CC BY
14
УДК 004.891.3 Д.И. Кузнецов
Криворожский национальный университет
КЛАСТЕРНАЯ СППР СИСТЕМЫ МОНИТОРИНГА ТЕКУЩЕГО СОСТОЯНИЯ ЭЛЕКТРОДВИГАТЕЛЯ
Аннотация. В статье рассмотрена структура динамической системы поддержки принятия решений на основе использования нескольких экспертных систем. Для повышения производительности предложена кластерная структура СППР
Ключевые слова: СППР, вычислительный кластер, экспертная система.
D.I. Kuznetsov
Krivoi Rog National University
CLUSTER DSS SYSTEM FOR MONITORING THE CURRENT STATE OF ELECTRIC MOTORS
Abstract. The article considers the structure of the dynamic system of decision-making support based on multiple expert systems. To improve performance, DSS cluster structure is recommended.
Index Terms: DSS, computing cluster, expert system.
структуры СППР для мониторинга текущего состояния электродвигателей в условиях предприятий и ее анализ.
1 Основополагающие принципы
На сегодняшний день все существующие СППР можно условно разделить на сосредоточенные и распределенные. К сосредоточенным относятся системы поддержки принятия решений, расположенные физически и функционально на одном вычислительном узле. Данные системы могут включать в свой состав экспертные системы, системы оценки принимаемых решений, моделирующие и прогнозирующие программы и т.д.
Распределенные СППР распределяются физически или функционально. Они состоят из одной или нескольких экспертных систем, связанных между собой информационно и позволяющих оценить одну и ту же ситуацию с разных точек зрения.
В общем случае структура СППР системы мониторинга текущего состояния электрооборудования (рисунок 1) должна состоять из следующих блоков:
- База данных для хранения исходных и промежуточных значений параметров, необходимых для определения текущего состояния оборудования.
- Решатель - программа, реализующая последовательность правил для определения текущего состояния оборудования и выдачи рекомендации оператору на основе знаний, хранящихся в базе знаний.
- Модуль объяснение - формирует объяснения о том, как система определила ту или иную вероятность неисправности оборудования.
- Диалоговый интерфейс - ориентированный на организацию взаимодействия оператора с СППР
Введение
Электродвигатели являются достаточно распространенным электрооборудованием в промышленности. Так, доля их потребления от выработанной электроэнергии, согласно последним исследованиям, примерно составляет 75% [1]. Асинхронные двигатели зарекомендовали себя как надежные, выносливые и относительно дешевые электрические машины, влиятельная доля которых увеличилась после развития приводов с регулируемой скоростью вращения и использования для преобразования электрической энергии в другие формы [2].
Как и любое механическое оборудование, электродвигатели в процессе своей эксплуатации способны подвергаться дефектам. Повреждение ротора или статора может привести к тяжелым последствиям, таким как выход из строя электродвигателя или остановка технологического процесса, например, конвейерной ленты. Поэтому необходимым является выявление дефектов на ранних стадиях, что может предотвратить возникновение серьезных поломок и повреждений двигателей. По статистике примерно 30-40% всех неисправностей в асинхронных двигателях с короткозамкнутым ротором составляют дефекты статора, повреждения элементов ротора - 10%, повреждения элементов подшипников - 40%, другие повреждения - 12% [3].
Для создания возможности непрерывного оперативного мониторинга текущего состояния электрооборудования можно использовать систему поддержки принятия решений (СППР). Данные системы представляют собой инструменты (аппаратные и программные), которые способны помочь оператору на предприятии принять правильное и своевременное решение. СППР позволяет производить выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных. Целью данной статьи является разработка
Рисунок 1 - Общая структура СППР
2 Кластерная структура СППР
Известно, что для анализа количественной и качественной информации в данных системах используются различные математические методы, например: теория игр, теория массового обслуживания, методы теории вероятности и др. В случае разрабатываемой СППР в качестве математических методов, используемых для формализации и анализа количественной и качественной информации, используется быстрое преобразование Фурье [1]. Использование данного математического аппарата необходимо для формирования исходных данных как для экспертной системы и оператора, так и для анализа решателя.
