Содержание к диссертации
Введение
1. Обзор методов и средств контроля и диагностики устройств систем управления техническими объектами 11
1.1. Объект исследования 11
1.2. Этапы диагностирования устройства системы управления 14
1.3. Математические модели объектов диагностирования 16
1.4. Идентификация функциональных зависимостей диагностируемых объектов 19
1.5. Способы описания технического состояния объекта диагностирования 20
1.6. Методы и средства диагностирования одиночных дефектов 23
1.7. Диагностирование кратных дефектов 28
1.8. Номинальные и специальные условия внешней среды 30
1.9. Методы и средства прогнозирования технического состояния диагностируемого объекта 31
1.10.Контрольно-измерительные комплексы для испытания и диагностирования технических объектов 33
1.11 .Постановка цели и задач исследования 35
2. Исследование устройств систем управления 38
2.1. Модель предметной области диагностирования дефектов 38
2.2. Функциональная и информационная модели процесса диагностирования дефектов 46
2.3. Исходные условия и предпосылки создания методов и средств диагностирования устройств систем управления 49
2.4. Разработка формализованных моделей устройства системы управления 51
2.4.1. Аналитические модели 51
2.4.2. Разработка графоаналитической модели диагностируемого устройства 53
2.4.3. Исследование модели устройства 60
2.4.4. Определение допустимых дефектов и допустимых контрольных точек устройства 61
2.4.5. Формирование матриц покрытия устройства 63
2.5. Создание графоаналитической модели привода «Кемрон» 64
2.6. Выводы по главе 68
Разработка матриц контроля и диагностирования дефектов устройства системы управления с учётом влияния внешней среды 70
3.1. Моделирование поведения диагностируемого устройства 70
3.2. Определение критичных факторов внешней среды и режимов функционирования устройства 73
3.3. Критерии оценки соответствия технических характеристик диагностируемого устройства заданным требованиям 74
3.4. Исключение неинформативных тестов и параметров в процессе моделирования поведения устройства 76
3.5. Разработка моделей контроля и диагностирования дефектов устройства системы управления 77
3.5.1. Разработка матриц диагностирования одиночных дефектов в номинальных условиях внешней среды 78
3.5.2. Разработка матриц диагностирования дефектов кратности два в номинальных условиях внешней среды 80
3.5.3. Разработка матриц диагностирования одиночных дефектов для устройства, находящегося под воздействием критичных факторов внешней среды 83
3.5.4. Минимизация матрицы диагностирования дефектов для случая бинарного представления признаков 86
3.5.5. Минимизации матрицы диагностирования дефектов для варианта многозначного представления признаков 88
3.6. Разработка нейронной сети идентификации признаков состояния диагностируемого устройства 89
3.7. Разработка нейросетевого решателя задачи идентификации дефектов 97
3.7.1. Разработка логической нейронной сети идентификации одиночных дефектов в номинальных условиях внешней среды 97
107
3.7.2. Разработка логической нейронной сети идентификации кратных дефектов в номинальных условиях внешней среды 107
3.7.3. Разработка логической нейронной сети идентификации одиночных дефектов в критичных условиях внешней среды или для критичного режима функционирования
3.8. Пример практической разработки программ поиска одиночных и кратных дефектов привода «Кемрон», в том числе с учётом влияния внешней среды 110
3.8.1. Формирование причинно-следственных связей между дефектами и параметрами привода «Кемрон» 111
3.8.2. Формирование матрицы диагностирования одиночных дефектов привода «Кемрон» в номинальных условиях внешней среды 115
3.8.3. Формирование матрицы диагностирования дефектов кратности два привода «Кемрон» в номинальных условиях внешней среды 120
3.8.4. Формирование матрицы диагностирования одиночных дефектов привода «Кемрон» в условиях влияния факторов внешней среды 126
3.9. Пример разработки нейросетевых структур идентификации признаков технического состояния и дефектов на основе имитационного моделирования электропривода 133
3.10. Выводы по главе 139
4. Развитие структуры констрольно-измерительного комплекса испытания и диагностирования дефектов устройств систем управления 142
4.1. Развитие базовой структуры аппаратных средств контроля работоспособности и диагностирования дефектов устройств систем управления 143
4.2. Модель базы данных поддержки процесса диагностирования дефектов устройств систем управления 144
4.3. Алгоритмы и программы контроля и диагностирования дефектов устройств систем управления 149
4.4. Выводы по главе 154
Заключение 156
Список использованной литературы 159
- Способы описания технического состояния объекта диагностирования
- Разработка графоаналитической модели диагностируемого устройства
- Разработка матриц диагностирования одиночных дефектов в номинальных условиях внешней среды
- Модель базы данных поддержки процесса диагностирования дефектов устройств систем управления
Введение к работе
Актуальность темы. Показатели надёжности и качества функционирования систем управления существенно зависят от своевременного обнаружения и диагностирования дефектов входящих в их состав устройств.
