Содержание к диссертации
Введение
1. Актуальность проблемы автоматизации определения технического состояния стрелочного переводного устройства 13
1.1 Анализ статистических данных по отказам стрелочного переводного устройства 13
1.2. Характеристика устройства стрелочного электропривода как объекта обеспечения надежности функционирования систем железнодорожной автоматики и телемеханики 17
1.3. Анализ методов технического диагностирования стрелочного переводного устройства 25
1.3.1 Актуальность проблемы автоматизации технического обслуживания стрелочного переводного устройства 25
1.3.2. Системы технической диагностики и мониторинга для определения технического состояния стрелочного переводного устройства 26
1.3.3. Зарубежный опыт в техническом диагностировании стрелочного переводного устройства 31
1.3.4. Анализ модели прогнозирования стрелочного переводного устройства на основе времени перевода стрелки 33
1.3.5. Анализ диагностической модели стрелочного переводного устройства на основе индикации крайнего положения стрелки 34
1.3.6. Выявление предотказных состояний стрелочного переводного устройства 35
1.3.7. Преимущества и недостатки существующих методов анализа контролируемых параметров стрелочного переводного устройства 38
1.4. Выводы 41
2. Методы синтеза моделей диагностирования и прогнозирования технического состояния стрелочного переводного устройства 44
2.1. Выбор диагностических параметров для построения модели диагностирования и прогнозирования технического состояния стрелочного переводного устройства 44
2.2. Анализ особенностей диагностических параметров для синтеза диагностической модели и модели прогнозирования технического состояния стрелочного переводного устройства 56
2.3. Выбор математического аппарата для синтеза диагностической модели и модели прогнозирования технического состояния стрелочного переводного устройства 68
2.4. Синтез диагностической модели и модели прогнозирования стрелочного переводного устройства 71
2.4.1. Модель диагностирования стрелочного переводного устройства на основе метода многокритериальной оценки 71
2.4.2. Диагностическая модель на основе метода нейронных сетей 74
2.4.3. Сравнение двух методов 79
2.4.4. Модель диагностирования на основе комбинированного метода 80
2.4.5. Модель прогнозирования технического состояния стрелочного переводного устройства на основе оценки изменения диагностического параметра линией тренда 84
2.5. Выводы 88
3. Синтез алгоритмов диагностирования и прогнозирования технического состояния стрелочного переводного устройства 91
3.1. Алгоритмы диагностирования и прогнозирования технического состояния стрелочного переводного устройства 91
3.1.1. Алгоритм диагностирования стрелочного переводного устройства на основе метода многокритериальной оценки параметра 91
3.1.2. Алгоритм диагностирования стрелочного переводного устройства на основе нейросетевого метода 101
3.1.3. Алгоритм прогнозирования технического состояния стрелочного переводного устройства на основе оценки изменения диагностического параметра линией тренда 105
3.2. Разработка алгоритма поиска неисправностей в стрелочном электроприводе с электродвигателем постоянного тока 109
3.3. Синтез аппаратуры съема диагностической информации 115
3.4. Алгоритм диагностирования стрелочного переводного устройства на основе комбинированного метода 129
3.5. Выводы 131
4. Разработка системного подхода для определения эффективности внедрения систем технической диагностики и мониторинга 132
4.1. Концепция оценки эффективности функционирования системы технической диагностики и мониторинга 132
4.2. Разработка комплексной системы показателей эффективности систем технической диагностики и мониторинга 136
4.3. Алгоритм расчета показателей системы эффективности систем технической диагностики и мониторинга 148
4.4. Оценка показателей эффективности систем технической диагностики и мониторинга для стрелочного переводного устройства 152
4.5. Выводы 163
Заключение 165
Список сокращений 167
Список использованных источников 169
- Анализ методов технического диагностирования стрелочного переводного устройства
- Анализ особенностей диагностических параметров для синтеза диагностической модели и модели прогнозирования технического состояния стрелочного переводного устройства
- Диагностическая модель на основе метода нейронных сетей
- Алгоритм диагностирования стрелочного переводного устройства на основе нейросетевого метода
Анализ методов технического диагностирования стрелочного переводного устройства
