Аналитическая идентификация технического состояния теплоэнергетического оборудования. Основные аспекты научного направления Текст научной статьи по специальности «Строительство и архитектура»

Владов Ю.Р., Кушнаренко В.М., Владова А.Ю.

Оренбургский государственный университет

АНАЛИТИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТЕПЛОЭНЕРГЕТИЧЕСКОГО ОБОРУДОВАНИЯ.

ОСНОВНЫЕ АСПЕКТЫ НАУЧНОГО НАПРАВЛЕНИЯ

Рассматриваются теоретические и практические аспекты актуальной проблемы идентификации технического состояния (ТС) энергонапряженных промышленных объектов. Предложена и реализована многоуровневая декомпозиция,предполагающая нахождение научно обоснованных агрегированных, корреляционных, аналитических и прогнозных моделей изменения ТС. Приведены модели ТС энергетического котла всех уровней, полученные в процессе автоматизированной идентификации по данным проведенных диагностирований.

Теплоэнергетическое оборудование (ТЭО) относится к категории промышленных объектов, отказы которых сопряжены со значительным материальным и экологическим ущербом. Увеличивающаяся продолжительность эксплуатации ТЭО, износ оборудования выдвигают вопросы оценки технического состояния в ранг наиболее важных научно-технических проблем [1]. Проведенный анализ научной проблемы на основе собранной за тридцатилетний период эксплуатации ТЭС Оренбургского региона информации по отказам оборудования позволяет выделить определяющий для ТС ТЭО процесс ползучести и четыре основные причины повреждения металла: перегрев (55,2% от общего количества отказов), далее следуют дефекты металла и монтажа (22,4%), коррозия (14,9%) и исчерпание ресурса (7,5%). В работах Антикайна П.А., Асколь-зина П.А., Ботвиной Л.Р., Гофмана Ю.М., Должанского П.Р., Израилева Ю.Л., Лубны-Герцака А. Л., Ланской К. А., Одинга И. А., Розенберга В.М., Хромченко Ф.А. и многих других обсуждаются модели повреждения металла при ползучести, базирующиеся на теории упрочнения (наклепа) и разупрочнения (рекристаллизации). Однако используемые параметры и математические модели (ММ) состояния металла ТЭО в условиях высоких температур и напряжений носят локальный характер.

Известно, что с применением ТЭО в России вырабатывается более 70% электроэнергии, при этом количество отказавших элементов за последние 15 лет существенно возросло, и эта тенденция, связанная со старением ТЭС, сохраняется. Установлено, что

энергетические котлы, например типа ТГМЕ-464, содержат около 3,5 тысячи элементов, существенных с точки зрения технического состояния. Состояние каждого элемента описывается 22 параметрами, значения которых определяются методами визуального, разрушающего и неразрушающего контроля. Известные методики диагностирования ПО, устанавливая периодичность, способы и объем контроля, признаки для оценки вида дефекта, а также степень потенциальной опасности локальных дефектов, не позволяют количественно оценивать ТС, наблюдать его изменение до и после ремонтов, проводить сравнительный анализ и прогнозировать ТС с учетом выявленных аномалий.

Принципиальным выходом из создавшегося положения является разработка новых методов аналитической идентификации ТС в рамках развиваемого научного направления [2, 3], позволяющих существенно сократить затраты материальных и временных ресурсов при проведении технического диагностирования, а также технического обслуживания и ремонтов. В соответствии с поставленной целью - повышение эффективности функционирования ТЭО на этапе их длительной эксплуатации за счет разработки методологии аналитической идентификации технического состояния - решены следующие задачи: разработаны способы агрегирования диагностической информации и получения оптимальных по критерию минимума среднего риска агрегированных моделей ТС; развиты основные теоретические положения построения аналитических моделей и моделей прогнозирования ТС; разработа-

ны методики и проведена аналитическая идентификация и прогнозирование ТС ТЭО.

