Содержание к диссертации
Введение
ГЛАВА 1. Анализ современного состояния проблемы информационного мониторинга состояния авиационного газотурбинного двигателя (ГТД) 17
1.1. Современный авиационный двигатель как сложный технический объект мониторинга 17
1.2. Общая характеристика проблемы мониторинга и управления эксплуатацией авиационного двигателя по техническому состоянию 22
1.3. Современные информационные технологии мониторинга состояния сложных технических объектов 45
1.4. Интеллектуальные технологии автоматизации испытаний и управления эксплуатацией авиационного двигателя 54
1.5. Концепция решения проблемы информационного мониторинга параметров авиационного ГТД 64
Результаты и выводы по первой главе 65
ГЛАВА 2. Применение методологии системного анализа к решению проблемы информационного мониторинга состояния авиационного двигателя 67
2.1. Применение технологий системного моделирования на этапе проектирования интеллектуальной системы мониторинга состояния авиационного двигателя 67
2.2. Разработка комплекса функциональных моделей процесса мониторинга параметров авиационного ГТД 69
2.3. Разработка комплекса информационных моделей процесса мониторинга параметров авиационного ГТД 82
2.4. Разработка динамической модели процесса мониторинга состояния авиационного ГТД 87
2.5. Требования к экспертной системе мониторинга состояния авиационного ГТД на основе IDEF — моделей 92
Результаты и выводы по второй главе 97
ГЛАВА 3. Разработка интеллектуальных методов контроля и диагностики технического состояния авиационного гтд на основе экспертных систем (ЭС) 98
3.1. Введение 98
3.2. Решение задач контроля и диагностики на основе компонентной реализации математической модели ГТД в среде экспертной системы C-PRIZ 99
3.2.1. Реализация компонентных математических моделей ГТД на основе семантических сетей 106
3.2.2. Методика наполнения баз знаний экспертной системы C-PRIZ 119
3.2.3. Особенности решения задач контроля и диагностики ГТД с использованием экспертной системы C-PRIZ 120
3.3. Решение задач контроля и диагностики ГТД в среде экспертной системы TILShell 3.0 156
3.3.1. Представление математической модели ГТД в базе знаний экспертной системы TILShell 3.0 157
3.3.2. Решение задач контроля и диагностики ГТД в среде экспертной системы TILShell 3.0 159
3.4. Решение задач контроля и диагностики ГТД с использованием пакета прикладных программ "Диагноз" 172
3.4.1. Основные принципы реализации алгоритмов контроля и диагностики ГТД с использованием пакета прикладных программ "Диагноз" 174
3.4.2. Представление математической модели ГТД в среде пакета прикладных программ "Диагноз" 176
3.4.3. Особенности решения задач контроля и диагностики ГТД с помощью пакета прикладных программ "Диагноз" 177
3.5. Сравнительный анализ полученных результатов 183
Результаты и выводы по третьей главе 185
5.5.2. Восстановление информации при отказах датчиков с использованием автоассоциативной нейронной сети 303
Результаты и выводы по пятой главе 307
Заключение 309
Библиографический список 313
Приложения 341
- Общая характеристика проблемы мониторинга и управления эксплуатацией авиационного двигателя по техническому состоянию
- Применение технологий системного моделирования на этапе проектирования интеллектуальной системы мониторинга состояния авиационного двигателя
- Разработка динамической модели процесса мониторинга состояния авиационного ГТД
- Реализация компонентных математических моделей ГТД на основе семантических сетей
Введение к работе
Актуальность работы. Газотурбинный двигатель (ГТД) как
восстанавливаемый объект в течение срока службы требует постоянного
мониторинга, трудоемкость которого зависит от уровня автоматизации
,М процессов получения, обработки, хранения, документирования информации о
текущем состоянии авиационного двигателя, а также контроля, диагностики, прогнозирования его технического состояния, последовательность и методы выполнения которых определяют информационную технологию мониторинга (ИТМ). Средством их реализации являются распределенные системы мониторинга, на которые возлагается задача определения степени соответствия объекта мониторинга предъявляемым требованиям, то есть контроля его технического состояния.
Распределенная система мониторинга является логическим дополнением ИТМ, так как совместно с последней осуществляет анализ фактического технического состояния ГТД: прогнозирование остаточного ресурса, отслеживает деградацию рабочих характеристик авиационного двигателя, определяет программу ремонтно-восстановительных работ и т.д.
