CC BY
42
ч
h
-□ □-
Висвтлено загальш вимоги до ство-рення систем безеталонног дiагностики. Приведено структуру програмного забез-печення розробленог системи, що реалiзуe вiброакустичний метод контролю. Описано систему для проведення безеталонног дiаг-ностики об'eктiв зi складною структурою. Системуреалiзовано в середовищ^ LabVIEW 2010
Ключовi слова: вiброакустичний метод, безеталонна дiагностика, нейронна мережа
□-□
Описаны общие требования к созданию систем безэталонной диагностики. Приведена структура программного обеспечения разработанной системы, реализующей виброакустический метод контроля. Описана система для проведения безэталонной диагностики объектов со сложной структурой. Система реализована в среде LabVIEW 2010
Ключевые слова: виброакустический метод, безэталонная диагностика, нейронная сеть
□-□
This article is devoted to realization system of the standardless diagnostic of technical objects. The structure of software is represented in the article. The standardless diagnostic system of complex objects is described. The system was created with NI LabVIEW 2010
Key words: vibroacoustic method, standardless diagnostic, neural network -□ □-
УДК 621.114.32
1НФОРМАЦ1ЙНО-ВИМ1РЮВАЛЬНА СИСТЕМА БЕЗЕТАЛОННОТ Д1АГНОСТИКИ В1БРОАКУСТИЧНИМ МЕТОДОМ
В.С. Еременко
Кандидат техычних наук, доцент, завщувач лабораторп Науково-дослщна лабораторiя систем неруйшвного
контролю*
Контактний тел.: (044) 406-74-35, 067-209-07-69 E-mail: nau_307@ukr.net
В.В. Нечипорук
Кандидат техычних наук, доцент* Контактний тел.: (044) 406-74-35 E-mail: nau_307@ukr.net
А.В. ПереТденко
Лаборант*
Контактний тел.: (044) 406-74-35, 093-71 1-10-70
E-mail: zoolkis@meta.ua
П.А. Ш е г е д i н
Лаборант*
Контактний тел.: (044) 406-74-35, 063-647-26-05
E-mail: vermat@meta.ua *Кафедра iнформацiйно-вимiрювальних систем Нацюнальний авiацiйний уыверситет пр. Комарова, 1, корпус 11, ауд. 408, м. КиТв, УкраТна,
03680
1. Вступ
На сьогодшшнш день кнуе широке рiзноманiття методiв та систем дiагностики та класифжацп техшч-ного стану об'екпв контролю (ОК). Однак, 1х викори-стання не дае можливосп проводити з високою досто-вiрнiстю дiагностику виробiв зi складною структурою, зокрема виробiв iз композицiйних матерiалiв, лопаток газотурбшних авiадвигунiв (ГТД), бандажiв колкних пар електровозу тощо, без застосування атестованих зразюв (еталонiв). Безеталонну дiагностику перелiче-
них об'ектiв необхiдно виконувати такими методами, застосування яких дае можливкть накопичувати от-риману шформащю про можливi дефекти, розширюва-ти 1х базу та уточнювати в процеа функцiонування без повного перенавчання вае1 системи. 1ншою проблемою може бути наявшсть велико! кiлькостi шформативних параметрiв, якi характеризують технiчний стан об'екту контролю, а отже матиме мшце велика розмiрнiсть простору дiагностичних ознак, за яким вщбуваеться по-будова вирiшальних правил. Використання статистич-них методiв в такому випадку ускладнено, осюльки
доводиться виконувати аналiз багатовимiрних функ-цш розподiлу ймовiрностi, що призводить до значних затрат апаратних ресурав та часу.
2. Постановка задачi
Задача розробки системи безеталонно! дiагности-ки техшчного стану виробiв зi складною структурою, яка не матиме зазначених недолшв, е актуальною. Вирiшення ще1 задачi потребуе виконання принципiв, що дозволятимуть швидко та ефективно проводити дiагностику стану ОК, адаптувати розроблену систему до змши умов функщонування та застосовувати 11 у разi необхiдностi для контролю рiзних титв об'ектiв без значно1 змiни основно1 структури програмного за-безпечення (ПЗ).
ПЗ тако1 системи обов'язково повинно включати у своему складi два блоки:
1). Блок дiагностики, завданням якого е виявлення дефектних дшянок (аномалш) i/або формування на-вчально1 вибiрки, яка необхiдна при виршенш задачi класифiкацii. Функцii блоку можна звести у двi групи:
- встановлення дiагностичних ознак, якi вщповвда-ють рiзним станам виробу (придатний, не придатний);
- формування навчальних сукупностей, яю вщпо-вiдають конкретним станам виробу;
- побудова правила прийняття дiагностичних рь шень, на основi аналiзу вхiдного вектору шформацш-них ознак.
