CC BY
67
9. Syryamkin, V. I. Computer-Aided Design of X-Ray Microtomographic Scanners [Text] / V. I. Syryamkin, E. N. Bogomolov, V. V. Brazovsky, A. Sh. Bureev, G. S. Glushkov, A. V. Vasiliev // Advances in Computed Tomography. - 2013. - Vol. 2. - P. 83-90. doi: 10.4236/act.2013.23015
10. Pedagoru, V. M. An Intelligent Feature Recognition Methodology Study for 2.5 D Prismatic Parts [Text] / V. M. Pedagoru, Dr. M. Kumar // International Journal of Computer Engineering and Technology. - 2014. - Vol. 5, Issue 4. - P. 119-125.
11. Sheldrake, J. Management Theory, 2nd edition [Text] / J. Sheldrake. - Cengage Learning EMEA, 2002. - 272 p.
12. Renna, P. Production and Manufacturing System Management: Coordination Approaches and Multi-site Planning. 1st edition [Text] / P. Renna. - IGI Global, 2012. - 375 p.
13. Единая система конструкторской документации. Межгосударственные стандарты [Текст] / М.: ИПК Издательство стандартов, 2001. - 161 с.
14. Норенков, И. П. Основы теории и построения Сапр [Текст] / И. П. Норенков, В. Б. Маничев. - М.: Высшая школа. - 1990. - 335 с.
15. Tanik, U. Architecting Automated Design Systems [Text] / U. Tanik. - VDM Verlag, 2008. - 408 p.
16. Тарасенко, Ф П. Прикладной системный анализ (Наука и искусство решения проблем) [Текст] / Ф. П. Тарасенко - Томск: Из-во Том.ун-та, 2004. - 186 с.
17. Gibson, J. How to Do Systems Analysis (Wiley Series in Systems Engineering and Management). 1st edition[Text] / J. Gibson, W. Scherer, W. Gibson. - Wiley-Interscience, 2007. - 360 p.
18. Hoffer, J. Modern Systems Analysis and Design. 6th edition [Text] / J. Hoffer, J. George, J. Valacich. - Prentice Hall, 2010. - 576 p.
19. Greene, J. Industrial Engineering: Theory, Practice & Application: Business and Production Management, Productivity and Capacity [Text] / J. Greene. - CreateSpace Independent Publishing Platform, 2013. - 412 p.
20. Кузьмин, А. В. Теоретические основы систем управления дискретного действия [Текст] / А. В. Кузьмин. - Ульяновск: ульяновский гос. техн..ун-т, 2001 - 98 с.
21. Turner, L. Accounting Information Systems: Controls and Processes. 1st edition [Text] / L. Turner, A. Weickgenannt. - Wiley, 2008. - 72 p.
22. Rithie, C. Relational database principles. 2nd edition [Text] / C. Rithie. - London-New York: Continuum, 2002. - 298 p.
23. Atzeni, P. Relational database theory [Text] / P. Atzeni, V. De Antonellis. - Redwood: The Benjamin/Cummings Publishing Company, Inc., 1993. - 389 p.
Описан основш задачi дiагностики газотур-бтного двигуна (ГТД) за техшчним станом (ТС). Запропоновано структурний та функщональний опис ттелектуальног автоматичноI системи дiагносту-вання та реконфкураци керування (1САДРК) режимами роботи ГТД на базi штеграцп нечтког логши та нейромереж. Наведено принцип роботи, алгоритм навчання та програмний комплекс гiбридноi 1САДРК
Ключовi слова: газотурбтний двигун, ттелекту-альна система, реконфкуращя керування, система
дiагностування, техшчний стан
□-□
Описаны основные задачи диагностики газотурбинного двигателя (ГТД) за техническим состоянием (ТС). Предложено структурное и функциональное описание интеллектуальной автоматической системы диагностирования и реконфигурации управления (ИСАДРК) режимами работы ГТД на базе интеграции нечеткой логики и нейронных сетей. Приведены принцип работы, алгоритм обучения и программный комплекс гибридной ИСАДРК
Ключевые слова: газотурбинный двигатель, интеллектуальная система, реконфигурация управления, система диагностирования, техническое состояние
УДК 004.087.5:004.841.3(045)
|DOI: 10.15587/1729-4061.2015.38088|
РОЗРОБКА 1НТЕЛЕКТУАЛЬНОТ СИСТЕМИ АВТОМАТИЧНОГО Д1АГНОСТУВАННЯ РЕЖИМ1В РОБОТИ ГАЗОТУРБ1ННОГО ДВИГУНА
М. П. Кравчук
Кандидат техшчних наук, асистент Кафедра автоматизацп та енергоменеджменту Нацюнальний авiацiйний уыверситет пр. Комарова, 1, м. Кшв, УкраТна, 03058 E-mail: KravchukNP@ukr.net
1. Вступ
Газотурбшш двигуни широко використовують у транспортнш i енергетичнш галузях. В авiащi ix вико-
ристовують як основн1 1 допом1жн1 руш1ин1 установки; силов1 установки на морських суднах; в енергогене-рувальних агрегатах; вони е практично основним си-ловим приводом у газоперекачувальних агрегатах.