Основные летно-технические характеристики ГТД определяются на всех
этапах его жизненного цикла (ЖЦ). Эффективность мониторинга авиационного
& двигателя существенно зависит от вероятности правильного распознавания его
технического состояния. Мониторинг технического состояния ГТД
обеспечивается рациональным выбором SCADA систем и методов обработки
информации в соответствии с задачами контроля, диагностики и
прогнозирования технического состояния двигателя, эффективно решающих
задачи координации управления эксплуатацией двигателя по техническому
состоянию и осуществляющих поддержку принятия решений. Основу
мониторинга технического состояния ГТД составляет подчинение целей
функционирования информационных технологий мониторинга и управления
эксплуатацией целям функционирования ГТД, определяющим правила и
порядок обработки комплексной информации в соответствии с условиями его
\ф эксплуатации.
Создание информационных технологий мониторинга и управления эксплуатацией ГТД является процессом, предполагающим. определенную методологию использования априорной и апостериорной информации об объекте, измерительных, вычислительных и корпоративных средствах, образующих ресурсы информационных технологий мониторинга, и
разнообразные математические методы решения задач обработки и анализа
информации о техническом состоянии двигателя, а также принятия решений
для достижения целей мониторинга и управления его эксплуатацией.
Проблемам создания информационных технологий мониторинга и управления
/] эксплуатацией сложных технических объектов посвящены работы: О.В.
Абрамова, Е.В. Барзиловича, И.В. Бармина, Г.И. Братухина, Л.И. Волкова,
Ю.М. Гусева, Б. Г.. Ильясова, А.А. Ицковича, А.А. Каштанова, В.А.
Острейковского, В.В. Смирнова, Б.Е. Федунова, В.А. Фурсова, Р.М Юсупова
и др. Проблемы контроля и диагностики технического состояния ГТД
исследуются в работах В.Г. Августиновича, A.M. Ахмедзянова, И.А. Биргера,
В.И. Васильева, Х.С. Гумерова, В.Т. Дедеша, Н.Г. Дубравского, И.В. Егорова,
СВ. Епифанова, В.Н. Ефанова, Ю.С. Кабальнова, В.Г. Крымского, Г.Г.
Куликова, Д.Ф. Симбирского, Н.Н. Сиротина, А.П. Тунакова, В.Т. Шепеля и др. Теоретические основы создания математических моделей ГТД и его узлов рассматриваются в работах В.М. Акимова, В.О. Боровика, О.С. Гуревича, Г.Н. Добрянского, Т.С. Мартьяновой, Е.М. Тарана, А.Я. Черкеза, А.А. Шевякова и
др.
Вместе с тем, несмотря на значительный объем исследований в данных
областях, информационные технологии мониторинга технического состояния
ГТД не являются совершенными по ряду причин, основными из которых
являются, с одной стороны, разобщенность баз данных испытаний, контроля и
диагностики, отсутствие интеллектуальных компонент, позволяющих
качественно и эффективно осуществлять поддержку принятия ответственных
решений и, как следствие, сокращать общее время, затрачиваемое на
обслуживание ГТД; с другой стороны, нестационарность физических процессов
в авиационном двигателе, сложность его математического описания,
зависимость технических характеристик двигателя от внешних условий работы,
ограниченный состав измеряемых термогазодинамических параметров
двигателя, их технологический разброс и т.д. Указанные факторы приводят к
необходимости принятия решений о техническом состоянии двигателя в
Idt- условиях существенной неопределенности.
Основными направлениями, определяющими повышение качества информационных технологий мониторинга технического состояния ГТД, следует считать интеллектуализацию процессов обработки информации с привлечением методов интеллектуального анализа данных, которые способны обеспечить повышение качества распознавания технического состояния ГТД при действии указанных выше неопределенных факторов, а также интеграцию
информационных процессов (распределенных локальных баз данных и знаний
в глобальную базу данных и знаний). Таким образом, создание
информационной технологии мониторинга состояния ГТД включает в себя
разработку методологии, методов, методик, алгоритмического и программного
<: обеспечения, позволяющих повысить эффективность решения задачи
управления эксплуатацией ГТД по техническому состоянию.
В связи с вышеизложенным, тема диссертационной работы, посвященная созданию интеллектуальных систем контроля, диагностики и прогнозирования технического состояния ГТД на основе интеллектуального анализа данных, является актуальной.
Данная работа выполнялась в период с 1986 по 2005 гг. на кафедрах авиационных двигателей и вычислительной техники и защиты информации Уфимского государственного авиационного технического университета в рамках:
отраслевых программ и госбюджетных НИР в соответствии с планом научно-исследовательских работ АН СССР на 1986-1990 гг.;
федеральной целевой программы и тематических отраслевых планов: "Авиационная технология", "Надежность и безопасность технических систем" в 1991-1998 гг.;
- федеральной целевой программы Государственной поддержки
интеграции высшего образования и фундаментальной науки на 1997 - 2006 гг.