В рамках предложенной методологии рациональна четырехуровневая декомпозиция, предполагающая нахождение: агрегированных моделей по сформированным базам данных на основе результатов диагностирований; аппроксимирующих зависимостей соответствующих корреляционных функций; общих и физически реализуемых аналитических моделей и моделей прогнозирования.

Процесс нахождения агрегированных моделей ТС ТЭО предполагает пятиоперационное агрегирование: покомпонентное, поэлементное, поагрегатное, погрупповое и общее (рисунок 1).

Покомпонентное агрегирование предусматривает нахождение степени повреждения металла по трем компонентам: надежностной Бнк в соответствии с эффективной наработкой, температурной Бтк в зависимости от напряжения и температуры и механической компоненты Б также в зависимости от эф-

мк т

фективной температуры для каждого элемента с учетом ряда существенных физико-механических свойств, а также марки стали, давления и других факторов, выбранных из базы данных. Методом экспертных оценок с учетом мнений специалистов энергетической отрасли и условия нормирования выбраны весовые коэффициенты: в надежност-

ной компоненте для вероятности отказов (1) aQ(t), номинального допускаемого напряжения (2) аНдН и относительного количества пусков (3) а n; в температурной компоненте для допускаемого напряжения (4) адН, предела ползучести (5) аПП и предела длительной прочности (6) а ПдП ; в механической компоненте для предела прочности (7) а ППр, предела текучести (8) аПТ, относительного удлинения (9) аОУ, относительного сужения (10) аОС и ударной вязкости (11) аУВ (см. соответствующие цифры в нижней строчке рис. 1). Поэлементное агрегирование предусматривает нахождение агрегированной модели степени повреждения металла элементов по компонентным данным, полученным при выполнении 1 -й операции с учетом весовых коэффициентов для надежностной, температурной и механической компонент.

При третьей операции агрегирования сначала выбирается удельное количество элементов в агрегате, а затем находится оптимальное количество по критерию минимума среднего риска. Таким образом, создаются агрегаты, для каждого из которых вычисляются по предложенному алгоритму основные Nai, N Nz1 и дополнительные параметры агрегирования, по которым находятся агрегированные модели - аддитивная, мультипликативная и комбинированная.

Погрупповое агрегирование имеет конечной целью получение основных статис-

1 S S S °опт.мин> °om\cp> °опт.макс

s 1 s Is °адд 1 °мпт 1 °кмб

Na | Nq Nz

Saгp1 1 SaTp33

2 Гибы Мгибов Огибов Огибов Интеpвaльные значения

Св. швы Мсв ттгвов Рсв.ттгвов Осв швов

Тpyбы Mтpyб Drp^D ^rpyi

Sa^1 I S мпт1 1 ^>кмб1 ^дд25 1 Sмпт25 S™625

Na1 Nq, 1 Nz1 Na25 1 Nq25 1 Nz25

Схема 1 Схема 25

3 Somr аго! Sоmт аго 33

Sa^1 Sмmт1 Sкмб1 Sa^33 Sмmт33 S™633

Na1 Nq1 Nz1 ■■■ аNa>CaNq>CaNz ■" Na33 Nq33 Nz33

А^егат 1 Агpегaт 33

4 S °адд1 Saдд3317

S^ 1 Sn 1 S к1 1 °мк1 Sнк3317 1 Sтк3317 1 Shh3317

5 Srn;1 Sto1 Sмк1 Sнк3317 Sтк3317 ^3317

1 12 |3 4 |516 7|s|9| 10 | 11 1 1 2 | 3 4 1 5 | 6 7 | S | 9 | 10 | 11

Рисунок 1. Схема операций по нахождению агрегированных моделей ТС ТЭО: 1 - общая; 2 - погрупповая; 3 - поагрегатная (основная); 4 - поэлементная и 5 - покомпонентная.

тических характеристик: математического ожидания М, дисперсии Э, стандартного отклонения а и границ интервалов для гибов, сварных соединений и труб с опорой на схемы графической части базы данных.