Проблемы в области технического диагностирования дефектов цифровых и аналоговых технических объектов исследовались и обсуждались отечественными и зарубежными учёными (Пархоменко П.П., Мозгалевским А.В., Богомоловым A.M., Сытником А.А., Сперанским Д.В., Мироновским Л.А., de Kleer J., Console L., Williams B.C. и др.). Вместе с тем в настоящее время недостаточно исследованы методы и алгоритмы обнаружения и диагностирования нескольких (кратных) дефектов в технических объектах. Кроме того, существующие методы поиска дефектов не учитывают влияния внешней среды, которое может привести к появлению в структуре устройства одновременно нескольких дефектов.
В этой связи задача разработки теоретических и практических положений, методов и алгоритмов обнаружения и диагностирования кратных дефектов (в частности, кратности два) устройств, функционирующих, в том числе, в специальных условиях внешней среды, является актуальной, нужной и практически значимой задачей.
Цель работы заключается в разработке методов, алгоритмов, программных продуктов и развитии аппаратных средств контроля и диагностирования одиночных и кратных дефектов устройств систем управления в номинальных и специальных условиях их функционирования, обеспечивающих снижение временных и материальных затрат на поиск дефектов, улучшение технических характеристик на ранней стадии создания устройств.
Для достижения поставленной цели необходимо решить следующие задачи:
разработать модель устройства и обосновать состав допустимых дефектов в его поведении;
предложить подход к выявлению причинно-следственных связей между параметрами состояния выхода устройства и дефектами и к агрегированию информационно-значимых признаков обнаружения дефектов;
разработать новые методы и алгоритмы обнаружения и диагностирования кратных дефектов устройства, функционирующего в специальных условиях внешней среды;
разработать методики построения и обучения нейросетевых структур принятия решений в процессах диагностирования дефектов устройства.
Методы и средства исследований. В работе использованы методы теории управления, технического диагностирования, распознавания образов, искусственного интеллекта.
Научная новизна работы состоит в следующем:
Развит метод диагностирования одиночных дефектов устройств систем управления, который заключается в формировании соответствующей диагностической модели и отборе информативных параметров устройств с помощью предлагаемого усовершенствованного алгоритма.
Разработан метод диагностирования дефектов кратности два устройств систем управления, отличающийся исследованием влияния всевозможных пар одиночных дефектов на параметры устройства и параллельным анализом этих параметров, в результате чего достигнуто существенное сокращение времени диагностирования.
Развиты методы диагностирования, обеспечивающие обнаружение дефектов в критичных условиях внешней среды. Это позволяет на этапе создания своевременно принимать обоснованные упреждающие решения по улучшению технических характеристик устройств и повышению показателей их надёжности, сокращению дорогостоящих доработок.