Целью диссертационной работы является разработка научно-обоснованных принципов, методов, алгоритмов и программного обеспечения систем контроля, диагностики и прогнозирования технического состояния ГТД на основе интеллектуального анализа данных с использованием технологий экспертных систем и нейронных сетей.
Для достижения указанной цели в работе поставлены и решены следующие задачи:
1. Разработка концепции построения интеллектуальных систем
мониторинга технического состояния авиационного ГТД на основе
(J} интеллектуального анализа данных.
2. Разработка комплекса системных моделей процесса мониторинга
технического состояния авиационного ГТД.
3. Разработка методов и алгоритмов контроля и диагностики
технического состояния ГТД на основе технологий экспертных систем.
4. Разработка методов и алгоритмов контроля, диагностики и
прогнозирования технического состояния ГТД на основе нейросетевых
технологий.
5. Разработка исследовательского прототипа нейросетевой экспертной
системы контроля, диагностики и прогнозирования технического состояния
ГТД.
Разработка нейросетевых алгоритмов восстановления информации в случае отказа штатных датчиков в составе бортовой системы контроля и диагностики авиационного двигателя.
Исследование эффективности разработанного алгоритмического и программного обеспечения экспертных систем и нейросетевых технологий для решения задач контроля, диагностики и прогнозирования технического состояния авиационных ГТД и их систем.
Основные научные результаты, выносимые на защиту:
1. Концепция построения интеллектуальных систем мониторинга
технического состояния ГТД.
2. Комплекс системных моделей процесса мониторинга технического
состояния ГТД.
3. Формализованные методы и алгоритмы контроля и диагностики
ф- технического состояния ГТД с использованием технологий экспертных систем.
4. Нейросетевые методы и алгоритмы контроля, диагностики и
прогнозирования технического состояния ГТД.
5. Нейросетевая экспертная система контроля, диагностики и
прогнозирования технического состояния ГТД.
Нейросетевые алгоритмы восстановления информации в случае отказа штатных датчиков в составе бортовой системы контроля и диагностики двигателя.
Результаты исследования эффективности применения разработанных экспертных систем и нейросетевых технологий для решения задач контроля, диагностики и прогнозирования технического состояния ГТД и их систем.
tik Обоснованность и достоверность результатов диссертации
Обоснованность предложенной концепции построения интеллектуальных систем мониторинга технического состояния ГТД обусловлена проведенным системным анализом предметной области, учетом основных факторов, влияющих на процессы функционирования ГТД, современных требований и возможностей, представляемых новыми информационными технологиями для решения задач управления ГТД по техническому состоянию.
Обоснованность предложенного подхода к системному моделированию
процесса мониторинга технического состояния ГТД подтверждается
корректностью основных положений, принятых при построении
функциональных, информационных и динамических моделей
интеллектуальной системы мониторинга технического состояния ГТД.
Обоснованность и достоверность реконфигурируемой математической модели ГТД, построенной на основе расширяемой семантической сети и используемой для контроля и диагностики технического состояния двигателя, подтверждается корректностью математического описания ГТД и его узлов, возможностью настройки модели под характеристики индивидуального двигателя с учетом требуемого класса задач контроля и диагностики.
Обоснованность и достоверность процессов принятия решений с помощью экспертных систем C-PRIZ, TILLShell, "Диагноз", а также исследовательского прототипа нейросетевой экспертной системы "ЭкспертНейро" подтверждается результатами моделирования и решения большого числа практических задач контроля, диагностики и прогнозирования технического состояния авиационных двигателей.
Методы исследования
Поставленные в диссертационной работе задачи решены с использованием методов системного анализа, теории воздушно-реактивных двигателей, теории идентификации, теории вероятностей и математической статистики, теории дифференциальных уравнений, нейроинформатики, теории нечетких множеств, теории распознавания образов, теории информационных систем и обработки данных, теории оптимизации, теории планирования эксперимента, теории принятия решений и экспертных систем, имитационного моделирования, объектно-ориентированного программирования.
Научная новизна результатов
1. В работе поставлена и решена проблема разработки методологических
основ построения интеллектуальных систем мониторинга технического
состояния ГТД, реализующих методы контроля и диагностики авиационных
двигателей на основе технологий экспертных систем и нейронных сетей,
обеспечивающие повышение эффективности процессов мониторинга и
управления эксплуатацией ГТД по техническому состоянию.
2. Предложена концепция построения интеллектуальных систем
мониторинга технического состояния ГТД, основанная на использовании
методов интеллектуального анализа данных о режимах работы двигателя на
различных этапах его эксплуатации, применении единой методологии
контроля, диагностики и прогнозирования технического состояния ГТД на
основе технологии экспертных систем и нейронных сетей, интеграции
U разработанных средств и систем с CALS-технологиями, SCADA-системами,
распределенными базами данных и знаний, обеспечивающая повышение уровня автоматизации, оперативности и достоверности мониторинга технического состояния проточной части двигателя, с целью реализации стратегии эксплуатации ГТД по техническому состоянию.
