Методика работы интеллектуальной системы диагностирования двигателей Текст научной статьи по специальности «Прочие технологии»

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №6/2016 ISSN 2410-6070_

При оценке экономических показателей реализации мероприятий учтено снижение эксплуатационных затрат, затраты на топливо ПНГ (как упущенная экономическая выгода [2, c.384]), эффект от снижения сверхнормативных выбросов в условиях отсутствия газовых счетчиков на факельных установках. Список использованной литературы:

1 Смородова О.В., Костарева С.Н., Колоколова Е.А. Энергетическая эффективность систем энергообеспечения объектов нефтегазовой отрасли// Нефтегазовое дело. - 2014. - № 12-4. - С. 134-138.

2 Смородова О.В., Максютова Л.С. Технология утилизации попутного нефтяного газа//Трубопроводный транспорт -2015:в сб. Материалы Х Международной учебно-научно-практической конференции.-Уфа, 2015.-С.382-384.

3 Байков И.Р., Смородова О.В. Перспективы энергосбережения при эксплуатации промысловых объектов добычи нефти и газа// Транспорт и хранение нефтепродуктов и углеводородного сырья. - 2009. - № 6. - С. 1012.

© Максютова Л.С., 2016

УДК 621

И.В Марданов

Ведущий инженер-технолог АО «Ремдизель» г. Набережные Челны, Российская Федерация

МЕТОДИКА РАБОТЫ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДИАГНОСТИРОВАНИЯ ДВИГАТЕЛЕЙ

Аннотация

Разработана система поддержки принятия решения для поиска неисправности двигателей, позволяющая определять отклонения параметров двигателя от установленных значений при проведении испытаний, определение возможных неисправностей в процессе испытаний, а так же поиск возникшей неисправности двигателя. Приведена архитектура СППР поиска неисправности двигателей и методика обработки данных.

Ключевые слова

СППР поиска неисправности двигателя, неисправность, архитектура СППР, методика.

На сегодняшний день одной из тенденций развития автоматизированных испытаний двигателя является создание интеллектуальных систем, позволяющих не только производить испытания двигателей, но и выявлять причины неисправности двигателя. Особенно актуален данный вопрос для предприятий машиностроительной области, осуществляющих капитальный ремонт двигателей внутреннего сгорания и ремонт двигателей по рекламациям.

Смена поколений среди работников предприятий, отсутствие необходимых технических знаний и отсутствие опыта у новых сотрудников непременно сказывается на точности определения причин неисправности двигателя. На данном фоне все более четко прослеживается необходимость сохранения знаний и навыков опытных работников и создания базы знаний.

Наряду с данными обстоятельствами возникает так же вопрос о возможности определения причины неисправности до разборки двигателя. Следствием данного аспекта, является увеличение времени на поиск и устранение причины неисправности и на поставку требуемой запасной части после разборки двигателя.

Для поиска неисправности двигателей разработана система поддержки принятия решения (СППР) [1], структура которой представлена на рисунке 1.

МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №6/2016 ISSN 2410-6070

Рисунок 1 - Архитектура СППР поиска неисправности двигателей

Данная архитектура построения СППР [2] определяет взаимодействие различных «блоков» между собой, а так же определяет информацию при их взаимодействии.

Целью данной СППР поиска неисправности двигателей является определение отклонения параметров двигателя от установленных значений при проведении испытаний, определение возможных неисправностей в процессе испытаний, а так же поиск возникшей неисправности двигателя.

Методика работы СППР подразумевает под собой, что она будет использовать многочисленное количество цикло(прогонов) и массивы для:

- чтения и записи значений с датчиков;

- для поиска отклонений и их записи;

-для поиска и сортировки соответствующих отклонениям прецедентов;

-для поиска и проверки соответствующих отклонениям правил.

При начале испытаний создается массив этапов от 1 до Е. Количество этапов зависит от двигателя и соответствующего испытания. Массив этапов приведен в таблице 1.

Таблица 1

Массив этапов

| Этап (1) | 1 | 2 | ... | Е |

На каждом этапе проверяется наличие отклонений у М-количества параметров, приведенные в таблице 2.

Таблица 2

Количество отклонений параметров | Кол-во параметров(]) | 1 | 2 | ... | М |

Перед поиском отклонений, создается четыре массива для записи значений параметров двигателя, стенда. Два из них, приведенные в таблице 3 и 4 необходимы для проверки исправности датчиков, когда будут сравниваться значения параметров, которые есть на двигатели и установленные на испытательном стенде.

Таблица 3

Массив значений датчиков стенда

Параметр ^хл.ж Рмасл 1масл Ртопл ^опл ^хл.в ^топл tra3.n ^аз.л Рохл.ж

Номер параметра(т1) 1 2 3 4 5 6 7 8 9 10

Значение параметра(Вт) Si S2 S3 S4 S5 S6 S7 S8 S9 Sio

МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №6/2016 ISSN 2410-6070_

Таблица 4

Массив значений датчиков двигателя

Параметр 1юхл.ж Рмасл 1масл Ртопл 1топл 1охл.Б n Ртнвд Рнадд 1ладд

Номер параметра(m2) 1 2 3 4 5 6 7 8 9 10

Значение параметрами) D1 D2 D3 D4 D5 D6 D7 D8 D9 D10

После система создает еще два массива для записи отклонившихся параметров и их значений и не отклонившихся параметров. Массив отклонившихся параметров приведен в таблице 5.

