Электронные системы диагностирования и направлениях интеллектуализации Текст научной статьи по специальности «Математика»

ПРИБОРОСТРОЕНИЕ, ДИАГНОСТИКА

а. н. головаш электронные системы в в молчанов диагностирования

в. г. шахов

Центр "Транспорт" МПС УДК 621.01

интеллектуализации_

РАССМАТРИВАЮТСЯ СТРУКТУРА КОМПЬЮТЕРИЗОВАННОЙ МОДУЛЬНОЙ СИСТЕМЫ ДИАГНОСТИРОВАНИЯ ЛОКОМОТИВОВ И РЕШАЕМЫЕ ЕЮ ЗАДАЧИ. АНАЛИЗИРУЮТСЯ ВОЗМОЖНОСТИ ИНТЕЛЛЕКТУАЛИЗАЦИИ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ И ПРЕДЛАГАЮТСЯ РЕШЕНИЯ.

Современные магистральные электровозы представляют собой сложные технические системы большой мощности. Они эксплуатируются в тяжелых условиях: непосредственное влияние климатических условий в широком диапазоне, резкопеременные электрические и механические нагрузки, ударные воздействия от пути и поезда и т.д. Добавим к этому специфику железнодорожного транспорта: если во время движения поезд вследствие неисправности остановился, стоят и следующие за ним поезда. Именно поэтому к надежности локомотивов предъявляются особо жесткие требования.

Ситуация усугубляется и тем, что локомотивы, эксплуатируемые сейчас на железных дорогах, эксплуатируются давно и частично выработали свой ресурс.

Радикальное средство повышения надежности локомотивов - их оперативное диагностирование. Для того чтобы качество диагностирования не зависело от субъективных факторов (известно, что уровень квалификации обслуживающего персонала в разных депо существенно разнится), желательно по возможности автоматизировать процедуру диагностирования. Для этого предприятием Центр внедрения новой техники и технологий "Транспорт" разработаны и внедряются средства технического диагностирования [1].

В качестве примера такой системы можно рассматривать диагностический комплекс "Доктор-30", предназначенный для комплексного диагностирования силовых электрических цепей локомотивов. Комплекс конструктивно основан на переносном персональном компьютере с подключаемыми к нему по стандартному интерфейсу модулями [2]. Структура комплекса приведена на рис. 1. Здесь обозначено: ОД - объект диагностирования (локомотив); ИП - измерительные преобразователи; ИМ,, ... ИМк - интеллектуальные модули; БМ-базовый модуль; Д-дисплей; И-интерфейс.

Фактически приведенная структура представляет собой распределенную вычислительную среду, в которой вычисления проводятся как в базовом модуле БМ, так и в комплекте модулей ИМ. Это придает комплексу большую

Рис. 1. Структура диагностического комплекса.

гибкость и обеспечивает большой запас по вычислительным ресурсам. Этот запас позволяет вводить в систему элементы интеллектуализации.

Как известно, определение искусственного интеллекта (ИИ) и возникшие при этом ожесточенные дискуссии происходили в конце 40-х начале 50-х годов XX века [3]. Как оказалось, ученые тех времен были явными оптимистами. Спустя 50 лет при явном технологическом прогрессе в области информатизации говорить об искусственном интеллекте преждевременно: имеет смысл ставить проблемы относительно элементов искусственного интеллекта.

Задача технического диагностирования заключается, во-первых, в решении вопроса об исправности (неисправности) ОД, а во-вторых, в определении места неисправности. Локализация неисправности с точностью до узла (детали) определяет глубину диагностирования. Таким образом, при диагностировании необходимо так построить диагностический эксперимент, чтобы за конечное число шагов по возможности решить обе поставленные задачи.

Как известно [4], при решении задачи об исправности ОД возможны четыре исхода:

-при исправном (годном) объекте принимается решение о годности с вероятностью Р(Г I Г);

- устройство неисправно, и диагностический комплекс это обнаруживает с вероятностью Р(Н IН);

- объект неисправен, но комплекс выдает решение о его исправности; вероятность такого события Р(Г|Н);

- исправный объект ошибочно принимается неисправным с вероятностью Р(Н I Г).

Первые два события соответствуют правильным решениям, третье в [5] названо ошибкой I рода, четвертое ошибкой II рода. Четыре исхода образуют полную группу событий, поэтому справедливо равенство:

Р(Г)[Р(Г IГ + Р(Н | Г)] + Р(Н)[Р(Н | Н) + Р(Г | Н) = 1. (1)

Здесь Р(Г) и Р(Н) - вероятности состояний диагностируемого объекта "исправно" и "неисправно" соответственно.