3. На основе SADT-методологии и IDEF-технологий разработан комплекс
системных моделей процесса мониторинга технического состояния ГТД, что
позволило выделить основной спектр функциональных задач мониторинга и их
информационное сопровождение, а также обоснованно сформировать
требования к их реализации в составе экспертной системы контроля и
диагностики ГТД.
4. Разработан и реализован ряд экспертных систем контроля и
диагностики технического состояния ГТД в рамках интеллектуальных
оболочек C-PRIZ, TILL Shell, "Диагноз" с использованием реконфигурируемой
математической модели авиационного двигателя, построенной на основе
0- расширенной семантической сети, и организации контроля и диагностики ГТД
на основе метода диагностических матриц и правил нечеткой логики, что позволило повысить качество решение задач контроля и диагностики состояния ГТД в условиях неопределенности.
5. Разработаны и исследованы методы, модели, алгоритмы и методики
решения задач контроля, диагностики и прогнозирования технического
состояния ГТД с использованием нейросетевых технологий, позволяющих
накапливать и анализировать информацию о характеристиках индивидуального
двигателя по результатам стендовых и летных испытаний и повысить качество
решений, принимаемых экспертной системой, за счет использования
алгоритмов обучения и самообучения нейронных сетей.
уф. 6. Разработаны нейросетевые модули, зарегистрированные в РосАПО, для
решения задач контроля, диагностики и прогнозирования состояния ГТД, интегрированные в составе исследовательского прототипа нейросетевой экспертной системы контроля и диагностики состояния ГТД, применение которых позволяет повысить достоверность и глубину контроля и диагностики основных узлов двигателя в условиях факторов неопределенности.
7. Разработаны и исследованы методы, модели и алгоритмы
восстановления информации в случае отказа штатных датчиков в составе
бортовой системы контроля и диагностики двигателя, основанные на
использовании автоассоциативных нейронных сетей, применение которых
и позволяет с заданной точностью восстанавливать потерянную информацию в
режиме реального времени.
Практическая значимость результатов
Практическая значимость результатов диссертационной работы определяется тем, что использование предложенной в ней концепции построения интеллектуальной системы мониторинга технического состояния ГТД позволит сократить затраты на контроль и диагностику состояния двигателя в процессе его стендовых испытаний и летной эксплуатации в 2-3 раза за счет более полного использования априорной и апостериорной информации о режимах работы двигателя, автоматизации процессов обработки и анализа данных, применения методов искусственного интеллекта на всех этапах оценки технического состояния ГТД и принятия решений.
Разработаны алгоритмы и инженерные методики контроля, диагностики и
прогнозирования состояния ГТД, реализованные в составе исследовательских
jg- прототипов экспертных систем, применение которых позволяет существенно
повысить качество и эффективность принимаемых решений о техническом
состоянии ГТД.
Разработана и внедрена на ряде предприятий России нейросетевая экспертная система контроля, диагностики и прогнозирования технического состояния ГТД, позволяющая решать широкий спектр практических задач мониторинга технического состояния авиационных двигателей. Предложены нейросетевые алгоритмы восстановления информации при отказе штатных датчиков в составе перспективной бортовой системы контроля и диагностики двигателя (БСКД) в режиме реального времени.
jjl Внедрение результатов работы
Основные результаты работы внедрены на ряде предприятий авиационной промышленности: ФГУП НПП "Мотор" (Уфа), ФГУП "Самарские моторы" (г. Самара), ФГУП УНПП "Молния" (Уфа) в виде инженерных методик, алгоритмов и экспертных систем контроля и диагностики технического состояния ГТД, а также в учебный процесс Уфимского государственного авиационного технического университета.
