Содержание к диссертации
Введение
Глава 1. Анализ современных методов и средств вибрационной диагностики сложных систем 9
1.1. История развития и основные понятия вибрационной диагностики 9
1.2. Обзор существующих методов диагностики 12
1.2.1. Спектр огибающей сигнала 12
1.2.2. Эксцесс 15
1.2.3. Пик-фактор 17
1.2.4. Спектр виброускорения 19
1.2.5. Спектр виброскорости 20
1.2.6. Временной сигнал 21
1.3. Сравнительный анализ различных методов диагностики 22
1.4. Обзор современного аппаратного и программного обеспечения.. 25
1.5. Выводы по первой главе 29
Глава 2. Формирование вектора диагностических критериев 30
2.1. Выбор наиболее информативных типов замеров 30
2.2. Критерий спектра виброскорости 32
2.2.1. Диагностическая модель спектральных данных 32
2.2.2. Уточнение частоты вращения 33
2.2.3. Оценка затрудняющих диагностику факторов 35
2.2.4. Алгоритм выделения диагностического критерия 38
2.3. Критерий спектра виброускорения 42
2.4. Критерий спектра огибающей 45
2.5. Анализ существующих ограничений 50
2.6. Выводы по второй главе 51
Глава 3. Разработка методик диагностики сложных систем, их технического обслуживания и прогноза состояния 52
3.1. Формирование единого диагностического критерия 52
3.1.1. Обоснование необходимости использования единого критерия 52
3.1.2. Метод «оптимальной» скаляризации 53
3.1.3. Алгоритм формирования обобщенного критерия 55
3.2. Разработка алгоритмов организации оптимального технического обслуживания сложных систем 56
3.2.1. Модель кинематического изнашивания 56
3.2.2. Анализ современных математических методов принятия решений 59
3.2.3. Марковские случайные процессы 64
3.2.4. Практическое использование марковских процессов с дискретными состояниями и дискретным временем 71
3.3. Пример практической диагностики и выбора оптимальной стратегии обслуживания сложных систем 74
3.4. Разработка алгоритмов прогнозирования 82
3.4.1. Выделение тренда 83
3.4.2. Построение долгосрочного прогноза 87
3.4.3. Построение краткосрочного прогноза 89
3.4.4. Разработка алгоритмов построения прогноза 91
3.5. Выводы по третьей главе 93
Глава 4. Проектирование систем автоматизированной диагностики, обслуживания и прогноза состояния 94
4.1. Методология проектирования диагностических систем 94
4.2. Функциональные требования к разрабатываемой системе 99
4.3. Описание основных логических блоков 102
4.3.1. НІРО-диаграмма 102
4.3.2. Процедуры импорта входных данных 103
4.3.3. Раздел хранения и обработки данных 107
4.3.4. Раздел представления выходных данных 114
4.4. Результаты проектирования 117
4.5. Выводы по четвертой главе 118
Глава 5. Программная реализация специализированной диагности ческой системы 119
5.1. Импорт результатов измерений и работа с базой данных 120
5.2. Экспресс оценка состояния и рекомендации по выбору оптимальной стратегии обслуживания 125
5.3. Оценка остаточного ресурса 129
5.4. Работа с отчетными материалами 133
5.5. Пример практического использования программного продукта 136
5.6. Выводы по пятой главе 140
Заключение 141
Список литературы
- История развития и основные понятия вибрационной диагностики
- Выбор наиболее информативных типов замеров
- Формирование единого диагностического критерия
- Методология проектирования диагностических систем
Введение к работе
В настоящее время все более пристальное внимание в науке уделяется вопросам системного анализа, управления и обработки информации. Бурное развитие и усложнение техники (машины становятся менее металлоемкими, более энергоемкими, производительными и приспособленными к оперативному изменению технологии), существенное расширение масштабов проводимых мероприятий и спектра их возможных последствий, внедрение автоматизированного управления во все области практики - все это приводит к необходимости всестороннего анализа сложных систем с учетом отраслевой специфики. Основа такого анализа -выполнение теоретических и прикладных исследований системных связей и закономерностей функционирования и развития объектов и процессов, ориентированных на повышение эффективности их управления с использованием современных методов обработки информации. Для решения практических отраслевых задач от науки, в первую очередь, требуются рекомендации по оптимальному управлению такими объектами и процессами. Сегодня роль науки важна как никогда - ведь слишком велики потери (людские, экологические, экономические, производственные и т.д.), связанные с возможными ошибками.
Одна из подобных наиболее важных на сегодняшний день практических производственных задач - надежная и безопасная работа оборудования. От правильного ее решения зависят не только высокие экономические показатели предприятия, но, достаточно часто, здоровье и жизни многих людей. Большое количество агрегатов, скрытый характер возникновения и развития неисправностей, накопленная за долгие годы работы усталость оборудования нередко являются причинами аварийных ситуаций, которые сопровождаются значительными экономическими потерями и загрязнением окружающей среды. В этих условиях для квалифицированной оценки работоспособности оборудования, грамотной организации его технического обслуживания и правильного планирования сроков и объемов ремонтных работ особенно важно применять современные достижения науки в области обработки информации, принятия решений на основе обработанной информации, оптимизации и прогнозирования. Многочисленные исследования показали, что в качестве информации для анализа, максимально достоверно характеризующей состояние сложных механических систем с вращающимися частями (далее агрегатов), может быть использована вибрация [1].
