CC BY
33
Рис. 6. Результат расчета молниезащиты подстанции на 110/6-10 кВ по новой методике
Список литературы
1. Руководящие указания по расчету зон защиты стержневых и тросовых молниеотводов / СЦНТИ. М., 1974. 19 с.
2. Инструкция по устройству молниезащиты зданий, сооружений и промышленных коммуникаций. М.: Из-во НЦ ЭНАС, 2004. 48 с.
3. Техника высоких напряжений / Под общей редакцией Д. В. Разевига. М.: Энергия, 1976. 488 с.
4. Шкаруба М. В. Техника высоких напряжений: учеб. пособие. Омск: Изд-во ОмГТУ, 2012. 80 с.
УДК 621.313
РАЗРАБОТКА МЕТОДИКИ ДИАГНОСТИРОВАНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ КОЛЛЕКТОРНО-ЩЕТОЧНОГО УЗЛА ТЯГОВОГО ЭЛЕКТРОДВИГАТЕЛЯ ПОДВИЖНОГО СОСТАВА
П. К. Шкодун, А. В. Долгова
Омский государственный университет путей сообщения, г. Омск, Россия
В01: 10.25206/2310-9793-2017-5-3-144-154
Аннотация - Данная статья посвящена формированию основ методики технического диагностирования узла «коллектор-щетка» тяговых электрических двигателей. С применением математического аппарата нечеткой логики сформированы математические модели в пространстве выбранных признаков, позволяющие численно оценивать предложенные комплексные показатели качества коммутации, механической обработки и ремонта для произвольных значений исходных диагностических параметров. Полученные модели составляют основы методики технического диагностирования коллекторно-щеточного узла тяговых электрических машин.
Ключевые слова: подвижной состав, тяговый электродвигатель, коллекторно-щеточный узел, диагностические параметры, нечеткий вывод.
I. Введение
Современный этап развития железнодорожного транспорта Российской Федерации предполагает разработку научно обоснованных методик, позволяющих обеспечить ресурсосбережение и поддержание локомотивного парка в надлежащем техническом состоянии. Различные условия эксплуатации и высокая интенсивность использования тягового подвижного состава железных дорог зачастую приводит к повышенному износу деталей и узлов локомотива, следовательно, к возникновению неплановых ремонтов.
Согласно стратегии научно-технического развития («Белая книга») холдинга «Российские железные дороги» на период до 2020 года и на перспективу до 2025 года, одним из направлений развития научно -технологического потенциала отрасли является реализация комплексного научно-технологического проекта «Цифровая железная дорога», в которой одним из приоритетных направлений является создание «цифровой инфраструктуры». Эта структура предполагает внедрение комплексной автоматизированной системы диагностики подвижного состава, обеспечивающей снижение стоимости жизненного цикла и повышение достоверности обнаружения и локализации дефектов и предотказных состояний [1].
Развитие информационно-управляющих бортовых комплексов для тягового подвижного состава, как элемента «цифровой железной дороги» предполагает реализацию автоматизированного вычисления параметров надежности на основе реальных данных эксплуатации, автоматического определения необходимости ремонта или замены деталей и узлов локомотива, что позволит осуществить переход на ремонт по текущему техническому состоянию, а также обеспечит снижение затрат на сервисное обслуживание. При переходе локомотивов на ремонт по состоянию важную роль играет качество ремонта. Своевременный и качественно выполненный ремонт позволит обеспечить бесперебойность работы локомотива, снижение издержек, связанных с простоем подвижного состава, следовательно, повысит рентабельность железнодорожного транспорта [2, 3]. Таким образом, разработка научно обоснованных методик численной оценки качества ремонта, позволяющих обеспечить ресурсосбережение и поддержание технического состояния эксплуатируемого подвижного состава, а также снижение издержек при простое и ремонте локомотивов, являются приоритетными направлениями развития железнодорожного транспорта.