Апробация работы. Основные положения, представленные в
диссертационной работе, докладывались, обсуждались и получили
положительную оценку на 60 Всесоюзных, Всероссийских и Международных
rV симпозиумах, конференциях и семинарах, в том числе на:
у - Всесоюзной научно-технической конференции "Декомпозиция и
координация в сложных системах" (г. Челябинск, 1986);
- Всесоюзной научно-технической конференции "Диалоговые средства
распределенной обработки данных в комплексах и сетях" (г. Москва, 1990);
- Всесоюзной научно-технической конференции "Новые
информационные технологии" (г. Гурзуф, 1991);
- III - XI Всероссийских научно-технических конференциях
"Нейроинформатика и ее применения" (г. Красноярск, 1995 - 2003);
Всероссийской научно-технической конференции "Информационные и кибернетические системы управления и их элементы" (г. Уфа, 1995);
XXII Гагаринских чтениях по авиации и космонавтике (г. Москва, 1996);
- Международной научно-технической конференции "Мягкие
вычисления" (г. Казань, 1996);
1Ц. - Всероссийской научно-технической конференции "Проблемы
совершенствования робототехнических и интеллектуальных систем летательных аппаратов" (г. Москва, 1996);
Международной научно-технической конференции "Интеллектуальные системы" (г. Геленджик, 1996);
Международной научно-технической конференции "Проблемы и перспективы развития двигателестроения в Поволжском регионе" (г. Самара, 1997);
Всероссийской научно-технической конференции "Нейронные сети в информационных технологиях" (г. Снежинск, 1998);
- II Международной научно-технической конференции "Мягкие
(^l измерения и вычисления" (г. Санкт-Петербург, 1998);
- Международной научно-технической конференции "Новые технологии
управления движением технических объектов" (г. Ставрополь, 1999);
- IV-VIII Всероссийских научно-технических конференциях
"Нейроинформатика" (г. Москва, 1999 - 2002);
- Международной научно-технической конференции "Авиация XXI
века" (г. Воронеж, 1999);
- Ш-V Всероссийских научно-технических конференциях
"Нейрокомпьютеры и их применение" (г. Москва, 2000-2002);
- Международной научно-технической конференции "Моделирование,
вычисления, проектирование в условиях неопределенности" (г. Уфа, 2000);
д — Международной научно-технической конференции "Интеллектуальные
системы и информационные технологии управления" (г. Псков, 2000);
Международной научно-технической конференции "Двигатели XXI века" (ЦИАМ, г. Москва, 2000);
Всероссийской научно-технической конференции "Аэрокосмическая техника и высокие технологии" (г. Пермь, 2001);
- Международной научно-технической конференции "К 90-летию
академика Н.Д. Кузнецова" (г. Самара, 2001);
- VI Международном симпозиуме "Авиационные технологии XXI века:
новые рубежи авиационной науки" (г. Жуковский, 2001);
- III и V Международных семинарах "Компьютерные науки и
информационные технологии" (г. Уфа, 2001, 2003) и др.
Публикации. Результаты диссертационной работы опубликованы в 160 печатных работах, из них одна монография (в соавторстве), два учебных пособия (одно - с грифом УМО Минобразования РФ), 45 статей в центральной печати, в том числе 35 - из списка ВАК России, 35 статей в трудах Международных конференций, 40 статей в Межвузовских научных сборниках, 5 свидетельств об официальной регистрации программ в РосАПО.
Структура работы
Диссертация состоит из введения, пяти глав основного материала, заключения, библиографического списка и приложения. Работа изложена на 340 страницах машинописного текста, содержит 109 рисунков, 60 таблиц. Библиографический список содержит 316 наименований.
Автор выражает глубокую благодарность д.т.н., проф. Гумерову Х.С. за
& обстоятельные консультации по теории ВРД.
Общая характеристика проблемы мониторинга и управления эксплуатацией авиационного двигателя по техническому состоянию
Современный авиационный двигатель как объект мониторинга имеет разные стратегии технического обслуживания и ремонта. В процессе проведенных исследований было установлено [2, 16, 182, 183, 206, 207, 209, 210], что на сегодняшний день существуют следующие стратегии технического обслуживания:
- технического обслуживания по наработке, при которой перечень и периодичность выполнения операций определяются значением наработки ГТД с начала эксплуатации или после капитального (среднего) ремонта;
- технического обслуживания по состоянию, при которой перечень и периодичность выполнения операций определяются фактическим техническим состоянием авиационного двигателя в момент начала технического обслуживания;
- ремонт по наработке, при которой объем разборки ГТД и дефектации его составных частей назначается единым для парка однотипных изделий в зависимости от наработки с начала эксплуатации или после капитального (среднего) ремонта, а перечень операций восстановления определяется с учетом результатов дефектации составных частей изделия;
- ремонта по техническому состоянию, при котором перечень операций, в том числе разборки, определяется по результатам диагностирования изделий в момент начала ремонта, а также по данным о надежности этого изделия и однотипных изделий.
В качестве основного признака, характеризующего стратегии техобслуживания и ремонта ГТД, целесообразно принять характер информации об их надежности и техническом состоянии, которая используется при назначении периодичности и объема регламентных работ. Эту информацию можно разделить: по времени получения и использования на априорную и апостериорную; по источникам получения информации о совокупности двигателей и об отдельном ГТД. При этом под опытом понимается серийная эксплуатация объекта. Сочетания этих видов информации образуют четыре стратегии технического обслуживания и ремонта приведенных в табл. 1.3.