Заключительная операция на уровне общего агрегирования предусматривает нахождение по полученной оптимальной модели следующих статистических характеристик изменения ТС: среднего эффективного, стандартного отклонения, ошибки среднего и доверительного интервала по критерию Стьюдента - Романовского.

Выбранный по принципам типичности и информативности модельный энергетический котел декомпозирован на более трех тысяч (3317) существенных элементов: сварные стыки, гибы и трубы. В процессе идентификации ТС ТЭО разработаны: 1) методика определения эквивалентной температуры эксплуатации с учетом наработки элементов на отказ, позволяющая скорректировать созданный для трех диагностирований комплекс баз данных энергетического котла и установить причины отказов элементов ТЭО за 30-летний период эксплуатации, основной из которых является длительный перегрев металла и, как следствие, ускоренное протекание ползучести; 2) методика определения и сами полиномиальные аппроксимирующие зависимости выбранных физико-механических свойств металла ТЭО, вошедшие в надежностную, температурную и механическую компоненты агрегированных моделей ТС трех котельных марок стали; 3) автоматизированный стенд с нагревательной камерой, снабженной системой автоматической стабилизации температуры, для испытаний на растяжение при повышенных температурах с уточнением аппроксимирующих зависимостей механической компоненты. На рисунке 2 выборочно приведены найденные зависимости пределов прочности (а) и текучести (б) для котельных марок стали, вошедших в базу данных.

Проведенное агрегирование информационных массивов с диагностической информацией

0,8 0,75 0,7 - 0,65 £ 0,6 Ю 0,55 0,5 0,45 0,4

позволило получить оптимальные по критерию минимума среднего риска модели ТС энергетического котла со 100 элементами на каждый агрегат (рисунок 3).

Анализ оптимальных агрегированных моделей показывает, что в соответствии с закономерностями, присущими энергонапря-

а)

-20Кэ 12Х1 МФа

Температура 1, оС 20Ка

15Х1 МФэ (15ХМэ)

-12Х1МФэ 15Х1 МФа (15ХМа)

100 200 300

Температура 1,

400 0 С

500 600

-*-20Кэ -»-20Ка -*-12Х1МФэ 12Х1МФа 15Х1МФэ 15Х1МФа

Рисунок 2. Экспериментальные (индекс э) и аппроксимирующие (индекс а) зависимости пределов прочности (а) и текучести (б) от температуры

-ЯШ* щЖт _

8 12 Агрегаты

16

20

24

ЭаЬЬ2

28

ЭктЬЗ

Рисунок 3. Графики оптимальных агрегированных моделей ТС энергетического котла по данным 2-го и 3-го диагностирований

0

4

женным промышленным объектам, степень повреждения металла с увеличением наработки значительно возрастает, причем ухудшение ТС по агрегатам существенно неравномерное.

Получены поагрегатные интенсивности V, изменения ТС, а также зависимости из-

ЭК! 7

менения интенсивностей от ТС энергетического котла Vsk(U) (рисунок 4). Выявлены коэффициенты аппроксимирующих полиномиальных зависимостей V, (и).

эк арг4 '

Установлено, что ТС энергетического котла по данным 1-го и 2-го диагностирований принадлежит диапазону 0,46...0,55, а соответствующая интенсивность (0,00025...0,00045)%/ч, а по данным 2-го и 3-го диагностирований - диапазон ТС существенно сдвигается в сторону больших значений (0,74.0,81), а интенсивность снижается в диапазоне (0,0011 ...0,00095)%/ч. Результаты агрегирования по каждому техническому диагностированию ТЭО свидетельствуют о возможности выделения потенциально опасных агрегатов.

