Содержание к диссертации
Введение
1. Современные методы и технические средства систем диагностики и контроля технического состояния устройств железнодорожной автоматики и телемеханики .8
1.1 Анализ контролируемых параметров и методы их обработки в системах диагностики и контроля устройств железнодорожной автоматики, телемеханики и связи 8
1.2 Обзор существующих систем диагностики и контроля параметров устройств железнодорожной автоматики, телемеханики и связи 15
1.3 Анализ методов технического диагностирования устройств автоматики и телемеханики на основе методов самоорганизации 24
1.4 Выводы по главе и постановка задачи диссертации 34
2. Разработка методов технической диагностики систем железнодорожной автоматики и телемеханики 37
2.1 Метод обучения в системе технической диагностики на основе предварительной кластеризации признакового пространства 37
2.2 Оценка риска в моделях самоорганизующихся систем технической диагностики устройств железнодорожной автоматики и телемеханики 46
2.3 Применение методов теории самоорганизации в системах технической диагностики, построенных на принципах программной и аппаратной избыточности 57
2.4 Особенности алгоритмов самоорганизующихся методов диагностирования устройств железнодорожной автоматики и телемеханики 67
2.5 Выводы по главе 81
3. Разработка методов измерений систем технической диагностики с учетом программной и аппаратной избыточности 82
3.1 Измерительные тракты в самоорганизующихся системах технической диагностики устройств железнодорожной автоматики и телемеханики 82
3.2 Разработка методов измерений для самоорганизующихся систем технической диагностики 85
3.3 Техническая реализация систем диагностики с программной и аппаратной избыточностью 97
3.4 Выводы по главе 104
4. Оценка экономической эффективности системы технической диагностики 105
4.1 Определение капитальных вложений 106
4.2 Расчет экономического эффекта
Заключение 114
Список использованных источников
- Обзор существующих систем диагностики и контроля параметров устройств железнодорожной автоматики, телемеханики и связи
- Оценка риска в моделях самоорганизующихся систем технической диагностики устройств железнодорожной автоматики и телемеханики
- Разработка методов измерений для самоорганизующихся систем технической диагностики
- Расчет экономического эффекта
Обзор существующих систем диагностики и контроля параметров устройств железнодорожной автоматики, телемеханики и связи
Актуальной технической задачей является разработка систем ТД, отвечающим высоким требованиям надежности и безопасности движения поездов при минимальном составе оборудования, высокой экономической эффективности. Сокращение количества отказов, среди которых большое количество защитных, можно достичь применением современных средств диагностики. Это достигается анализом поступающей информации о предотказных состояниях отдельных деталей и узлов, а также систем в целом. Прогнозирование этих состояний и своевременное принятие соответствующих мер с минимальным участием человека или вовсе без его участия не только позволит повысить безопасность, но и улучшить культуру труда.
Для решения этих вопросов необходим глубокий анализ параметров эксплуатируемых устройств СЦБ и видов отказов в них, выбор оптимального числа контролируемых параметров, разработка эффективных и надежных методов и алгоритмов идентификации состояния ОД, высокоточных и быстродействующих методов измерения. ,
Значительная часть объектов контроля не только распределена вдоль железнодорожного полотна и находится на больших расстояниях друг от друга, но и постоянно взаимодействуют друг с другом [6]. При этом не допускают перерывы в их работе. Это требует разработки не только способов и методов передачи информации диагностического характера, определения оптимальной структуры системы контроля, но и разработки методов диагностирования, которые могут быть реализованы в таких системах. Учитывая рассосредоточен-ность контролируемых объектов, СК должна иметь высоконадежный канал связи между отдельными уровнями иерархической структуры. Такая структура должна обладать универсальностью, то есть пригодностью для использования при диагностике различных по сложности и выполняемым функциям объектов контроля, что достигается применением реконфигурируемых технических средств.
Поскольку при своем функционировании перегонные и станционные системы СЦБ базируются на ряде общих однотипных узлов и элементов, то это позволяет в определенной степени комплексно решать задачу технического диагноза на базе единой теории и методов оценки их работоспособности.
Понятия «техническая диагностика» и «контроль технического состояния» определяются согласно ГОСТ [7].
Системы технической диагностики, по своему функциональному назначению, подразделяются на два вида:
1. Тестовые. К ним относятся стационарные системы технической диагностики СТД, устанавливаемые, как правило, в специализированных помещениях, например, ремонтно-технологических участках, контрольно-измерительных пунктах и т.д.
2. Функциональные. Это, как правило, встроенные системы технической диагностики, контролирующие правильность работы аппаратуры ЖАТ.
