0;0,5], то текущее значение параметра принадлежит В2, в противном случае - Bj. Для і - той неисправности выбирается j—тый определяющий параметр, относительное значение которого сравнивается с отрезком [0;0,5]. Выполнение условия свидетельствует о принадлежности к функции В2, в противном случае - к Bj. Аналогичная классификация производится для всех определяющих параметров, характеризующих неисправность, после чего, по (2.2) находятся уровни «отсекания» ах, а2 для предпосылок
каждого из правил, вычисляются индивидуальные выходы х , х 2, по (2.3), определяется агрегатный выход нечеткой логической системы х и записывается в базу данных. Аналогичный расчет выполняется для всех неисправностей. Функция диагностирования F(x ) определяется с помощью минимизации коэффициентов развития неисправностей х . Если функция диагностирования равна 1, по объект исправен. Если F(x ) є (0,l) - объект работоспособен, в противном случае, объект неработоспособен и наступил отказ по совокупности неисправностей. Для поиска неисправностей необходимо проверить все неисправности, начиная с меньшего коэффициента х .
Согласно нечеткой экспертной модели диагностирования, оценка состояния осуществляется по значению разделяющей функции F(A), которая определяется по эквивалентному весу неисправностей объекта, заданному с помощью функций принадлежности dj - объект работоспособен и d.2- объект неработоспособен. Каждая из функций принадлежности изменяется в интервале от 0 до 1 и пересекаются при относительном значении определяющего параметра, равном 0,5 (рис. 2.11), следовательно, если значение эквивалентного веса неисправностей принадлежит полуинтервалу [0;0,5), то текущее значение параметра принадлежит dj, в противном случае — d2.
Для і - той неисправности выбирается/ - тый определяющий параметр, для которого, согласно (2.5), вычисляется вес параметра и записывается в базу данных. Данная операция повторяется для всех параметров неисправности, после чего по формуле (2.6) вычисляется эквивалентный признак неисправности и осуществляется его запись в базу данных. Вычисления производятся для всех неисправностей объекта. По эквивалентным весам неисправностей, согласно (2.7), значение эквивалентного веса всех неисправностей w3Ke. Если полученное значение эквивалентного веса wxa є[0;0,5), то вес соответствует функции d\, значение разделяющей функции находится в полуинтервале F(A)e(0;l], что свидетельствует об исправном или работоспособном состоянии объекта и возможности его дальнейшей эксплуатации. В случае невыполнения условия, вес неисправностей принадлежит функции d2, разделяющая функция находится на отрезке F(A) є [-1;0], что свидетельствует о неработоспособном состоянии объекта и невозможности его эксплуатации.
Для реализации нейро-нечеткого и нечеткого экспертного алгоритмов оценки работоспособности необходимо П М циклов. Оба алгоритма имеют одинаковые исходные данные, но в нейро-нечетком алгоритме необходимо сохранять коэффициенты F(x ), представляющие вектор-столбец длиной п. В нечетком экспертном алгоритме необходимо сохранять вес каждого параметра, в результате чего получена матрица размером nxm, и эквивалентный вес всех неисправностей представляющих собой вектор-столбец длиной п. Следовательно, для реализации нечеткого экспертного алгоритма необходимо больший объем памяти.
Интегральный программный пакет для реализации методов повышения эффективности функционирования мехатронных модулей движения горного оборудования
Для практической реализации разработанных методов повышения эффективности функционирования мехатронных модулей движения горного оборудования разработана программа «Комплексная автоматизированная система диагностирования и прогнозирования (КАСДиП)» [116], позволяющая по измеренным значениям определяющих параметров произвести комплексную оценку технического состояния объекта, отнеся его к виду исправных, неисправных, работоспособных или неработоспособных. В случае работоспособности объекта, при наличии данных за предыдущие периоды эксплуатации, программа позволяет осуществить краткосрочный и долгосрочный прогнозы его технического состояния, в случае неработоспособности выявить причины полного отказа или составить эффективную последовательность проверок при отказе объекта по совокупности неисправностей.