Можно выделить три основные этапа жизненного цикла оборудования: изготовление, монтаж и собственно эксплуатация. Первоначально состояние оборудования обычно определяют либо на заводе-изготовителе, либо при входном контроле в момент его поступления на склад. Для этого существуют специальные стенды входного контроля, на которых по нескольким замерам вибрации, выполненным за короткий отрезок времени, могут быть определены дефекты изготовления или ремонта. Например, для
подшипников качения такими дефектами являются волнистость дорожек, гранность и разноразмерность тел качения и т.д. [3,4]. Для оценки качества проведенного монтажа состояние оборудования контролируют во время приемосдаточных испытаний. На сегодняшний день разработано достаточное количество методик, позволяющих с высокой достоверностью выявить дефекты изготовления и монтажа методами вибрационной диагностики [5,6]. К сожалению, использование этих методов не позволяет получить ответ на главные вопросы - текущее состояние и остаточный ресурс оборудования. Поэтому наибольший практический интерес вызывает именно оценка состояния оборудования на этапе эксплуатации.
В настоящее время существует большое количество методов диагностики во время эксплуатации. Однако, как показывает практика, достоверность диагноза по какому-либо одному методу крайне невелика. Наибольшая достоверность диагностики достигается при одновременном использовании нескольких методов. В этом случае результаты диагностики, полученные разными методами, дополняют друг друга, а заключение о дальнейшем использовании, ремонте или замене оборудования выдается после комплексного анализа всей имеющейся информации [7].
Основная сложность подобной диагностики - неизбежное влияние человеческого фактора. Отсутствие норм на допустимые уровни замеров и необходимость комплексного использования данных различных замеров затрудняют формализацию процедуры диагностики. Основными факторами, определяющими достоверность, в этом случае служат накопленный опыт и знания специалиста, производящего диагностику. К сожалению, особенности работы одной группы агрегатов в большинстве случаев не позволяют перенести накопленный опыт на другое оборудование [8,9,10]. Например, специалист, успешно диагностирующий насосы нефтеперерабатывающего завода, окажется беспомощным при диагностике подшипников тихоходных редукторов прокатных станов металлургического производства, работающих в условиях непериодических ударных нагрузок. Поэтому основная задача диагностики заключается в создании математического обеспечения, позволяющего объективно оценивать текущее состояние оборудования. При этом по возможности предлагаемые методики должен быть не чувствительны к типу оборудования, частоте вращения, воспринимаемым нагрузкам т.д.
Другая проблема диагностики, с которой на практике сталкиваются многие специалисты - недостаток априорной информации. Далеко не всегда существуют данные периодического мониторинга, сведения о проводимых ревизиях, заменах смазки, других ремонтных мероприятиях, а иногда отсутствует и информация о точной частоте вращения и технических характеристиках. В этих условиях (необходимость анализа большого количества различных параметров и отсутствие достаточного количества априорных данных) особенно важно иметь методику примерной оценки состояния оборудования при экспресс-диагностике [11].
Одним из ключевых узлов подавляющего числа агрегатов является подшипник качения. Оценка его работоспособности и остаточного ресурса
имеет первостепенное значение, ведь состояние подшипника в большинстве случаев определяет межремонтный интервал всего агрегата [2]. Поэтому именно на примере подшипника качения с успехом могут быть продемонстрированы возможности использования современных методов системного анализа, управления и обработки информации при решении важных производственных задач в различных отраслях промышленности. Причем, в процессе решения задачи по определению текущего состояния подшипника и оценке его остаточного ресурса используется все многообразие аппарата системного анализа сложных объектов, начиная с формализации и постановки задачи, заканчивая разработкой методов и алгоритмов, оптимизацией, идентификацией, прогнозом, оценкой эффективности предлагаемых методик и созданием специального математического и программного обеспечения.
В данной работе на примере подшипников качения рассматривается процесс создания математического обеспечения для автоматизированной диагностики сложных систем по различным параметрам вибрации и программного продукта, позволяющего в автоматическом режиме проводить экспресс-диагностику и выполнять прогнозирование остаточного ресурса. В рамках настоящей работы автором оценивались достоинства и недостатки наиболее распространенных методов вибрационной диагностики. Проведенный сравнительный анализ доказал необходимость одновременного использования нескольких различных методов для проведения достоверной диагностики. Обзор функциональных возможностей существующих аппаратных и программных средств показал отсутствие реализованного инструментария, необходимого для многопараметрической диагностики сложных систем, в том числе и подшипников качения. Отсутствие до настоящего времени такого универсального инструментария свидетельствует об актуальности темы диссертационной работы.
