CC BY
19
Модель деградации частичного отказа в технической системе
А.И. Зотов, В.В. Гриценко Донской государственный технический университет, г.Ростов-на-Дону, Россия
Аннотация :В работе освещена проблема моделирования частичного отказа, показаны основные отличительные особенности частичного отказа от полного. Также предоставлена диаграмма развития возможных деградационных процессов ЧО, в частности, перерастание в другие частичные отказы или в полный отказ.Разработаны предложения по последовательности проведения операций идентификации отказов на уровне обобщенного алгоритма. Рассмотрен иллюстративный пример на основе неисправностей электрической машины, представлена диаграмма возможных отказов и их взаимосвязей. Делается вывод о необходимости использования экспертных оценок при построении моделей деградации частичных отказов в технической системе. Ключевые слова: частичный отказ, полный отказ, деградационное распространение отказа, диагностическая задача, электрическая машина.
Введение.
Процесс моделирования частичного отказа (ЧО) проходит через три стадии в своем развитии. Это стадии детерминизма, стохастичности и адаптивности. Они соответствуют трем видам информации о развитии ЧО: определенность, неопределенность, незнание.
Примером информации для первой стадии развития могут служить данные, на основании которых можно судить о состоянии технического объекта, структурные и функциональные схемы взаимодействия подсистем, устройств, узлов и других элементов. Сюда относятся алгоритмы управления, данные о режимах, характеристики систем контроля и диагностирования, методы эксплуатации и технической поддержки.
Анализ особенностей ЧО.
В таком информационном пространстве решаются вопросы разработки действий, связанных с поведением в условиях, когда ЧО и его характеристики определены, последствия известны, возможности учтены [1]. Основа разработки - появление различных инструкций, указаний, решений оптимизационных детерминистских задач, программ обучения обслуживающего персонала. Практика такого подхода широко
распространена, хотя недостатки его очевидны[2]. Это отсутствие учета неопределенности, которыми характеризуются реальные результаты работы устройств контроля и диагностирования, оценки влияния внешних
взаимодействия (ЧМВ) [3].
Стохастический подход предполагает известными статистические характеристики процессов, связанных с ЧО в техническом устройстве во всех стадиях его становления (появление, обнаружение, распознание, развитие). Часто в полном объеме (или даже необходимом для решения конкретных задач управления надежностью) такая информация отсутствует. В этих случаях задачи идентификации, фильтрации и прогнозирования решаются с некоторой точностью, зависящей от объемов и достоверности статистической информации полученной и накопленной в процессе эксплуатации или (что хуже) статистического моделирования. Для изучения ЧО в стохастическом пространстве используются различные модели, в которых точные характеристики систем заменяются их статистическими эквивалентами.
Второй подход частослужит продолжением и развитием первого, когда, получив решения на первом шаге, на втором - происходит замена характеристик системы их статистическими эквивалентами, что важно с точки зрения движения к оптимальному управлению надежностью.
Третий вид информации (для решения практических задач) связан с ситуациями, когда начальные состояния недоопределены, статистические характеристики заранее не рассчитаны и не могут быть использованы в управлении. В таких случаях находят место подходы, когда основное значение приобретает текущая информация, поступающая при анализе реакции на воздействия. Алгоритмы таких воздействий должны строиться таким образом, чтобы информация о структурных изменениях в системе
воздействий, надежностных параметров
человеко-машинного
постоянно пополнялась при общем направлении движения системы к безопасному и оправданному с позиций наилучшего использования. Это наиболее сложные этапы анализа и моделирования. Для реализации используются принципы поддержки принятия решений, задействования экспертных систем, адаптации в управлении.
В стадии детерминизма для ЧО невозможно обойти задачи построения диагностических моделей. С учетом особенностей таких отказов и их выделения в задачах идентификации диагностические модели должны строиться по принципу функционального контроля режимов. Это означает, что к основным задачам диагностирования (определение места, причины и вида отказов) добавляется задача поиска и контроля режимов возможного продолжения функционирования объекта по назначению. Такая модель может быть представлена в алгоритмической форме [4]. Обобщенный алгоритм может быть таким, как это представлен на рис. 1. Заметим, что такой алгоритм составлен из условия, что основная диагностическая задача решена, т.е. место, вид и причины отказа установлены достоверно. В сложных технических системах последнее чаще всего не соблюдается, а точность решения задач контроля и диагностирования оценивается соответствующими вероятностями. В вероятностном пространстве справедливо могут ставиться и решаться задачи, обозначенные в условных операторах алгоритма. Кроме этого, на этой стадии фактически не ставится задача оценки развития ЧО, т. е. не учитывается динамика структурных изменений в объекте в результате перераспределения нагрузки. Учет сказанного перемещает задачи моделирования поведения систем с ЧО в стадию стохастичности[5].
