CC BY
10
3) из 600 исследуемых клубней картофеля 65,33% клубней имеют толщину 40-50 мм и имеют вес в пределах 60-120 грамм, что составляет 79,18% от всего веса клубней.
Анализируя рисунки 2 и 3, установлено, что толщина клубня является наиболее чувствительным к соотношению вес - размер. Толщина клубня изменяется в пределах 36 - 46 мм, ширина 42 - 62 мм, длина 47-107 мм. Толщина изменяется в меньших пределах, в сравнении с длиной и шириной клубня, и в большей мере влияет на вес клубня. Таким образом, толщина клубня является наиболее точным размером, по которому может производиться калибрование картофеля. Считаем, что данный вывод является необходимым и требует дальнейшего развития.
Литература
1. ГОСТ 53136-2008 «Картофель семенной. Технические требования». Введ., 2010.01.01. М.: Изд-во Госстандарт России, 2008. 18 с.
2. Колчин Н. Н. Комплексы машин и оборудования для послеуборочной обработки картофеля и овощей / Н. Н Колчин. М.: Машиностроение, 1982. 268 с.
3. Жилкин В. А. Плоское движение клубня картофеля по шероховатым цилиндрическим поверхностям / В. А Жилкин, И. В. Сазонова, О. В. Гордеев // Вестник ЧГАУ. Челябинск: Изд-во ЧГАУ, 1998. Том 26. С. 5-7.
4. ЛатыповР. М. Исследование движения и взаимодействия клубней картофеля при калибровании на ленточном сортирующем устройстве / Р. М. Латыпов, Н. Р. Саврасова // Вестник ЧГАА. Челябинск: Изд-во ЧГАА, 2011. Том 58. С. 50-56.
5. Латыпов Р. М.Обзор принципов калибрования и существующих калибраторов картофеля / Р. М. Латыпов, В. Г. Зинуров // Достижения науки - агропромышленному производству: Материалы LV международной научно-технической конференции, 27-29 января 2016 г. Издательство: Южно-Уральский государственный аграрный университет, Троицк, 2016. С. 94-100.
6. Латыпов Р. М. Технологии и технические средства для возделывания и уборки картофеля / Р. М. Латыпов, А. П. Дорохов, Н. А. Печерцев // учебное пособие для студентов высших учебных заведений, обучающихся по специальности «Механизация сельского хозяйства». Изд-во: Челябинск: ЧГАУ, 2008. 91 с.
Алгоритм контроля технологических параметров с учетом погрешностей
измерений Абзалов А. В.
Абзалов Альберт Вайсович /Abzalov Albert Vaysovich — кандидат технических наук, доцент, кафедра прикладной математики, информатики и управления качеством, Астраханский государственный университет, г. Астрахань
Аннотация: в статье рассмотрен алгоритм контроля технологических параметров в системе идентификации предаварийных ситуаций на аммиачной холодильной установке. Отличительной особенностью алгоритма является возможность учета информации о погрешностях измерений технологических параметров.
Ключевые слова: предаварийные ситуации, контроль параметров, погрешности измерений, холодильная установка.
Введение. Для повышения безопасности и качества технологических процессов применяются различные системы автоматического контроля и технической диагностики. Разновидностями таких средств являются системы, распознающие опасные ситуации на технологических объектах управления и основанные на методах искусственного интеллекта. В работе [4] рассмотрены вопросы, связанные с созданием системы идентификации предаварийных ситуаций (СИПАС) на аммиачной холодильной установке (АХУ), используемой в различных технологических процессах. Данная система основана на экспертных знаниях и предназначена для автоматического распознавания опасных ситуаций на ранней стадии и оказания интеллектуальной поддержки машинисту АХУ, который принимает оперативные решения, т.е. является в данной ситуации лицом, принимающим решения (ЛПР). В предложенном алгоритме определения оценки ситуации на объекте управления не учитывается информация о погрешностях измерений технологических параметров в системе автоматизации. В данной статье предлагается один из возможных вариантов учета этой информации, которая может быть полезной при идентификации предаварийных ситуаций (ПАС) и выявлении отклонений технологического процесса от номинального режима.
Схема функционирования системы управления. СИПАС функционирует в составе автоматизированной системы управления АХУ и в качестве внешнего приложения входит в состав стандартной ЗСАБА-системы. СИПАС и SCADA взаимодействуют между собой посредством блока сопряжения, который используется для передачи и преобразования информации о текущих значениях параметров технологического процесса. Значения параметров поступают на вход в СИПАС дискретно через определенные промежутки времени Т, которые являются настраиваемым параметром. Полученная информация поступает на вход алгоритма идентификации ПАС, результатная информация об оценке ситуации на объекте управления, возможных причинах неисправностей и способах их устранения предоставляется ЛПР (рис. 1).