2). Блок класифiкацii, що виконуе класифжащею технiчного стану ОК. Функцп блоку подiляються на три групи:
- встановлення дiагностичних ознак, якi вщповь дають рiзним станам виробу (ступеням ушкодження, типам дефектiв та iн.);
- формування дiагностичних просторiв i побудова розд^яючих гiперплощин;
- побудова правил прийняття ршення щодо класи-фжацп, якi реалiзуються на основi навчальних сукупностей, отриманих на попередшх етапах.
Серед найб^ьш перспективних методiв безеталон-но1 дiагностики та класифжацп, якi задовольняють описаним вимогам е методи, що засноваш на викори-станнi штучних нейронних мереж (НМ). Використан-ня подiбних методiв дозволяе отримати високу завадо-стiйкiсть, незалежшсть вiд впливу зовнiшнiх факторiв i високу ефективнiсть дiагностики. Застосування НМ при створеннi систем безеталонно'1 дiагностики дозволяе пiдвищити достовiрнiсть контролю, значно змен-шити вартiсть реалiзацii системи, знизити апаратнi витрати та тдвищити 11 швидкодiю. Нейроннi мережi дають можливiсть вирiшувати задачу кластерного ана-лiзу [1], будувати складш роздiляючi гiперплощини та проводити класифжащю лiнiйно нероздiльних об'ек-тiв [2], а також вивчати нову шформащю та доповню-вати власну базу знань про номенклатуру можливих класiв без втрати рашше вивчено1 iнформацii.
3. Опис виршення задачi
В основу системи безеталонно! дiагностики техшчного стану ОК покладено нейромережевий класи-
фжатор, що забезпечуе гнучку та стабшьну базу знань про класи можливих дефекив, ефективно оперуе з векторами даних велико! розмiрностi, мае здатшсть адаптувати архiтектуру сформовано'! мережi до вирь шення нових задач i дае можливiсть отримати високу достовiрнiсть контролю. Застосування НМ для вирь шення поставлено'! задачi забезпечуе iнварiантнiсть використання системи, дозволяе виконувати ефектив-ну обробку, аналiз i класифжащю вхiдних даних, що суттево не залежить ввд методу дiагностики та збору даних, як характеризують стан об'екту контролю.
Серед шнуючих прикладних програмних пакепв, що забезпечують певш можливостi при роботi з апара-том НМ, можна видiлити таю як MatLAB, NeuroSolution, NeuroPro, STATISTICA та ряд iнших. Перерахова-нi програмнi пакети дозволяють виршувати широке коло прикладних задач, але накладають ряд обмежень на використання архiтектур НМ, не дозволяють проводити гнучку настройку окремих нейрошв, вносити доповнення та розробляти власш алгоритми навчання та функщонування нейронних мереж, деяю складш моделi НМ в даних програмних пакетах взагалi вщ-сутш i не реалiзованi. Саме тому розробка програмного забезпечення системи безеталонно! дiагностики з використанням НМ вщбувалася у середовишд програ-мування NI LabVIEW 2010. Графiчна мова програму-вання LabVIEW не накладае обмежень на використання архитектур мережi та на алгоритми навчання. 1снуе можливiсть розробки власних алгоритмiв навчання i функцiонування НМ, створення нових архиектур i поеднання рiзних типiв мереж в едину багатофункщо-нальну систему, пiдключення ранiше створених моду-лiв та динамiчних бiблiотек DLL. Також використання версi! LabVIEW 2010 дозволяе реалiзувати паралель-не виконання програми, що тдвищуе швидкодт та ефективнiсть роботи системи в щлому.
У зв'язку з необхщшстю вирiшувати задачi безеталонно! дiагностики об'ектiв рiзних типiв шляхом застосування едино! системи або системи, що в незнач-нш мiрi вiдрiзняеться вiд базово! ^зниця полягае у замiнi або доповненш декiлькох функцiй, якi е специ-фiчними для дiагностики конкретного об'екту), основ-ний програмний код розроблено! системи виконано за модульною структурою, що дае можлившть тдклю-чення та штеграцп в основний код програми рашше створених тдпрограм та додаткових модулiв на мовах високого рiвня, розширювати систему додатковими програмними модулями та функщями без внесення значних змш в основну структуру програмного забезпечення. Даний тдхщ дозволяе без ускладнень до-давати необхiднi або виключати непотрiбнi елементи системи, швидко переналагоджувати, модернiзувати та адаптувати систему до змши умов роботи, тощо.
Шд час розробки системи безеталонно! дiагности-ки технiчного стану ОК передбачалось, що дана система зможе працювати як зi стандартними приладами отримання первинно! iнформацi! (дефектоскопами), так i зi спецiально розробленими для конкретно! за-дачi приладами збору даних на основi аналого-цифрового перетворювача (АЦП).
Таким чином, у складi системи реалiзовано ушвер-сальний модуль вводу-виводу (МВВ), що забезпечуе гнучку взаемодт як зi стандартними дефектоскопами, так i зi спецiальними системами збору даних. В
CTpyKTypi (рис. 1) системи безеталонно! дiагностики техшчного стану об'екпв можна видшити двi ochobî частини: апаратну та програмну.
Рис. 1. Структурна схема системи д1агностики
У складi апаратно! частини присутнi HacTynHi блоки:
1). Датчики - первинш перетворювачi фiзичних величин в електричний сигнал. В якосп первинно-го перетворювача в розробленiй системi використано акустичш мiкрофони eмнiсного типу з дiапазоном робочих частот вiд 20 Гц до 16 кГц.
2). Пристрш збору даних - платформа збору даних cDAQ або cRIO (National Instruments) з набором мо-дyлiв аналогово-цифрових перетворювачiв (АЦП) та модyлiв спецiального призначення.
3). Стандартний дефектоскоп -для збору експериментальних даних може використовуватись стандартне обладнання iз ввдповщним програм-ним забезпеченням.
У випадку використання платфор-ми cDAQ (рис. 2) зв'язок з комп'юте-ром вiдбyваeться за допомогою ш-терфейсу передачi даних USB 2.0. Пропускна здатшсть каналу складае 3,2 Мб/с. Вибiр модyлiв АЦП визнача-еться специфiкою конкретно! задачi (необхщною кiлькiстю каналiв, частотою дискретизацп та динамiчним дiапазоном вхiдного сигналу тощо). В розробленiй системi було використано 4-х канальний АЦП NI 9215, динамiчний дiапазон якого складае ±10В, розряднiсть 16 би, частота дис-кретизацii 100кГц/канал.
(МВК), що полягае в ударному збудженш вiльно затуха-ючих пружних коливань об'екту контролю з подальшим аналiзом ix параметрiв i характеристик [3]. Метод е ефек-тивним для дiагностики утомних пошкоджень, дефекпв розшарування, порушення з'еднань, дефектiв, що зарод-жуються, а також трiщиноподiбниx пошкоджень мшь метрового розмiрного рiвня в таких об'ектах як лопатки ГТД, слльникових панелях з композицшних матерiалiв, бандажах колiсниx пар електровозу ЧС-4 тощо.
Акустичнi сигнали несуть велику юльюсть дiаг-ностичноi шформацп про теxнiчний стан ОК, основна частина я^ зосереджена в мкцях згущення частот в спектрi сигналу. МВК базуеться на основi залежносп вiдповiдниx гармонiк спектру прийнятого сигналу ввд наявностi внутрiшнix дефектiв в об'екп дiагностики. Таким чином, навиь у разi вiдсутностi дефекту дослвд-жуваний сигнал е досить складним i мiстить множину iнформативниx вузькосмугових компонент на Mi широ-космуговоi вимiрювальноi завади. Робота з подiбними сигналами потребуе застосування ефективних методiв обробки експериментальних даних, одним з яких е метод на основi використання штучних нейронних мереж [4].
Забезпечення взаемодп МВВ та ПК, оргашзащя iнформацiйниx потоюв системи, реалiзацiя алгорит-мiв обробки та вщображення отриманих результатiв покладене на програмну частину системи, зокрема на математичне та шформацшне забезпечення, а також на програмне забезпечення МВВ. Архитектура програм-них засобiв системи приведена на рис. 3.
Рис. 2. Платформа збору даних cDAQ
Для отримання первинно'! шформацп про ОК ви-користовувався вiброакустичний метод дiагностики. Одним з найбiльш теоретично дослвджених i широко використовуваних на практищ вiброакустичних методiв е низькочастотний (0...25 кГц) метод вшьних коливань
Рис. 3. Арх^ектура програмних 3aco6iB системи безеталонно'| дiагностики
До складу програмного забезпечення системи без-еталонно! дiагностики входять:
1). Модуль керування АЦП. В даний модуль входять вузли, що дозволяють виконувати настройку основних параметрiв АЦП (частота дискретизацп, вхщний дiапазон значень сигналу, вибiр кiлькостi задiяних каналiв, джерело синхрошзацп тощо) та ке-рувати режимом його роботи (запуск, зупинка, очи-щення буферу).
2). Модуль керування режимом роботи розробле-но! системи дiагностики. Призначений для настройки основних параметрiв системи безеталонно! дiагности-ки: вибiр джерела вхвдних даних (дефектоскоп, АЦП, фiзичний або оптичний носiй даних), вибiр режиму роботи системи.
Информационно-управляющие системы
3). Модуль взаемодп з нолями шформаци. Дозволяе виконувати зчитування даних з но^я або ви-конувати !х запис. Також даний модуль призначе-ний для формування масиву/тдмасиву необхiдних значень дiагностичних параметрiв для !х iмпорту в iншi iнформацiйно-дiагностичнi си-
стеми або для формування зв1ту. У випадку зчитування даних з но^я, даний модуль використовуеться для формування масиву з послщовнос^ i представлення даних у необхщному форматi.
4). Модуль встановлення формату та представлення результат роботи системи, а також модуль формуван-ня звггу. Модулi виконують приве-дення результату до необхщного та зручного для сприйняття людиною формату, зберiгають його на носи даних або виводять на дисплей. У випадку необхщност^ юнуе можливкть вщобразити параметри сформовано! нейронно! мережi, виконувати запис та зчитування цих параметрiв i бази сформованих класiв.
5). Модуль керування базою сформованих кла^в. Дозволяе виконувати зчитування та запис сформованих в проце^ роботи системи кла^в, !х групування, визначення додаткових параметрiв, зчитування та запис для подальшо1 роботи.
6). Модуль керування нейромережевим класи-фiкатором. Функци даного модуля надають мож-ливiсть користувачу вибирати тип застосовувано! нейронно! мережi та встановлювати необхiднi 11 параметри. Незалежно вщ типу НМ даний модуль метить в собi вузли, що дозволяють мережi навча-тись, виконувати формування кла^в дослiджуваних ОК, проводити !х класифiкацiю, вiдслiдковувати по-яву нових об'ек™, що не вщносяться до жодного зi сформованих кла^в, аномалiй, формувати вiдповiдь мережi тощо.
7). Модуль керування буфером приймача шформа-цiйного сигналу. Отримат з АЦП або дефектоскопу дат записуються у масив значень, який надалi можна обробляти або зберегти для обробки у подальшому даною або шшою системою дiагностики.
8). Модуль первинно'1 обробки. Дозволяе виконувати в1д^р необхiдних дiагностичних ознак, тобто вибрати найбшьш iнформативнi параметри та ознаки i використовувати для аналiзу саме !х, а не повний масив значень, що iнодi може бути великим, хоча шформативними е не в^ елементи масиву. В рядi ви-падкiв можна обмежитись векторами даних невелико! розмiрностi. Для належно! та ефективно! роботи системи безеталонно! дiагностики вхiднi данi повинт бути правильно пiдготовленi, тому в даному модулi виконуються алгоритми, що дозволяють тдвищити iнформативнiсть отриманих даних.
На рис. 4 представлено штерфейс розроблено! системи, що мiстить елементи керування для настройки параметрiв аналого-цифрового перетворю-вача, пiдготовки i нормування вхiдних даних, вибiр типу нейронно! мережi (залежить вiд поставлено! задач^ методу збору даних, ОК тощо), швидюсть !!
навчання, основш параметри мережi, також в системi передбачено можливiсть зберiгати отриманi шфор-мацiйнi сигнали, результати роботи i можливiсть використання даних записаних на фiзичному або оптичному носи.
Рис. 4. 1нтерфейс програмного забезпечення розроблено! системи
Система безеталонно! дiагностики дозволяе:
- вiзуалiзовувати прийнятий сигнал;
- проводити розрахунок шформативних параме-трiв iнформацiйного сигналу датчика;
- виконувати первинну обробку шформативного сигналу;
- проводити кластерний аналiз вхiдних даних;
- визначати та будувати роздiляючi гшерплощи-
ни;
- класифiкувати стан об'екту контролю та вщобра-жати характеристики сформованих кла^в;
- виконувати запис значень будь-якого з вказаних iнформативних параметрiв, як в безперервному режи-мi, так i у вибраний момент часу;
- будувати часову залежтсть iнформативних па-раметрiв.
Висновки
Розроблена система безеталонно! дiагностики тех-нiчного стану складних об'екга, яка дозволяе отри-мати бшьше iнформацГ1 про технiчний стан ОК, виконувати класифшащю можливих дефекга, виявляти появу аномалiй, тенденци !х розвитку та пiдвищуе достовiрнiсть прийняття рiшення, що у свою чергу може значно тдвищити вiрогiднiсть контролю, по-низити часовi витрати на обробку i аналiз результат вимiрювань.
Для обробки експериментальних даних розроблено нейромережевий класифiкатор, який дозволяе виконувати нелшшне роздiлення та класиф^ащю об'екга за набором дiагностичних ознак, видiляти складну залежтсть мiж ступенем ушкодженостi об'екта контролю та значеннями шформативних параметрiв. Шд час навчання нейронна мережа може автоматично змшю-вати власт параметри, досягаючи при цьому найбшьш високо! достовiрностi контролю.
Представлена система за результатами в1броаку-стично! дiагностики дозволяе визначати технiчний стан об'екту контролю та тип дефекту. Система знахо-диться у тестовш експлуатацп. Перевагою розроблено! системи е гнучюсть ïï архiтектyри, висока швидкодiя, достовiрнiсть обробки iнформацiï, а також широк можливостi ïï представлення та реестрацп.
Лiтератyра
1. Еременко В.С., Перещенко А.В. Дослiдження алгоритмiв проведения кластерного анашзу для вирiшення задач не-рyйнiвного коитролю//Восточио-Европейский журнал передовых технологий.-Харгав,2010.-.№1.-с.40-43.
2. Еременко В.С., Пльова О.О., Суслов 6.Ф., Перещенко
А.В. Побудова виршальних правил при багатопараме-тровому иерyйиiвиомy коитролi // 18-я международная конференция «современные методы и средства НК и ТД», 2010, с.78-81.
3. Бурау Н.1., Гельман Л.М. Теоретичш основи дiагностично-
го низькочастотного акустичного методу вiльних коливань // Наую^ вiстi НТУУ "КП1". - 1998. - № 3. - С. 107-110.
4. Зажицький О. В. Розтзнавання нейронними мережами
стану лопаток ашацшних двигушв у процесi вiброакy-стичного мошторингу // Автореферат дисертацiйноï роботи, Кшв, НТУУ «КП1» 2008.
-□ □-
Запропоновано тдходи до розробки тех-тчних засобiв для мехатзаци та автоматизации процесу забезпечення заданого теплового режиму видкритоп агроекосисте-ми. Розробка цих питань дае можливють розширення арсеналу методiв i техтчних засобiв для систем точного землеробства Ключовi слова: заморозок, тепловий
режим саду
□-□
Предложены подходы к разработке технических средств для механизации и автоматизации процесса обеспечения заданного теплового режима открытой агроэкоси-стемы. Разработка этих вопросов дает возможность расширения арсенала методов и технических средств для систем точного земледелия
Ключевые слова: заморозок, тепловой
режим сада
□-□
This article represents approaches to working out of means for mechanization and automation of process of maintenance of the process of ensuring a given thermal regime of open agroe-cosystem. Working out of these questions gives the chance expansions of an arsenal of methods and means for systems of exact agriculture
Keywords: frost, a thermal mode of a garden
-□ □-
УДК 001.57:658:512
ТЕХНИЧЕСКИЕ СРЕДСТВА ЗАЩИТЫ РАСТЕНИЙ ОТ ЗАМОРОЗКОВ ДЛЯ СИСТЕМ ТОЧНОГО ЗЕМЛЕДЕЛИЯ
А.В. Рудницкая
Аспирант
Харьковский национальный технический университет сельского хозяйства имени Петра Василенка ул. Артёма, 44, г. Харьков, Украина, 61050 Контактный тел.: (057) 755-58-16, (057) 732-86-40 E-mail: semaskacat@ mail.ru
1. Введение
Актуальной является проблема обеспечения заданного теплового режима садов и питомников саженцев, находящихся в открытом грунте, в экстремальные промежутки времени года (весенние заморозки, зимние морозы, первые осенние морозы).
Это возможно осуществить на основе разработки мобильного комплекса технических средств для механизации и автоматизации процесса обеспечения теплового режима сада путем мониторинга теплового режима агроэкосистемы и управления параметрами подвижного источника тепла. Разработка этих вопросов дает возможность расширения арсенала