Программа основана на совместном использовании нейро-нечеткого и нейросетевого методов повышения эффективности функционирования меха-тронных модулей движения горного оборудования.
Программа «КАСДиП» является унифицированной и может быть использована как для любого элемента модуля, так и для всего мехатронного модуля движения горного оборудования.
Программа сочетает в себе возможности языка программирования Delphi и системы автоматизации математических расчетов MATLAB.
Нейро-нечеткая модель диагностирования и структура нейронной сети прогнозирования реализованы в пакете MATLAB. Среда программирования Delphi использована для разработки базы данных, ввода, подготовки исходных данных для расчетов в MATLAB и выдачи и анализа результатов расчета.
Для адаптации программы к конкретному объекту необходимо составить нейро-нечеткую модель диагностирования этого объекта и разработать структуру нейронной сети для прогнозирования его технического состояния.
Для составления нейро-нечеткой модели диагностирования необходимо выявить все возможные неисправности объекта, определить эффективную совокупность определяющих параметров, с помощью которых они выявляются, разделить все известные неисправности на группы в зависимости от числа характеризующих их параметров. Для каждой группы неисправностей необходимо составить нечеткие подмодели диагностирования, которые отличаются друг от друга только числом входов, которое должно быть равно количеству определяющих параметров, характеризующих данную группу неисправностей.
В приложении Fuzzy Logic Toolbox пакета MATLAB создается система типа Sugeno. Если подмодель определяет группу неисправностей, содержащую более одного определяющего параметра, то в подмодель добавляется недостающее количество входов. Для каждого входа подмодели в диапазоне [0; 1] задаются Z и S - образные функции принадлежности. Для выходной переменной за 117 даются две функции принадлежности «работоспособен» и «неработоспособен». Функции «работоспособен» ставится в соответствие параметр 1, функции «неработоспособен» - параметр -1. Согласно модели диагностирования, формируется система предикатных правил, описывающих взаимодействие входных и выходным параметров. Полученная подмодель сохраняется в виде FIS — файла. Аналогичные подмодели составляются для всех групп неисправностей.
Для реализации нейросетевого метода повышения эффективности функционирования в М-файле моделируется трехслойная сеть прямой передачи сигнала, состоящая из трех входных, десяти скрытых и одного выходного нейронов. Сеть обучена с помощью метода обратного распространения ошибки. Для создания сети используется функция newff ([/пределы изменения входа 1/, пределы изменения входа 2/, /пределы изменения входа 3/J, [/число нейронов входного слоя/, /число нейронов скрытого слоя/, число нейронов выходного слоя/], {/функция активации нейронов первого слоя/, /функция активаі}ии нейронов второго слоя/, /функция активации нейронов третьего слоя/}). В качестве диапазона изменения входных параметров задается интервал от 0 до 1. Активация нейронов первого и второго слоев осуществляется с помощью логической функции (logsig). Для активации нейронов выходного слоя используется линейная функция (purelin). Составленная нейронная сеть инициализируется, обучается и моделируется. Для возможности обращения к подпрограмме прогнозирования определяющего параметра создается функция, входами которой являются матрицы входа Р, цели Н и исходных данных для прогнозирования С, а выходом -прогнозируемое значение определяющего параметра. Подпрограмма сохраняется в М - файле под именем созданной функции и является одинаковой для всех определяющих параметров. Для удобства составления программы целесообразно создать несколько аналогичных подпрограмм с именами измеряемых определяющих параметров (например, shym, vibr).
Прогнозируемое состояние блока определяется путем аппроксимации коэффициентов развития неисправностей, следовательно, необходимо полученные значения неисправностей подать на вход подпрограммы аппроксимации. Для этого создается входная матрица Koef_a—[neispravnost_l;neispravnost_2; neispravnost_3], которая подставляется в подпрограмму obsh и определяется прогнозное значение состояния блока [ЬІок_1]=оЬя Кое/_а).