Типичной задачей второй (стохастичной) стадии является построение модели развития ЧО. В таких моделях должны найти отображение вероятностные и временные параметры деградационных процессов для
случаев, когда их источником является ЧО. Возможные варианты структурной деградации изделия по отказам приведены на диаграмме (рис.2).
Рассмотрение диаграммы показывает, что, во-первых, построение модели может быть осуществлено с использованием марковской ациклической сети (графа), так как петли в диаграмме отсутствуют. Такая модель обладает особенностью, что оперирует только с текущими состояниями (без учета предыстории)[6]. Это значит, что необходимо находить и оценивать структурные изменения для каждого состояния, а затем рассчитывать все переходы между состояниями.
Во-вторых, просматривается байесовская цепь (сеть), которая может быть представлена ориентированным ациклическим графом С =
отражающие переходы от одних узлов к другим, время рассмотрения соответствующих переходов (т}10, тД I = 1,п, вероятность таких переходов за рассматриваемое время:/^т"0), Р(Г;}, [ = 1,п
Решения подобных задач возможно упростить, если зафиксировать время, основываясь на некоторых смысловых условиях, относящихся к исходным данным[7]. Например, в задаче принятия решений в условиях проявления ЧО таким временем может стать временной интервал, между моментом возникновения ЧО и началом следующего планового технического обслуживания [8]. Тогда
В этом случае в предложенной модели будут в качестве аргументов рассматриваться только Р(т) - для полных отказов и Р(г;)- для ЧО (е = 1 ,п).
Анализ ЧО на примере электрической машины.
В качестве иллюстрационного примера рассмотрим исследование поведения тягового двигателя в условиях проявления в нем ЧО. Такие двигатели находят широкое применение в многочисленных современных силовых устройствах и машинах, а так же рассматриваются в качестве
основных в перспективном развитии (электромобили, робомобили и т.д.). Это электрические машины (переменного или постоянного тока) мощностью от 15 до 200 и более кВт. Будем считать, что используется вибродиагностика с применением анализаторов вибраций. В качестве последних можно рассматривать возможности анализатора CSI2140 с программным обеспечением Motor View [9]. Анализатор позволяет с высокой достоверностью диагностировать отказы:
• статический эксцентриситет с насыщением зубцов (полный отказ);
• динамический эксцентриситет зазора (ЧО);
• динамический эксцентриситет с насыщением зубцов (полный отказ);
• асимметрии и линейные искажения напряжений питания.
Возможны и другие результаты диагностических анализов,
относящиеся к выявлению отклонений от нормального функционирования, вызванных различными причинами электромагнитного или электродинамического происхождения.
Фрагмент диаграммы, отображающей возможное развитие ЧО для рассматриваемой ситуации за время, оставшееся до планового обслуживания т, приведен на рис. 2. На диаграмме не показаны вероятности переходов, так как они носят точечный характер, зависящий от среза г. Кроме этого показаны не все переходы (нет полной группы событий). Одно их возможных направлений развития ЧО - нарушение термодинамического режима, приводящее к разрушению изоляционных слоев или коллектора [10].
• дефектов обмоток статора (полный отказ);
• дефекты обмоток «беличьей клетки» ротора (ЧО);
• статический эксцентриситет зазора (ЧО);
Нормальное (исправное) функционирование
Р1
ПС
Обнаружение отказа
Р
,40
Полный отказ
1-й частичный отказ
(О
2-й частичный отказ
ТЕ0 . вПО Л
(п-1)-й частичный отказ
п-й частичный отказ
рСЕ
Сбой
Рис.1. Диаграмма возможных вариантов деградации ЧО
Обнаружение ЧО (вибрации в
осевом направлении, ослабление осевого монтажа)
Первичный ЧО
Рис.2. Диаграммы возможного развития ЧО электрической машины.