СЭП является напольным устройством и подвергается механическим (динамическое воздействие при проходе поезда), электромагнитным, климатическим (осадки, перепады температуры) воздействиям, которые могут приводить к нарушению нормального функционирования СЭП. Кроме того, к этому могут приводить ошибки обслуживающего персонала. СУ СЭП являются наиболее ответственными узлами систем ЭЦ. К схемам управления СЭП предъявляются следующие основные требования: осуществление подачи питания на ЭД привода (перевод стрелки) и контроль положения остряков стрелочного перевода; невозможность перевода остряков стрелки, занятой подвижным составом; невозможность перевода остряков стрелки, замкнутой в маршруте; невозможность самопроизвольного перевода стрелки; двухполюсное отключение ЭД от линейных проводов в нерабочем состоянии; самоотключение ЭД контактами АП СЭП в конце перевода стрелки; исключение возможности получения ложного контроля; исключение возможности ложного срабатывания контрольной цепи при коротком замыкании кабельной линии и сообщениях линейных проводов; отказ в работе ненадежных элементов должен приводить схему в защитное состояние;
СПУ относится к восстанавливаемым устройствам долгосрочного использования, требующим постоянного технического обслуживания и обладающим следующими свойствами надежности [25, 45, 46, 79]: контролепригодность, ремонтопригодность, долговечность [25, 45, 46, 79] и сохраняемость [25, 45, 46, 77]. Постоянное техническое обслуживание позволяет увеличивать срок эксплуатации СПУ и поддерживать его в исправном состоянии в условиях сложного спектра нагрузок [47].
Под контролепригодностью понимается свойство объекта, характеризующее его приспособленность к проведению контроля заданными средствами [22, 24, 45, 46, 79]. Характеристики контролепригодности УСЭП: контроль крайнего положения стрелки (информация от контрольных реле или с ламп контроля крайнего положения на пульте табло); значения тока перевода стрелки (информация с амперметра на пульте табло); значения усилия перевода стрелки (измерение осуществляется ручным средством – УКРУПом); значения времени перевода (информация с секундомера на пульте табло); контроль взреза стрелки (звонок взреза, лампа контроля взреза на пульте табло); значения сопротивления обмоток в ЭД постоянного тока (измерением осуществляется мегаомметром 4100/1); значения сопротивления изоляции в ЭД токоведущих частей относительно корпуса (измерением осуществляется мегаомметром 4100/1); значения напряжения на выводах ЭД при работе на фрикцию (измерением осуществляется комбинированным прибором Ц 4380); контроль замыкания остряков стрелки при закладке щупа на 2 мм и не замыкания остряков стрелки при закладке щупа на 4 мм.
Перечень измерительных приборов, рекомендованных для применения при технической эксплуатации СПУ, установлен Инструкцией по техническому обслуживанию № ЦШ 720 09.
Работы по техническому обслуживанию СЭП производятся в свободное от движения время (в интервалы между поездами) по согласованию с дежурным по станции.
Основным недостатком определения технического состояния СПУ с использованием ручных средств измерения является отсутствие оценки качества работы и контроля выполнения технического обслуживания работниками дистанции СЦБ, от работы которых во многом зависит надежность функционирования устройств ЖАТ и жесткая привязанность к графику движения поездов.
Под ремонтопригодностью понимается свойство объекта, заключающееся в приспособленности к предупреждению и обнаружению причин возникновения отказов, повреждений и поддержанию и восстановлению работоспособного состояния в результате проведения технического обслуживания и ремонтов [23, 45, 46, 79]. Возможны два основных способа фиксации отказа [14]: непосредственно в момент отказа (например, внезапная потеря контроля стрелки по причине неисправности выпрямительного блока БДР) и в момент срабатывания устройства (например, стрелка не переводится по причине попадания постороннего предмета между остряком и рамным рельсом). Первый способ дает возможность начать поиск в момент времени когда произошел отказ и устранить его до того момента, когда появится необходимость использовать отказавший объект. При втором способе проявление отказа объекта фиксируется при его использовании, а это может приводить к нарушению технологического процесса.
Анализ особенностей диагностических параметров для синтеза диагностической модели и модели прогнозирования технического состояния стрелочного переводного устройства
В настоящее время определение предотказного состояния заключается в фиксации достижения диагностическим параметром некоторого заранее известного значения, например, ±10 % от нормативного [34, 36]. Для выявления предотказного состояния в разных СТДМ [87, 88, 94] используются следующие диагностические параметры: время перевода стрелки, напряжение источника питания рабочей цепи; рабочий ток (для стрелок постоянного тока).