II. Постановка задачи
Разработка и внедрение новых научно-технологических проектов обусловлены постоянным ужесточением требований к надежности и безопасности железнодорожного транспорта. Одним из векторов научно -технического развития холдинга «Российские железные дороги» являются: «качество, надежность, безопасность». Высокие показатели надежности тяговых электрических двигателей (ТЭД) локомотивов позволяют обеспечить стабильную работу подвижного состава в различных эксплуатационных условиях. Важнейшим элементом, определяющим качество функционирования ТЭД, является его коллекторно-щеточный узел (КЩУ). Утвержденная технология ремонта ТЭД включает в себя контроль электромеханических параметров, но в полной мере не позволяет оценивать показатели надежности ТЭД после ремонта. Необходимо отметить, что результаты подобного обследования в ряде случаев не позволяют сделать достоверное заключение о техническом состоянии ТЭД - в целом, и КЩУ - в частности.
Отсюда возникает задача создания комплексной методики технического диагностирования, позволяющей численно оценить качество выполненного ремонта, рассчитать показатели надежности ТЭД, а также получить достоверные сведения о техническом состоянии КЩУ ТЭД. Целью настоящей работы является формирование основ методики технического диагностирования КЩУ ТЭД с применением математического аппарата нечеткой логики.
III. Теория
Для формирования основ методики технического диагностирования в качестве базовой модели использована диагностическая граф-модель узла «коллектор-щетка» в процессе приемосдаточных испытаний [4], основу которой составляет уравнение:
+ 2Мк ~!г = ДщУ) - ^гУ) - Щ - ек(О .
Ш , ш
к=1
ш
где = - £ — - ЭДС самоиндукции;
ш
. - Х^лж Шк
'м = —^мк~7~ - ЭДС взаимоиндукции;
к=1
Ди1(Т) и Ди2(Т) - переходные падения напряжения под набегающим и сбегающим краями щетки;
RS - сопротивление коммутируемой секции;
ек(0 - коммутирующая ЭДС, наводимая в секции при ее взаимодействии с магнитными полями в зоне коммутации.
Проведенные статистические исследования и декомпозиция граф-модели позволили определить набор диагностических параметров, являющихся входными для математических моделей: биение рабочей поверхности коллектора 5; среднее квадратическое отклонение относительных высот коллекторных ламелей с^, амплитуда первой и второй гармонической составляющей функции профиля коллектора А1, А2; среднее квадратическое отклонение относительных высот коллекторных ламелей без учета первой и второй гармонических составляющих Т | ; минимальное значение второй производной функции профиля коллектора ; среднее квадратическое отклонение второй производной функции профиля коллектора ; действующее значение высших гармонических составляющих функции профиля коллектора Пде&тв. Для указанных диагностических параметров с применением теории информации рассчитана диагностическая ценность, подтвердившая целесообразность их использования.
В качестве базового метода формирования математических моделей, составляющих основу методики технического диагностирования, использованы положения теории нечетких множеств и нечеткой логики. Основные этапы процедуры нечеткого вывода приведены на рис. 1 [5].
Формирование базы правил
Т
Фаззификация входных переменных
т
Агрегирование подусловий
Т
Активизация подзаключений
Аккумулирование заключений
Рис. 1. Основные этапы процедуры нечеткого вывода
На этапе формирования базы правил выделяются входные и результирующие лингвистические переменные, формируются правила деятельности процедуры нечеткого вывода.
Этап фаззификации входных переменных предполагает формирование функций принадлежности каждой выделенной лингвистической переменной [6]. Для выделенных нечетких переменных сформированы функции принадлежности в виде 2-образной (1), ^-образной (2) и П-образной кривых (3):
Д (х; а, Ь) =
1,
1 1 ( х — а | —\— соб|-п I
2 2 ^ Ь — а )
0,
х < а
а < х < Ь
х > Ь
(1)
где а, Ь - некоторые числовые параметры, принимающие произвольные действительные значения и упорядоченные отношением: а < Ь;
Д (х;a, ь) =
0,
1 1 (х — Ь
--\--С08| -П
2 2 ^ Ь — а
1,
х < а а < х < Ь х > Ь
(2)
где а, Ь - некоторые числовые параметры, принимающие произвольные действительные значения и упорядоченные отношением: а < Ь;
/п (х; а, Ь, с, ё)= /3 (х; а, Ь)- /2 (х; с, ё), (3)
где а, Ь, с, ё - некоторые числовые параметры, принимающие произвольные действительные значения и упорядоченные отношением: а < Ь < с < ё .