©
Ефектившсть застосування ГТД у будь-якш галузi залежить вiд 1х ТС та економiчностi в роботi. Натепер одним з перспективних напрямiв розвитку систем техшчного обслуговування та ремонтiв ГТД е перехiд до 1х експлуатацп за технiчним станом. У виршенш цiеi проблеми важливе мiсце займае питання тдви-щення ефективностi процесу визначення поточного стану двигуна та прогнозування тенденцш змши в чаи його параметрiв, що характеризують цей стан, тобто дiагностування й прогнозування майбутнього стану ГТД. Аналiз публжацш за цiею тематикою показав, що за кордоном розробленням та виробництвом бага-токанальних автоматизованих комп'ютерних систем дiагностування займаються близько 70 вiдомих фiрм, з них близько 40 - у Захщнш бврот, 17 - у США, 5 - у Японп. В УкраМ над проблемою тдвищен-ня експлуатацiйноi надiйностi ГТД працюе близько 30 академiчних, галузевих, науково-дослiдних i про-ектно-конструкторських установ, вищих навчальних закладiв, науково-виробничих та iнших тдприемств i органiзацiй.
2. Аналiз лкературних даних та постановка проблеми
Науковому дослщженню пiдлягаe проблема роз-робки штелектуально! автоматично! системи дiа-гностування та реконф^урацп керування режимами роботи ГТД на базi iнтелектуальних технологш в особливих експлуатацiйних ситуацiях. Навчання за-пропоновано! 1САДРК, та проведення теоретичних i експериментальних дослiджень з метою оцшки ефек-тивностi Ii застосування в особливих експлуатацiйних умовах[5].
Вирiшенням проблеми пiдвищення надшнос-т функцiонування складних динамiчних систем та !х складових шляхом розроблення i вдосконалення теорп, методiв та засобiв техшчного дiагностуван-ня займаються провiднi вчеш Украши та зарубiжжя: М. С. Кулик, С. О. Дмитрieв [2], С. В. бтфанов [6], С. П. Зарицький, А. Г. Вертепов, В. М. Казак, В. В. Па-нш [8], Ю. П. Кондратенко, Л. С. Житецький, В. С. Блш-цов, Е. В. Бодянський [1], А. А. Кошевой, Б. I. Доценко [10], D. M. Allen, F.E. Hoerl, R.W. Kennard та ш.
Одним з перспективних напрямiв розвитку засо-бiв техшчного дiагностування е використання у !х складi компонентiв штучного штелекту: продукщ-йних правил, нечiткоi логжи, штучних нейронних мереж, гiбридних нейро-фаззi архiтектур, генетич-них алгоритмiв [7, 4]. Отже, тдвищення економiчноi ефективност i пiдтримання високого рiвня надшност функцiонування газотурбiнного приводу на стадп експлуатацп в умовах неповно! дiагностичноi iнформацii на основi розвитку теоретичних основ, методiв i за-собiв iнтелектуального дiагностування та керування його режимами е актуальною науково-прикладною проблемою [9, 3].
3. Цшь та задачi дослщження
Метою дослщжень: iнтелектуальна автоматична система дiагностування та реконф^урацп керування (1САДРК) режимами роботи ГТД.