На основании анализа данных специальных экспериментальных исследований, выполненных автором, и его опыта практической диагностики на предприятиях различных отраслей промышленности в рамках настоящей работы впервые были определены наиболее информативные и помехозащи-щенные критерии оценки состояния подшипника. Для ряда диагностических критериев автором впервые были разработаны алгоритмы «фильтрации» данных, которые с успехом могут быть использованы при идентификации состояния различных сложных систем. Решена задача экспресс оценки состояния сложных объектов в многомерном пространстве диагностических признаков. При помощи процессов марковского типа с дискретными состояниями и дискретным временем автором впервые была решена задача выбора оптимальной стратегии технического обслуживания сложных систем. Для контроля работоспособности оборудования в рамках периодического мониторинга созданы алгоритмы выделения «полезного» тренда и впервые решена задача оптимального (с точки зрения используемой стратегии обслуживания) прогнозирования. Впервые разработана и формализована в виде алгоритма методология проектирования диагностического обеспечения,
предназначенного для анализа состояния сложных систем, прогноза их состояния и выбора оптимальной стратегии технического обслуживания. Конечный этап работы - создание специализированного программного продукта, реализовывающего разработанные методики, который может быть использован как при экспресс-диагностике (импорт данных из прибора), так и в рамках периодического мониторинга (импорт данных из базы данных мониторинга).
Разработанные методики и алгоритмы могут быть использованы не только для диагностики, обслуживания и прогноза состояния сложных систем, но и служить руководством при создании прикладного диагностического программного обеспечения. Так, реализованный автором на базе этих методик специализированный программный продукт может применяться при диагностике любых видов подшипников в независимости от их габаритов, конструктивного исполнения, воспринимаемых нагрузок, частоты вращения и т.д.
Настоящая диссертационная работа состоит из введения, пяти глав, заключения и трех приложений.
В первой главе кратко рассмотрены основы современной вибрационной диагностики и показана практическая важность решения задачи диагностики сложных систем по параметрам вибрации. По результатам системного анализа наиболее распространенных типов замеров автором доказана необходимость одновременного использования нескольких методов для эффективной диагностики. Обзор существующего аппаратного и программного обеспечения показал отсутствие реализованных возможностей по одновременному использованию нескольких параметров при диагностике и важность создания специализированного программного продукта для решения задачи многопараметрического анализа сложных систем.
Во второй главе приведены краткие результаты экспериментальных исследований, выполненных автором в рамках настоящей работы, для выбора наиболее информативных типов замеров. Впервые автором на примере подшипников качения системно рассмотрены факторы, затрудняющие диагностику, предложены алгоритмы выделения помехоустойчивых критериев и представлены их формальные описания. Исследованы области применения каждого из предложенных диагностических критериев и формализована логика их срабатывания.
В третьей главе автором для оценки текущего состояния сложных механических систем предложена методика формирования диагностического скаляра в многомерном пространстве диагностических признаков и разработаны алгоритмы оптимальной скаляризации. Выполнено аналитическое сравнение различных математических методов планирования экспериментов и исследования операций с различной полнотой данных -полная определенность, риск и неопределенность. Впервые доказана возможность и целесообразность применения процессов марковского типа с дискретными состояниями и случайными дискретными интервалами времени для выбора оптимальной стратегии технического обслуживания сложных
механических систем. Разработаны алгоритмы построения наилучшей стратегии обслуживания для модели с доходами (затратами). Впервые в зависимости от формы технического обслуживания рекомендованы методики долгосрочного (по методу наименьших квадратов) и краткосрочного (адаптивная экспоненциальная модель) прогнозирования и разработаны соответствующие алгоритмы. На примере экспериментальных исследований, подтверждена высокая достоверность разработанных методик - практически полное совпадение диагностических заключений с данными ремонтного вскрытия.
В четвертой главе автором впервые описана методология разработки математического обеспечения для диагностики и прогноза состояния сложных систем. На примере подшипников качения показаны основные этапы проектирования подобных систем: сформулированы цели и задачи проектирования, определены требования к аппаратным ресурсам, интерфейсной части, базе данных и процедурам обмена. Предложена технология HIPO, существенно упрощающая проектирование, и построена приближенная НІРО-диаграмма, описывающая состав и взаимодействие основных логических блоков системы. Предложена реляционная модель базы данных, определено взаимодействие между различными полями, разработана и оптимизирована ER-модель («сущность - связь»). Созданы «укрупненные» алгоритмы работы системы, описывающие взаимодействие различных компонентов в рамках используемой НІРО технологии, позволяющие перейти непосредственно к программной реализации системы.
В пятой главе автором на примере подшипников качения рассмотрены особенности программной реализации специализированной системы автоматизированной диагностики. Описана работа различных блоков программного продукта - базы данных, диагностики, прогноза, формирования протоколов. На примере автоматизированной диагностики подшипника магистрального насоса РУП «Гомельтранснефть «Дружба» показаны преимущества разработанного программного обеспечения перед существующими программными и аппаратными средствами и доказана важность его практического использования.