Обоснована перспективность предложенных нейросетевых структур принятия решений в процессах обнаружения и диагностирования дефектов устройств, разработка которых включает: обоснование структуры сети и состава нейронов в её слоях; синтез эталонных образов; настройку весовых коэффициентов синаптических связей. Нейросетевые структуры позволяют проводить параллельный анализ переменных описания состояния устройств, состояния внешней среды и оперативно выносить решения по идентификации одиночных и кратных дефектов.
Дополнена и развита структура аппаратных средств и разработан комплекс программ практической реализации методов контроля работоспособности и диагностирования дефектов устройств систем управления в номинальных и специальных условиях внешней среды.
Научные положения и результаты, выносимые на защиту:
Методы диагностирования одиночных и кратных дефектов направлены на формирование матриц диагностирования на основе данных, полученных в результате моделирования функциональных зависимостей (испытания) устройства системы управления, которое содержит дефект и находится под воздействием внешней среды.
Технология моделирования вход-выходных функциональных зависимостей устройства заключается в формировании входных воздействий, контроле выходных и дополнительных параметров, имитации и контроле состояния внешней среды при условии, что один из элементов устройства является неработоспособным (дефектным). Параллельно этому
процессу определяются информационно-значимые параметры и ограниченный состав факторов внешней среды, оказывающих существенное влияние на поведение устройства.
Разработка матриц контроля и диагностирования одиночных и кратных дефектов устройства в условиях воздействия критичных факторов внешней среды включает: синтез причинно-следственных связей между переменными описания состояния устройства, состояния внешней среды и заданным множеством дефектов; минимизацию количества причинно-следственных связей по предложенному критерию для выделения информативных контролируемых параметров, достаточных для идентификации заданного множества дефектов.
Методика построения и обучения нейросетевых структур для диагностирования дефектов устройства системы управления основана на использовании разработанных методов и сформированных матриц диагностирования дефектов.
Практическая ценность основных результатов диссертационного исследования состоит в том, что использование разработанных методов и аппаратных средств контроля и диагностирования устройств систем управления позволяет идентифицировать кратные дефекты, в том числе в критичных условиях внешней среды, тем самым существенно снижать временные затраты на диагностирование. При этом открывается возможность сокращения номенклатуры специализированных средств контроля и диагностирования.
Наряду с отраслями машино- и приборостроения результаты работы могут быть востребованы в других смежных отраслях.
Реализация и внедрение. Теоретические и практические положения работы нашли применение в научной организации ОАО «КБ Электроприбор» г. Саратова при разработке функционального программного обеспечения пульта проверки опытных образцов изделий. Соответствующий акт внедрения прилагается к диссертационной работе. Результаты исследования также используются в учебном процессе Саратовского государственного технического университета при проведении занятий по дисциплине «Математические основы интеллектуальных систем управления техническими объектами» (направление 550200).
Апробация работы. Основные положения диссертационной работы докладывались на Международной научной конференции «Проблемы управления, передачи и обработки информации (АТМ-ТКИ-50)» (г. Саратов, 16-18 сентября 2009 г.), Всероссийской научно-технической конференции «Совершенствование техники, технологий и управления в машиностроении» (г. Саратов, 20-24 октября 2009 г.), XIV Молодежной научной конференции «Наукоемкие информационные технологии» (г. Переславль-Залесский, 21-24 апреля 2010 г.).
Публикации. Основные результаты диссертации опубликованы в 10
печатных работах, из них 3 работы в журнале из перечня ВАК РФ.
Структура и объём диссертации. Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы и 5 приложений. Основное содержание работы изложено на 171 странице, содержит 6 таблиц, 40 рисунков. Список использованной литературы включает 130 наименований.
Способы описания технического состояния объекта диагностирования
Решение вопроса представления контролируемой информации особенно актуально для аналоговых объектов диагностирования, поскольку для параметров таких объектов требуется формализация границ поля допуска (допустимых границ изменения параметров), а также их количественная и качественная оценка на фоне заданных в технической документации допусков.