Стратегия технического обслуживания и ремонта по состоянию сущест венно отличается от стратегий обслуживания и ремонта по наработке (страте гия по наработке). Они заключаются не только в самом характере технологиче ских процессов технического обслуживания и ремонта, но и в распределении ресурсов, потребных на развитие производственно-технической базы, соответ w ствующей требованиям той или иной стратегии. А требования эти к развитию базы разные. Стратегия по состоянию предполагает обеспечение высокого уровня эксплуатационно-ремонтной технологичности конструкций, создание в достаточных объемах эффективных средств диагностирования и неразрушающего контроля, развитие производственно-технической и экспериментальной базы эксплуатационных и ремонтных предприятий гражданской авиации. Стратегия по наработке предполагает развитие экспериментальной базы предприятий промышленности и обеспечение на этой основе обоснованных Ц: ресурсов до ремонта для каждой совокупности однотипных объектов. От свое временного выбора соответствующей стратегии в решающей мере зависит своевременность и правильность выбора требуемой технической политики развития инженерно-авиационной службы отрасли на многие годы.
Различают следующие стратегии эксплуатации: до выработки ресурса (срока службы); до отказа; до пред отказного состояния. Для каждой из стратегий эксплуатации (табл. 1.4) можно выбрать вполне определенные, отличающиеся наибольшей эффективностью стратегии технического обслуживания и ремонта.
Стратегии обслуживания и ремонта связаны со стратегиями эксплуата ции (использования) двигателей (табл. 1.4). Для каждой из стратегий эксплуа тации можно выбрать вполне определенные, отличающиеся наибольшей эффективностью стратегии технического обслуживания и ремонта. Однако V Jfc вполне очевидно, что оптимальной стратегией технического обслуживания и ремонта авиационного двигателя является стратегия эксплуатации по техническому состоянию.
Применение технологий системного моделирования на этапе проектирования интеллектуальной системы мониторинга состояния авиационного двигателя
Проблема информационного мониторинга состояния авиационного ГТД в рамках концепции, предложенной автором в конце первой главы, не является тривиальной. Среди основных вопросов, требующих своего решения в рамках этой проблемы, можно отметить следующие:
- решение задач мониторинга авиационного двигателя в распределенной системе АРМов;
- разработка экспертных систем в условиях распределенных баз данных и знаний;
- взаимодействие баз данных и знаний на локальном и глобальном уровнях;
- необходимые ресурсы для реализации мониторинга ГТД;
- роль системного моделирования для решения данной проблемы и т.д.
Ответ на эти и другие вопросы позволит научно обоснованно и эффективно решить проблему мониторинга состояния авиационного ГТД.
В последнее время, при создании сложных информационных систем, роль системного моделирования существенно возросла. Подтверждение тому - наличие встроенных CASE средств в современных базах данных (Oracle, Informix, R-Base и др.), а также в большинстве экспертных систем. Однако присутствие этих средств в качестве базовых компонент системного моделирования, на основе которых в конечном итоге строится то или иное приложение, еще не означает, что они будут правильно использоваться при решении прикладных задач в той или иной области применения. Это объясняется тем, что кроме общей автоматизации создания приложения, CASE средствами, до сих пор отсутствует соответствующая методическая и методологическая поддержка данного процесса. Поэтому, несмотря на кажущуюся внешнюю простоту, общий успех сис темного моделирования определяется опытом, знаниями и интуицией пользователя.
Другим аспектом этого процесса является объект исследования, сложность которого в конечном итоге определяет нетривиальность его представле f ния (формализации) в рамках S ADT - методологии.
Исходя из сказанного выше, применение методологии системного моделирования на этапе проектирования интеллектуальной системы мониторинга позволяет грамотно обосновать и сформулировать требования к будущей интеллектуальной системе, а также разработать системный проект, выделить полное множество функций и определить взаимосвязь ее отдельных компонент для дальнейшей реализации в виде исследовательского прототипа экспертной системы мониторинга параметров авиационного двигателя.
Формализация информационного портрета ГТД в рамках SADT - методологии и IDEF - технологии является отдельной проблемой, так как системная модель в конечном счете собирает всю информацию о процессе мониторинга авиационного двигателя в информационную "кучу". Поэтому основной задачей, решаемой на данном этапе, является "прозрачность" представления ГТД и его подсистем в процессе мониторинга (выделение основных функций и решаемых задач), связь информационных потоков с определенными ранее структурами баз данных и знаний, а также его взаимосвязь в рамках сценариев работы с экспертной системой и внешних интерфейсов со SCADA - системами, PDM и STEP - стандартами, CALS - технологией, другими CASE средствами.