В заключении подводятся общие итоги работы и приводятся основные полученные результаты. На основании представленных актов о внедрении на предприятиях различных отраслей промышленности (Приложение 3) делаются выводы об эффективности применения разработанного математического и программного обеспечения для автоматизированной диагностики сложных систем и создания специализированных программных продуктов.
Полученные в процессе выполнения диссертационной работы результаты докладывались на пяти международных конференциях [16,19,110,111,112]. Основные результаты диссертации опубликованы в 17 работах [1,2,7,8,9,17,51,52,69,70,71,90,96,104,105,106,109] и изложены в 5 научных отчетах [62, 86, 98, 99, 118].
История развития и основные понятия вибрационной диагностики
Бурное развитие техники, увеличение промышленных мощностей, резкое повышение производительности, борьба за конкурентоспособность выпускаемой продукции, требования безопасности создали все необходимые предпосылки для возникновения технической диагностики состояния оборудования. Процесс зарождения и становления нового направления происходил эволюционно. Так, в Советском Союзе особым почетом на предприятиях пользовались мастера-слухачи, которые на ощупь или на слух с помощью отвертки или стетоскопа определяли малейшие изменения в работе машин. Результаты подобной диагностики в значительной степени были подвержены влиянию человеческого фактора, а оценки зачастую носили субъективный характер. Постоянно ужесточающиеся требования к безопасности эксплуатации сделали жизненно необходимым создание объективной количественной оценки работоспособности оборудования. Первые контрольные приборы, следящие за вибрационными параметрами, появились в конце 40-х годов. С помощью стационарных систем стало возможно предотвращать аварии и останавливать агрегаты до их полного разрушения, но точное определение дефектных узлов при помощи аналоговых устройств того времени было невозможно.
Качественно новый этап в развитии контрольно-измерительной техники - появление цифровой диагностической аппаратуры - начался в 70-80-е годы. Он был связан с активным развитием микропроцессоров, параллельно с которым происходила смена поколений полупроводниковой элементной базы. Для новых вычислительных систем создавалось программное обеспечение, которое применялось, в том числе, и в диагностических целях. Примерно в это же время в США и Европе активизировалось строительство на базе газовых турбин парогазовых установок, газо- и нефтеперекачивающих станций. Работа всех этих машин требовала мощной диагностической поддержки. Появились сотни небольших компаний, активно разрабатывающих методики диагностики [12].
В эпоху компьютерной революции стал возможен новый скачок в области вибрационной диагностики. Появилось большое количество многофункциональной виброизмерительной аппаратуры. В этот период отечественное приборостроение сильно отстало от западного (даже агрегаты атомных подводных лодок приходилось диагностировать зарубежными приборами). К сожалению, высокая стоимость западных приборов существенно препятствовала их широкому распространению. Такая ситуация в нашей стране сохранялась до начала 90-х годов, пока на рынке не появились первые серийные отечественные виброанализаторы AU фирмы «Диамех» [13]. Через несколько лет уже существовало несколько фирм, разрабатывающих виброизмерительную аппаратуру. Отечественные приборы были намного дешевле зарубежных аналогов и практически не уступали им по своим функциям. С этого момента в нашей стране началось массовое внедрение методов и средств вибрационной диагностики на предприятиях различных отраслей промышленности.
Вибрация (колебания с относительно малой амплитудой и не слишком низкой частотой) - типичное явление для любого оборудования, содержащего движущиеся элементы конструкции [14]. Она возникает из-за ряда свойств, которые являются естественным следствием изготовления элементов оборудования и характеристик материалов. При увеличении вибрации эти свойства могут развиваться в серьезные дефекты. В свою очередь развитие дефекта в оборудовании приводит к изменению характеристик вибрации. Увеличение вибрации выше определенного уровня может привести к разрушению элементов оборудования или характеризовать разрушение. Таким образом, вибрация служит как причиной развития дефектов, так и их индикатором.
Вибрационная диагностика - один из методов неразрушающего контроля - наука о причинах возникновения вибрации и методах ее устранения. Вибродиагностика применяется для контроля текущего состояния оборудования, выявления возможных дефектов, оценки остаточного ресурса, определения сороков и объемов ремонтных работ. При этом измерения происходят на работающем оборудовании, что существенно повышает эффективность использования данного метода. Анализ отечественного и зарубежного опыта контроля технического состояния систем с вращательным движением силовых узлов показывает, что для обнаружения возможных отказов наиболее эффективен (до 77%) контроль состояния оборудования именно по вибропараметрам [15]. На рис. 1.1 показана диаграмма применения аппарата вибрационной диагностики на различных этапах жизненного цикла машинного оборудования.
Экономическая целесообразность применения методов вибрационной диагностики в различных отраслях техники обусловлена множеством причин: снижением вероятности непредвиденных аварий с катастрофическими последствиями; ликвидацией или уменьшением количества переборок, сокращающих ресурс оборудования; снижением стоимости техобслуживания и ремонта; экономией запасных частей и горюче-смазочных материалов [16]. При этом потери, связанные с простоем производства и затратами на восстановление поврежденного оборудования, многократно превосходят расходы на приобретение, установку и применение средств вибрационного мониторинга.