Каждую из рассматриваемых систем можно отнести к классу сложных, состоящих из большого числа функциональных элементов, блоков и узлов, объединенных единой общей целью. Поэтому эта особенность должна быть учтена при разработке новых методов диагностирования, позволяющая повысить их универсальность, уменьшить время определения технического состояния
Отказы устройств СЦБ могут быть разделены на внезапные и постепенные. Возникающие с определенной вероятностью внезапные отказы не поддаются прогнозированию. При постепенных отказах напротив, возможно оценить характер изменения параметров ОК и на основании этого прогнозировать его состояние во времени. Согласно статистическим данным, постепенные отказы в устройствах СЦБ составляет 40-50%, а внезапные - 55-60% [8]. Поэтому эффективное использование систем контроля технического состояния и оперативный ремонт в КИПах позволит уменьшить число отказов на 40-50%, сократить время обнаружения неисправности на 25-30%.
Статистический анализ отказов устройств СЦБ [8] выявил наиболее часто отказывающие элементы. Их неполный перечень приведен в табл. 1.1. Прогнозировать количество отказов можно по значению их интенсивности.
Значения интенсивности отказов показывают, что на различных железных дорогах она практически не меняется. Средние величины могут стать основой для определения перечня контролируемых параметров в устройствах СЦБ.
Оценка риска в моделях самоорганизующихся систем технической диагностики устройств железнодорожной автоматики и телемеханики
Принятие решения в самоорганизующейся системе диагностики имеет свои особенности. При кластеризации размеры и положение разграниченных областей признакового пространства определяются без учета тех состояний ОД, которые соответствуют той или иной группе кластеров. Заранее неизвестно к какому состоянию диагностируемого устройства будет отнесен вектор входного сигнала (исправному, неисправному и т.д.). В этом случае при ошибочном определении символического имени кластера может возникнуть ошибка определения технического состояния устройства СЦБ. Риск такой ошибки будет определяться степенью близости входного вектора к центральному кластеру и тем, какие состояния ОД соответствуют соседним кластерам.
Анализ возможных методов решения этой задачи показал, что наиболее эффективным является использование критерия минимума средней функции риска и критерия «Неймана-Пирсона» [42]. Согласно критерию «Неймана-Пирсона» [42] принимается гипотеза, соответствующая минимальной вероятности пропуска цели при заданном допустимом значении вероятности ложной тревоги. Однако, для всех без исключения кластеров априорно неизвестно, отказ первого или второго рода может возникнуть в случае ошибки. Такая неопределенность возникает вследствие того, что в пространство состояний ОД внесена избыточность для обеспечения возможности назначения их символических описаний после завершения процесса обучения. Поскольку результатом самоорганизации модели СТД являются модели разделяющих поверхностей сразу для всех состояний диагностируемого устройства, то необходима оценка сразу всей совокупности решений. Поэтому для оценки риска диагностирования за основу был взят критерий минимума среднего риска, при расчете которого используются потери во всех кластерах.
Пусть объект ЖАТ имеет NP оптимально выбранных диагностируемых параметров. Методы оптимального выбора числа диагностируемых параметров для различных объектов ЖАТ детально рассмотрены в [8,9]. Также была произведена предварительная кластеризация всего NP- мерного пространства признаков методом, рассмотренным в п.2.1. Предположим, что на одном из шагов процесса диагностирования оказалось, что значение вектора входного сигнала не совпадает с заданной точностью ни с одним из центроидов, т.е. находится на границе между двумя или несколькими заранее заданными центральными значениями. В этом случае требуется проведение дополнительных исследований на предмет принадлежности поступившего входного вектора к одному из кластеров. Результатом дополнительных исследований должно стать описание для разделяющей поверхности.
Эта поверхность делит пространство признаков на непересекающиеся области с указанием принадлежности соответствующей области к тому или иному классу, описывающему состояние ОД (исправен, неисправен к-й элемент и т.д.). Она проходит по тем точкам х, для которых апостериорные вероятности принадлежности к ближайшим классам (одному или нескольким) равны. Та область многомерного пространства признаков, где апостериорная вероятность принадлежности х к одному из классов W больше, чем апостериорная вероятность принадлежности к одному из оставшихся классов, принимается за область класса Wt. В результате разделения признакового пространства на кластеры и назначения символьного описания каждому из них, в процессе диагностирования возникнет одна из следующих ситуаций: 1. смысловое описание соседних кластеров совпадает; 2. смысловые описания соседних кластеров отличаются друг от друга, но все они принадлежат одному и тому же классу состояний объекта диагноза (исправное или неисправное и т.д.); 3. смысловые описания соседних кластеров отличаются друг от друга и принадлежат различным классам состояний объекта (исправное, неисправное, предотказное). Для устройств ЖАТ наиболее опасным является вариант для различных классов состояний ОД, т.к. ошибка диагностирования в этом случае может привести к возникновению необнаруженного отказа.
При делении входного пространства признаков образуется К кластеров, из них только КР могут являться пограничными, т.е. разделяющими два или несколько различных по смыслу состояний, причем К КР.