В качестве функции принадлежности результирующих нечетких переменных использована функция вида:
Р
(х) =
{ )
Я\
а х — а
если х < а
если х > а
где а - модальное значение нечеткого числа; а - левый коэффициент нечеткости; в - правый коэффициент нечеткости.
Заключительный этап процедуры деятельности нечеткого вывода выполнен методом тах-объединения нечетких множеств согласно выражению:
Ро (х) = тах\рА (х), рв (х)} (Ух е х),
где рА (х), рв (х) - функции принадлежности исходных нечетких множеств А и В;
Ро (х) - функция принадлежности результирующего нечеткого множества В, заданного на универсуме X.
IV. Результаты экспериментов
Для реализации алгоритма нечеткого вывода в качестве входных переменных использован набор диагностических параметров, характеризующих воздействие состояния профиля коллектора на процесс коммутации ТЭД (табл. 1). В качестве результирующих переменных предложены: комплексный показатель качества ремонта (КПКР); комплексный показатель качества коммутации (КПКК) и комплексный показатель качества механической обработки (КПКМО) [7].
Для входных и выходных лингвистических переменных сформулированы терм-множества, а также статистически определены значения параметров для формирования функций принадлежности (табл. 1).
ТАБЛИЦА 1
ЧИСЛОВЫЕ ПАРАМЕТРЫ НЕЧЕТКИХ ПЕРЕМЕННЫХ
№ п/п Нечеткая переменная Диапазон Значение Значение параметра Ь
значений х параметра а
1 Биение рабочей поверхности коллектора 5, мкм 0 .. 100 50 80
2 Среднее квадратическое отклонение относительных высот 5 .. 25 10 20
коллекторных ламелей о^, мкм
3 Амплитуда первой гармонической составляющей функции 3 .. 35 10 20
профиля коллектора А1, мкм
4 Амплитуда второй гармонической составляющей функции 0 .. 20 5 15
профиля коллектора А 2, мкм Среднее квадратическое отклонение относительных высот
5 коллекторных ламелей без учета первой и второй гармонических составляющих с А , , мкм 0 .. 20 5 15
6 Минимальное значение второй производной функции про- д, -- -2 -10 -80 -15 -70
филя коллектора , мкм-2
7 Среднее квадратическое отклонение второй производной 5 .. 20 11 17
функции профиля коллектора с ) , мкм-2
8 Действующее значение высших гармонических составляющих функции профиля коллектора Пдежтв, мкм-2 3 .. 20 8 15
Графики функций принадлежности входных лингвистических переменных в общем виде приведены на рис. 2. Учитывая особенности входной лингвистической переменной ) ^ , функции принадлежности выделены в отдельный график (рис. 3).
н<(5) маС^О
НА(А2)
и. П )
ЦА(с?) 0.4
Н*(7де«с„)
X
3 ^ 1 "" -2
\ \ \
/ \
/ ч.
0" шт
—Ч 2
Рис. 2. Графики функций принадлежности нечетких переменных, выражающих термы: 1 - нормальное значение переменной; 2 - большое значение переменной; 3 - ненормальное и небольшое значение переменной
Рис. 3. Графики функций принадлежности нечетких переменных, выражающих термы: 1 - нормальное значение ) ; 2 - большое значение ; 3 - ненормальное и небольшое значение т)тП
0.8
3
0.2
-2
20
- 40
80
Ь мкм
шах
Графики функций принадлежности результирующих нечетких переменных «качество ремонта», «качество механической обработки» и «качество коммутации», описываемых формулой (4), приведены на рис. 4.