В статье [25] границы допусков представляются в виде нечёткого множества допустимых значений параметров. Такой подход позволяет исключить недостатки традиционного детерминированного задания границ поля допуска параметров, среди которых: сужение области работоспособности элемента вследствие аппроксимации границ или в силу неопределённости информации об условиях эксплуатации технических систем.
Если границы поля допусков описаны в виде нечётких множеств, то соответствующим образом изменяются шкалы технических параметров, в основе которых лежат лингвистические переменные, отождествлённые с нечёткими рейтинговыми оценками [57]. Определение лингвистических значений характеристик обеспечивает возможность оперирования не значениями параметров, а безразмерными величинами — значениями функций принадлежности. Таким образом, имеется возможность оценить состояние объекта с позиции качественного изменения значений характеристик объекта. С качественной трактовкой значений контролируемых параметров диагностируемого объекта связано понятие признака технического состояния. Выбор признакового пространства, отбор информативных признаков исследуется авторами [61]. Преобразование исходного признакового пространства в пространство меньшей размерности осуществляется с помощью процедуры кластеризации (Карунена-Лоэва).
Лингвистические переменные как инструмент описания признаков предлагается авторами [60, 62]. При этом вывод заключения о состоянии технического объекта осуществляется с помощью экспертных систем, в которых операции вывода — продукционные правила — основаны на логических операциях.
Обоснование состава контролируемых параметров и соответствующих им контрольных точек вызвано стремлением извлечь максимальное количество информации, способствующей обнаружению неисправности при наименьших затратах ресурсов (материальных и временных).
В работе [39] даётся обзор подходов к выделению последовательности контрольных точек диагностирования: эвристического, вероятностного и комбинированного. Для эвристического метода критерием информативности контрольной точки является максимум количества компонентов, дефекты которых прямо или опосредованно могут влиять на результат контроля. Вероятностный подход к выбору места снятия показаний использует информацию о структуре системы. Учитывается априорная вероятность работоспособности компонентов, а также допустимое множество значений для каждого компонента на выходе. Для каждой контрольной точки возможного эксперимента вычисляется значение, характеризующее неопределённость (энтропию), разрешаемую при данном измерении. Максимальный показатель энтропии соответствует той контрольной точке, которая даёт наибольшее количество информации относительно прогнозов в системе. В работе [35] рассматривается экспертный способ агрегирования параметров с помощью моделирования графом. Вершины графа представляют собой параметры объекта (внешние, сопутствующие, структурные, параметры функционирования). Рёбра графа — связи между параметрами. Вес ребра отождествляется с теснотой связи двух параметров и определяется методом экспертных оценок. На основании модели параметров и их взаимных связей, установленных экспертным путём, рассчитываются: показатель оценки эффективности параметра; информативность параметра; фактор разделительной способности параметра (который зависит от числа дефектов).
Требуемая достоверность зафиксированных и рассчитанных технических характеристик может быть достигнута с помощью нейросетевого аппроксима-тора [44], способного вычислять значения заданной функции в произвольной точке. Таким образом, идентифицируются законы изменения технических характеристик при заданном режиме функционирования объекта. Адекватность аппроксимирующей функции, содержащейся в нейросети, обосновывается с помощью введённого показателя точности.
Состояние технического объекта характеризуется множеством значений контролируемых параметров, которые часто имеют различную физическую природу и различные границы допусков. Переход от параметров к их качественной оценке - признакам (лингвистические переменные, за которыми могут стоять нечёткие оценки параметров) вызвано требованиями разработки формализованных методов диагностики дефектов.
Отбор параметров с использованием экспертного подхода встречает трудности при большом числе компонентов целевого технического объекта (большой связности). Вероятностные методы учитывают лишь структурную организацию диагностируемого объекта.