При невозможности точно определить состояние ОД, СТД делает пробное указание и на принадлежность входного сигнала к k-й области среди граничащих друг с другом группы кластеров КР с распределением fi/u). Это распределение является дискретно-непрерывным из-за дискретной записи и(п) как функции дискретного аргумента п- номера входного вектора СТД. Тогда число указаний и(п) равно числу состояний ОД, граничащим с тем кластером, в который попал входной вектор и определяется радиусом близости R (рис.2.5).
Количество градаций по уровню и(п) задается заранее и определяется точностью оценки уверенности СТД при постановке диагноза. Такая неуверенность возникает в том случае, когда невозможно с априорно заданной достоверностью определить состояние ОД.
Согласно правилам проверки устройств ЖАТ [43], допустимый диапазон изменения любого входного выходного сигнала СТД во время тестовых воздей 49
ствий должен перекрывать диапазон изменения того же параметра в условиях эксплуатации. При этом, как правило, вероятности нахождения устройства в различных состояниях неодинаковы и определяются теми режимами работы объекта, в которых он чаще всего находится.
Разработка методов измерений для самоорганизующихся систем технической диагностики
Системы железнодорожной автоматики и телемеханики требуют совместного использования имитационного моделирования и метода самоорганизации модели для определения их технического состояния, т.е. применения комбинированного метода.
Проанализировав различные методы диагностирования, за основу были взяты методики, используемые в методе группового учета аргументов. Выбор МГУА обусловлен тем, что этот метод самоорганизации модели гарантирует получение объективных и непротиворечивых систем уравнений, оптимальных по структуре и множеству учитываемых переменных. Принцип самоорганизации заключается в построении модели оптимальной структуры. При этом ОД должен входить в класс простых детерминированных систем как объектов состоящих из элементов, механизм действия которых известен исследователю [46].
Как правило, при измерении параметров аппаратуры сигнал зашумлен вследствие как внутренних, так и внешних источников помех (электронные модули, электропитающие установки, напольное оборудование). Для определения весовых коэффициентов в модели необходимо наличие обучающей выборки значений входного сигнала. Для объектов ЖАТ, состоящих из набора совместно взаимодействующих компонентов со сложной структурой (аппаратура тональных рельсовых цепей, системы диспетчерского контроля, релейные цепи), создание обучающей выборки путем имитационного моделирования затруднено. Поэтому наиболее целесообразно создание ее по результатам работы реального физического устройства в различных режимах его работы. При этом важно, чтобы зашумленная обучающая выборка не являлась противоречивой. Непротиворечивость моделей - основной критерий выбора метода группового учета аргументов. В данном случае, она обеспечивается предварительной кластеризацией пространства входных значений.
Целью использования МГУА является достижение минимума целесообразно выбранного критерия селекции, в отличие от рефессионного анализа, где целью является достижение минимума среднеквадратической ошибки на всех экспериментальных точках при заданном виде уравнения регрессии.
Для достижения точности и регулярности решения, среди результатов измерения контролируемых параметров выделяется часть узлов интерполяции в отдельную проверочную последовательность. Остальные узлы образуют обучающую последовательность, которая используется для оптимизации оценок коэффициентов. Проверочная последовательность используется в МГУА для выбора числа членов и степени уравнения рефессии; это позволяет получить наиболее регулярное решение (оптимальной сложности), мало чувствительное к небольшим изменениям исходных данных.
Для описания математической модели метода представим объект p = f(xl,x2,xi,..xn) несколькими рядами частных описаний, где хх,х2,хъ,.х„- пространство нормированных входных измеренных значений, р- континуум состояний ОД. Частным случаем является замена непрерывной функции р набором дискретных, заранее заданных состояний объекта срк. Затем разделим признаковое пространство рядами селекции. ства на основе поименованных кластеров, в качестве опорных функций целесообразно использовать полиномы различных степеней ввиду их универсальности и простоты получения результатов численными методами. При этом степень полного описания повышается с каждым рядом селекции, т.е. удваивается. В первом ряду реализуется квадратичная селекция, во втором - регрессия четвертой степени, в третьем - восьмой степени и т.д. Каждое частное описание является функцией только двух аргументов.
Коэффициенты частных описаний определим по данным обучающей последовательности. Из ряда в ряд селекции при помощи пороговых отборов будем пропускать только некоторое количество самых регулярных и несмещенных переменных. Степень регулярности решений оценивается по величине среднеквадратической ошибки на отдельной проверочной последовательности. Полное описание решающей функции будем искать при помощи исключения промежуточных переменных из ряда Колмогорова-Габора.
Для получения наиболее регулярного математического описания, в качестве критерия селекции используется величина среднеквадратической ошибки, измеренной на отдельной проверочной последовательности.
