Научная статья на тему 'Интеллектуальные технологии в процессах диагностирования предотказных состояний технических объектов на основе временных рядов'

Интеллектуальные технологии в процессах диагностирования предотказных состояний технических объектов на основе временных рядов Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
107
52
i Надоели баннеры? Вы всегда можете отключить рекламу.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Ушаков В. А., Говоренко Г. С., Дрогайцев В. С.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Интеллектуальные технологии в процессах диагностирования предотказных состояний технических объектов на основе временных рядов»

Ушаков В.А., Говоренко Г.С., Дрогайцев В.С.

ОАО «КБ Электроприбор»,

Саратовский государственный технический университет

ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ В ПРОЦЕССАХ ДИАГНОСТИРОВАНИЯ ПРЕДОТКАЗНЫХ СОСТОЯНИЙ ТЕХНИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ВРЕМЕННЫХ РЯДОВ

Из опыта проектирования, производства и эксплуатации сложных технических объектов следует, что внезапным отказом в их поведении предшествуют скрытые аномальные явления, динамика развития которых, как правило, определяется временем. Практика также подтверждает, что запоздалое обнаружение отказов сложных технических объектов в большинстве случаев обусловлено дефицитом информации, характеризующей ранние стадии развития аномальных явлений, предопределяющих явные отказы объектов.

В рассматриваемой постановке предметная область диагностирования предотказных состояний в поведении технических объектов включает решение двух проблемных задач: одна задача связана с обнаружением предотказных состояний, а вторая задача предусматривает диагностирование источников генерации предотказных состояний в поведении объектов.

В работе в качестве информативных признаков обнаружения предотказных состояний используются предельные уровни деградации выходных параметров объектов в пределах заданных допусковых ограничений (зон), определяемых показателями нечетких дискретных временных рядов (НДВР), регистрируемых в процессах испытания объектов в условиях влияния заданного перечня факторов внешней среды.

В работе механизм построения, анализа и оценивания траекторий динамики изменения числовых значений деградации выходных параметров объектов в многомерном параметрическом пространстве рассматривается на примере двух видов НДВР, приведенных на рисунок!.

Рисунок 1 Пространственно-временное представление переменных временных рядов описания выходных параметров объекта: а - траектория изменения уровня деградации і-го выходного параметра в режиме

повышения критичности фактора внешней среды; б - траектория изменения уровня деградации і-го выходного параметра в режиме воздействия на объект последовательности факторов внешней среды

Первый вид НДВР описания технических состояний объектов, регистрируемых в процессе испытания объектов в условиях дискретного изменения во времени локальных факторов внешней среды({И^.} Є W(t)), характеризуются зависимостью вида:

у% = кДА+АдДидуцц^а)) Y^fa+^/i^w.WpfcW.s^t))} ш

где Y^ = 1, т - число выходных параметров соответствующего объекта; 5",+ = 1 , г - число диагностируемых предотказных состояний объекта; Wpi(t),..., Wp-(t),..., Wp&(t) - число дискрет локального р-го

фактора внешней среды; й+(-) - уровень числового значения деградации выходного параметра относи-

тельно его номинального значения в граничных пределах допусковой зоны, представленного показателем соответствующего временного ряда.

Временные ряды второго вида формируются в результате воздействия на объект заданной последовательности факторов внешней среды, соответственно характеризуются зависимостью:

ОД = {Yi^11(ft+(-))./i(U(t).^ii(t).!d(t)) Yi^0n(h+(-)),/i(U(t),Wrn(t),Sd(t))} (2)

здесь Wii(t) wyt) Wrn(t) - заданная последовательность факторов внешней среды.

На примере і-го выходного параметра (Y^) числовые значения деградации, представленные в параметрическом пространстве траекториями (рисунок 1 - а,б) определяются зависимостями:

- применительно к траектории - а, рисунок 1 временного ряда вида (1), образованного в режиме повышения критичности локального фактора внешней среды (Wp-) в условиях !"-го предотказного состояния объекта:

ты

где Y^p^h*), ) - измеряемые числовые

времени tl,tj,l^j в режиме воздействия на

ma xhsd

YiWp

бУ№+)-П

A Yih

W<) frjw^jdvJfi-K ) + ^ AYymin )

/2 (3)

значения і-го выходного параметра объекта в момен-объект p-го фактора внешней среды; AY/ = {|Yima@ —

Y[i<|, IYijmin — YijH\} - граничные значения допусковой зоны 2-го параметра на уровне і,^-го измерений.

- применительно к траектории - б, рисунок 1 временного ряда вида (2), формируемого в результате воздействия на объект заданной последовательности факторов внешней среды:

maxh*%

i{Wq.}

<Y:(dL)(h+) — W

AY(max

(4)

Принципиальная особенность критерия (3) состоит в оценивании величин деградации выходных параметров в пределах их допусковых зон на основе анализа числовых значений деградации в предыстории, регистрируемых во времени в процессе испытания объектов в заданных режимах и условиях.