РКПКР (х)
1-х ' 0.3
х < 0
е '"3| , 0 < х < 1 0, х > 1
(4)
Ра(кпкр)
ра(кпкмо) ра(кпк]к)
Ра(кпкр)
ра(кпкмо) ра(кпкк)
Ра(кпкр)
ра(кпкмо) ра(кпкк)
0.8
0.6 0 0.2 0
кпкр кпкмо кпкк
кпкр кпкмо кпкк
кпкр кпкмо кпкк
Рис. 4. Графики функций принадлежности нечетких переменных, выражающих термы: а - качественный [ремонт / механическая обработка / коммутация]; б - некачественный [ремонт / механическая обработка / коммутация]; в - [ремонт / механическая обработка / коммутация] среднего качества
Сформулируем правила нечеткой продукции для рассматриваемой системы в рамках реализации алгоритма нечеткого вывода Мамдани (табл. 2), для этого закодируем нечеткие переменные:
- 1 - нормальное значение нечеткой переменной, некачественный [ремонт / механическая обработка / коммутация];
- 0 - не нормальное и не большое значение нечеткой переменной, среднее качество [ремонта / механической обработки / коммутации];
- 1 - большое значение нечеткой переменной, качественный [ремонт / механическая обработка / коммутация].
Заключительный этап алгоритма деятельности нечеткого вывода предусматривает дефаззификацию результирующих переменных. Согласно [5, 6, 8], выделяют несколько методов дефаззификации: центра тяжести, центра площади, левого и правого модальных значений. Для определения наиболее оптимального метода дефаззи-фикации проведен статистический эксперимент. Для 75 КЩУ ТЭД, прошедших ремонт в условиях локомотив-
0
0.2
0.4
0.6
0.8
а
0
0.2
0.4
0.6
0.8
б
0.8
0
0.2
0.4
0.6
0.8
в
ного депо, зарегистрированы профилограммы. Обработка профилограмм позволила рассчитать диагностические параметры (табл. 1) и сформировать четыре выборки для ТЭД, находящихся в плохом (I), среднем (II), хорошем (III) и отличном (IV) техническом состоянии. Для каждой выборки определены характерные представители группы. С использованием пакета Fuzzy Logic Toolbox созданы математические модели и проведена де-фаззификация предложенных выходных лингвистических переменных, при этом входным лингвистическим переменным присвоены рассчитанные численные значения каждого диагностического параметра.
ТАБЛИЦА2
ПРАВИЛА НЕЧЕТКОЙ ПРОДУКЦИИ АЛГОРИТМА ДЕЯТЕЛЬНОСТИ НЕЧЕТКОГО ВЫВОДА МАМДАНИ
№ правила 5 Oh А1 Л ah\ 1 h lv=3.. я ^min Ц действ КПКМО КПКК КПКР
1 1 1 1 1 1 - - - -1 - -
2 0 0 0 0 0 - - - 0 - -
3 -1 -1 -1 -1 -1 - - - 1 - -
4 - - - - - 1 1 1 - -1 -
5 - - - - - 0 0 0 - 0 -
6 - - - - - -1 -1 -1 - 1 -
7 - - - - - - - - -1 -1 -1
8 - - - - - - - - -1 0
9 - - - - - - - - -1 1 0
10 - - - - - - - - 0 -1 0
11 - - - - - - - - 0 0
12 - - - - - - - - 0 1 1
13 - - - - - - - - 1 -1 1
14 - - - - - - - - 1 0 1
15 - - - - - - - - 1 1 1
Результаты дефаззификации приведены в табл. 3. Правила нечеткой продукции, полученные с применением различных методов дефаззификации лингвистической переменной КПКР, приведены на рис. 5.
ТАБЛИЦА 3 РЕЗУЛЬТАТЫ ДЕФАЗЗИФИКАЦИИ
Метод дефаззификации Лингвистическая переменная Группа ТЭД
I II III IV
Исходные данные
5 90 75 59 25
Oh 21 11 10 5
28 14 12 7
А2 3 3 3 2
ah 1 h v=3...n 8 6 6 3
^min -33 -70 -49 -17
11 15 13 7
^действ 11 8 8 4
Результаты дефаззификации лингвистических переменных
Метод центра тяжести КПКМО 0.5 0.691 0.789 0.799
КПКК 0.715 0.6 0.706 0.799
КПКР 0.412 0.476 0.629 0.687
Метод левого модального значения КПКМО 0.5 0.42 0.79 1
КПКК 0.46 0.45 0.45 0.98
КПКР 0 0 0.47 0.98
Метод правого модального значения КПКМО 0.5 1 1 1
КПКК 0.74 0.76 0.76 1
КПКР 0.73 1 1 1
Метод центра площади КПКМО 0.5 0.71 0.895 1
КПКК 0.6 0.605 0.605 0.99
КПКР 0.6 0.6 0.6 0.995
Рис. 5. Результаты дефаззификации лингвистической переменной КПКР различными методами: а - центра тяжести; б - правого модального значения; в - левого модального значения; г - центра площади
б
а
в
г
Полученные результаты свидетельствуют о том, что наиболее целесообразным методом дефаззификации лингвистических переменных, позволяющим обеспечивать изменение численных результирующих значений в требуемом диапазоне, является метод центра площади.