Разработка диагностических моделей для дискретных и аналоговых устройств опирается на данные и знания о структурной организации диагностируемого объекта, его законах функционирования. Известны фундаментальные методы синтеза диагностических тестов для цифровых устройств: метод активизации одномерного пути, Д-алгоритм Рота, метод булевых производных, метод случайного поиска (генерации тестовых наборов) [116, 117, 118]. Классические методы синтеза диагностических моделей аналоговых устройств представлены: методом построения матрицы покрытия, методом построения вопросников (графов состояний и переходов, графов логических возможностей), способом описания и упрощения уравнений поведения диагностируемого объекта [117, 120, 121, 122].
Методы диагностики по характеру взаимодействия объекта и технических средств диагностирования можно разделить на две основные группы: функциональной и тестовой диагностики [1, 90]. Решения функциональной диагностики работают в реальном времени и осуществляют обнаружение дефектов в рабочих условиях, в то время как методы тестовой диагностики требуют формирования искусственных возмущений на диагностируемый объект внешними средствами. Оба данных вида диагностирования реализуют комплекс мер по оценке выхода и промежуточных показателей объекта с целью определения работоспособности диагностируемого объекта и поиска в его структуре дефектов.
Разработка графоаналитической модели диагностируемого устройства
Для описания процесса разработки методов, алгоритмов и средств контроля и диагностирования одиночных и кратных дефектов устройств систем управления техническими объектами целесообразно синтезировать функциональную структуру принятия решений (СПР) [91, 93], которая представляет собой систему задач (или функций) из состава TASK, решаемых с помощью методов METHOD.
Функциональная структура представляется в виде ориентированного графа G2 — {C2,V2), в котором С2 - множество вершин (функций из множества METHOD), V2 - множество дуг, отражающих переходы при решении отдельных подзадач. Вид функциональной структуры решения проблемных задач изображён на рис. 2.2.Номера функций на рис. 2.2 обозначают: 1 — описание структурной организации и особенностей устройства; 2 — определение функциональной и структурной (конструктивной) значимости элементов устройства; 3 — синтез модели устройства; 4 — анализ структуры устройства с целью выявления значимых элементов; 5 — обоснование допустимых дефектов устройства; 6 - моделирование функциональных зависимостей устройства при наличии дефекта в структуре системы, воздействии факторов внешней среды, заданном режиме функционирования; 7 — определение факторов внешней среды, наиболее влияющих на поведение устройства; 8 - определение критичных режимов функционирования, ухудшающих технические характеристики устройства; 9 - исключение неинформативных технических характеристик (параметров) на этапе моделирования поведения устройства; 10 - измерение и проверка на адекватность значений контролируемых параметров устройства; 11 - определение критериев количественной и качественной оценки степени соответствия технических характеристик заданным требованиям; 12 - синтез матриц контроля и диагностирования дефектов (одиночных, кратных) в условиях влияния факторов внешней среды, нахождении системы в одном из режимов функционирования; 13 - формирование содержания базы данных решения задачи диагностирования устройства; 14 - создание нейронных сетей идентификации признаков состояний и дефектов устройства; 15 - оценка достоверности результатов диагностирования дефектов; 16 - развитие аппаратных средств диагностирования дефектов; 17 - разработка программ диагностирования дефектов.
Для выделения информационных потоков при решении задач диагностирования синтезируется информационная структура СПР, представляющая собой ориентированный граф G3(C3,V3), состав вершин которого С3=С2. Множество дуг V3 идентифицирует направления движения и род данных. Информационная структура СПР изображена на рис. 2.3.