На втором иерархическом уровне из-за отсутствия априорной информации о струк-

0,0011 0,00108 0,00106 0,00104

туре и параметрах математических моделей изменения ТС ТЭО выясняется степень нелинейности связи входных и выходных оптимальных моделей ТС, их стационарность и стационарная связанность [4]. Необходимая информация создается построением двумерных интервальных рядов, по которым вычисляются основные статистики, регрессии (рис. 5а и 5б) и дисперсионные отношения.

Линейная статистическая взаимосвязь между оптимальными агрегированными моделями иу и их подтверждается также критериями, значения которых намного превосходят критическое значение, равное для вероятности 0,95 и числа степеней свободы к1 = п-к; к2 = к-2, Бт = 5,7664. Построенные статические характеристики для оптимальных агрегированных моделей на выходе и входе аппроксимированы также линейными зависимостями с высоким уровнем достоверности (рисунок 6).

Из множества найденных корреляционных зависимостей ТС ТЭО по частоте появления выделены четыре авто- Яхх(т), К-(т) и взаимо- (Д(т) при т > 0 и Яху(т) при т<0) корреляционных функций (КФ), характерными

со

0,00102

со

>

0,001

0,00098

0,00096

0,73 0,74 0,75 0,76 0,77 0,78 0,79 0,8

Техническое состояние и

♦ Уэк2-3, %/И —■—Уэк2-3арг, %/И

Рисунок 4. Зависимость интенсивности изменения ТС от его величины для энергетического котла по данным

2-го и 3-го диагностирований а) б)

их = 1,4732иу - 0,627 Р = 0,992

иу = 0,6733Ух + 0,4283

Р = 0,992

-гедг иу|их

■Линейный (гедг иу|их)

гедг их|иу — Линейный (гедг 11х|иу)

Рисунок 5. Графики прямой и обратной регрессий

особенностями которых являются стационарность и стационарная связанность случайных процессов на входе и выходе общей модели. Аппроксимирующие зависимости нормированных авто- и взаимо- КФ технического состояния промышленных объектов увеличиваются по сложности описания: экспоненциальные, экспоненциально косинусные, экспоненциально полиномиальные и экспоненциально косинус-синусные. Рассчитаны опорные точки авто- и взаимо- КФ изменения ТС энергетического котла по результатам диагностирований, по которым подобраны оптимальные по минимаксному критерию аппроксимирующие зависимости (рисунок 7).

Нахождение аналитических моделей изменения ТС ТЭО, предусмотренное на 3-м уровне, предполагает статистическую постановку задачи, но с входной Пх(ґ) и выходной иу(ї) оптимальными агрегированными моделями как случайными функциями времени. Определение аналитических моделей сводится к нахождению оценки оператора

г(г) в виде импульсной переходной функции, характеризующей интенсивность изменения ТС при обеспечении близости случайных функций Пу* (г) выхода модели к случайной функции Пу(г), являющейся выходной переменной объекта. Использован критерий близости случайных функций в виде функ*

ции потерь р[иу(г)иу (г)], на математическое ожидание (МО) которой наложено требование минимума:

Щр[иу(г)и*(г)]}= тт. (1)

Критерий минимума среднего риска (1) будет выполнен, если потребовать минимум МО функции потерь при данной реализации случайной агрегированной модели на входе. С учетом нормированности предложенных аппроксимирующих корреляционных зависимостей, стационарности и стационарной связанности случайных функций иу(0 и их(0 интенсивность изменения ТС ТЭО при бесконечном интервале наблюдения найдется из интегрального уравнения по типу Винера -Хопфа, но с агрегированными моделями:

ГО

0,44 _ I 0,42

2 X

п л

=г со 0,4

о о

Ь 5 0,38

^ I-

ф о

Б 9 0,36

га

О

| 0,34 ч:

0,32

у = 1,3474х - 0,063

у = 1,4093х - 0,0659

Р 2 = 0, 9422 Р 2 = 1,9345^^^

0,28 0,3 0,32 0,34 0,36

ТС агрегатов котла при предыдущем диагностировании

0,38

-Б21

Б32

-Линейный (Б21)

