CC BY
18
УДК 621.396.6
DOI: 10.17277/vestnik.2019.02.pp.197-205
ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОЙ ПЕРИОДИЧНОСТИ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ И УПРАВЛЯЮЩИХ СИСТЕМ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
И. Г. Рязанов, Н. Г. Чернышов, Ю. Т. Зырянов, А. Ю. Наумова
Кафедра «Конструирование радиоэлектронных и микропроцессорных систем», ФГБОУ ВО «ТГТУ», г. Тамбов, Россия; chief.ryazanoff2012@yandex.ru
Ключевые слова: нейронные сети; оптимальный период технического обслуживания; эффективность системы технического обслуживания.
Аннотация: Предложен подход для определения оптимальной периодичности технического обслуживания информационно-измерительных и управляющих систем (ИИУС) с применением нейросетевых технологий, основанный на использовании фактических данных о текущем техническом состоянии ИИУС.
Введение
В настоящее время для успешной эксплуатации различных типов информационно-измерительных и управляющих систем (ИИУС) необходима достоверная и оперативная оценка их технического состояния (ТС). В процессе функционирования ИИУС их ТС может изменяться от исправного до работоспособного, затем до неработоспособного. Состояния системы характеризуются ее параметрами в рассматриваемый момент времени, а для поддержания требуемого уровня надежности ИИУС на всех этапах эксплуатации проводят ее техническое обслуживание (ТО).
Несмотря на применение новых методов эксплуатации, в большинстве случаев отказы ИИУС носят стохастических характер, время возникновение которых затруднительно определить. Мероприятия, выполняемые в рамках ТО, не способны в полной мере предупредить внезапные отказы.
Задача управления техническим состоянием ИИУС и пути ее решения
При всех стратегиях ТО мероприятия по повышению надежности ИИУС, корректировка объемов и периодичности ТО осуществляется на основе анализа информации о характеристиках ТС ИИУС и эффективности управления ТС. Однако методы анализа и использования различных видов информации зависят от стратегий ТО [1]. Принципиально выделяются три основные стратегии технической эксплуатации ИИУС:
- по ресурсу (программное управление по разомкнутому циклу);
- уровню надежности параметров (управление по замкнутому циклу с обратной связью по информации о состоянии техники);
- состоянию с контролем параметров (управление по замкнутому циклу с обратной связью по информации о состоянии техники).
Информационно-измерительные и управляющие системы, эксплуатируемые без соответствующего ТО, стохастически переходят от одного состояния к другому естественным путем, пока не перейдут в состояние отказа.
Однако возможно регулировать поведение ИИУС путем выбора определенных мер в каждый момент принятия решения.
К таким мерам относятся:
- осмотр ИИУС;
- профилактические работы по поддержанию ТС ИИУС;
- различные виды ремонта ИИУС;
- замены элементов системы и другие меры, ведущие к восстановлению ИИУС.
Качество функционирования ИИУС можно определить затратами ресурсов, путем определения стоимости выполнения каждого вида работ. Процесс ТО или текущего ремонта выбираются при обнаружении предельного или неработоспособного состояния системы.
Различают две стратегии ТО по состоянию:
- с контролем параметров;
- с контролем уровня надежности.
При применении стратегии ТО с контролем параметров в эксплуатационной документации указывается предельное значение параметра, при достижении которого система считается неисправной, требующей регулировки или текущего ремонта. Данная стратегия позволяет обеспечить надежность ИИУС за счет раннего, до наступления отказа, обнаружения повреждений (дефектов) и повысить экономическую эффективность эксплуатации путем максимально возможного использования работоспособности ИИУС.
При применении стратегии ТО с контролем уровня надежности каждая система используется по назначению до отказа, после чего проводятся операции текущего ремонта. Операции ТО по поддержанию надежности назначаются по результатам контроля уровня надежности парка ИИУС, в том числе с использованием статистических методов контроля и регулирования качества продукции (например, путем проведения доработок). Они обеспечивают высокую экономическую эффективность эксплуатации ИИУС за счет полного использования работоспособного состояния каждой системы.
Внедрение стратегии ТО ИИУС, учитывающей фактическое техническое состояние позволяет сократить затраты, связанные с обслуживанием и ремонтом, на 20 - 50 % [2]. Основной целью внедрения стратегии ТО по состоянию является сокращение эксплуатационных расходов при обеспечении заданного уровня надежности.
Выигрыш может быть получен, если на начало проведения профилактических и восстановительных работ персонал будет располагать достоверными данными о фактическом и прогнозируемом состоянии ИИУС.
В качестве ИИУС, как объекта исследования, была выбрана система наведения и стабилизации панорамического визира (СН и СПВ), основной функцией которой является стабилизация зеркала, посредством которого осуществляется визирование. В основе функционирования СН и СПВ лежит гироскопический прибор, осуществляющий отслеживание перемещения зеркала в пространстве, передавая в систему управления данные о скорости и направлении перемещения. Также в рассматриваемой системе применяются два датчика (для вертикальной и горизонтальной плоскостей), задачей которых является отслеживание угловых положений зеркала. Оперируя информацией, полученной от гироскопического датчика и датчиков угловых положений, система управления генерирует управляющие сигналы, подающиеся на исполняющие, которыми являются датчик стабилизации (для вертикальной плоскости) и редуктор на базе электродвигателя (для горизонтальной плоскости).
Таким образом, описываемая СН и СПВ представляет собой замкнутый контур стабилизации у которого есть измерительные каналы, передающие в систему управления информацию о перемещении и позиционировании зеркала, и управляющие, осуществляющие непосредственно перемещение зеркала посредством датчиков стабилизации (рис. 1).
Одной из существенных проблем эксплуатации СН и СПВ является сложность ее устройства, которая проявляется в применении прецизионной механики совместно с мощной аналоговой электроникой. При различных условиях эксплуатации воздействие внешних факторов может быть критично как для механических элементов СН и СПВ, так и для электроники, что в свою очередь обуславливает применение технической эксплуатации по состоянию (ТЭС).
Очевидно, что при решении задачи нахождения оптимального периода ТО при ТЭС, основные затруднения вызывает необходимость определения времени безотказной работы СН и СПВ.
При наличии нескольких определяющих параметров ТС параметрическая вероятность безотказной работы СН и СПВ определяется по формуле
м
Рпар (Т ) =П Рг (Т ), (1)
г=1
где М - число определяющих предельное состояние параметров СН и СПВ; Рг (тг-) - вероятность невыхода г-го определяющего параметра ТС за пределы допусков в течение прогнозируемого периода тг-.
ДУ ВН
( ЛУВН/ГН
Рис. 1. Система наведения и стабилизации панорамического визира как сложная информационно-измерительная и управляющая система:
1 - датчики угловых положений зеркала по вертикали и горизонту;
2 - гироскопический датчик; 3 - зеркало; 4 - датчики стабилизации
Так как на процесс изменения параметров во времени влияет множество различных независимых факторов, то вероятность безотказной работы (невыхода параметров за пределы допуска) СН и СПВ по r-му определяющему параметру за время T = tn _ tn_i определяется как
^(T) = V expj-^^ÄL , (2)
где tn_i - момент времени проведения последнего измерения определяющего параметра; v^ и vH - соответственно верхняя и нижняя границы допуска r-го определяющего предельное состояние системы параметра; vr (t) - наиболее адекватная модель r-го определяющего ТС параметра; or (t) - дисперсия r-го определяющего параметра.
В известных работах формирование математических моделей изменения определяющих параметров во времени осуществлялось на основе методов анализа и прогнозирования временных рядов (метод группового учета аргументов, сингулярный спектральный анализ и т. д.) в области полиномов вида
n n _1
v(t) = X a tl + XbJtJ , J 6 Z, n - nmax , (3)
i=0 J=2
где al, bj - неизвестные коэффициенты; Z - множество натуральных чисел;
nmax - установленное значение максимальной степени полинома.
Расчет коэффициентов математических моделей проводится на основе обучающей части исходных данных объемом ко .
Эти методы определения оптимального периода ТО требуют для своей реализации больших объемов как временных, так и материальных затрат, а результаты могут значительно отличаться от значений, ввиду индивидуальных особенностей изделий, условий их эксплуатации, значения показателей надежности, зависящие от конструкции, внешних воздействий, принятой системы ТО и других факторов.
Как описано в [3, 4], одним из способов, которым возможно совершенствовать известные подходы, является применение нейросетевых технологий (НСТ), основным достоинством которых является динамическое саморегулирование во времени, учитывающее воздействие внешних воздействующих факторов.
Алгоритм построения моделей изменения определяющих параметров ИИУС на основе НТС будет основываться на нелинейной рекуррентной сети Элмана, которая получается из многослойного перцептрона введением обратных связей. Однако связи идут не от выхода сети, а от выходов внутренних нейронов. Это позволяет учесть предысторию наблюдаемых процессов и накопить информацию для формирования адекватной модели изменения параметров во времени. Рассмотрим математическую модель данной сети:
LW 2Д = SS1(lWu + LWu + b1);
\,2( * ' (4)
V(t ) = s 2 (lw 2Д + b2),
где IW1,1 - вектор входных данных; LW1,1
LW 2,1 - вектора весовых коэффициентов внутреннего и внешнего слоев соответственно; S1 и S2 - функции активации внутреннего и внешнего слоев соответственно.
Применение данного типа НСТ на этапе построения моделей изменения определяющих параметров СН и СПВ и построенной модели в системе функционирования нелинейной авторегрессионной сети позволит учитывать различные воздействия внешних факторов, характерных для разных условий эксплуатации. На рисунке 2, а, представлена структура нелинейной рекуррентной сети Элмана.
Нелинейная авторегрессионная сеть основана на следующей структуре (рис. 2, б).
LW 2Д = S1 (IW u + LW u + b1); v(t +1) = S 2 (LW 2Д + b2 ),
1 3
где LW ' - вектор весовых коэффициентов внутреннего слоя.
В основе функционирования предлагаемой интеллектуальной системы лежит алгоритм, основанный на следующем: учитывая априорную информацию об объекте управления S (t), нейронная рекуррентная сеть проводит построение модели изменения определяющих параметров объекта v (t), учитывая обучающую выборку; затем полученная модель изменения определяющих параметров применяется в нелинейной авторегрессионной сети, результатом работы которой является прогноз изменения определяющих объект параметров на период времени (t + n).
(5)
Первый слой Второй слой
LWL;
т
SiyR'
IW11
S1
Siv1
S'v1
SzvK
* LW21
s2
Siv2
S^v1
а)
Первый слой
Второй слой
б)
Рис. 2. Структура нелинейной рекуррентной сети Элмана (а) и нелинейной авторегрессионной сети (б)
На основе разработанных алгоритмов для оценки ТС в реальных масштабах времени и с учетом данных эксплуатации ОН и ОГВ проведено имитационное моделирование, позволяющее определить оптимальный период ТО.
Предлагаемая структура интеллектуальной системы для построения моделей изменения определяющих параметров представлена на рис. 3.
Структура нелинейной рекуррентной сети, выбранной для реализации описываемой интеллектуальной системы, имеет 30 «нейронов» в первом слое и 8 «нейронов» во втором. Для обучения полученной нейронной сети взяты исходные данные, полученные в процессе проведения испытаний СН и СПВ. За определяющий параметр выбран «потребление тока», который характеризует степень износа основных механических элементов редуктора. На основе исходных данных была обучена рекуррентная нейронная сеть Элмана, которая легла в основу определения модели изменения определяющего параметра во времени. Результаты моделирования изменения параметра «потребление тока» во время наработки (т, усл. ед. времени) представлены на рис. 4.
Рис. 3. Структура интеллектуальной системы построения моделей изменения определяющих параметров
Потребление тока, А
4,0 ^ 3,5 = 3,0 1 / 2
25 -■ 2,0 1.5 -- ^fftt 4**
0 100 200 300 400 500 т, усл. ед. времени
Рис. 4. Результаты имитационного моделирования работы СН и СПВ (1) и прогноз изменения определяющего параметра системы (2)
Значение ресурса 0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
Г
1 *** /
/
1000
2000
3000
т, усл. ед. времени
Рис. 5. Оценка эффективности применяемого метода определения оптимального периода ТО (1) в сравнении с исходным способом (2)
По итогам функционирования разработанной интеллектуальной системы можно сделать заключение об адекватности построенных моделей изменения определяющих параметров ИИУС (СН и СПВ).
Оценка эффективности применяемых методов определения оптимального периода ТО проведена по критерию относительного непроизводительно расходуемого ресурса СН и СПВ Лотн. Эффективность предлагаемого метода сравнили со способом-прототипом. На рисунке 5 представлены результаты оценки эффективности предложенного подхода.
Вывод
Ошибка определения оптимального периода технического обслуживания СН и СПВ по известному способу-прототипу, по сравнению с предлагаемым методом
д = Т3000 -Т2200 . 100 % = 3000 - 2200 • 100 % = 26,67 %. Т3000 3000
(8)
Относительный выигрыш в величине относительного непроизводительно расходуемого ресурса СН и СПВ
Л = ^отн (Т2200 ) = 0,0225 = 2,25. Яотн (т3000 ) 0,01
(9)
Как видно из графиков, показанных на рис. 6, применение интеллектуальной системы повысило точность определения расходуемого ресурса на 26,67 %, что в свою очередь позволяет сформировать алгоритм оптимального управления техническим состоянием СН и СПВ.
Список литературы
1. Зырянов, Ю. Т. Планирование профилактики в организационно-технических системах / Ю. Т. Зырянов, К. А. Малыков // Вестн. Тамб. гос. техн. ун-та. -2004. - Т. 10, № 2. - С. 410 - 420.
2. Rastegari, Ali. Condition based maintenance in the manufacturing industry from strategy to implementation / Ali Rastegari. - Mâlardalen Universety, Sweden, 2017. -106 p.
3. Артемова, С. В. Прогнозирование и компенсация возмущения в системах оптимального управления / С. В. Артемова, Д. Ю. Муромцев, А. Н. Грибков // Вестн. Тамб. гос. техн. ун-та. - 2003. - Т. 9, № 4. - С. 632 - 637.
4. Муромцев, Д. Ю. Методика проектирования базы знаний для активных экспертных систем / Д. Ю. Муромцев, В. В. Ермолаев, А. Ю. Коток // Вопр. соврем. науки и практики. Университет им. В. И. Вернадского. - 2014. - Спец. вып. № 52. - С. 92 - 95.
Finding an Optimal Periodicity of Technical Maintenance of Information-Measuring and Control Systems Using Neural Network Technologies
I. G. Ryazanov, N. G. Chernyshov, Yu. T. Zyryanov, A. Yu. Naumova
Department of Designing Radio-Electronic and Microprocessor Systems, TSTU, Tambov, Russia; chief.ryazanoff2012@yandex.ru
Keywords: neural networks; optimal maintenance period; maintenance system efficiency.
Abstract: An approach for determining the optimal periodicity of maintenance of information-measuring and control systems (IMaCSs) using neural network technologies basedon the use of actual data on the current technical condition of the IMaCSs is proposed.
References
1. Zyryanov Yu.T., Malykov K.A. [Planning for prevention in organizational-technical systems], Transactions of the Tambov State Technical University, 2004, vol. 10, no. 2, pp. 410-420. (In Russ., abstract in Eng.)
2. Rastegari Ali. Condition based maintenance in the manufacturing industry from strategy to implementation, Malardalen Universety, Sweden, 2017, 106 p.
3. Artemova S.V., Muromtsev D.Yu., Gribkov A.N. [Prediction and compensation of disturbances in optimal control systems], Transactions of the Tambov State Technical University, 2003, vol. 9, no. 4, pp. 632-637. (In Russ., abstract in Eng.)
4. Muromtsev D.Yu., Yermolayev V.V., Kotok A.Yu. [Methods of designing a knowledge base for active expert systems], Voprosy sovremennoy nauki i praktiki. Universitet im. V. I. Vernadskogo [Problems of Contemporary Science and Practice. Vernadsky University], 2014, spec. issue no. 52, pp. 92-95. (In Russ., abstract in Eng.)
Bestimmung der optimalen Periodizität der technischen Wartung der Informationsmess- und Steuerungssysteme mit Anwendung der Netzwerktechnologien
Zusammenfassung: Es ist ein Ansatz zur Bestimmung der optimalen Periodizität der technischen Wartung von Informationsmess- und Steuerungssystemen (IIMS) unter Anwendung der Netzwerktechnologien vorgeschlagen, der auf der Verwendung der aktuellen Daten über den aktuellen technischen Zustand des ICIS gründet.
Détermination de la fréquence optimale de l'entretien technique des systèmes d'information, de mesure et de gestion à l'aide des technologies de réseau neuronal
Résumé: Est proposée une approche pour déterminer la fréquence optimale de l'entretien technique des systèmes d'information et de mesure et des systèmes de gestion (SIMSG) avec l'utilisation des technologies de réseau neuronal fondée sur l'utilisation des données factuelles sur l'état technique actuel de SIMSG.
Авторы: Рязанов Илья Георгиевич - аспирант кафедры «Конструирование радиоэлектронных и микропроцессорных систем»; Чернышов Николай Генрихович - кандидат технических наук, доцент, заведующий кафедрой «Конструирование радиоэлектронных и микропроцессорных систем»; Зырянов Юрий Трифонович - доктор технических наук, профессор кафедры «Конструирование радиоэлектронных и микропроцессорных систем»; Наумова Анастасия Юрьевна -аспирант кафедры «Конструирование радиоэлектронных и микропроцессорных систем» ФГБОУ ВО «ТГТУ», г. Тамбов, Россия.
Рецензент: Павлов Владимир Иванович - доктор технических наук, профессор кафедры «Конструирование радиоэлектронных и микропроцессорных систем», ФГБОУ ВО «ТГТУ», г. Тамбов, Россия.