Расчет экономического эффекта
Для оценки работоспособности объекта контроля необходимо иметь первичную информацию о состоянии его элементов, блоков и отдельных узлов. Формирование такой информации можно получить с помощью специальных измерительных устройств, реализованных на микропроцессорной основе [56]. Основное их назначение состоит в качественной оценке параметров контроля.
Под качеством, в данном случае, понимается точность измерения контролируемых величин при минимально допустимых погрешностях.
Требуемые значения достоверности контроля могут быть достигнуты следующим образом: 1) уменьшением погрешностей измерений; 2) совершенствованием моделей технической диагностики и измерений. Рассмотрим методы уменьшения погрешностей. Измерение аналоговых электрических параметров устройств возможно различными способами [57, 58]. Среди основных, можно отметить использование аналоговых, цифровых и комбинированных методов. Устройства контроля технического состояния, использующие аналоговые или комбинированные (аналого-цифровые) методы широко распространены и обладают как рядом преимуществ, так и рядом недостатков.
Аналоговые методы измерения затруднительно использовать в автоматизированных СТД устройств ЖАТ вследствие особенностей их эксплуатации и сопряжения с вычислительными средствами [59, 60]. Цифровые методы измерения используют цифровую фильтрацию и спектральный анализ. Эти методы обеспечивают различную точность измерения и время получения результата [61, 62].
Получение цифрового эквивалента аналоговой величины осуществляется аналого-цифровыми преобразователями (АЦП) различных типов, в том числе встроенными в микроконтроллер. При измерении постоянного напряжения или сигнала, изменяющегося сравнительно медленно (до нескольких сотен кГц), используют АЦП последовательного приближения. В случае необходимости измерения быстроизменяющегося сигнала целесообразнее использовать АЦП параллельного типа.
Основные возможности цифровых методов измерения определяются параметрами АЦП. В силу их технологических особенностей, точность измерения напряжения падает с уменьшением времени преобразования, т.е. с увеличением частоты дискретизации сигнала [63]. Особенно резкий спад наблюдается при повышении частоты дискретизации свыше 1кГц (табл.3.1). Многоканальные АЦП, более эффективные по критерию «цена-эффективность» по сравнению с одноканальными, имеют еще более низкое время преобразования, чем у одно-двух- канальных. Однако, увеличение количества АЦП в одном устройстве негативно сказывается на эффективности низкоуровневого программного обеспечения СТД. Также это требует увеличения числа управляющих линий ввода-вывода, количество которых у микроконтроллера ограничено.
Особого внимания заслуживают комбинированные методы, а именно итерационные методы с использованием обратной связи и компенсационные [57,64]. Применение обратной связи в измерительном канале повышает достоверность результата измерений даже при значительных отклонениях характеристики измерительного тракта от идеальной. Достоинство этих методов также заключается в том, что применяя АЦП с малым количеством разрядов, достигается более высокая точность измерений за счет изменения структуры канала, увеличения объема и времени обработки результатов измерений. Таблица 3.1
Вместе с тем, методы измерений в системах технической диагностики неразрывно связаны с математическими моделями, определяющими техническое состояние объекта диагноза. Поскольку в процессе диагностирования структура модели может измениться, это может потребовать реконфигурацию аналоговых трактов в целях повышения эффективности их взаимодействия. Она заключается в согласовании диапазона измерения АЦП и амплитуды сигнала, в аппаратной поддержке масштабирования признакового пространства и адаптации к параметрам каналов связи и т.д. В современных системах технической диагностики необходима возможность измерения параметров гармонических сигналов с высокой достоверностью во всем тональном диапазоне частот [65, 66]. В настоящее время стали доступны технические средства последнего поколения (программируемые пользователем аналоговые и цифровые матрицы), которые позволяют реализовать методы измерения с программной и аппаратной избыточностью. Однако реализация этих методов невозможна без их адаптации в соответствии с архитектурой выбранных элементов и разработки специальных, аппаратно реализуемых алгоритмов.
В диагностировании устройств ЖАТ важнейшим контролируемым параметром является напряжение. Получение значения напряжения зачастую сопряжено с определенными трудностями, а именно наличием помех с амплитудой в десятки раз превышающее уровень полезного сигнала и требованием измерения параметров сигнала во всем звуковом диапазоне частот. Одним из путей решения этой задачи является повышение разрешающей способности измерительного тракта. Однако решение одним выбором АЦП неэффективно по критерию «цена-качество».
Рассмотрим метод измерения основанный на компенсации значения входной величины эталонной [64]. Данный метод построен на принципе временного и пространственного разделения каналов, который реализован в цифровом и аналоговом трактах (рис.3.1). При пространственном разделении измерительных каналов коммутация входного сигнала не требуется, что полностью исключает использование аналоговых мультиплексоров для переключения пределов измерений