Анализ деятельности алгоритма нечеткого вывода производится по гиперповерхностям результирующих лингвистических переменных. Поскольку пространство для их построения является многомерным, отобразить эти поверхности полностью невозможно. Гиперповерхности лингвистических переменных КПКМО и КПКК в пространстве признаков КПКМО = _ДАЬ оЛ) и КПКК = /( ) , с ^) приведены на рис. 6 - 7. Гиперповерхность лингвистической переменной КПКР в пространстве признаков КПКР = _ДКПКМО, КПКК) приведена на рис. 8.
Рис. 6. Представление многомерной поверхности Рис. 7. Представление многомерной поверхности КПКК КПКМО в пространстве признаков оь и Л, в пространстве признаков г)т-п и с„
кпкр
П
о о о о о о о
Рис. 8. Представление многомерной поверхности КПКР в пространстве признаков КПКК и КПКМО
V. Обсуждение результатов
Используя полученные математические модели для комплексных показателей КПКК, КПКР, КПКМО, появляется возможность воздания алгоритма диагностирования, позволяющего скорректировать технологический процесс ремонта ТЭД. Одним из возможных вариантов такого алгоритма может являться представленный на рис. 9.
Применение комплексных показателей качества ремонта, коммутации и механической обработки создает предпосылки к возможности оценки качества ремонта и технического состояния ТЭД при деградации (изменении) его свойств, вследствие износа и старения. Появляется возможность прогнозирования технического состояния КЩУ ТЭД с учетом изменения его параметров и оценивать показатели надежности.
Применение использованных в исследовании методик нечеткого вывода открывает возможность создания интеллектуальных технических систем диагностики с использованием систем нечетких нейронных сетей, искусственного интеллекта.
На основании выполненных статистических исследований сформирован набор диагностических параметров, позволяющих оценить техническое состояния КЩУ ТЭД: моделей: биение рабочей поверхности коллектора 5; среднее квадратическое отклонение относительных высот коллекторных ламелей сь, амплитуда первой и второй гармонической составляющей функции профиля коллектора Аь А2; среднее квадратическое отклонение относительных высот коллекторных ламелей без учета первой и второй гармонических составляющих
и/г |у=3 п ; минимальное значение второй производной функции профиля коллектора 7 тш ; среднее квадратическое отклонение второй производной функции профиля коллектора и 7 ; действующее значение высших гармонических составляющих функции профиля коллектора Пдейств. Для каждого из указанных параметров определен диапазон изменения значений и выполнена дефаззификация.
В работе предложено использовать комплексные показатели: КПКК, КПКР, КПКМО, для которых получены функции принадлежности.
Выполненные статистические исследования позволили сформировать выборки для четырех групп ТЭД по их техническому состоянию. Выбор метода дефаззификации проведен путем численного эксперимента и установлен наиболее рациональный из проанализированных: метод центра площади. Проведенные исследования в настоящей работе позволили создать основы методики технического диагностирования КЩУ ТЭД с использованием аппарата нечеткой логики.
Таким образом, проведенные исследования позволили создать основы методики технического диагностирования КЩУ ТЭД с использованием аппарата нечеткой логики.
VI. Выводы и заключение
Рис. 9. Оценка комплексных показателей в технологическом процессе ремонта ТЭД
Список литературы
1. Стратегия научно-технологического развития холдинга «Российские железные дороги» на период до 2020 года и на перспективу до 2025 года. «Белая книга». М., 2015. 63 с. URL: http://www.rzd-expo.ru/innovation/BelKniga_2015.pdf (дата обращения: 31.05.2017).