-Линейный (Б32)

Рисунок 6. Статические характеристики ТС энергетического котла: Б21 - по результатам 1-го и 2-го, а Б32 - по результатам 2-го и 3-го диагностирований

-гхх2-3^аи) - гух2-3^аи)

- гуу2-3^аи)

а)

гху2-3(1аи)

б)

Рисунок 7. Графики авто- гхх2-3(т ), гуу2-3(т ) и взаимо- гух2-3(т ) при т > 0 (а) и гху2-3(т ) при т < 0 (б) корреляционных зависимостей по агрегированным моделям 2-го и 3-го диагностирований

|/(Т)' Гхх (1 -Т)- ^ = Гух (1X

— те < (< те, у(т) = 0 при т < 0 . (2)

Из теории (Н.С. Райбман и др.) известно, что интегральное уравнение Фредголь-ма 1-го рода типа (2) сводится путем декомпозиции авто- и взаимо- КФ на две составляющие при г > 0 и г < 0 к интегральному уравнению Вольтерра 1-го рода, аналитически решаемому с помощью преобразования Лапласа.

Поскольку выбранные аппроксимирующие корреляционные зависимости представляют собой аналитические функции входной и выходной агрегированных моделей и допускают аналитическое продолжение на положительную ось, то уравнение (2) имеет место для всех ^ в том числе и для г > 0 . Проводя интегральные преобразования, получим

°г-ъ /(я ) = 0,772-

5-2 + 0,556 я + 0, 468

(5)

£у(тМг„ + 0 -т) - г„- (1 -т)]-ёт =

"0) - Гух- 0)

(3)

В этом случае решение (3) всегда существует, и притом оно единственное. Применив прямое преобразование Лапласа и учтя теорему умножения для свертки оригиналов, получим выражение для нахождения передаточной функции (ПФ) 0(8):

6(3)-[ГхХ (я)— Гхх— (я)]= Гух+ (я) — ГуХ (А,). (4) Зная ПФ, с помощью обратного преобразования Лапласа находим аналитические модели изменения технического состояния ТЭО. Предложенное множество в целом состоит из 64-х аналитических моделей ТС, которые систематизированы по трем критериям: классу, типу и группе. Математические модели ТС энергетического котла отнесены по данным 1-го и 2-го диагностирований к 3-му классу, 4-м типу и группе, а по данным 2-го и 3-го диагностирований - к 4-м классу, типу и группе и после преобразований получены в численном виде. Устранение нулей и полюсов в числителе и знаменателе с положительной вещественной частью и ограничение до 2-й степени числителя позволяет получить после преобразований выражения для оптимальных с позиции физической реализации ПФ:

я3 + 2,022 ^2 +1,175 ^ + 0,692 С использованием единичного ступенчатого сигнала найдены соответствующие переходные функции, отражающие изменение ТС энергетического котла по мере увеличения наработки:

и1 2 (1) = 0,145 - 0,031008(0,619-1) е-и,26И + + 0,234 8іп(0,619 - 1)е -0,2Ш - 0,114е -2Д55 1;

,(г) = 0,522 - 0,471е-

(6)

— 0,051со8(0,625-г)е —0'2351 + (7)

+ 0,04б8т(0,625-Ое—0235 1

Модели интенсивностей изменения ТС металла энергетического котла получены с использованием обратного преобразования Лапласа от физически реализуемых ПФ:

V 2(0 = 0,245е-2,1551 +

+ 0,153 оо8(0,619-г)е-0,268 1 -- 0,0448іи(0,619-г)е-0,268 1;

(8)

У2 3(0 = 0,732-е-1,552 1 +

+ 0,04008(0,625 - г)е-0,2351 + (9)

+ 0,0218іи(0,625-г)е-0,2351

Построены идентограммы как совокупности графиков технического состояния и модуля интенсивности его изменения, развернутые по наработке с учетом проведенных диагностирований (рисунок 8).