Для досягнення мети поставлено та виршено на-ступнi задача
- удосконалення структурну i функцюнальну модель 1САДРК режимами роботи ГТД в особливих екс-плуатацшних ситуацiях;
- пiдвищення експлуатацiйноi надшност ГТД шляхом застосування ефективних методiв i засобiв оцiнки його стану.
4. Структурний та функщональний опис штелектуально! автоматично! системи дiагностування та реконфиураци керування (1САДРК) режимами роботи ГТД на базi iнтеграцii нечетко! логiки та нейромереж
Пiд штелектуальною системою автоматичного дiагностування та реконфиураци керування (1СА-ДРК) будемо розумгги сукупнiсть методiв, алгоритмiв i техшчних засобiв, призначених для класифiкацii ТС ГТД, та при необхщносп змши режимiв його роботи до настання аварiйноi ситуацii. Застосування прогресивних штелектуальних технологiй пiдвищуе ефективнiсть автоматично'! системи дiагностування, тому що дозволяе оперативно аналiзувати рiзноманiт-ну дiагностичну iнформацiю з особливостей складноi ситуацп, класифiкувати типовi несправностi, а також розробляти необхщш рекомендацii про можливкть вiдстрокового усунення тiеi або шшо'! несправностi, а також виробляти оптимальш керуючi рiшення з по-дальшоi експлуатацii даного ГТД.
Технiчна дiагностика ГТД на основi штелектуаль-них технологш розвиваеться шляхом розроблення штегральних систем дiагностування, що поеднують комплекс методiв i засобiв, структура яких будуеться за умови попереднього досввду експлуатацп й мжму-му невизначеност в розпiзнаваннi технiчного стану двигуна. Така система е динамiчною, гнучкою, що дозволяе в процеа ii застосування вводити нову дiагно-стичну iнформацiю у «базу даних» 1САДРК, дiагно-стичнi параметри, вдосконалення, пов'язаш з новими методами й засобами дiагностування, а також з об'ек-том дiагностування, використовувати в алгоритмах дiагностування ГТД знання й досвщ експлуатантiв.
Рiшення завдання розроблення та впровадження 1САДРК, дозволить тдвищити експлуатацiйну надш-нiсть ГТД (уникнути виникнення аваршних ситуа-цiй на компресорних станщях, пiдвищити безпеку польопв) шляхом застосування ефективних методiв i засобiв оцiнки його стану; скоротити працезатрати на технiчну експлуатацiю; забезпечити безперервний контроль змши ТС двигуна в умовах експлуатацп; запоб^ти вторинним руйнуванням; скоротити витра-ти запасних частин; виробляти необхiднi керуючи впливи для запоб^ання переходу аварiйноi ситуацп у катастрофiчну [2].
Синтезована структура системи автоматичного дiагностування та керування режимами роботи ГТД залежно вщ його поточного техшчного стану зобра-жена на рис. 1, яка включае до свого складу наступш елементи: ГТД, який складаеться з взаемодтчих тд-систем з рiзними робочими функцiями, фiзичними про-цесами й вiбрацiйними станами; виконавчi органи -органи керування ГТД; зовшшш фактори й внутрiш-
Н1 процеси - температура и тиск пов1тря на вход1 в ГТД, волопсть повиря, теплотворна здатшсть палива (може перюдично змшюватися, наприклад на газопе-рекачувальнш станцп), режими роботи двигуна; ште-лектуальна система автоматичного д1агностування -класифжуе техшчниИ стан ГТД; математичт модел1 ГТД - будуються вщповщно до вщомих ф1зичних закошв 1 математичним 1х описом; адаптивна система приИняття ршень - виробляе оптимальт (адаптивш) стратеги керування ГТД, що дозволить автоматично змшити режим функщонування ГТД з урахуванням поточного техшчного стану, для зменшення негативного впливу зовтштх фактор1в 1 внутршшх процеав, а також уникнути виникнення аваршшл ситуацп.
X
Для виявлення закономiрних змш Bi6pa^i вiд ви-падкових сплескiв пропонуемо використовувати метод поточного середнього:
X=1] X(t)dt« N ¿X,
N-
Апгоритми адаптацп
M
Ф
Адаптивна система прийняття ршень
Апго| керув режимам ГТД итми ання и роботи САК)
Математична модель ГТД
ф
Q
Експпуатацiйнi фактори
де X - згладженi значення вiбрацii X(t) ; Xj - резуль-тати i -го спостереження; N - кшьюсть спостережень.