Рис.3 Блок-схема протекания процесса деградации отказа.
Вывод.
Изложенное позволяет сделать вывод о том, что модели распространения (развития) ЧО лишь частично могут способствовать достижению поставленной цели - правильному принятию решения и возможности и целесообразности продолжения функционирования объекта в условиях проявления в нем ЧО. Появившиеся неясности и неоднозначности следует разрешить с использованием возможностей экспертных систем.
Литература
1. Зотов А.И., Гриценко В.В., Черпаков А.В. Частичный отказ в теории надежности. // Инженерный вестник Дона, 2018, №4. URL: ivdon.ru/uploads/article/pdf/IVD_156N4y18_Gricenko.pdf_935280522c.pd
2. Зотов А.И., Гриценко В.В., Черпаков А.В. О понятии частичный отказ в горных машинах - Системный анализ, управление и обработка информации, т.2 2017, С. 45-47.
3. Зотов А.И., Гриценко В.В., Черпаков А.В. Разработка системы оперативного контроля состояния человека в системе АПК, X-я юбилейная научно-практическая конференция - Состояние и перспективы развития сельскохозяйственного машиностроения, 2017, С. 362-363.
4. Дудюк В.А. Предшествование отказов элементов гидроабразивного оборудования на основе аналитических моделей параметрической и функциональной надежности. Вюник СевНТУ. №1502014, С. 70-74.
5. Бойко О. Г., Шаймарданов Л. Г. Метод расчета надежности авиационных систем с индивидуальным резервированием агрегатов. Сибирский журнал науки и технологий, 2010, С. 106-109.
6. Grabski Franciszek, Applications of semi-Markov processes in reliability. // Reliability: Theory & Applications, 2007, pp.58-73.
7. Петренко С.Е. Параметры надежности эксплуатации насосных станций и мероприятия по их повышению // Инженерный вестник Дона, 2010, №4. URL: ivdon.ru/magazine/archive/n4y2010/256.
8. Zhang Y., Zhang S., Wang J., Zhao M. An integrated approach to estimate storage reliability with initial failures based on e-bayesian estimates. Reliability Engineering & System Safety. V. 1592017, pp.24-36.
9. Генис Я. Оценка надежности системы с периодическим обслуживанием при редких отказах ее элементов. Автоматика и телемеханика. №7, 2010, С. 61-69.
10. Анищенко В.А., Иванова А.Н., Мысло Е.Л. Анализ надежности невосстанавливаемых резервированных систем электроснабжения с учетом множественных отказов. Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. № 4. 2014, С. 5-14.
References
1. Zotov A.I., GritsenkoV.V, Cherpakov A.V. Inzenernyj vestnik Dona (Rus), 2018, №4. URL: ivdon.ru/uploads/article/pdf/IVD_156N4y18_Gricenko.pdf_935280522c.pd
2. Zotov A.I., Gritsenko V.V., Cherpakov A.V. Sistemniy analiz, upravlenie i obrabotka informacii, 2017, pp.45-47.
3. Zotov A.I., Gritsenko V.V., Cherpakov A.V. X-ya yubilejnaya nauchno-prakticheskaya konferenciya. Sostoyanie i perspektivy' razvitiya sel'skoxozyajstvennogo mashinostroeniya, 2017, pp.362-363.
4. Dudyuk V.A. Vestnik SevNTU. № 150, 2014, pp.70-74.
5. Bojko O. G., Shajmardanov L. G. Sibirskij zhurnal nauki i texnologij, 2010, pp.106-109.
6. Grabski Franciszek, Reliability: Theory & Applications, 2007, pp.58-73.
7. Petrenko S.E. Inzenernyj vestnik Dona (Rus), 2010, №4. URL: ivdon.ru/magazine/archive/n4y2010/256.
8. Zhang Y., Zhang S., Wang J., Zhao M. Reliability Engineering&System Safety. V. 1592017, pp.24-36.
9. GenisYa. Avtomatika i telemexanika. №7, 2010, pp.61-69.
10.Anishhenko V.A., Ivanova A.N., Myslo E.L. Izvestiya vysshih uchebnyh zavedeniy i energeticheskih ob'edineniy SNG.№ 4. 2014, pp. 5-14