Точность полученных аналитических моделей определяется систематическими ошибками и вероятностными характеристиками случайных ошибок выходной переменной. Общая задача исследования точности предполагает знание МО ших и стандартного отклонения а оптимальной агрегированной модели на входе и аналитической модели изменения ТС объекта определенного класса, типа и группы предложенной классификации. Необходимо найти МО шф и дисперсию Виу выходной переменной и сопоставить с МО шу*(1) и Ву*(1;), найденными по оптимальной выходной агрегированной модели. Оценки шЦу*(1) и В *^) соответствующего стационарного случайного процесса,

1,552-1

и

= Г

ух

обладающего свойством эргодичности, вычисляются по одной реализации на достаточном по длительности интервале (0; Т) как средние значения:

* 1 гт

шиу (г) = т ^(0^;

* 1 гт 0 2 , (10)

Оиу(0 = т |0К°(О]2л

где иу(1) - реализация случайного процесса на выходе математической модели; ы° (г )=иу(г)- т* - центрированная реализация выходного процесса.

Такая задача решается различными способами, но в данном случае целесообразен метод компьютерного моделирования в интегрированной среде визуального моделирования (^Бт), в которой организовываются блоки вычисления МО и дисперсии выходной переменной. Для этого физически реализуемая ПФ преобразуется в обыкновенное дифференциальное уравнение операторной формы, из которого выражается выходная переменная и находятся начальные условия для интегральных сумм, а правая часть переписывается в форме с операторами однократного интегрирования и реализуется аналоговая модель. При подаче на ее вход случайной функции Ц,©, имеющей нормальный закон распределения, а следовательно, найденное по входной оптимальной агрегированной модели МО тЦх и стандартное отклонение а , находятся значения т,, * и Э,, * в

Цх’ Цу Цу

конце интервала наблюдения Т. Сопоставляя полученные значения с тЦу и ЭЦу, найденными непосредственно по оптимальной выходной модели ЦД), производится статистическая оценка точности идентификации ТС ТЭО.

Подавая на вход 1(1), 5(1) или их(1) реализованной в интегрированной среде аналоговой модели с блоками вычисления тЦу(1) и Э^), на ее выходе регистрируем соответственно переходную функцию ТС котла, интенсивность его изменения или случайную функцию иу(1). Сопоставление полученных в процессе моделирования значений переходных и импульсных переходных функций позволяет оценить погрешности найденных аналитических моделей ТС, которые для исследованных объектов не превышают 1%.

Результаты моделирования показывают существенное возрастание тЦу*(1) и ЭЦу*(1) с ростом тЦх и БЦх при подаче на вход оптимальной агрегированной модели Цх(1). Сопоставление модельных данных, полученных с входной агрегированной моделью, и данных по выходной агрегированной модели по окончании интервала наблюдения Т показывает, что максимальная погрешность аналитических моделей ТС не превышает 4,2%.

Полная имитационная модель позволяет также решить задачу прогнозирования ТС, соответствующую 4-му уровню. Сначала построенные кривые тЦу*(1) и ЭЦу*(1) аппроксимированы линейной моделью тЦу*(1) = а+Ы с коэффициентами аппроксимации: а = 0,00091 и Ь = 0,00057 и соответствующей квадратичной моделью Оиу (г ) = с + й -г + в - г2 с коэффициентами с = 0,004е-1; d = -1,463е-5; е= 6,631е-8. Стандартная ошибка аппроксимации не превышает 0,006, а коэффициент корреляции не ниже 0,979. Затем, задаваясь временем прогнозирования, вычисляются прогнозные значения тЦу ^(1) и ЭЦу пр(1) ТС исследуемого объекта.

© 0,5

^1 ^ 0,4

> 5 0,3 О м

Іі. Н

СЧ А

0,2

0,1

0

100

СП

I

0,8

0,6

> 5

§ * 0,4 ІІ. н

т

I

с~|

0,2

0

65 75 85

Наработка, тыс.ч.