Большое количество работ, посвященных вопросам определения экономической эффективности внедрения и использования методов вибрационной диагностики, - лучшее тому подтверждение. Так, сравнительный анализ различных методов обслуживания роторного оборудования, по данным Ассоциации Открытых Систем Управления Информацией о Состоянии Машин "MIMOSA" [18], показал, что удельные затраты на техобслуживание в энергетическом секторе США составили в 1998 году на единицу мощности (л.с. - лошадиную силу) соответственно $18 на л.с. - при работе оборудования до выхода из строя, $13 на л.с. - при обслуживании по регламенту, $ 9 на л.с. - при обслуживании по техническому состоянию, $ 6 на л.с. - при проактивном обслуживании.
Таким образом, правильное внедрение методов и средств вибрационной диагностики позволяет при переходе с обслуживания по регламенту (планового) на проактивное снизить затраты на техобслуживание оборудования более чем в 2 раза.
На сегодняшний день существует большое количество различных видов замеров, позволяющих оценивать состояние самого разнообразного оборудования [17, 19, 20, 21, 32]. В зависимости от решаемых задач (от типа оборудования, режимов его работы, целей диагностики) могут меняться настройки замеров - единицы представления, полосы частот, время измерения, тип и количество усреднений, однако, сами замеры остаются практически неизменными. Рассмотрим подробнее на примере подшипников качения наиболее распространенные виды замеров, которые используются для оценки технического состояния самых различных сложных систем.
Выбор наиболее информативных типов замеров
В предыдущей главе (пункт 1.3) автором были сформулированы основные задачи, которые должны быть решены для создания эффективной системы автоматизированной диагностики сложных систем. Среди них -поиск наиболее информативных данных с точки зрения оценки состояния диагностируемого узла, анализ факторов, затрудняющих диагностику, и разработка алгоритмов выделения информативных составляющих для формирования вектора диагностических признаков. Рассмотрим более подробно пути решения указанных выше задач на примере подшипников качения различного промышленного оборудования.
Для поиска наиболее информативных типов замеров в рамках настоящей работы автором были выполнен полный цикл испытаний по усталостному разрушению подшипников на стенде для испытания на долговечность модели ВНИПП-542 [58,60]. В течение 9 месяцев с выбранной периодичностью, согласно рекомендациям, изложенным в рабочей методике [59], разработанной специалистами научно-исследовательского центра (НИЦ) ОАО «Московский подшипник» (ГПЗ №1) во время испытаний партии из четырех радиальных однорядных шариковых подшипников №208 класс точности 0 [61] производства ГПЗ №1 на различных режимах работы автором проводились измерения различных параметров вибрации [62]. Измерения осуществлялось с использованием виброанализаторов «Кварц» серийный номер 1181 (№ 19888-00 в Государственном реестре средств измерений) и «Агат» серийный номер 0041 (№ 21140-01 в Государственном реестре средств измерений). В процессе испытаний на каждом из режимов проводились следующие измерения: ОУ ВЧ (высокочастотный общий уровень виброускорения), Пик-фактор, Спектры огибающей (3 замера с разными 1/3-октавными фильтрами), Спектр виброскорости (стандартная полоса частот; 10 Гц - 1 кГц), Спектр виброускорения (стандартная полоса частот; 100 Гц - 10 кГц), Эксцесс (временной).
Стендовые испытания завершились разрушением подшипника №1. При визуальном осмотре подшипника после вскрытия были выявлены многочисленные раковины на внутреннем кольце, обширный износ наружного кольца (в зоне нагружения), разрушения двух тел качения и сепаратора. На основании данных, полученных во время стендовых испытаний по усталостному разрушению подшипников, автором была произведена оценка возможности использования различных «общедоступных» методов вибрационной диагностики (пункт 1.4) в качестве критериев определения состояния подшипников на различных этапах жизненного цикла. Ниже, в таблице 2.1, по пятибалльной шкале ( -максимальная оценка, прочерк - отсутствие возможности) приведены сравнительные характеристики различных методов.
Проведенный автором анализ показал, что в качестве критериев оценки состояния подшипника на различных этапах его жизненного цикла наиболее эффективно могут быть использованы спектр огибающей (в основном, на этапах 1 и 2), спектры виброскорости и виброускорения (этапы 2 и 3) и эксцесс (этапы 0 и 3). Однако данные замеров спектров могут быть существенно «зашумлены», что значительно снижает достоверность диагностики. Поэтому в качестве диагностических критериев, использующих данные спектров (огибающей, виброскорости и виброускорения), должны быть использованы предварительно отфильтрованные данные. Ниже на примере подшипников качения более подробно рассмотрены факторы, затрудняющие диагностику, и предложены алгоритмы фильтрации данных для каждого из трех перечисленных типов замеров.