Отметим существенную разницу ошибок I и II рода для железнодорожного транспорта. Ошибка диагностирования I рода приведет к тому, что неисправный локомотив будет запущен в эксплуатацию. При этом имеется серьезный риск того, что локомотив выйдет из строя во время его движения с поездом, а это останавливает перевозки на время ликвидации неисправности. С другой стороны ошибка II рода приводит к тому, что локомотив отправляется в ремонт; это связано с дополнительными расходами депо, но они неизмеримо меньше, чем в предыдущем случае.

В поставленной форме основная задача диагностической системы добиться выполнения условий:

Р(Г|Г). Р(Н | Н) -> 1;

(2)

Р(Г|Н), Р(Н|Г)->0.

Для решения такой задачи возможно совершенствование диагностических комплексов и алгоритмов их работы в следующих направлениях:

- совершенствование диагностических экспериментов;

- улучшение алгоритмов обработки сигналов;

-применение методов адаптации;

- создание и совершенствование образов неисправностей;

-прогнозирование развития неисправностей.

Одно из проявлений интеллектуальных систем наличие обратной связи при взаимодействии с окружающей средой. Перечисленные направления частично имеют эту обратную связь (хотя она и проявляется в специфичной форме). Принципы обратной связи иллюс-

Рис. 2. Взаимодействие в задачах диагностирования.

трируются схемой, приведенной на рисунке 2. Здесь обозначено: ДК - диагностический комплекс; ОД - объект диагностирования; ОН - образ неисправности (этот термин будет объяснен позднее).

После диагностирования и ремонта (если обнаружены неисправности) локомотив сдается в эксплуатацию. Качество диагностирования оценивается величиной последующего пробега локомотива: чем он больше, тем качество выше. В зависимости от величины пробега может изменяться настройка образа неисправности. Для диагностического комплекса это означает перепрограммирование модулей ИМ.

Планирование и реализация диагностических экспериментов - это одно из направлений теории конечных автоматов [6]. При этом решается задача минимизации длины эксперимента при выполнении условий (2). Классические диагностические комплексы действуют по принципу поочередного опроса всех параметров ОД с последующей обработкой данных. Такой вариант не может считаться эффективным ни по времени работы, ни по точности результата.

Авторами предложен и реализован адаптивный мажоритарный алгоритм диагностирования. Сущность алгоритма состоит в выполнении следующих шагов.

1. Накапливается статистика по вероятности отказов РI отдельных деталей или узлов локомотива Она получается при анализе отчетов министерства о причинах отказов по сети дорог или непосредственным мониторингом отказов по контрольной группе.

2. Определяются веса (коэффициенты значимости)

отказов для каждого из контролируемых узлов. Вес

это экспертная оценка, показывающая степень влияния данного отказа на движение поездов.

3. Произведения цР, ранжируются (упорядочиваются) по убыванию:

(3)

4. Диагностирование производится в порядке, определяемом ранжированным рядом (3). При этом возможны усечение ряда (просмотр по всей последовательности узлов), ранжирование испытаний (первые члены ряда диагностируются более тщательно).

5. По мере накопления опыта значения ц и Р, уточняются.

Использование приведенного алгоритма снижает длительность диагностических испытаний минимум на 30 % с сохранением качества.

Улучшение алгоритмов обработки сигналов сводится к предварительной фильтрации сигналов и выбору оптимального времени их обработки. Первая задача решается в цифровой форме, для чего в программу ИМ встроен модуль цифровой фильтрации. Цифровой фильтр (КИХ или БИХ [7]) имеет перестраиваемый порядок и полосу пропускания. Использование фильтра с полосой частот позволяет снизить дисперсию шума (посторонних сигналов) в соответствии с выражением:

Здесь <г1 - дисперсия (мощность) шума до фильтрации; - полоса частот, занимаемая шумом; о^-дисперсия шума после фильтрации; л/ф - полоса частот, пропускаемая фильтром.

Оптимальное время диагностирования вычисляется, исходя из следующих соображений. Ряд соседних отсчетов диагностируемого параметра усредняется; при усреднении статистического ряда необходимо выполнять требования независимости отсчетов (измерений). Это возможно только в том случае, если интервал между соседними отсчетами превосходит интервал корреляции Г, шума [6]. В свою очередь, интервал корреляции вычисляется через автокорреляционную функцию наблюдаемого сигнала х:

(5)

где ст; - дисперсия параметра х, Кхх(т) - его автокорреляционная функция.