Входная информация формируется на основе технической документации (ТЗ и ТУ), которая является источником данных о законах и алгоритмах функционирования устройства, допусковых ограничениях на вход-выходные характеристики всей системы в целом. Выходная информация служит непосредственно для взаимодействия с техническими средствами диагностирования. Промежуточная информация является результатом решения частной задачи (функции) и используется в качестве входной для решения смежных задач. Входная и внутренняя информация образуют наполнение базы данных, которая содержит: - формальное описание моделей устройства; - данные о технических характеристиках и допусках на каждый контролируемый параметр; — измерительную или иную информацию, необходимую для идентификации признаков состояния устройства; — данные о допустимых дефектах, факторах внешней среды, критичных режимах функционирования. Входная и выходная информация, представленная на рис. 2.3: Vj - первичные данные ТЗ и ТУ, на основании которых происходит переход от абстрактного описания устройства в виде структурно-функциональной схемы к модели устройства; Vg - вход-выходные зависимости и последовательность элементарных тестов для измерения и оценки параметров устройства; Vi6 - данные контроля работоспособности и диагностирования дефектов: критерии и допуски на контролируемые параметры; V27 - данные по элементарным тестам и их результатам, представляющим собой области значений параметров; V28 - данные по длинам кодовых комбинаций и степени неразличения идентифицированных комбинаций признаков; V22 - дополнительные аппаратные средства, используемые в технических средствах диагностирования; V29 - алгоритмы, программы контроля работоспособности и диагностирования одиночных и кратных дефектов устройства. 2.3. Исходные условия и предпосылки создания методов и средств диагностирования устройств систем управления Отражённые здесь и далее в главах 3-4 положения разработки методов, алгоритмов и интеллектуальных средств контроля и диагностирования одиночных и кратных дефектов в поведении устройств систем управления реализуются в рамках тестовой диагностики. Тестовое диагностирование устройств осуществляется автоматизированными контрольно-измерительными комплексами. Ниже приводится краткий обзор существующих подходов к реализации процедуры идентификации дефектов в рамках тестовой диагностики. Экспертные методы диагностирования [17, 34, 60, 62] опираются на данные, полученные в процессе эксплуатации устройства, являются трудно формализуемыми в плане автоматизации получения знаний — требуется непосредственное участие эксперта. Статистические (вероятностные) методы [90] используют априорную информацию, собранную на этапе эксплуатации целевой системы. То есть, разработка диагностических моделей производится тогда, когда известны данные наблюдений за функционирующими в рабочих режимах объектами.
В настоящее время за рубежом большие усилия прилагаются для развития метода диагностирования, основанного на последовательных испытаниях диагностируемого объекта [2-6] (условный подход к диагностике). Главной особенностью данного метода является использование аналитической модели диагностируемого объекта, представляющей его эталонное поведение. Цикл диагностирования дефектов сводится к последовательным проверкам элементов устройства, причём переход к следующему элементу зависит от результатов проверок предыдущих.
Разработка матриц диагностирования одиночных дефектов в номинальных условиях внешней среды
Результаты моделирования показывают, что нейронная сеть позволяет идентифицировать признаки состояния привода при низком уровне ошибок (2,5%). Практическая ценность предложенного способа идентификации признаков заключается в том, что сетевая структура объединяет большое число различных по физической природе параметров (входных, выходных и дополнительных характеристик устройства), при этом обеспечивается параллельная обработка данных и практически мгновенное принятие решений сетью.
Далее рассматривается преобразование исходной матрицы диагностирования одиночных дефектов (табл. 3.1) с целью определения кодовых комбинаций признаков для подмножества дефектов кратности два. Формирование матриц диагностирования парных дефектов происходит согласно положениям пункта 3.5.2. Полученные на основе метода формальные зависимости между парными дефектами и признаками можно сопоставить с данными эксперимента, который заключается в имитировании парных дефектов в модели привода и отслеживании её реакции на дефекты. Так, в табл. 3.2 приводится совмещённая
Как можно видеть из табл. 3.2, элементы модели диагностирования и данные эксперимента совпали с точностью до признака (не учитывая совпадения по элементам «X»). Кроме того, в большинстве случаев напротив элемента «X» модели диагностирования кратных дефектов стоит признак «1», полученный в результате эксперимента. То есть, подавляющее число параметров, которые выходили за допуск при одиночных дефектах, покинуло допусковые зоны при парных дефектах.