Спектральный анализ - один из наиболее распространенных и эффективных методов анализа, позволяющий в рассматриваемой полосе разделить измеряемый сигнал на компоненты разной частоты, возбуждаемые различными источниками колебательных сил и имеющие разную природу [63]. При диагностике подшипников качения по спектру виброскорости для подавляющего большинства агрегатов, как правило, используется частотная полоса с верхней границей от 1 до 2 кГц. В этой полосе частот проявляется большинство дефектов роторного оборудования, таких как дисбаланс, расцентровка, ослабления, задевания, дефекты муфт и т.д. Кроме того, в этом частотном диапазоне могут присутствовать составляющие электромагнитной, гидродинамической или аэродинамической природы. Поэтому при диагностике подшипников качения по спектру виброскорости особенно важно выделить именно подшипниковые составляющие. В большинстве случаев это составляющие не целократные частоте вращения.
Выделяют три основные группы диагностических составляющих: дискретные составляющие, частоты которых кратны частоте вращения - Z(/), дискретные составляющие, частоты которых пропорциональны частоте вращения, но связаны с ней дробными коэффициентами - я(/), частотные составляющие, независимые от частоты вращения, прочие составляющие и непрерывная компонента спектра, заполняющая промежутки между дискретными составляющими первых двух групп - Н(/).
Таким образом, обобщенная диагностическая модель спектра вибросигнала S(/) в виде набора шумовых и периодических составляющих имеет вид [64]: щ=т+т + щ/ (2-і)
Для диагностики агрегата необходимо выделить из спектра составляющие каждой из групп. При оценке состояния подшипников качения наибольший интерес представляют именно составляющие n(f).
Алгоритм выделения подшипниковых составляющих условно можно разделить на следующие этапы: уточнение частоты вращения, выделение из спектра составляющих вида Z(/), выделение из спектра шумовых составляющих Н(/), формирование массива iz(f), исключение из массива тс(/) неподшипниковых составляющих. Рассмотрим более подробно каждый из этих этапов.
Формирование единого диагностического критерия
В предыдущей главе автором на примере подшипников качения последовательно был проведен сравнительный анализ входных данных, рассмотрены основные факторы, затрудняющие диагностику, разработаны и формализованы методики фильтрации и алгоритмы формирования диагностических критериев. Предложенные подходы и алгоритмы могут быть полностью или частично (с необходимыми изменениями, учитывающими специфику предметной области) использованы для подготовки данных предваряющей анализ состояния и других сложных систем. Однако, в большинстве случае, при анализе подобных систем возникает необходимость одновременной оценки различных критериев.
Основная сложность такой оценки - неизбежное влияние человеческого фактора. Отсутствие норм на допустимые значения диагностических критериев и необходимость их ко мплексного использования затрудняют формализацию процедуры диагностики. Ключевыми факторами, определяющими достоверность анализа, служат накопленный опыт и знания специалиста, производящего диагностику. Особенности работы отдельных групп сложных систем в большинстве случаев не позволяют перенести этот опыт на другие объекты. В этих условиях особенно важно создать единый универсальный обобщенный критерий оценки, объективно отражающий текущее состояние анализируемой системы.
При помощи алгоритмов, предложенных автором в предыдущей главе, были сформированы четыре основных диагностических критерия оценки состояния подшипника качения по параметрам вибрации: общий уровень несинхронных подшипниковых составляющих, вычисленный по спектру виброскорости, нормированный отфильтрованный общий уровень виброускорения, мера сходства, рассчитанная по спектру огибающей, высокочастотный эксцесс.
Рассмотрим последовательно процесс формализации процедуры многопараметрической диагностики сложных систем на примере подшипников качения.
Один из наиболее эффективных подходов при формировании обобщенного критерия, т.е. замене вектора диагностических признаков скалярной величиной, - «оптимальная» скаляризация [77]. Рассмотрим этот подход более подробно. Пусть существуют две группы объектов: А - «после монтажа» (в хорошем состоянии) и В - «предаварийные» (в крайне неудовлетворительном состоянии). Объекты каждой из групп характеризуются выборками Xf,...,X A и Xf,...,X B соответственно, где NA количество объектов в группе A, a TVs - количество объектов в группе В. Каждый вектор в выборке X], z = А, В, j = 1, ..., Nz является л-мерным X =(Xzn,...,Xzjn), где Xjt- z -й диагностический критерий j -ro объекта. Идея формирования «наилучшей» скаляризации базируется на замене вектора X) скаляром г]=ЪгЧ (3-1) 1=1 где коэффициенты /. выбираются некоторым «оптимальным образом» [78]. Наиболее наглядно процедуру определения «наилучшей» скаляризации можно представить, используя геометрическую интерпретацию. Замена вектора диагностических критериев X) скаляром г J по формуле (3.1) эквивалентно проектированию каждого X) на некоторую прямую с направляющим вектором / = (/,,...,/„). На рис. 3.1 представлены два Рис. 3.1. Геометрическая интерпретация «наилучшей» скаляризации кластера А и В в двухмерном пространстве. Очевидно, что проекция на направление /(1) позволяет более четко различать А и В, чем проекция на /(2).