Известно, что при N независимых отсчетах стационарного случайно процесса дисперсия ошибки снижается в ■Ул' раз [9]. Будем считать, что дисперсия не должна превышать вероятности ошибки диагностирования Рош. Тогда окончательно минимальное время диагностирования определяется выражением:

г, >

-к

ctw i

(T)dT

(В)

Следующий шаг интеллектуализации совершенствование образов неисправностей. Образ неисправности это формальное описание условий, при которых можно считать объект или его часть неисправными. Простейший образ это уставка: такое критическое значение параметра (или совокупность значений), при превышении которого объект считается неисправным.

Даже в простейшем варианте ОН возможна адаптация изменение или уточнение уставок, т.е. элемент искусственного интеллекта. Другие возможные варианты:

- многопараметрические образы;

- образы с косвенным оцениванием;

-образы с независимыми оценками.

Проблема распознавания образов одна из ключевых в области искусственного интеллекта, интенсивно развивающаяся в настоящее время. Частично перечисленные направления заложены в программы ИМ.

Следующая задача интеллектуализации прогнозирование развития неисправностей. Известно [4], что динамика развития неисправностей имеет характер, показанный на рис. 3. Здесь - некоторый обобщенный параметр, прямо или косвенно характеризующий неисправность (индикатор неисправности). Например, для тягового двигателя локомотива в роли такого индикатора может выступать градиент температуры обмоток при заданной нагрузке.

Как видно из рис.3, модель развития неисправности состоит из двух участков, I и II. Область I медленное накопление дефектов, II зона разрушения. Рабочая область для любого технического объекта зона I. На рис. 3

отмечено: /^-критическое значение времени,

чении которого проявляется лавинообразное накопление дефектов; - соответствующее этому времени критическое значение контролируемого параметра; Тд -интервал мееду проверками (диагностированием).

Во время диагностирования желательно обнаружить или спрогнозировать область лавинообразною развития дефектов. Этого можно добиться несколькими последовательными проверками. Рассмотрим возможные варианты прогнозирования.

1. Линейное последовательное прогнозирование. После двух очередных проверок фиксируются значения параметра и Через две точки проводится прямая, как показано на рис. 3, штриховой линией. Прямая продолжается до пересечения с линией

на их пересечении находится ожидаемое (прогнозируемое) время безотказной работы. Как видно из рис. 3, полученное значение т.е. получается оптимистическая оценка времени работы. Прогноз может уточняться путем построения новой прямой после очередного испытания, но в любом случае он оптимистичен.

2. Разностное прогнозирование. В этом случае вычисляются разности изменения контролируемого параметра в соседних проверках. При обращении к рис. 3 можно обнаружить, что производная имеет наибольшее значение в точке Если проверки локомотивов производятся достаточно часто по сравнению со временем накопления неисправностей (что соответствует действительности), то первые разности можно считать аналогами первой производной:

dyjt) dt

= И'«)-

(7)

Тогда критерий прогнозирования заключается в назначении критической первой разности АУ^ и проверке условия:

АЧГО £ Am

(8)

Выполнение условия (8) означает, необходимость отправления локомотива в ремонт. В отличие от линейного, разностное прогнозирование имеет большую точность, но меньший интервал действия.

3. Полиномиальное прогнозирование. В этом случае кривая (0 описывается полиномом к-ой степени:

Iffy = at + af + а/1 + ... + aj'.

(9)

по исте-

I

I

г

Рис.3. Динамика развития неисправностей.

Как известно [10], для построения полиномиальной функции степени к необходимо иметь к+1 точку. В этом случае в каждой к-ой точке ис-пытания определяются абсолютное значение и первая разность Aq>t. Это позволяет делать линейный пропноз более точно, чем в линейном варианте, так как в каждой текущей точке строится новая прямая линейной экстраполяции.

Таким образом, реализованные авторами алгоритмы диагностирования реализуют элементы искусственного интеллекта. Дальнейшие исследования будут направлены на уточнение оценок и внедрение других элементов интеллектуализации.

Литература

1. Каталог оборудования, измерительного и поверочного инструмента для предприятий железнодорожного транспорта. - Омск, 'Транспорт", 2002.

2. В В. Молчанов, Е.В. Молчанов. Система информационного обеспечения ремонта локомотивов / Тр. Международной науч.-техн. конференции "АПЭП-2002". Новосибирск, 2002.

3. Машиностроение / Энциклопедия в 40 т. T.III-7. Измерения, контроль, испытания и диагностика. М., Машиностроение, с. 404-433.