При отсутствии логического анализа и аналитического прогнозирования накапливается большое количество предотказных состояний, поскольку любые несущественные изменения диагностических параметров (например, напряжения) отмечаются системой [4] (рисунок 1.13).
СТДМ Фиксация «ложных» предотказных состояний может привести либо к отказу, который может вызвать нарушение безопасности и бесперебойности движения поездов, либо к «ложному» реагированию обслуживающего персонала, что приведет к увеличению трудозатрат. Следовательно, разработка метода автоматизации синтеза модели для прогнозирования изменения диагностического параметра СПУ является актуальной задачей. Основные требования к разрабатываемой модели по прогнозированию изменения диагностического параметра заключаются в ее устойчивости к скачкообразному изменению диагностического параметра и минимальной погрешности прогнозирования с целью повышения достоверности выявления предотказных состояний.
Анализ по контролируемым параметрам СПУ в двух распространенных СТДМ показывает, что в АДК-СЦБ реализовано больше измерений по сравнению с АПК-ДК и, соответственно, больше выявляемых отказов и предотказных состояний. Все существующие СТДМ имеют существенный недостаток: фиксируется только проявление неисправности, но не указывается возможный элемент либо список элементов, отказ которых мог привести к этой неисправности.
Анализ контролируемых параметров позволяет выявлять только проявление неисправности: потерю, кратковременное пропадание и внезапную смену контроля стрелки, увеличенное или уменьшенное время перевода, невозможность перевода стрелки, работу СЭП на фрикцию. При этом все равно происходят отказы, некоторые неисправности могут не выявляться. Например, при установке маршрута могут одновременно переводиться несколько стрелок, график рабочего тока, снимаемого с шунта общего амперметра на табло, получается усредненным, не несущим информации об особенностях СПУ. Такой недостаток характерен и для такого диагностического параметра, как усилие перевода стрелки.
В диссертационной работе [108] рассмотрены вопросы совершенствования методов диагностирования ЭД постоянного тока на основе исследования коммутационных свойств коллекторно-щеточного узла ЭД постоянного тока и АП по безыскровой работе в рабочем диапазоне. Также рассмотрен вопрос старения изоляции обмоток возбуждения и якоря ЭД и определения ее срока службы. В указанной работе разработано автоматизированное устройство контроля сопротивления изоляции и технического состояния ЭД постоянного тока. Недостатком работы [108] является то, что разработанный контроллер необходимо устанавливать в каждый привод, что приведет к дороговизне проекта и к зависимости от внешних условий эксплуатации. В работе отсутствуют методы обработки измеряемых диагностических параметров СПУ в СТДМ, адаптация с существующими СТДМ, что не позволяет разработать комплексное диагностирование СПУ и алгоритмы поиска неисправностей, позволяющие сократить и локализовать время и поиск отказавшего элемента.
Диагностическая модель на основе метода нейронных сетей
Если ошибка обучения на проверочной выборке не достигает минимального установленного уровня, то текущая архитектура сети не подходит для решения задачи. В таком случае изменяется число нейронов в скрытых слоях и повторяется обучение. В результате исследования множества архитектур сети выбирается та, которая распознает наилучшим образом графики тока перевода (двухслойная сеть с числом нейронов в скрытых слоях L=18).
Так как задача о повышении скорости обучения нейронной сети не стоит, то функция активации нейронов выходного слоя будет использоваться одна из распространенных нелинейных - логистическая: средневзвешенная сумма, которая вычисляется при определении выходного значения нейрона.
В случае успешного обучения сеть не всегда обучается именно тому, чего от неё хотим. Необходимо проводить проверку при помощи тестовой выборки, отличную от исходных входных наборов. На практике объем тестовой выборки для проверки правильности функционирования нейросетевой модели составляет примерно 30% от обучающей выборки. Тестовая выборка должна содержать в целом все рассматриваемые примеры в обучающей выборке.
Разработанная нейросетевая модель отличается от модели, описанной в [89], по следующим признакам: отсутствие преобразования входных данных в форму импульсно-кодовой модуляции; выявление неисправностей для всех типов ЭД, а также других элементов СПУ, состояние которых (узлов) определяется по графику тока перевода; использование для обучения нейронной сети алгоритма RProp, который ускоряет этот процесс [103].