ЛПР (машинист АХУ)
7Т
СИПАС
Блок сопряжения
\
8СЛБЛ - система -
ДТ —
<2.
ИМ
Объект управления (АХУ)
Рис. 1. Структура взаимодействия СИПАС и SCADA: ДТ — датчики технологических параметров; ИМ — исполнительные механизмы оборудования
Определение погрешностей измерений. Как известно, результат измерения физической величины (ФВ) отличается от истинного значения ФВ ввиду наличия погрешностей измерений. Оценку погрешности результата измерения выполняют при разработке методики выполнения измерений (МВИ). Как правило, погрешность результата измерения оценивается при доверительной вероятности Р = 0,95. В отдельных случаях задают Р = 0,99. Для оценки погрешности используют предварительно полученные при разработке МВИ данные об источниках, составляющих погрешность [2].
Измерительные каналы систем автоматизации могут включать в себя несколько средств измерений (СИ) различных типов, например, датчики, измерительные преобразователи, модули аналогового и частотного ввода и вывода [1]. В число составляющих погрешности результата измерения могут входить:
- погрешности СИ (основная инструментальная погрешность);
- погрешности методов измерений (методическая погрешность);
- дополнительные погрешности, возникающие при отклонении влияющих величин от нормальных условий (например, температура и влажность окружающего воздуха);
- погрешности, обусловленные другими причинами (например, динамическая погрешность [5]).
В результате суммирования систематической и случайной составляющих определяют погрешность результата измерения А(Р) при доверительной вероятности Р. Результат измерения обычно записывают следующим образом: х = хизм ± А(Р) при Р = 0,95 (Р = 0,99), где хизм - измеренное значение.
Как следует из этой формулы, результат измерения представляет собой не одно определенное число, а интервал значений измеряемой величины, и её истинное значение лежит где-то в границах этого интервала [3]. Эту объективную вероятность нахождения истинного значения измеряемой величины внутри доверительного интервала предлагается использовать для преобразования значений
технологических параметров, поступающих на вход в СИПАС. Данный подход можно также использовать в различных системах автоматизации технологических процессов для прогнозирования значений параметров процесса и выявления потенциальных признаков неисправностей.
Алгоритм контроля технологических параметров. Блок-схема обобщенного алгоритма контроля технологических параметров в СИПАС, в котором учитываются погрешности измерений представлена на рис. 2.
В блоке 1 на вход в СИПАС из SCADA-системы поступает множество значений технологических параметров X = {х,} (г = 1, 2,...,0.
При проведении анализа опасных режимов на исследуемой АХУ (двухступенчатая установка с непосредственным охлаждением) все контролируемые параметры были разделены на две группы (А и Б) по степени значимости, а также по степени сложности оборудования:
- контролируемые параметры для компрессоров;
- контролируемые параметры для других технологических блоков.
Основные контролируемые параметры представлены в табл. 1 - 4.
Таблица 1. Контролируемые параметры группы А для компрессоров
№ Наименование параметра Обозначение Ед. изм.
1 Температура всасывания компрессора 'вс °С
2 Температура нагнетания компрессора 'н °С
3 Давление всасывания компрессора Рвс МПа
4 Давление нагнетания компрессора Рн МПа
5 Давление масла в системе смазки компрессора Рм МПа
6 Расход воды, охлаждающей цилиндры компрессора ош м3/ч
7 Сила тока в электродвигателе компрессора /эд А
Таблица 2. Контролируемые параметры группы Б для компрессоров
№ Наименование параметра Обозначение Ед. изм.
1 Температура масла в компрессоре 'м °С
2 Температура воды на выходе из охлаждающей рубашки компрессора 'и °С
3 Уровень масла в картере компрессора Нм мм
4 Среднее квадратическое значение (СКЗ) виброскорости в точках измерения на компрессоре Уе мм/с
Таблица 3. Контролируемые параметры группы А для других технологических блоков
№ Наименование параметра Обозначение Ед. изм.
1 Уровень аммиака в циркуляционном ресивере Нцр мм
2 Уровень аммиака в промежуточном сосуде Нпс мм
3 Давление аммиачного насоса Ран МПа
4 Давление водяного насоса Рвн МПа
5 Концентрация аммиака в машинном отделении и в холодильных камерах Ка мг/м3
Таблица 4. Контролируемые параметры группы Б для других технологических блоков
№ Наименование параметра Обозначение Ед. изм.