95

Наработка, тыс.ч.

—♦— ы12(1) -И-УЩЦ —♦— и23(Ц -И-У23®

Рисунок 8. Идентограммы, построенные по результатам 1-го и 2-го (а), 2-го и 3-го (б) диагностирований

Для выполнения описанных процедур выбраны и использованы современные программные средства компьютерной математики, интегрированная среда визуального моделирования и экспертная система в области аппроксимации функций, а также разработан соответствующий программный комплекс [3-4]. Структура замкнутой АСУ ТС ТЭО основана на многомодульном и функциональном программном комплексе. Аналитическая идентификация ТС ТЭО достигается при выполнении следующих основных операций: выбор, считывание и анализ БД по объекту идентификации и наработке (тыс. часов); автоматизированный покомпонентный, поэлементный, поагрегат-ный и погрупповой расчет степени повреждения металла; статистический анализ в виде точечных и интервальных с 95% доверительной вероятностью характеристик ТС потенциально опасных элементов и агрегатов; сохранение конечных результатов; представление полнофункциональной гипертекстовой справки и др.

Эффективность функционирования ТЭО при автоматизированной аналитической идентификации ТС [2] найдена сравнительной оценкой комплексного показателя по трем важным характеристикам: надежность функционирования, стоимость эксплуатации и поставка тепловой энергии. На этапе длительной эксплуатации ТЭО с ухудшением ТС надежность функционирования объекта снижается, но с использованием результатов аналитической идентификации ТС она снижается существенно меньше за счет своевременного и оперативного воздействия на аг-

регаты с ухудшенными техническими характеристиками.

Таким образом, научно обоснована методология аналитической идентификации технического состояния ТЭО, предусматривающая: а) декомпозицию с учетом конструктивных особенностей на существенные элементы; б) формирование комплексной по проведенным диагностированиям базы данных в табличной и схемной (графической) формах с характеристикой условий эксплуатации, используемых марок стали, наработки и дефектности; в) выбор и нахождение аппроксимирующих зависимостей, характеризующих безотказность, жаростойкость и механические свойства металлов; г) создание агрегатов с одинаковым количеством элементов (95... 104) с использованием основных агрегированных параметров и формирование на их основе температурной, надежностной и механической компонент; д) нахождение из компонентных моделей: аддитивной, мультипликативной и комбинированной с выбором по критерию минимума среднего риска оптимальной; е) статистический анализ агрегированной, групповой (гибы, стыки и трубы) и общей степени повреждения металла.

Это позволяет построить перспективные графики проведения технического диагностирования, существенно повысить равномерность ежегодно обследуемых объектов, а также сократить объемы дефектоскопии и ремонтных работ за счет возможности осуществления мониторинга за изменением ТС до и после ремонтов, возможности прогнозирования ТС и показателей надежности.

Список использованной литературы:

1. Владов Ю.Р., Кушнаренко В.М., Кандыба Н.Е., Степанов Е.П., Владова А.Ю. Идентификация технического состояния теплоэнергетического оборудования: Монография. - Оренбург: ГОУ ОГУ, 2004. - 200 с.

2. Владов Ю.Р. Аналитическая идентификация технического состояния и эффективность функционирования промышленных объектов // Автоматизация в промышленности, 2005, №4. - С. 9-12.

3. Владов Ю.Р. Аналитическая идентификация технического состояния газоконденсатопроводов. Теоретические и практические аспекты научного направления. Вестник Оренбургского государственного университета. №2, том 2, 2006. -С. 95-102.

4. Владов Ю.Р., Кушнаренко Е.В., Владова А.Ю. Модели и методы аналитической идентификации. Агрегированный подход // Третья международная конференция по проблемам управления: Тезисы докладов в двух томах. Том 1. -М.: Институт проблем управления РАН, 2006. - С. 102.

25.09.06 г.