2. Котова Е. А. Направления инновационного развития железнодорожного транспорта // Транспортные системы и технологии. 2016. № 3(5). С. 36-46.
3. Плеханов П. А. Проблема формирования требований к качеству и безопасности перевозочных услуг железнодорожного транспорта // Экономика железных дорог. 2015. № 10. С. 20-27.
4. Харламов В. В., Шкодун П. К., Хлопцов А. С. [и др.]. Формирование граф-модели диагностирования кол-лекторно-щеточного узла тягового электродвигателя с учетом тепловых факторов // Известия Томского политехнического университета. Инжиниринг георесурсов. 2016. Т. 327, № 1. С. 84 - 90.
5. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Издательство «Мир», 1976. 165 с.
6. Леоненков А. В. Нечеткое моделирование в среде МА^АВ и fuzzyTECH. СПб.: БХВ-Петербург, 2005. 736 с.
7. Шкодун П. К., Долгова А. В. Применение аппарата нечеткой логики при диагностировании коллекторно-щеточного узла тяговых электрических подвижного состава // Известия Транссиба. 2016. № 4 (28). С. 59-69.
8. Борисов А. Н. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. 184 с.
УДК 621.3.083.92
ТЕХНИКО-ЭКОНОМИЧЕСКАЯ ОЦЕНКА ЭФФЕКТИВНОСТИ ПРОЕКТИРОВАНИЯ ИНФОРМАЦИОННО -ИЗМЕРИТЕЛЬНЫХ СИСТЕМ
В. М. Юров1, Е. Н. Еремин2, Я. Ж. Байсагов1, В. А. Архипов1
'Карагандинский государственный университет им. Е.А. Букетова, г. Караганда, Казахстан 2Омский государственный технический университет, г. Омск, Россия
DOI: '0.25206/23'0-9793-20' 7-5-3-154-160
Аннотация - В работе развит термодинамический подход к анализу информационно-измерительных систем (ИИС). Получены выражения для эффективности функционирования ИИС. Получена связь объема памяти процессора с количеством поступающей информации и точности ИИС. Показано, что вероятность потери информации в ИИС уменьшается с увеличением количества информации от объекта. С использованием метода аналогий рассмотрены экономические аспекты проектирования ИИС. Рассмотрены врожденная способность ИИС и закон Мура. Предложенный подход и полученные формулы будут полезны при проектировании новых ИИС.
Ключевые слова: информационно-измерительная система, точность ИИС, эффективность ИИС, объем памяти, информация, врожденная способность ИИС, закон Мура.
I. Введение
Информационно-измерительные (ИИС) стали неотъемлемым атрибутом современных технологических процессов и производств, систем связи, транспорта и различных коммуникаций, систем навигации и космических станций и многого другого [1-3].
Бурное развитие микроэлектроники, наноэлектроники и приборов на их основе породило острую необходимость постоянного обновления ИИС на новой элементной базе, на новых физических принципах, отвечающих современным требованиям точности процессов измерения [4-6].
Вследствие этого возникают проблемы в проектировании сложных ИИС, требующие использования новых математических методов и компьютерного моделирования, нетривиальных схемотехнических решений [7-9].
К чисто академическому аспекту упомянутых выше проблем в настоящее время присоединяются и экономические требования: не слишком большая стоимость работ по проектированию ИИС и технологии их изготовления. В связи с этим возникает необходимость оценки направления в проектировании ИИС как с точки зрения физических принципов, лежащих в основе их функционирования, так и с точки зрения их технической и экономической целесообразности [10].
Решить такую проблему можно только на основе некоторой общей теории, применимой как к процессам произвольной природы, так и к сложным искусственным системам и устройствам. Такой наиболее общей физической теорией является термодинамика.
Основы термодинамики информационных процессов были заложены Л. Брюллиэном [11] и продолжены Р.П. Поплавским [12]. В нашей работе [13], на которую мы будем опираться при дальнейшем изложении, ИИС