Таким образом, на основе системной модели, на этапе проектирования интеллектуальной системы мониторинга параметров авиационного ГТД, с использованием SADT - методологии и IDEF - технологии необходимо выполнить следующую последовательность шагов:
- разработать множество функциональных моделей с целью выделения полного множества функций и задач, решаемых экспертной системой;
- разработать множество информационных моделей, определяющих логи %- ческую структуру баз данных и знаний, а также способы и механизмы управле ния ими и взаимодействия (обоснование содержания, наполнения, управления информационными потоками);
- разработать динамическую модель, определяющую правила работы с экспертной системой, которые являются основой для создания интерфейса (сценариев) с пользователем и определяют динамику взаимодействия экспертной системы с базами данных и знаний. Завершающим этапом системного моделирования является системный проект, формирующий контуры исследовательского прототипа экспертной системы и перечень требований, реализуемых его.
Реализацию последовательности перечисленных выше шагов для решения проблемы информационного мониторинга состояния авиационного ГТД подробно рассмотрим ниже.
Разработка динамической модели процесса мониторинга состояния авиационного ГТД
Целью создания динамической модели является отработка логики функционирования и взаимодействия планировщика, решателя и баз знаний экспертной системы в процессе мониторинга состояния авиационного ГТД.
Сценарий функционирования разрабатываемой экспертной системы показан на рис. 2.10,а - рис. 2.10, б. Логика ее работы (на основе условных операторов А1.. А5) приведена ниже.
Рассмотрим процесс функционирования разрабатываемой экспертной системы мониторинга состояния ГТД. Измеренные в процессе стендовых испы таний параметры авиационного двигателя нормируются, калибруются, масшта бируются и записываются во временную базу данных "Испытания ГТД" в виде отдельного файла. В случае возникновения нештатной ситуации (потеря всей или части измеренной информации вследствие помех, шумов, сбоев и т.д.) в проектируемой экспертной системе предусмотрена возможность перезаписи данных. Для этого процесс измерений распараллеливается (дублируется) и дан ные измерений одновременно записываются в несколько файлов. Далее осуще ствляется покомпонентное сравнение всех записей файла в базе данных и временного файла, хранимого, например, на сервере бригады "Надежности", проводившей испытания ГТД. В случае полного совпадения временный файл уничтожается, в противном случае данные из этого файла копируются в базу данных "Испытания ГТД". Следующим этапом процесса мониторинга авиационного двигателя, выполняемым экспертной системой, является статистическая обработка данных измерений, с целью выявления аномальных данных. Для этих целей экспертная система использует стандартные библиотеки программ - утилит среды STATISTICA, позволяющей применять корреляционный, факторный, кластерный и другие методы анализа данных. В соответствии с логикой работы проектируемой экспертной системы (условие A-i): если в процессе статистической обработки данных, применяемый метод не удовлетворяет заданным требованиям, например метод наименьших квадратов, то он может быть заменен любым альтернативным или новым методом (включенным в среду экспертной системы по желанию пользователя), дополнительных данных из базы данных "Испытания ГТД". Если требования статистической обработки данных полностью выполне ны, то экспертная система осуществляет контроль технического состояния ГТД в соответствии с условием А . Следует отметить, что наиболее распространен ным методом контроля является метод допускового контроля [13, 16,18, 19, 28, 77]. Если в процессе контроля экспертная система не может сделать однознач ный вывод о состоянии ГТД, то, как и в случае статистической обработки дан ных, она переходит к использованию альтернативного метода контроля, напри мер, контроля по переменным допускам или нечетким правилам с применением нейросетевых методов и т.д., т.е. плавный переход от количественных моделей к качественным с использованием методов искусственного интеллекта, а они как и на предыдущем шаге могут потребовать дополнительных данных из базы данных "Испытания ГТД". Если в процессе контроля авиационного двигателя экспертная система делает вывод о его исправности, то последней принимается решение о дальнейшей эксплуатации ГТД с последующим решением задачи I . прогноза его технического состояния. Если в процессе контроля технического состояния ГТД экспертная система может сделать однозначный вывод о неисправности его технического состояния, то следующим логическим шагом является локализация места проявления отказа. Для этого экспертной системой решается задача диагностики. В процессе решения этой задачи экспертной системой возможны следующие решения: - двигатель исправен и принимается решение о продолжении его эксплуатации; - двигатель неисправен и принимается решение о снятии его с эксплуатации; - нельзя сделать однозначного вывода о состоянии ГТД и тогда в этом случае экспертная система будет использовать другие диагностические методы, например, метод диагностических матриц, метод уравнивания, каким-либо другим альтернативным методом или методами, учитывающими качественное изменение характеристик ГТД (методы искусственного интеллекта), а они, как и в процессе контроля, могут потребовать дополнительных данных из базы данных "Испытания ГТД". Если в процессе контроля и диагностики технического состояния ГТД экспертная система принимает решение "Годен", то в дальнейшем она осуществляет прогноз состояния авиационного двигателя, по результатам которого проверяется условие А5 (рис. 2.10, б). Если в процессе прогноза экспертная система принимает решение "Го ден" в будущие моменты времени его функционирования, то принимается окончательное решение о годности ГТД и его дальнейшей эксплуатации. В про тивном случае, авиационный двигатель отправляется на доработку. Если в процессе прогноза технического состояния авиационного двигателя экспертная система не может сделать однозначный вывод о результатах прогноза, то она как и на предыдущих шагах (статистической обработки, контроля, диагности ки) использует другие методы прогноза, например, скользящего среднего, экс поненциального сглаживания или методы искусственного интеллекта, где, как уже отмечалось выше, могут быть востребованы дополнительные данные из ба зы данных "Испытания ГТД". \л К интерфейсу экспертной системы предъявляются следующие требова ния:
Реализация компонентных математических моделей ГТД на основе семантических сетей
Для организации мониторинга на основе FDI-метода важно, каким образом "обрабатываются" модели ГТД универсальной программой - решателем при контроле и диагностике параметров авиационного двигателя. В настоящее время модели авиационных двигателей формируются на основе объектно-ориентированного подхода. Вычисления при этом сводятся к "обработке" динамически формируемых моделей решателем.