4. А.Н. Головаш. Совершенствование организации и технологий ремонтных производств линейных предприятий железных дорог восточного региона России, обеспечивающих требуемый уровень безопасности движения / Автореф. дисс. канд. техн. наук. Новосибирск, 2002. - 23 с.

6. О.П. Кузнецов, Г.М. Андельсон-Вельский. Дискретная математика для инженеров. М., Энергоатом-издат, 1988. - 490с.

7. Д. Рабинер, Р. Шафер. Цифровая обработка сигналов. М., Радио и связь, 1982. - 624с.

8. В.И. Тихонов. Статистическая радиотехника. М., Радио и связь, 1982. - 624с.

9. A.M. Заездный. Основы расчетов по статистической радиотехнике. М., Связь, 1968. - 447с.

10. Н.С. Бахвалов. Численные методе. М., Наука, 1973. - 631с.

ГОЛОВАШ Анатолий Нойович, кандидат технических наук, начэльник Центра внедрения новой техники и технологий "Транспорт" МПС РФ.

МОЛЧАНОВ Виктор Васильевич, начальник отдела ЦВНТиТ 'Транспорт" МПС РФ.

ШАХОВ Владимир Григорьевич, кандидат технических наук, профессор, заместитель начальника ЦВНТиТ 'Транспорт" МПС РФ.

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РФ

АЛТАЙСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ имени И.И. Ползунова АССОЦИАЦИЯ ИНЖЕНЕРНОГО ОБРАЗОВАНИЯ РОССИИ АДМИНИСТРАЦИЯ АЛТАЙСКОГО КРАЯ

проводят с 18 по 19 ноября 2003 года в Алтайском государственном техническом университете имени И.И. Ползунова международную научно-техническую конференцию

«СОВРЕМЕННЫЕ ТЕХНОЛОГИЧЕСКИЕ СИСТЕМЫ В МАШИНОСТРОЕНИИ» (СТСМ - 2003)

Основные вопросы, рассматриваемые на конференции:

- фундаментальные исследования - машиностроительному производству;

- обеспечение качества машиностроительной продукции;

- системы автоматизированного проектирования в машиностроении;

- прогрессивные конструкции металлорежущего инструмента;

- нанесение и обработка износостойких и защитных покрытий;

- производство композиционных материалов.

В рамках конференции предполагается работа секции "Студенты, аспиранты, молодые ученые -машиностроительному производству".

Для участия в конференции необходимо до 1 октября 2003 г. выслать следующие материалы:

- заявка в 1 экземпляре: фамилия, имя, отчество, дата рождения, ученая степень, звание, должность, почтовые адреса (домашний и служебный), номера телефонов, необходимость предоставления гостиницы (для каждого из авторов);

- тезисы доклада в 2 экземплярах (второй экземпляр должен быть подписан авторами);

- дискета с текстом тезисов, подготовленная в редакторе Microsoft Word.

Материалы присылать по адресу:

Россия, 656038, г. Барнаул, проспект Ленина, 46, АлтГТУ, кафедра "Общая технология машиностроения", Маркову Андрею Михайловичу.

Телефон для справок: (385 2) 36-85-08

Материалы необходимо прислать в конвертах большого формата с картонными прокладками, чтобы избежать деформации листов.

Требования к оформлению тезисов.

Текст должен быть отредактирован, и не превышать объема 2 страниц.

Название печатать прописными (жирными) буквами без переносов в словах. Через 1,5 интервала строчными буквами полужирным шрифтом - фамилию и инициалы авторов, курсивом - ученую степень, звание. Через один интервал - курсивом - сокращенное название организации, город, страна (через запятую, центрировать). Список литературы оформлять в соответствии с ГОСТ 7.1-84 «Библиографическое описание документов». Номера страниц проставлять карандашом в верхнем левом углу. Последний лист рукописи должен быть заполнен не менее чем на 2/3 формата. Последний лист второго экземпляра должен быть подписан авторами. Подготовку текста осуществлять текстовым редактором Microsoft Word: в диалоге «Файл - Параметры страницы», размер бумаги формата А4: поля: верхнее - 2 см; нижнее - 2,5 см; левое - 2 см; правое - 1,5 см. «Формат-Абзац»; выравнивание - по ширине; отступ первой строки -1 см; интервал межстрочный - одинарный. Для основного текста применять шрифт Times New Roman, размер шрифта 14 пунктов.

Для создания формул, рисунков и таблиц использовать встроенные возможности Word.

Рукописи, не отвечающие вышеперечисленным требованиям, к изданию не принимаются и авторам не возвращаются.