1 Уровень аммиака в линейном ресивере Нлр мм
2 Уровень аммиака в дренажном ресивере Ндр мм
3 Температура кипения в циркуляционном ресивере 'о °С
4 Температура конденсации в конденсаторе 'к °С
5 Температура переохлаждения после переохладителя 'по °С
6 Температура воды, поступающей на конденсатор °С
7 Температура воды, выходящей из конденсатора °С
8 Температура воздуха в холодильных камерах 'кам °С
Будем считать, что нам известны погрешности значений всех параметров состояния из множества X. Т. е. для каждого Х1 известны границы доверительного интервала ±А(Р),. Обозначим их как
В блоках 2-7 в цикле значения параметров состояния сравниваются со значениями, полученными на предыдущем такте опроса датчиков, и преобразуются в соответствии с динамикой процесса изменения этих параметров.
Рис. 2. Обобщенный алгоритм контроля технологических параметров в СИПАС
Следует отметить, что СИПАС является интеллектуальной системой. Она основывается на базе знаний и алгоритме идентификации, который имеет эвристический характер. Т.к. истинное значение параметров состояния может с определенной вероятностью принять граничное значение доверительного интервала, то можно предложить следующее эвристическое правило (его можно рассматривать как субъективное мнение эксперта, основанное на объективных данных): если Axi > 0, то х- получает значение х- + £,;, если Ах,- < 0, то х- получает значение х- -
к к к-1 к к-1
где Ах,- = х,к - х,к 1; х/ - текущее значение параметра х; х/ 1 - значение параметра х,-, полученное на предыдущем такте опроса датчиков (без учета погрешности измерения); к - порядковый номер такта опроса датчиков.
В дальнейшем изложении алгоритма х/ и х/-1 представляют собой исправленные значения (с учетом погрешности измерения).
В блоках 8-11 в цикле для всех параметров состояния определяются прогнозируемые значения и
к , /„к к-1-
сравнение прогнозируемых значений с нормами: X? — X■ + (X■ — X■ ), где x,
прогнозируемое значение для i-го параметра.
Если (xf > NR,max и Ах,- > 0) или (xf < NR,min и Ах,- < 0), где ЖГ* и NR,min - соответственно максимальное и минимальное значение из диапазона нормальных значений для i-го параметра, определяемые на основе нормативно-технической документации, а также экспертных знаний, то в рабочую память ЭВМ заносится признак отклонения от нормы.
В данном случае при определении xf увеличение (по модулю) разности Ах,- = х,к - x,k'1 на величину увеличивает интервал между прогнозируемым и текущим значением Axf = xf - Xj (Xi G X), и
следовательно повышает вероятность выявления потенциально возможного отклонения i-го значения технологического параметра от его нормального значения.
Основная обработка информации производится в блоке 12 (обработка продукционных правил), где на основе совокупности признаков неисправностей и экспертных знаний определяется результатная информация [4]. Эта информация представляет собой оценку ситуации на объекте управления, вероятные причины отклонения технологического процесса от нормы, а также способы нормализации ситуации. После этого решение, предоставляемое ЛПР, выводится на экран монитора (блок 13). Использование базы знаний позволяет выявлять опасные ситуации на ранней стадии, когда технологические параметры еще находятся в диапазоне нормальных значений, но их совокупность определяет ситуацию, как близкую к аварийной.
Заключение. Таким образом, можно сделать вывод, что информацию о погрешностях результатов измерений целесообразно использовать при разработке и эксплуатации СИПАС. Эта информация способствует повышению вероятности своевременного распознавания отклонений технологического процесса от номинального режима и, соответственно, повышению безопасности технологических объектов управления, использующих аналогичные системы автоматизации.
Литература
1. Денисенко В. В. Компьютерное управление технологическим процессом, экспериментом, оборудованием / В. В. Денисенко. М.: Горячая линия-Телеком, 2014. 608 с.
2. ДимовЮ. В. Метрология, стандартизация и сертификация. Учебник для вузов / Ю. В. Димов. СПб.: Питер, 2006. 432 с.
3. Иванников Д. А. Основы метрологии и организации метрологического контроля. Учебное пособие / Д. А. Иванников, Е. Н. Фомичев. Нижний Новгород: Нижегородский государственный технический университет, 2001. 116 с.
4. Шуршев В. Ф. Идентификация предаварийных ситуаций на аммиачной холодильной установке / В. Ф. Шуршев, А. В. Абзалов // Датчики и системы, 2009. № 5. С. 31-34.
5. Schoen M. P. Dynamic Compensation of Intelligent Sensors. IEEE Transactions on Instrumentation and Measurement, 2007. Vol. 56. № 5. P. 1992-2001.