Чаще всего решение задач контроля и диагностики производится с ис пользованием компонентной математической модели, составленной из объектов, образующих многоуровневую структуру с однонаправленной ассоциативностью в самой модели [212], когда внутриуровневые связи между объектами реализуются как однонаправленные "потоки", а вертикальные связи - как направленные снизу вверх "аддитивные" связи. Двунаправленную ассоциатив , ность обеспечивает внешний (по отношению к модели) решатель. Моделирова ние различных эксплуатационных ситуаций с помощью таких моделей производится вариационными методами, когда пользователь указывает решателю -какие параметры варьировать, какие поддерживать, а какие "табулировать" -менять по определенному закону.
1 Иногда формирование такого закона расчета производится автоматически - путем анализа параметров "свободных" объектов и оценки их роли в моделях. Вариации обычно производит решатель с использованием одного из оптимизационных алгоритмов, обеспечивающего минимизацию функции "невязок" и динамически формируемой функции цели (для оптимизации группы параметров с учетом заданных весовых коэффициентов). Функция "невязок" и функция цели штрафуются за выход параметров из указанных пользователем границ. Такой подход позволяет унифицировать процедуры контроля и диагностики. Однако он требует применения вариационного метода, что заведомо снижает точность, надежность получения результата и увеличивает затраты машинных ресурсов. Поэтому предпринимаются шаги для поиска и реализации альтернативных методов.
Рассмотрим математическую модель ГТД в виде компонентной вычислительной модели, характеризуемой набором внешних параметров - вектором U и алгоритмом М, который моделирует связи компонент вектора U (внешних параметров) между собой. Если это алгоритм обычного вида, то он является направленным и требует выделить из вектора U вектор входных данных X и вектор выходных данных Y: U = X KJY . При этом каждой проектно-доводочной ситуации соответствует свой состав компонент векторов заданных входных X и "свободных" (к моменту начала решения задачи) выходных Y данных алгоритма М. Если в соответствии с этим группировать их на входе и выходе из алгоритма М, то получим варианты: t/= X uFj =X2uF2 = X3UF3 = — = - j /» гДе /-вариант ситуации, отличающейся тем, какие параметры (F,) заданы и поэтому вошли в вектор X,-, а какие на момент решения задачи не заданы (свободны) и поэтому вошли в вектор 7/. Соответственно, в БМ (базе моделей) БЗ и БД решатель должен находить для конкретной ситуации свой вариант алгоритма М/ из набора: Fj = F(Xi),
fy Y2 = F{X.2h » fy F\Xi) и решать задачу "напрямую", без итераций, как это предложено в [80, 87].
Чтобы перенести данный подход на возможно более низкий уровень компонентной модели, необходимо выделить элементарные структуры, пригодные для объединения в сеть. Такой элементарной структурой может быть пара взаимосвязанных параметров ГТД х и у. Если в традиционной постановке за 1 писывается y = F\x), то в предлагаемом варианте это эквивалентно модели, заданной парой алгоритмов М и М (в [80, 87] их называют "эвристиками"): у — F{x) И х = F (y). Однако, такая структура (рис. 3.4) может соединяться с другими только последовательно. Поэтому элементарные структуры должны быть как минимум тройными. Известно, что существуют альтернативы: модели можно изображать: а) графами (или сетями) или же б) структурными схемами. При этом в первом случае параметры являются вершинами, а алгоритмы - ребрами, во втором все наоборот.