В процессе моделирования предотказных состояний в поведении объектов к числу информативных выходных параметров, представленных показателями НДВР, в плане обнаружения предотказных состояний относятся выходные параметры, уровень деградации которых в пределах допусковых ограничений удовлетворяет условиям вида:

- применительно к содержанию показателей временных рядов вида (1)

yWp.(h) = IK

і10,ПРИ hYlWp.(Sd) < max hYlwPj (!") ) 1,ПРИЗда„ (!") > maxhYiwP (!")

Pj Pj

{Д.}

(5)

применительно к содержанию показателей временных рядов вида (2)

^ h j0, пРи hYiwqj (!") < maxhYiwqj (!")

VYiWpj(h ) = llf:j|l = j 1,при/^(ЗД > maxhYiwqj(Sd)

(6)

{Ді}

здесь maxhYwr(!i),maxhYwr(![) - предельные пороговые уровни деградации выходных параметров объек-

тов, определяемые по результатам моделирования предотказных состояний или назначаемые экспертом; l|xij||>||ftj|| - элементы моделей обнаружения предотказных состояний и диагностирования источников их генерации; {Д:} - допусковые ограничения выходных параметров объектов, определяемых требованиями ТЗ и ТУ.

Процессы построения в многомерном параметрическом пространстве (рисунок 1) траекторий динамики изменения деградаций выходных параметров объектов, представленных показателями НДВР; выявления причинно-следственных связей между числовыми значениями деградации выходных параметров и заданным перечнем предотказных состояний и агрегирования информативных показателей НДВР обнаруживающих предотказные состояния обеспечиваются в результате моделирования состояний объектов в условиях имитации предотказных состояний, критичных режимов функционирования объектов и критичных факторов внешней среды. При этом процессы моделирования состояний объектов регламентируются зависимостью

вида:

YK)(h+(-)) = /:(U(t), W(t),S(t))|№J ^ Ж(0 і — lar

j !(t))

В процессе моделирования состояний объектов формируются требуемые объемы обучающих выборок, которые составляют информационную и процедурную основу исходных данных и знаний в процессах построения и обучения интеллектуальных систем поддержки методов решения проблемных задач данной предметной области.

Предпосылки, составляющие основу целесообразности применения интеллектуальных систем поддержки методов обнаружения и диагностирования предотказных состояний в поведении объектов определяются факторами: сложностью методов решения проблемных задач; значительными объемами и разнородностью

исходных данных и знаний; существенной априорной неопределенностью нечетких описаний состояний объектов средствами НДВР.

Технология построения и обучения интеллектуальных систем включает решение совокупности взаимосвязанных задач [1]: описание объектов моделями; абстрактное описание физических объектов и процессов ситуациями; построение концептуальной модели предметной области; синтез нечетких отношений описания состояний схемы базы данных и знаний предметной области; ограничение размерности по заданным критериям нечетких отношений состояний схемы базы данных и знаний, синтез информационно -логического формализма механизмов вывода и правил принятия решений.

На стадии построения и обучения интеллектуальных систем поддержки метода обнаружения предотказных состояний объектов способ синтеза баз данных и знаний систем определяется переводом данных в знания путем логической организации переменных, представленных исходными данными и показателями НДВР, соответственно:

- на основе анализа показателей временных рядов вида (1) , регистрируемых в многомерном параметрическом пространстве в процессе моделирования состояний физических объектов в условиях имитации предотказных состояний и влияния факторов внешней среды:

V !, t; Э UP(t) U„(t); YP(h+(->) Y>(h+(-)); WL(t) W0(t);

^....

n!(h) =

(О V &

UUU'

p=l d = l j = l

Y1wP

(!")

p = l d=l j=l

UJ v & UJ v &

UUU‘Wso U...U UUU

Ymw»

.(!")

p = l d=l j=l

=< 50,5 >,

(7)

{ДуЛ

где Wp„j = 1, { - число дискрет p-го фактора внешней среды; + = 1,v - перечень предотказных

і

со

стояний объекта; } = 1, ~ - перечень локальных факторов внешней среды; 5у,5 - работоспособное состояние, подмножество предотказных состояний соответствующего объекта; n!(h) - структура координат в пространственно-временном представлении числовых значений показателей НДВР;

- по результатам анализа показателей НДВР вида (2) информационная и процедурная сущность логического формализма базы данных и знаний интеллектуальной системы определяется зависимостью:

(V 3 V 3 V 3 I

U U (« U U UU ад, (« U U U U йад. («}

d=1j=1 J [d = 1j=1 J [d = 1j=1 JJ

=< S0,S >, (8)

(Ді)

где Wq.,J = 1,n - число видов факторов внешней среды.

Конечные результаты метода обнаружения предотказных состояний объектов, определяемые информационно-логическим формализмом интеллектуальных систем (7, 8) составляют исходную информационную

базу метода диагностирования источников генерации предотказных состояний в поведении объектов.