Описана техника моделирования функциональных зависимостей (испытания) устройства системы управления техническими объектами, имеющего в своей структуре единственный дефектный элемент, находящийся под влиянием дестабилизирующих факторов внешней среды и в одном из режимов функционирования. Процесс моделирования осуществляется внешними автоматизированными средствами и связан со сбором информации, которая устанавливает однозначное соответствие между состоянием устройства, которое определяется имитируемым дефектом, и параметрами, часть из которых осталась в допуске, а часть покинула допуск.
Разработаны методы синтеза и преобразования матриц контроля работоспособности и диагностирования одиночных и кратных дефектов в условиях номинальных факторов внешней среды, одиночных дефектов при условии, что на устройство воздействует внешняя среда. В основе матриц лежат данных и знания, получаемые в результате ранее проводимого испытания устройства.
Предложены два алгоритма минимизации матриц диагностирования, суть которых заключается в определении минимального множества информативных параметров, достаточных для однозначной идентификации заданного множества дефектов. Разработка двух алгоритмов обоснована тем положением, что пространство признаков может быть бинарным (наиболее устоявшийся случай в технической диагностике; эвристика), либо многозначным (преследуется более информативная трактовка состояния устройства; генетический алгоритм).
Для поддержки разработанных подходов диагностированию дефектов устройств систем управления предложены методы разработки нейросетевых структур: идентификации признаков технического состояния устройства; диагностирования устройства по характерным признакам. В первом случае, решены задачи по обоснованию модели и разработке метода обучения сети. Во втором случае, обоснованы этапы разработки логической нейронной сети. В рамках разработки НС идентификации признаков технического состояния и ЛНС идентификации кода дефекта разработаны программные продукты для их синтеза и обучения.
Теоретические положения, выдвинутые в данной главе, прошли апробацию на практически важных примерах: (а) создание программ поиска дефектов для привода «Кемрон»; (б) создание и обучение нейронных сетей идентификации признаков состояния и дефектов электропривода, представленного имитационной моделью.
Выводы, полученные по результатам разработки диагностических моделей привода «Кемрон», обосновывают улучшенные показатели контролепригодности системы в плане минимизации затрат на диагностирование одиночных дефектов, повышения глубины диагностирования за счёт программ поиска дефектов кратности два и возможности идентификации дефектов в условиях воздействия дестабилизирующих факторов внешней среды при дополнительных материальных затратах на развитие средств технического диагностирования. Модели диагностирования дефектов привода «Кемрон» получены с помощью разработанных программных продуктов, приведённых в приложениях 2-5 (свидетельство [130]).
Выводы, полученные в результате синтеза и обучения нейронных сетей, реализующих закономерности поиска дефектов, свидетельствуют о низком уровне ошибок сетей и их способности на основании разнородных данных принимать обоснованные решения по идентификации как признаков состояния устройств систем управления, так и дефектов в их поведении.
Предлагаемые методы ориентированы на использование в автоматизированных средствах диагностирования, обрабатывающих большие массивы измерительной информации.
Модель базы данных поддержки процесса диагностирования дефектов устройств систем управления
Диссертационная работа посвящена решению актуальной научно-технической задачи разработки методов, алгоритмов, программных продуктов и развитию аппаратных средств контроля работоспособности и диагностирования дефектов устройств систем управления техническими объектами. Решение данной задачи направлено на построение автоматизированных и интеллектуальных средств диагностирования.