У роботi розглянуто сталi режими роботи ГТД, тодi модель ГТД можна подати в класичнш форм^ що вщ-повiдае моделi лiнiйноi системи в просторi сташв [6]:
IX = AX + BÜ; "¡У = C X + DÜ;
де X , Ü - вектори стану та керування;У - вектор вимь рювання; A, B, C, D - матриц з постшними коефiцiентами.
Так, ГТД як об'ект керування в просторi сташв опи-шемо рiвнянням:
X (t) = f(X (t),Ü (t)). (3)
Завдання пошуку необхiд-ного керування для зменшен-ня негативного впливу тдви-щення вiбрацii сформулюемо як Ü(t) = Ü, що переводить систему (3) з деякого поточного стану X(tD) = Хп у дея-кий кiнцевий (заданий) стан X(tk) = Xk за виконання ви-моги
tk
J = Jdt = t„ - tk ^ min, (4)
Pa
ТнтёпёктуапьнТ
система автоматичного ^]агностуванн^
ГТД
U
Виконуючi органи
a
Рис. 1. Структурна схема автоматично'' системи дiагностування та реконф^урацп керування режимами роботи ГТД в особливих експлуатацшних ситуащях
У запропонованiй системi вiбрацiйнi процеси ГТД подамо як адитивну суму кiнцевоi кiлькостi вузькос-мугових компонент Xj (t) та широкосмугового вiбра-цiйного шуму, що описуеться стввщношенням
де J - фунщонал якостi.
Класифiкацiю поточного вiбрацiйного стану виконано за допомогою мiри близькост мiж вимiряними ознака-ми та еталонними значеннями вiбрацii:
X е D- ^ d = min ,
X(t) = x,(t)+|(t).
Вузькосмугову компоненту x(t) , опишемо рiвнян-
X(t) = A(t)sin(rn0t-ф(t)) ,
(1) де X = (X4,X2,...,Xn) - дiагностичнi ознаки; Dj - класи вiбрацiйного стану двигуна (добре, прийнятно, допустимо, потребуе вжиття заходiв, недопустимо), dj -мiра вщсташ мiж наборами X i XD .
Як заходи близькостi використовуемо зважену ев-
(2) клiдову ввдстань
де A(t) i ф(t) - пов^ьно змiнюваннi функцii порiвня-но з sin rn0t.
Враховуючи рiвняння (1) i (2), отримуемо узагаль-нену математичну модель вiбрацiйних процесiв ГТД, яка будуеться на основi ймовiрнiсно-статистичного пiдходу:
X(t) = ¿A,(t)sin(fflot-ф(t)) + |(t).
d3j(X,XDj) XDj) ,
j=1
де n - ваговий коефвдент значущостi дiагностичних ознак.
Мiнiмальну середню помилку класифiкацii поточного вiбрацiйного стану ГТД визначаемо за формулою Байеса у такий споаб [1]:
Р
R
2
Р(О^Х) = пр(р.)р(х/р.) ,
¿Р(0])Р(Х/01)
1=1
де Р(Х/0^ - iмовiрнiсть 1-го набору дiагностичних ознак, що описують стан двигуна ; Р^) - апрюр-на ймовiрнiсть класифжацп стану . Класифiкацiя достовiрна, якщо Р^/Х) > Р0, де Р0 - заздалегiдь задана ймовiрнiсть класифiкацii.
Оскiльки процес змiни ТС ГТД е випадковим, його узагальненою характеристикою е розподiл ймовiрно-стей, який опишемо наступним виразом:
Ро = (Po(t),Pl(t),...,pr(t))T,
Розроблена функцiональна та структурна схема автоматичного дiагностування й реконф^урацп ке-рування режимами роботи ГТД зображена на рис. 2, яка включае до свого складу з'еднання з датчиками 1 контрольованих параметрiв пристрш збирання ш-формацп 2 з обмеженою пам'яттю, тдключений з мiкропроцесором керування ГТД 3, блок звiряння з обмеженнями 4, блоки приведення параметрiв 5, усе-реднення вимiрiв 6 i порiвняння з базовими значен-нями 7 до блоку обчислення дiагностичних ознак 8, з'еднаному з блоком 9 розтзнавання несправностей, побудований на основi нейронних мереж, з'еднаним iз блоком реестрацп й зберiгання iнформацii 10 як безпосередньо, так i через блок прогнозування змши ТС ГТД 11 [7].