Таблица 5

Массив отклонений

Кол-во отклонений 1 2 h

Номер параметра^) L1 L2 Lh

Значение параметра(Ру) M1 M2 Mh

Массив параметров без отклонений приведен в таблице 6.

Таблица 6

Массив параметров без отклонений

Кол-во норм. значений 1 2 u

Номер параметра^) C1 C2 Cu

Значение параметра(Ру) D1 D2 Dh

Далее система проводит проверку исправности датчиков, если обнаружено только одно отклонение путем сравнения значений из массивов, приведенных в таблице 4, 5, если это возможно (т1<7 или m2<7).

После нахождения отклонений и проверки датчиков, начинается поиск и предложение подходящих прецедентов. При поиске прецедентов с присутствием таких же отклонений создается массив с найденными вариантами. Массив найденных вариантов прецедентов приведен в таблице 7.

Таблица 7

Массив найденных вариантов

Количество прецедентов 1 2 а

Прецедент П1 П2 Па

Далее из созданного массива создаются два массива:

- массив с прецедентами, у которых количество отклонений соответствует количеству отклонений этапа испытания, приведенный в таблице 8;

- массив с прецедентами, у которых количество отклонений соответствует количеству отклонений этапа испытания и плюс одно лишнее отклонение в прецеденте, приведенный в таблице 9.

Это делается для того, что бы провести анализ идентичных отклонений, то есть из массива с прецедентами, у которых количество отклонений соответствует количеству отклонений этапа испытания или анализ похожих отклонений, то есть из массива с прецедентами, у которых количество отклонений соответствует количеству отклонений этапа испытания и плюс одно лишнее отклонение в прецеденте. А если есть значение в первом и во втором массиве, то анализ идентичных и похожих прецедентов.

Таблица 8

Массив с прецедентами

Количество прецедентов 1 2 ь

Прецедент П1 П2 Пь

Кь К1 К2 Кь

Таблица 9

Массив с прецедентами

Количество прецедентов 1 2 c

Прецедент П1 П2 Пс

Kc К1 К2 Кс

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №6/2016 ISSN 2410-6070_

Kb и Kc коэффициенты приближенности прецедента к данному случаю испытания. Далее система ранжирует прецеденты по значению Kb и Kc в порядке убывания и начинает предлагать причины, которые находятся в прецедентах.

Во избежание совпадений прецедента с одинаковыми причинами, создан очередной массив, который записывает причины, которые уже присутствовали в предложении оператору. Данный массив предложенных причин прецедентов приведен в таблице 10.

Таблица 10

Массив предположительных причин прецедентов

Количество предложенных причин 1 2 f

Причина П1(А) П2(А) ЩА)

Если предложенные прецеденты не удовлетворили оператора и подходящие прецеденты иссякли, то система переходит к поиску причин по правилам.

Поиск по правилам подразумевает так же создание массива с количеством условий равных количеству отклонений. И далее поиск подходящего правила с условиями, удовлетворяющими отклонениям этапа испытания. Массив с подходящими правилами приведен в таблице 11.

Таблица 11

Массив с подходящими правилами

Количество правил с усл. = кол-ву отклонений 1 2 z

Правило S S1 S2 Sz

ПричинаA S1(A) S2(A) Sz(A)

Далее происходит проверка подходящего правила и при совпадении условий с отклонениями, происходит проверка повторяемости причины правила с предыдущими причинами из массива, приведенного в таблице 10. В случае совпадения происходит дальнейший поиск. В случае удовлетворения оператора, происходит запись прецедента в базу прецедентов. В случае отсутствия подходящих правил и правил, с неповторяющимися причинами, предложенными до этого, происходит переход на поиск причины по совокупности правил и создание в случае нахождения массива, приведенного в таблице 12.

Таблица 12

Массив по совокупности правил

Количество причин по совокупности правил 1 2 w

Правило S S1 S2 Sw

ПричинаA S1(A) S2(A) Sw(A)

При отсутствии или не повторении причин или же неудовлетворению причин оператором, происходит запрос системы к эксперту для разрешения данной задачи выявления причины неисправности двиагтеля.

Данная методика позволяет производить учет всех подходящих прецедентов, правил и фиксировать повторение причин для решения задачи отклонений, а также позволяет сравнивать множество прецедентов по приближенности к отклонению, тем самым производить ранжирование, выставляя на первое место самый подходящий прецедент.

Список использованной литературы:

1. Марданов И. В. Система поддержки принятия решения диагностики двигателей внутреннего сгорания.// Информационные технологии. Автоматизация. Актуализация и решение проблем высококвалифицированных кадров (ИТАП-2011): материалы международ. науч.-практ. конференции. -Набережные Челны, 2011.

2. Марданов И.В. Применение многоагентных систем для поиска неисправности двигателей внутреннего сгорания.// Актуальные вопросы современной техники и технологий: материалы Ш-й международ. науч.-практ. конференции.- Липецк, 2011.

© Марданов И.В., 2016