Результаты исследований имеют значение для поддержания процессов разработки сложных устройств систем управления, своевременного обнаружения дефектов в их составе. В рамках диссертационной работы получены следующие общие выводы. 1. Выполнен анализ современных методов диагностирования дефектов устройств систем управления, который показал, что недостаточно исследованы задачи разработки программ поиска кратных дефектов и учёта влияния внешней среды на диагностируемое устройство. 2. Созданы методическое, алгоритмическое, программное обеспечения и развиты аппаратные средства разработки и использования инженерных программ контроля работоспособности, обнаружения и диагностирования одиночных дефектов и дефектов кратности два в поведении устройств систем управления, находящихся, в том числе, в условиях влияния негативных факторов внешней среды. Предложены способы формализации устройства системы управления и анализа его модели с целью определения обоснованного состава дефектов и полюсов съёма измерительной информации. Предложена технология моделирования функциональных зависимостей (испытания) устройства системы управления, заключающаяся в выделении причинно-следственных связей между техническими параметрами устройства и дефектами в условиях воздействия дестабилизирующих факторов внешней среды, оказывающих существенное влияние на поведение устройства. Предложен вариант реализации нейросетевых структур решения задачи диагностирования состояния устройства, одна из которых реализует функцию аппроксимации функциональных зависимостей устройства и перехода от непрерывных значений технических параметров к дискретным значениям — признакам, вторая - идентификацию дефектов по заданной кодовой комбинации признаков состояния. Акт внедрения разработанного комплекса методов, алгоритмов приводится в приложении 1. Разработанные программы приводятся в приложениях 2-5 (на программы получено свидетельство [130]). 3. Разработанные формализованные методы контроля работоспособности и диагностирования дефектов в поведении устройств систем управления техни ческими объектами в условиях влияния факторов внешней среды позволяют на ранней стадии создания, производства и эксплуатации систем обнаруживать одиночные дефекты и дефекты кратности два, что приводит к сокращению временных циклов распознавания и устранения причин появления соответст вующих дефектов. Предложены алгоритмы минимизации размерности моделей диагностирования одиночных и кратных дефектов, которые сокращают избыточную диагностическую информацию. В рамках предложенных методов, алгоритмов разработаны диагностические модели применительно к системе управления электроприводом «Кемрон». Выводы, сделанные по результатам конечных вариантов моделей диагностирования одиночных дефектов, дефектов кратности два в номинальных и специальных условиях внешней среды, говорят об улучшении показателей контроле-способности данной системы в плане снижения затрат на диагностирование, увеличения глубины поиска дефектов. 4. Разработан интеллектуальный метод принятия решений в процессах оценивания степени соответствия значений параметров устройств заданным требованиям и диагностирования в них дефектов. Построение и обучение ней росетевых структур основано происходит согласно разработанным методам диагностирования и на основе конечных вариантов моделей диагностирования. Принятие решение о месте возникновения дефекта в устройстве реализуется средствами логической нейронной сети, которая на основании знаний об устройстве, его функциональных зависимостях, полученных в результате экспериментального исследования его поведения, устанавливает код дефекта, соответствующего зафиксированным значениям технических характеристик. 5. Обоснован принцип единства методического, алгоритмического, про граммного обеспечений и аппаратных средств контроля работоспособности и диагностирования дефектов устройств систем управления на всех фазах их жизненного цикла, который позволяет существенно сокращать временные цик лы разработки инженерных программ диагностирования устройств; сокращать номенклатуру специализированных аппаратных средств диагностирования де фектов, обеспечивать их метрологическую совместимость и соответственно по вышать достоверность конечных результатов диагностирования дефектов. В рамках разработанной единой системы методов контроля работоспособности и диагностирования одиночных и кратных дефектов сложных устройств систем управления результаты исследования устройства на стадии его создания, когда возможно внедрение в структуру с целью получения дополнительной информации для идентификации дефектов, могут быть использованы на стадиях производства и эксплуатации устройства. 6. Разработанные методы, алгоритмы и программные продукты управ ляются пользователем в плане достижения требуемой полноты и достоверности конечных результатов контроля работоспособности и диагностирования дефек тов в поведении устройств систем управления. Управляемыми являются ключевые процессы приведения исходных вариантов моделей диагностирования одиночных и кратных дефектов к конечным вариантам.