Разрабатываемая СППР в случае мониторинга нескольких технологических объектов (электродвигателей, гидроциклонов, сепараторов, компрессоров и т.п.) должна обрабатывать большой поток параметров, которые быстро изменяются, и при этом принимать правильные и своевременные решения. Поэтому в качестве аппарата логического вывода, который входит в состав решателя,
предложено использовать нейросетевую парадигму, потому что задачи идентификации текущего состояния электрооборудования можно отнести к задачам распознавания.
Также при разработке СППР и создании базы знаний на основе экспериментальных (текущих) данных невозможно учесть все ситуации системы, которые могут возникнуть, например, в результате погрешностей измерений датчиков (АЦП), отсутствия точной математической модели закономерности возникновения дефектов, отказа датчиков и т.п. Поэтому при работе СППР могут возникать несоответствия классификации ситуаций (возникновения нештатных ситуаций и невозможности выдачи правильного результата). Решением данной проблемы является использование в составе СППР нескольких экспертных систем. Например, в состав предложенной структуры СППР (рисунок 2) входит 2 экспертные системы. К заданиям первой экспертной системы можно отнести анализ текущих данных на основе накопленных знаний (зависимостей возникновения того или иного дефекта). К задачам второй ЭС входит анализ математической модели электрооборудования с учетом текущих показателей работы.
ставлена на рисунке 3.
Рисунок 2 - Усовершенствована структура СППР мониторинга текущего состояния электрооборудования
База данных ЭС1 содержит текущую информацию об объекте (спектральные характеристики изучаемого электрооборудования), а база данных ЭС2 содержит информацию об объекте в результате моделирования работы объекта. В базе знаний находятся эталонные спектральные характеристики электрооборудования, полученные в режиме обучения ЭС1, а также информация, которая характеризует появление дефекта на той или иной частоте.
Так как производственный процесс является постоянным и непрерывным, то разрабатываемая СППР должна диагностировать электрооборудование в реальном времени и учитывать динамику изменения текущего состояния исследуемого объекта. Это, в свою очередь, требует значительных аппаратных ресурсов. В случае одновременного диагностирования нескольких объектов и использования сложных математических методов оценки текущего состояния могут возникать ситуации несвоевременной обработки результатов системой. Для решения данной проблемы предложено использовать кластерную модель СППР, которая позволяет повысить производительность системы в целом и учитывает индивидуальные свойства изучаемых объектов. Структура данной СППР пред-
Рисунок 3 - Структура кластерной СППР
Информация от технологических объектов № 1 .. № n с помощью системной шины передачи данных сначала попадает на консоль кластера, которая, в свою очередь, распределяет входные данные оптимальным образом между узлами кластера Node # 1 .. Node # n. Все данные дополнительно хранятся в главной БД. Оператор имеет возможность, кроме мониторинга текущего состояния оборудования, влиять на распределение нагрузки путем выставления приоритетов для технологических объектов. Технологический объект представляет собой систему, которая состоит из электрооборудования системы снятия и обработки информации, представленной в виде как отдельного ПК, так и микроконтроллера.
3 Анализ предлагаемых усовершенствованных схем СППР
С целью анализа целесообразности и рациональности использования предложенных усовершенствованных структурных СППР были проведены экспериментальные исследования путем использования имитационного моделирования методом Монте-Карло. Для каждого типа СППР исследовалось время реакции системы на исследуемый объект т . Под временем реакции следует понимать время, в течение которого система делает вывод о техническом состоянии электродвигателей. С каждым этапом эксперимента количество изучаемых двигателей изменялась от 1 до 5. Спектральная характеристика каждого двигателя генерировалась случайным образом. Результаты сравнений реакции стандартной и усовершенствованной ЭС представлены на рисунке 4.
Кластерная структура СППР анализировалась путем увеличения диагностированных электродвигателей с 1 до 5 и увеличением количества узлов кластера от 1 до 4. В качестве узла кластера кластерной СППР использовался модуль экспертной системы. В качестве типа кластера использовался кластер НРС (кластер для высокопроизводительных вычислений). Результаты тестирований показаны на рисунке 5.
Согласно проведенным расчетам, среднее отклонение составило Sa = 2,9 Hz, абсолютная погрешность для надежности в 95% (коэффициент Стьюдента ta = 1.984 при a = 0,05 и n = 100) составила ^х = 5,8 Hz, относительная погрешность составила ea=3,5%. Также выполнена проверка на воспроизводимость опытов (однородность дисперсий) др=0,3305 при предельном табличном значении критерия Кохрена Gk = 0,372.