Характеристика Нейронные сети Метод многокритериальной оценки параметра Выбордиагностическихкритериев не требуется требуется Синтез алгоритма анализа автоматический ручной Критерий классификации неизвестен известен Адаптивностьметода дляиспользования сдругими исходнымиданными высокая средняя Простота использования высокая высокая Скорость работы метода высокая высокая Скорость подготовкиметода кклассификации низкая высокая
Как видно из таблицы 2.5 каждый метод обладает своими характерными особенностями. Важной и отличительной особенностью двух методов является то, что нейронная сеть автоматически подбирает диагностические критерии, о которых неизвестно человеку, тогда как в методе многокритериальной оценки сам человек выбирает признаки. В первом случае, когда сеть с ошибкой распознает тестовую выборку, то ее необходимо загрузить на обучение, а во втором случае человеку необходимо добавлять диагностические критерии до тех пор, пока безошибочно будет распознаваться тестовая выборка. Для нейронной сети синтез такого анализа – автоматический, а для метода многокритериальной оценки – ручной. Еще важной особенностью нейронной сети является то, что она работает с любым форматом данных, в то время как метод многокритериальной оценки позволяет работать только с численными значениями. Оба метода просты в использовании и скорость процесса распознавания данных в обоих методах высока. А время обучения для нейронной сети велико и может достигать от нескольких часов до нескольких дней по причинам большого объема и схожести обучающей выборки. В методе многокритериальной оценки процесс обучения заключается в расчете выделенных диагностических критериев и соответственно скорость процесса обучения высокая. Основные временные затраты в аналитическом методе приходятся на выбор диагностических признаков.
Помимо приведенных в таблице 2.5 достоинств и недостатков использования нейросетевого метода при решении задачи по определению ТСУ СПУ стоит отметить его неинвариантность относительно сдвигов измеренных значений тока перевода (т.е. увеличение входного массива значений тока перевода нулями), что, ввиду характера задачи, является отрицательным фактором.
Анализ данных таблицы 2.5 позволяет сделать вывод, что при использовании каждого метода диагностирования по отдельности существует ряд недостатков, которые влияют на результат диагностирования.
При измерении тока перевода стрелки в существующих СТДМ график зачастую строится не с момента нарастания тока, а с момента включения пусковой аппаратуры. Поскольку временные параметры работы релейных схем управления СЭП многократно уступают частоте опроса, массив данных измерений оказывается перегружен нулями, что приводит к существенному увеличению его объема и снижению достоверности определения СТ нейросетевым методом. В случае успешного обучения сети она будет распознавать графики тока с низкой достоверностью. Кроме того, наличие в обучающей выборке нулей, не несущих информации о переводе стрелки, затрудняет процесс обучения нейронной сети.
При синтезе ДМ на основе метода многокритериальной оценки параметра существует проблема адекватности определения кратчайшего расстояния до выделенных диагностических областей в n-мерном пространстве.
Для достижения инвариантности относительно сдвигов измеренных значений тока перевода при использовании нейросетевого метода предлагается использовать не каждый из методов в отдельности, а их комбинацию [104]. Комбинация методов позволяет сохранить все преимущества нейросетевого метода, детально учитывая характер задачи. В таком случае входными данными для нейросетевого метода будут диагностические критерии, значения которых вычисляются методом многокритериальной оценки диагностического параметра (рисунок 2.15).
В пункте 2.4.1 приведен граф состояний СПУ, который показывает, что в процессе эксплуатации устройство может находиться в плюсовом С1, минусовом С2 крайних положениях, осуществлять перевод из плюсового положения в минусовое (С3) и наоборот (С4). Неисправности могут возникать в любом из перечисленных СТ и в одном случае приводят к потере контроля крайнего положения С5, С6, в другом – к невозможности перевода стрелки С7, С8. В каждом СТ можно выявлять неисправности, анализируя выбранные диагностические параметры СПУ (выбор диагностических параметров обоснован в пункте 2.1).
Алгоритм диагностирования стрелочного переводного устройства на основе нейросетевого метода
Целью определения эффективности функционирования СТДМ для СПУ является: - повышение качества технического обслуживания СПУ; - выявление показателей, которые непосредственно влияют на безопасность и бесперебойность движения поездов; - определение величины эксплуатационных расходов при внедрении новых разработок СТДМ; - выявление недостатков и достоинств технического обслуживания с сочетанием СТДМ и регламентного обслуживания и без учета СТДМ; - определение оптимального набора диагностических параметров.