Р. Фишером было предложено выбирать направление / таким образом, чтобы отношение квадратов разностей, спроектированных на / средних значений к сумме дисперсий спроектированных выборок была бы максимальной. Выразим отношение Фишера через векторы средних значений и ковариационные матрицы.
На основании полученного множества диагностических признаков для двух групп объектов (А - в хорошем состоянии и В - в неудовлетворительном состоянии) Xf,...,X A и X ,..., Х%в последовательно по формуле (3.3) рассчитываются соответственно математические ожидания juA, juB, ковариационные матрицы SA, SB (формула (3.5)), матрица обратная их сумме (SA+SB) 1 и оптимальный вектор Фишера /, (формула (3.7)). На основании этих данных по формуле (3.2) вычисляются одномерные выборки единых диагностических критериев уАп уj. Для оценки «разделяемости» групп А и В используется неравенство (3.8). Если неравенство справедливо, то признаки таковы, что группы А и В достаточно разделены, если нет, то необходимо изменить множества диагностических признаков.
Ранее (пункты 3.1.2, 3.1.3) автором было показано, каким образом по множеству диагностических признаков может быть произведена оценка текущего состояния диагностируемой системы. Следующая задача, имеющая огромную производственную важность, которая должна быть решена в рамках данной работы - выдача рекомендаций по дальнейшему техническому обслуживанию (не выполнять никаких действий, осуществить техническое обслуживание, произвести замену или ремонт и т.п.). Причем важно, чтобы такое обслуживание осуществлялось «оптимальным» с точки зрения производственной и экономической целесообразности образом. Для решения этой задачи автором в рамках настоящей работы была изучена модель износа диагностируемого объекта, проведен сравнительный анализ различных математических методов для выбора математического аппарата, адекватно описывающего поведение исследуемого объекта, и разработаны алгоритмы выбора оптимальной формы технического обслуживания. Рассмотрим последовательно каждый из этих этапов.
При разработке алгоритмов оценки текущего состояния диагностируемой системы на стадии эксплуатации важно понимать процессы, происходящие в системе по мере ее износа, и знать основные этапы развития дефектов. На сегодняшний день существует большое количество литературы, подробно описывающей процесс изнашивания различных узлов механизмов [79,80]. На рис. 3.3 представлена схема характерных процессов изнашивания узлов механизма в зависимости от наработки (цифрами соответственно отмечены: 1 - износ упругого сопряжения, 2 - износ жесткого сопряжения, 3 - классическая кривая Лоренца, 4 - усталостный или кавитационный износ, 5 - коррозионный износ).
Методология проектирования диагностических систем
В предыдущих главах автором детально были рассмотрены пути решения задачи анализа состояния сложных систем. На первом этапе (п. 1.3) автором была обоснованна практическая важность многопараметрического анализа сложных систем, показана невозможность построения оценки состояния по какому-то одному критерию и доказана необходимость комплексного использования различных параметров для достоверного определения текущего состояния. Анализ современных аппаратных и программных средств (п. 1.4) показал, что подобное комплексное использование различных методов не может быть проведено посредством существующего инструментария по ряду причин, среди которых низкое быстродействие процессоров, ограниченный объем памяти, неспособный хранить данные предыдущих замеров для выполнения процедуры мониторинга, необходимость кропотливой предварительной настройки, адаптации и т.д. Поэтому после детального изучения было принято решение о создании системы автоматизированной диагностики, позволяющей максимально быстро и эффективно производить экспресс анализ состояния диагностируемых объектов и выдавать рекомендации по их дальнейшему обслуживанию.
Для этого в рамках настоящей работы автором на примере подшипниковых узлов были проведены исследования по усталостному разрушению, которые позволили выявить наиболее информативные типы замеров (п. 2.1). Выполнен ряд практических работ для оценки факторов, препятствующих диагностике [8,16,86,90,96,98,99,111], и на их основе предложены методики фильтрации данных и созданы соответствующие алгоритмы (п. 2.2 - 2.4). Изучены подходы к оценке состояния многопараметрических объектов [49,76,77,78,81,82] и разработан алгоритм «оптимальной» скаляризации для формирования диагностического скаляра -единого диагностического критерия (п. 3.1.3). Рассмотрена модель кинематического износа (п. 3.2.1) и современные стратегии технического обслуживания. Эти данные, а также сравнительный анализ различных математических методов (п. 3.2.2), выполненный автором, позволили решить задачу по выбору наиболее эффективной стратегии обслуживания с использованием марковских процессов с дискретными состояниями и дискретным временем (п. 3.2.4). Практические исследования (п. 3.3) подтвердили высокую эффективность предложенных автором методик. Для объектов, обслуживаемых в рамках периодического мониторинга, были предложены и алгоритмизированы различные методики прогнозирования (пункт 3.4).