Информационно-логический формализм баз данных и знаний интеллектуальных систем поддержки метода диагностирования источников генерации предотказных состояний объектов характеризуются структурами показателей:

- применительно к показателям НДВР вида (1) согласно исходных данных и знаний (7) информационное и процедурное содержание базы данных и знаний интеллектуальной системы определяется зависимо-

стью:

( o R К

UUU

р = 1 2=1 j = 1

LY iWr

(ад

UUU

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

UUj=Jj

р = 1 2 = 1 j = 1

Y mWt

.№)

: < U2 >, (9)

(Ді)

R ,

J«YIWB.(^2)

p = 1 2 = 1 j = 1

где ПИ(й) - подструктура координат числовых значений показателей НДВР на базовых шкалах многомерного параметрического пространства (рисунокі) , обладающих разделительными свойствами относительно заданного перечня источников генерации предотказных состояний; U2,r=1,d - допустимое подмножество источников генерации предотказных состояний соответствующего объекта;

- по аналогии (9), применительно к временным рядам вида (2) структура координат числовых значений показателей, отражающая содержание базы данных и знаний интеллектуальной системы определяется зависимостью вида:

ПИ(й*) =

R3

UU

2=1 j=1

*^,/ад

UU

2=1j=1

YiWc

(ад

UU'

2=1j=1

YmWg. (^2)

= < ^2 >, (10)

(Ді)

і

где J = 1*n - число видов факторов внешней среды, воздействующих на объекты.

Принцип построения модели оценивания работоспособных состояний объектов, обнаружения и диагностирования источников генерации предотказных состояний базируется на основе информационнологического формализма баз данных и знаний интеллектуальных систем (9, 10) поддержки методов решения проблемных задач предметной области. Так, применительно к показателям НДВР вида (1) структурная организация переменных модели, приведенной на рисунок2, отражает содержание причинноследственных связей между управляющими сигналами ({U;(t)}£U), факторами внешней среды ({Wj(t)} Є W), предотказными состояниями ({Sd(t)^S), источниками генерации предотказных состояний ({И;} Є И) и пороговыми уровнями показателей временных рядов (йу., й^., і = 1, m) .

Системный анализ и адаптация, приведенного перечня переменных, на стадии построения моделей диагностирования обеспечивают повышенную разрешающую способность метода диагностирования в плане глубины обнаружения и диагностирования источников генерации предотказных состояний, а также возможность направленного достижения пользователем конечных результатов.

Способ понижения размерности исходных структур моделей диагностирования источников генерации предотказных состояний состоит в пошаговом выявлении (по критерию (11)) требуемого состава информативных экспериментов заданного перечня штатных циклов образцов объектов.

Рисунок 2 - Структура модели обнаружения предотказных состояний и идентификации источников их генерации по результатам анализа показателей временных рядов вида(1)

В качестве критерия количественного оценивания значимости экспериментов используется зависимость [1] :

где ^ц^Л1^

число не обнаруживаемых,

(з т \

(й0+й) j

обнаруживаемых предотказных состояний

(її)

пороговыми

уровнями числовых значений деградации выходных параметров (й^^, ); й0 - число не обнаруженных предотказных состояний j-м выходным параметром с учетом параметров, включенных в перечень информативных на предыдущих шагах понижения размерности модели; й- - наибольшее число обнаруженных, не обнаруженных предотказных состояний j-м параметром в группе на текущем шаге преобразования моде-

ли .

Конечный вариант структуры модели диагностирования, сформированный в результате минимизации размерности исходного варианта структуры модели, определяет состав кодовых комбинаций числовых значений показателей НДВР в многомерном пространственно-временном представлении переменных, обладающих разделительными свойствами в процессах технического диагностирования конечного подмножества источников генерации предотказных состояний соответствующего объекта.

Рассмотренные методические средства оценивания работоспособности объектов заданного класса, обнаружения и технического диагностирования источников генерации предотказных состояний в их поведении являются управляемыми пользователем в плане достижения требуемых полноты анализа технического состояния объектов, глубины диагностирования предотказных состояний и достоверности конечных результатов.

В процессах обеспечения формализованных методов решения проблемных задач предметной области, поддерживаемых интеллектуальными системами, в качестве моделей представления знаний используются: семантические сети вида направленных графов, вершины которых представляют модели знаний описания локальных задач и процессов предметной области; модели вида функциональных фреймов, представляющих знания, обеспечивающих процессы исполнения формальных процедур методов решения проблемных задач; системы продукций, базируемых на основе логического формализма интеллектуальных систем, отражающие механизмы вывода и правила принятия решений по достижению частных и конечных целей в объеме задач предметной области; табличные модели, обеспечивающие механизмы формирования конечных результатов методов решения проблемных задач.

Методология обеспечения методов и алгоритмов решения проблемных задач, технологии построения, обучения и исполнения функций интеллектуальных систем в процессах оценивания работоспособности объектов, обнаружения и диагностирования предотказных состояний в их поведении ориентированы на практическую реализацию средствами экспертных автоматизированных информационно-измерительных и испытательных систем.

ЛИТЕРАТУРА

1. Ушаков В.А., Говоренко Г.С., Дрогайцев В.С. Интегрированная нейросетевая система ситуационного управления процессами обеспечения технических характеристик динамических объектов. Ч.1. Формальный подход к построению интеллектуальных систем // Мехатроника, автоматизация, управление. 2006 №7. С.14-19.

i Надоели баннеры? Вы всегда можете отключить рекламу.