Анализ работ по техническому диагностированию на транспорте [21] показывает, что вопросам оценки эффективности систем диагностирования уделяется недостаточно внимания. В то же время по оценке эффективности систем технической диагностики существует несколько работ, которые содержат необходимую базу знаний для применения в сфере технического диагностирования устройств ЖАТ. Существует несколько подходов по оценке эффективности систем диагностирования:
Определение показателей работы СТДМ [45,46]. В данном методе оценка эффективности СТДМ заключается в определении вероятности правильной оценки состояния устройства.
Процесс формирования показателей эффективности СТДМ в таком случае основан на построении иерархического дерева. Показатели распределены по разным уровням дерева и количественно характеризуют процесс функционирования СТДМ. На первом уровне: вероятность правильного функционирования и достоверность диагноза, на втором – коэффициент готовности, вероятность безотказной работы на интервале времени и составляющие достоверности диагностирования (соответствие диагностической модели объекту, полнота диагностирования, инструментальная достоверность), на третьем - показатели надежности структурных единиц, параметры диагностических признаков, показатели процесса диагностирования. Недостаток метода для систем ЖАТ - не учитывается влияние системы ТДМ на безопасность и бесперебойность движения поездов и на эксплуатационные расходы.
Определение показателей надежности эксплуатируемой системы [21,27].
Автор в [21] выделяет показатели эффективности СТДМ на стадии проектирования и на стадии использования. На стадии проектирования наиболее важными показателями оценки эффективности систем диагностирования являются: вероятность правильной оценки состояния объекта диагностирования и степень повышения эффективности объекта диагностирования, а на стадии использования – точность и достоверность диагностической информации. Взаимосвязь показателей показана выражениями, в которых эффективность СТДМ определяется как вероятность безотказной работы без технического диагностирования и с использованием технического диагностирования, коэффициент готовности соответственно при отсутствии диагностирования и с ее использованием.
С точки зрения диагностирования систем ЖАТ недостатком метода является отсутствие оценки влияния системы на безопасность и бесперебойность движения поездов, затраты связанные с техническим обслуживанием.
Определение показателей безопасности и бесперебойности процесса, управляемого эксплуатируемой системой [51]. Метод позволяет оценить влияние сокращения отказов эксплуатируемой системы ЖАТ на сбои процесса движения поездов при внедрении СТДМ. Основой метода является расчет коэффициента безопасности и коэффициента технического использования при отсутствии СТДМ и с использованием СТДМ.
Недостаток метода – не учитывается изменение эксплуатационных расходов при внедрении СТДМ.
Непрерывный автоматизированный контроль технического состояния устройств ЖАТ позволяет выявлять предотказные состояния, что позволяет принять меры по их устранению и, следовательно, предотвратить возникновение отказа. Поскольку отказ еще не произошел, последствия отказа не проявились, то будет сокращение эксплуатационных расходов. Если затраты на внедрение СТДМ и расходы на ее содержание будут превышать сокращенные эксплуатационные расходы от своевременного предотвращения отказов, применение такой системы будет нецелесообразным.
СТДМ, контролирующая все устройства сложных систем ЖАТ, получилась бы дорогостоящей и, таким образом, малоэффективной либо с отсутствием эффекта. В [82] предлагают оценить эффективность внедрения СТДМ следующим образом. Ущерб от возникновения неисправностей определяется расходами на восстановление исправного работоспособного состояния системы и издержками, связанными с простоем поездов на время ремонта. Экономический эффект от внедрения СТДМ будет определяться экономией средств от ее работы. Экономия средств – это разность эксплуатационных затрат и капиталовложений в СТДМ за расчетный период времени.
Недостаток метода – не учитываются показатели безопасности и безотказности работы устройств, безопасности и бесперебойности движения поездов.
Эффективность внедрения СТДМ определяется не только сокращением эксплуатационных расходов, влиянием человеческого фактора в обслуживании устройств ЖАТ, но и долей обнаруживаемых и устраненных отказов от общего числа отказов устройств ЖАТ, что непосредственно влияет на безопасность и безотказность работы устройств, на безопасность и бесперебойность движения поездов.
В каждом из подходов нет полной оценки эффективности СТДМ для систем ЖАТ в силу трудностей, связанных с обеспечением высокого уровня безопасности и бесперебойности движения поездов, эксплуатации устройств СЖАТ:
