CC BY
62
УДК 621.313.12:681.518.5 ББК 31.27-082
А С. СТЕКЛОВ, А.В. СЕРЕБРЯКОВ, В.Г. ТИТОВ
ОПРЕДЕЛЕНИЕ СТЕПЕНИ РАБОТОСПОСОБНОСТИ СУДОВЫХ СИНХРОННЫХ ГЕНЕРАТОРОВ С ПРИМЕНЕНИЕМ ИСКУССТВЕННЫХ НЕЙРО-НЕЧЕТКИХ СЕТЕЙ
Ключевые слова: искусственная нейронная сеть, синхронный генератор, диагностирование, степень работоспособности.
Задача разработки систем диагностики судовых энергетических установок является актуальной для обеспечения безопасности мореплавания. Одним из путей решения задачи является применение искусственных нейронных сетей. Впервые предложен комплексный подход к определению степени работоспособности судовых синхронных генераторов на основе искусственных нейронных сетей. Полученные результаты могут быть основой для создания новой системы прогнозирования технического состояния судовых синхронных генераторов на основе нейронных сетей.
Надежность, экономичность и безопасность функционирования судна в значительной степени определяется уровнем эксплуатационной надежности электрооборудования силовой электроэнергетической установки (ЭЭУ) (синхронные генераторы (СГ), гребные электродвигатели, трансформаторы, преобразователи частоты). Поэтому представляется целесообразным оценить степень работоспособности и спрогнозировать дальнейшую эксплуатацию в первую очередь СГ, от уровня технического состояния которого зависит работоспособность установки в целом [4].
Современные адаптивные системы на базе таких инструментов искусственного интеллекта (ИИ), как искусственные нейронные сети (ИНС) и нечеткая логика ^Л), способны решить эту проблему благодаря способностям к обучению, запоминанию и аппроксимации входных данных [1].
Для реализации процесса нечеткого моделирования предлагается использовать соответствующую библиотеку нечеткой логики (Fuzzy Logic Toolbox) из пакета MatLab.
Для решения задачи контроля работоспособности СГ необходимо определить параметры, характеризующие состояние генератора. Самыми информативными параметрами для определения неисправностей синхронного генератора являются сопротивление изоляции (Riz), мощность активная (P), мощность реактивная (Q), температура обмотки статора (tstat), температура обмотки ротора (trot), температура подшипника (tpodch), вибрация генератора (vibracia) [2].
Для определения степени работоспособности СГ построим две модели нечеткого вывода:
- определение степени работоспособности электрической части;
- определение степени работоспособности неэлектрической части.
В модели экспертной системы для определения степени работоспособности электрической части СГ входными переменными являются сопротивление изоляции (Riz), мощность активная (P), мощность реактивная (Q). Выходной переменной является степень работоспособности электрической части синхронного генератора [5].
На рис. 1 представлена структурная схема определения степени работоспособности электрической части синхронного генератора.
Рис. 1. Структурная схема определения работоспособности электрической части синхронного генератора: Riz - сопротивление изоляции; P - мощность активная; Q - мощность реактивная;
Stepen rabotosposobnosti electrich chasti generatora (выходная переменная) - степень работоспособности электрической части СГ; Rabotosposobnost generatora electrich (mamdani) -
нечеткая система Мамдани - Заде
Рассмотрим подробно каждый этап создания нейросетевой модели.
Фаззификация входных параметров. Процесс задания нечёткого множества на основе известного количественного значения признака называется фаззификацией, или приведением к нечёткости. Фаззификация - это также процесс нахождения значений функций принадлежности нечётких множеств на основе обычных (не нечётких) исходных данных. Фаззификация позволяет представить объективно присутствующую неточность результатов физических измерений.
На этапе фаззификации значения входных параметров приводятся в соответствии с их нечеткими лингвистическими переменными с последующим выбором закона изменения функции принадлежности.
Лингвистическую оценку значения переменных P и Q будем производить с помощью пяти термов: {«Очень низкое», «Ниже нормы», «Норма», «Выше нормы», «Очень высокое»}, а переменной Riz - с помощью трёх {«Очень низкое», «Ниже нормы», «Норма»}.
Формирование функций принадлежности. При формировании функций принадлежности следует стремиться к тому, чтобы степени принадлежностей границ интервала крайним термам были равны единице. В этом случае выполняется естественное правило, заключающееся в том, что чем меньше (больше) значение переменной, тем в большей степени оно соответствует крайнему терму «Очень низкий» («Очень высокий») [3, 6].
Поэтому функции принадлежности крайних термов были заданы трапециевидной функцией принадлежности.
Для всех остальных термов был задан треугольный закон изменения функции принадлежности. Функции принадлежности являются нормальными (нормированными), принимающими значения в интервале от 0 до 1.
На рис. 2 представлен график функции принадлежности «Сопротивление изоляции».
Выходная переменная «Степень работоспособности электрической части синхронного генератора», оцениваемая от 0 до 100 (где 0 - минимальное значение, 100 - максимальное значение степени работоспособности электрической части синхронного генератора). Функции принадлежности выходной
переменной «Степень работоспособности электрической части СГ» представлены на рис. 3.
Рис. 2. Функции принадлежности переменной «Сопротивление изоляции» (Riz)
Рис. 3. Функции принадлежности выходной переменной «Степень работоспособности электрической части СГ»
Формирование нечётких логических правил. Причинно-следственные связи между значениями параметров и определенным интервалом степени работоспособности формализуются в виде совокупности нечётких логических правил. Формат базового правила вывода «если - то» (if - then) называется нечёткой импликацией. Условием правила может быть утверждение «Низкое Riz», где «Низкое» - терм, заданный нечётким множеством на универсальном множестве лингвистической переменной Riz. Следствием (заключением) для данного условия может быть «Состояние генератора - 0».
Нечёткая база знаний c информацией о зависимости «Значение параметров - значение степени работоспособности электрической части СГ» содержит лингвистические правила.
Правила задаются экспертами на основе субъективных предпочтений о причине неисправности и не носят случайного характера. Информация может быть представлена в форме правил нечетких продукций. На рис. 4 представлен фрагмент базы правил.
Анализ нейросетевой модели выполняется посредством визуализации поверхности нечеткого вывода. Поверхность системы нечеткого вывода представлена на рис. 5.
Поверхность системы нечеткого вывода позволяет установить зависимость значений выходной переменной от значений входных переменных нечеткой модели. Кроме того, имеется возможность установления зависимости выходной переменной от одной из входных переменных.
В модели экспертной системы для определения степени работоспособности неэлектрической части СГ входными переменными являются четыре параметра: температура обмотки статора (tstat), температура обмотки ротора (trot),
температура подшипника (¿рвйсИ), вибрация генератора (угЬгааа); выходной переменной - степень работоспособности неэлектрической части синхронного генератора.
На рис. 6 представлена структурная схема определения степени работоспособности неэлектрической части синхронного генератора.
tstat
Rabotospo sobnost generatora neelectrich (mamdani) Stepen rabotosposobnosti neelecrich chasti generatora
trot
tpodch
vibmcia
Рис. 6. Структурная схема определения работоспособности неэлектрической части синхронного генератора: tstat - температура статора; trot - температура ротора; tpodch - температура подшипника; vibracia - вибрация генератора;
Stepen rabotosposobnosti neelecrich chasti generatora (выходная переменная) -степень работоспособности неэлектрической части СГ;
Rabotosposobnost generatora neelectrich (mamdani) - нечеткая система Мамдани - Заде
Лингвистическую оценку значения переменных будем производить с помощью пяти термов: {«Очень низкое», «Ниже нормы», «Норма», «Выше нормы», «Очень высокое»}.
Выходная переменная «Степень работоспособности неэлектрической части синхронного генератора» оценивается от 0 до 100 (где 0 - минимальное значение, 100 - максимальное значение степени работоспособности неэлектрической части синхронного генератора).
Создадим нечёткую базу знаний с информацией о зависимости «Значение параметров - значение степени работоспособности неэлектрической части СГ», содержащую лингвистические правила.
Для получения степени работоспособности генератора в целом применим обобщенную степень работоспособности, которая задается как среднее геометрическое степеней работоспособности объекта:
^^^элчасть^^нёэлчасть,
где SR - степень работоспособности СГ в целом; 5Кэлчасть, 5Кнеэлчасть -степени работоспособности электрической и неэлектрической частей СГ.
Математическая модель вычисления работоспособности синхронного генератора приведена на рис. 7.
В качестве динамической системы принимается синхронный генератор в условиях эксплуатации, для которого определено понятие состояния как совокупности некоторых параметров в данный момент времени. Входными переменными X1, X2, ..., XN, где N - число диагностируемых параметров, являются значения, полученные с датчиков системы диагностирования.
Система вычисляет активную и реактивную мощности, значения параметров подаются на нечёткие контроллеры, вычисляются работоспособности отдельно для электрической и неэлектрической частей. Затем определяется общая степень работоспособности синхронного генератора.
Выводы. Предложен комплексный подход к определению степени работоспособности судовых синхронных генераторов на основе искусственных нейронных сетей. Разработана структурная схема определения работоспособности электрической и неэлектрической частей СГ. Получена поверхность системы нечеткого вывода, позволяющая установить зависимость значений выходной переменной от значений входных переменных нечеткой модели. Разработана математическая модель вычисления степени работоспособности СГ. Полученные результаты могут быть основой для создания новой системы прогнозирования технического состояния судовых синхронных генераторов на основе нейронных сетей.
Литература
1. Дарьенков А.Б., Хватов О.С. Автономная высокоэффективная электрогенерирующая станция // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. 2009. Т. 77. С. 68-72.
2. Калявин В.П., Рыбаков Л.М. Надежность и диагностика элементов электроустановок СПб.: Элмор, 2009. 336 с.
3. Крюков О.В., Серебряков А.В. Метод и система принятия решений по прогнозированию технического состояния электроприводных газоперекачивающих агрегатов // Электротехнические системы и комплексы. 2015. № 4(29). С. 35-38.
4. Серебряков А.В., Титов В.Г., Чернов Е.А., Шахов А.В. Дифференцирование нагрузки в системах электроснабжения автономных потребителей // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. 2015. № 2(109). С. 203-209.
5. СтекловА.С., Подковырин Д.С. Нейро-нечеткая модель диагностирования технического состояния синхронного генератора // Главный энергетик. 2015. № 11-12. C. 55-60.
6. Штовба С.Д. Проектирование нечетких систем средствами MatLab М.: Телеком 2007.
СТЕКЛОВ АЛЕКСЕЙ СЕРГЕЕВИЧ - аспирант кафедры электрооборудования, электропривода и автоматики, Нижегородский государственный технический университет им. Р.Е. Алексеева, Россия, Нижний Новгород (steklov84@mail.ru).
ТИТОВ ВЛАДИМИР ГЕОРГИЕВИЧ - доктор технических наук, профессор кафедры электрооборудования, электропривода и автоматики, Нижегородский государственный технический университет им. Р.Е. Алексеева, Россия, Нижний Новгород (eos@nntu.nnov. ги).
СЕРЕБРЯКОВ АРТЕМ ВЛАДИМИРОВИЧ - кандидат технических наук, доцент кафедры электрооборудования, электропривода и автоматики, Нижегородский государственный технический университет им. Р.Е. Алексеева, Россия, Нижний Новгород (serebryakov@ardman.ru).
A. STEKLOV, A. SEREBRYAKOV, V. TITOV
DETERMINATION OF DEGREE OF USE OF SHIP SYNCHRONOUS GENERATORS WITH THE USE OF ARTIFICIAL NEURO-FUZZY NETS Key words: artificial neural network, a synchronous generator, diagnosis, degree of efficiency.
The task of development of marine power units diagnostic systems is rather acute for ensuring safety of navigation. One of the ways of solving the problem is the usage of artificial neural networks. For the first time a comprehensive approach to the determination of the degree of efficiency of ship synchronous generators based on artificial neural networks is offered. The obtained results can be the basis for the creation of a new forecasting system of the technical condition of marine synchronous generator based on neural networks.
References
1. Dar'enkov A.B., Khvatov O.S. Avtonomnaya vysokoeffektivnaya elektrogeneriruyushchaya stantsiya [Highly autonomous electricity generating station]. Trudy Nizhegorodskogo gosudarstven-nogo tekhnicheskogo universiteta im R.E.Alekseeva [Proceedings of the Nizhny Novgorod State Technical University n.a. R.E. Alekseev], 2009, vol. 77, pp. 68-72.
2. Kalyavin V.P., Rybakov L.M. Nadezhnost' i diagnostika elementov elektroustanovok [Reliability and diagnostics of electrical elements]. St. Petersburg, Elmor Publ., 2009, 336 p.
3. Kryukov O.V., Serebryakov A.V. Metod i sistema prinyatiya reshenii po prognozirovaniyu tekhnicheskogo sostoyaniya elektroprivodnykh gazoperekachivayushchikh agregatov [Method and system of decision-making forecasting technical condition of electrically driven gas pumping units] Elektrotekhnicheskie sistemy i kompleksy [Electrical systems and complexes], 2015, no. 4(29), pp. 35-38.
4. Serebryakov A.V., Titov V.G., Chernov E.A., Shakhov A.V. Differentsirovanie nagruzki v sistemakh elektrosnabzheniya avtonomnykh potrebitelei [Differentiation load in autonomous consumer power systems]. Trudy Nizhegorodskogo gosudarstvennogo tekhnicheskogo universiteta im RE.Alekseeva [Proceedings of the Nizhny Novgorod State Technical University n.a. R.E. Alekseev], 2015, no. 2(109), pp. 203-209.
5. Steklov A.S., Podkovyrin D.S. Neiro-nechetkaya model' diagnostirovaniya tekhnicheskogo sostoyaniya sinkhronnogo generatora [Neuro-fuzzy model of diagnosing of a technical condition of the synchronous generator]. Glavnyi energetik [Chief Power Engineer], 2015, no. 11-12, pp. 55-60.
6. Shtovba S.D. Proektirovanie nechetkikh sistem sredstvami MatLab [Design of fuzzy systems MatLab Tools]. Moscow, Telekom Publ., 2007.
STEKLOV ALEKSEY - Post-Graduate Student of Electrical Equipment, Electric and Automation Department, Nizhny Novgorod State Technical University n.a. R.E. Alekseev, Russia, Nizhniy Novgorod.
TITOV VLADIMIR - Doctor of Technical Sciences, Professor of Electrical Equipment, Electric and Automation Department, Nizhny Novgorod State Technical University n.a. R.E. Alekseev, Russia, Nizhny Novgorod.
SEREBRYAKOV ARTEM - Candidate of Technical Sciences, Assistant Professor of of Electrical Equipment, Electric and Automation Department, Nizhny Novgorod State Technical University n.a. R.E. Alekseev, Russia, Nizhny Novgorod.
Ссылка на статью: Стеклов А.С., Серебряков А.В., Титов В.Г. Определение степени работоспособности судовых синхронных генераторов с применением искусственных нейро-нечетких сетей // Вестник Чувашского университета. - 2016. - № 1. - С. 97-104.