СЕРИЯ «ТЕХНИЧЕСКИЕ НАУКИ», ВЫПУСК 8
85
Рисунок 4 - Результаты тестирования
Рисунок 5 - Результаты тестирования
Обсуждение результатов
Таким образом, на основании результатов тестирований можно сделать вывод, что время реакции в кластерной экспертной системе меньше по сравнению с обычной и усовершенствованной СППР примерно на 38-49%, при условии использования 3 или 4 узлов кластера.
Конечно, на реальном предприятии полученные показатели могут отличаться в соответствии с возникновения разного рода ситуаций, но качество распознавания дефектов электродвигателей может быть выше в случае использования усовершенствованной и кластерной СППР Целью последующих исследований является разработка и анализ кластерной многопоточной СППР, а также анализ времени отклика системы в зависимости от влияния различного рода шумов (высшие гармоники, наводки, скачки напряжения и т.д).
Список литературы
1 Серый, Е. Г. Рейтинг дефектов низковольтных электродвигателей
[Текст]/ Е. Г. Серый. - М.: Рынок Электротехники, 2007. - 57с.
2 Кузнецов, Д. И. Мониторинг использования электроэнергии
электрооборудованием средствами нейросетей [Текст]/ Д.. И. Кузнецов, А. И. Купин. - Системные технологии: 2011. -C. 362-366.
3 Попов, Э. В. Статические и динамические экспертные системы
[Текст]/Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот.-М. : Финансы и статистика, 1996. - 320 с.
4 W. M. C. Foulkes, L. Mitas, R. J. Needs and G. Quantum Monte Carlo
simulations of solids, Reviews of Modern Physics, 2001.- pp 330.
УДК 631.365
А.В. Савельев, В.А.Савельев
Курганский государственный университет
ИССЛЕДОВАНИЕ ПАРАМЕТРОВ РАБОТЫ КОНТАКТНОГО ТЕПЛООБМЕННОГО АППАРАТА
Аннотация. В статье излагается методика исследования параметров работы контактного теплообменного аппарата для охлаждения твердой крошки - экструдирован-ной сои - потоком воздуха.
Ключевые слова: теплообменный аппарат, критическая скорость, поток воздуха, охлаждение.
A.V. Savelev, V.A. Savelev Kurgan State University
STUDY OF THE PERFORMANCE PARAMETERS OF THE CONTACT HEAT EXCHANGER
Abstract. The article describes the technique to study performance parameters of the contact heat exchanger for air cooling solid grits of extruded soybean.
Index Terms: heat exchanger, critical speed, airflow, cooling.
Многие отрасли техники: энергетика, химическая, металлургическая, нефтяная, пищевая и другие отрасли промышленности - используют теплообменные аппараты, обменивающиеся тепловой энергией между греющей и обогреваемой средами. Такие среды принято называть теплоносителями [1].
Теплообменные аппараты по принципу действия классифицируются на рекуперативные, регенеративные и контактные, в которых теплоносители смешиваются.
Контактные теплообменные аппараты широко применяются в химической, пищевой, перерабатывающей промышленности, стройиндустрии. Среди них распространены аппараты, в которых теплоносители находятся в разных фазовых состояниях, например, один теплоноситель крупная или мелкодисперсная твердая крошка, а другой газ или жидкость.
В данной работе исследовался теплообменный аппарат - охладитель шахтного типа с вертикальным движением продукта (различного размера частиц экструдирован-ной соевой крошки, двигающихся сверху вниз) и поперечной продувкой воздухом для отвода тепловой энергии, которая образуется при пропускании зерен через экструдер.
Для получения рациональных технологических условий протекания процесса охлаждения ( температуры, давления, скорости движения продукта и воздуха) проводились исследования на специально сконструированном приборе (рисунок 1).
Прибор представляет собой цилиндр с двумя сетками, между которыми укладывается испытываемый продукт. Через этот слой продувается воздух (снизу вверх). В сечении 2-2 в цилиндре находится трубка Прандтля, к которой подсоединяется микроманометр. По условиям работы оборудования слой соевой крошки не должен превышать критическую скорость и подниматься навстречу своему движению потоком встречного воздуха. Поток воздуха только отводит тепло, но мелкодисперсные частицы