Несмотря на то, что решение сформулированных ранее задач выполнялось на примере подшипниковых узлов, предложенные подходы и методики могут быть успешно использованы и при диагностике других сложных систем. Примерами таких систем могут служить как отдельные узлы различного вращающегося оборудования, так и целые классы агрегатов. Использование же в качестве входных данных результатов других методов контроля (акустико-эмиссионного, ультразвукового и т.д.) позволяет существенно расширить область применения и успешно диагностировать такие объекты, как сварные швы, сосуды, трубопроводы и т.п. Произведем формальное описание основных этапов разработки, которое может быть использовано в дальнейшем при построении различных специализированных диагностических систем.
Первым этапом, следующим за изучением предметной области и обоснованием важности и актуальности решаемых задач, является этап первичного анализа и выбраковки входных данных. На основании теоретических и практических исследований часть входных данных, использование которых по каким-либо причинам не оправдано, исключается из дальнейшего рассмотрения. В случае подшипниковых узлов таким этапом стал сравнительный анализ, представленный в п. 2.1. настоящей работы. По его результатам из дальнейшего рассмотрения были исключены данные замеров формы сигнала и пик-фактора.
Второй этап разработки - системный анализ факторов, затрудняющих анализ данных, разработка алгоритмов фильтрации зашумленных данных и формирования диагностических критериев. В рамках настоящей работы подобный анализ на примере подшипников качения производился в пунктах 2.2.3, 2.3. и 2.4. На основании полученных результатов автором были разработаны и формализованы в виде алгоритмов методики фильтрации (клиппирование) и обработки данных (мера сходства, нормирование). Предложенные методики могут быть использованы для формирования вектора диагностических признаков независимо от типа входных данных. Подобный подход с успехом может применяться и для решения задач диагностики других сложных систем. На этой же стадии определяются возможные ограничения по дальнейшему использованию диагностических критериев с учетом специфики решаемой задачи.
Следующим этапом разработки диагностической системы является собственно диагностика - оценка состояния исследуемой системы по вектору диагностических признаков. Один из подходов к оценке текущего состояния многопараметрических систем заключается в переходе от вектора признаков к обобщающей скалярной величине. В качестве методики формирования подобной скалярной величины (единого диагностического критерия) автором предлагается аппарат оптимальной скаляризации (п. 3.1.2). В пункте 3.3. настоящей работы на примере подшипниковых узлов доказывается эффективность данной методики при диагностике сложных систем. Алгоритмы формирования обобщенного критерия, приведенные автором в пункте 3.1.3, могут быть с успехом использованы при анализе самых различных систем.
Важным практическим аспектом «оптимальной» скаляризации служит проверка на разделяемость векторов диагностических признаков объектов с различным техническим состоянием. Данная проверка осуществляется по формуле 3.8. В случае, если результаты практической оценки работоспособности методики формирования единого диагностического критерия показали плохую разделяемость признаков, необходимо повторять (полностью или выборочно) описанные ранее этапы до выполнения неравенства 3.8. После завершения этого этапа можно переходить непосредственно к диагностике.
В процессе формирования единого диагностического критерия по тестовым группам рассчитываются пороговые уровни для различных групп технических состояний и при необходимости производится нормировка. Процедура диагностики заключается в отнесении исследуемого объекта к одной из описанных групп. Подобная идентификация производится аналогично методикам, приведенным в пункте 3.3 настоящей работы.
Важным практическим аспектом любой диагностической системы является не только оценка текущего состояния рассматриваемого объекта, но и выдача рекомендаций по его техническому обслуживанию. Для решения этой задачи автором в рамках настоящей работы с учетом рассмотренной модели изнашивания (п. 3.2.1) было выполнено аналитическое сравнение различных математических методов планирования экспериментов и исследования операций с различной полнотой данных - полная определенность, риск и неопределенность (п. 3.2.2). По результатам проведенного анализа для решения задачи оптимизации технического обслуживания автором были предложены дискретные марковские процессы с дискретным временем (модель с доходами) и разработаны соответствующие алгоритмы. Пример практической реализации данного подхода представлен в пункте 3.2.4 настоящей работы. Описанные процедуры могут быть при наличии соответствующей статистики, необходимой для построения матриц переходных вероятностей, с успехом использованы для решения аналогичных задач по выбору оптимальной формы технического обслуживания. При этом в зависимости от специфики решаемой задачи могут быть использованы и другие виды марковских случайных процессов.
Прогноз дальнейшего поведения рассматриваемой системы и оценка времени безотказной работы - другая диагностическая задача, имеющая важное практическое значение. Причем наибольший интерес вызывает прогноз, отвечающий потребностям ремонтного и эксплуатационного персонала, т.е. прогноз в условиях выбранной оптимальной стратегии обслуживания. В рамках настоящей работы автором были детально проработаны и алгоритмизированы все процедуры необходимые для построения краткосрочных и долгосрочных прогнозов состояния различных систем (п. 3.4). Единственным практическим ограничением прогноза может служить недостаток априорной информации о более ранних состояниях рассматриваемой системы.