де рг^) - умовна ймовiрнiсть знаходження ГТД у сташ з номером г при заданих умовах зовшшнього середовища й внутршшх процесiв.
У запропонованiй системi автоматично дiагносту-вання та керування режимами роботи двигуна, роз-глядаеться не одна модель керування М, а деякий клас моделей М={М}, щодо якого формуеться стратепя керування, тобто необхщно створити метамодель керування М х I ^ М , яка формуе з множини М найкращу для поточноi iнформацiйноi ситуацii I математичну модель керування М.
Пiсля того, як обрана модель керування М i сфор-мульована мета керування у виглядi системи показ-ниюв технiко-економiчноi ефективностi (ТЕ) ощню-ваного функщонала R i критерiю оптимальност р, а також визначеш принципи керування Ф = {ф}, може бути сформована стратепя керування режимами роботи ГТД, яка мютить у собк
- модель керування:
МхФ^Х, Ххрп^и,
яка для обраноi математичноi моделi М i прийнятоi стратегii керування Ф формуе проспр можливих стра-тегiй Х i простiр керувань и;
- модель об'екта керування :
ОхМхи ,
що формуе по керуванню и розподш iмовiрностей рО , залежно вщ стану зовнiшнього середовища й протжан-ня внутрiшнiх процесiв О ;
- модель адаптацii керування режимами роботи ГТД:
М х Я х рО ^ М ,
яка забезпечуе корекщю математичних моделей керування, залежно вщ результапв керування режимами роботи ГТД.
Модель iнформацiйноi системи забезпечуе одер-жання з об'екта експлуатацп вибiркового розпод^у ихО^рО i його перетворення в ощнюваний функ-цiонал рО х ТЕ ^ Я , що характеризуе яюсть керування ГТД.
Рис. 2 Функцюнальна та структурна схема штелектуальноТ системи автоматичноТ дiагностування та реконфiгурацiТ керування режимами роботи ГТД в особливих експлуатацшних ситуаЩях
Мiкропроцесор 3 пов'язаний з системою керування ГТД 12. Запропонована функцюнальна структура також у своему складi включае реестратор напрацю-вання 13; блоки: перевiрки вiрогiдностi дiагностич-ноi iнформацii 14, корекцii показiв каналiв вимiрiв 15, самоперевiрку каналiв вимiрiв 16, обчислювач ознак оперативного дiагностування 23; обчислення залишкового ресурсу 18, оптимiзацii обслуговуван-ня й ремонту 19, вибору режиму дiагностування 21 i оптимiзацii режиму керування 22. Блок 8 - пристрш уведення зовнiшньоi iнформацii 20. У блощ 9 передбачений банк виршальних правил у виглядi «якщо ^агностичш ознаки), то (клас поточного ТС двигуна)».
Розглянемо принцип роботи запропонованоi системи автоматичного дiагностування та керування режимами роботи двигуна. Сигнали вщ датчиюв
1 надходять у пристрш 2 збирання дiагностичноi шформацп в блок напрацювання 13, а також у блок
14 перевiрки вiрогiдностi отриманоi шформацп. У блощ 14 здiйснюeться фiзична фiльтрацiя вимiрiв шляхом порiвняння отриманих значень iз робочи-ми дiапазонами датчикiв. Тут же передбачаеться перевiрка однорiдностi спостережень i оцiнка значи-мостi змiни значень дiагностичних параметрiв, якщо значимоi змiни параметрiв не отримано, то сигнали транзитом через блок 5 надходять у блок 4.
Якщо ж зазначена умова не дотримуеться, то сигнали з блоку 14 повертаються в пристрш 2, а поим надходять у блок 16 самоперевiрки каналiв вимiру для виявлення причин змши параметрiв. У випадку, якщо виявлена змша режиму у разi вщсут-носи аномальноси значень параметрiв, то сигнали вертаються в блок 14 i далi без корекцii через блок
15 надходять у блок 4 порiвняння зi встановленими обмеженнями. Якщо виявлено, що вiдхилення окре-мих параметрiв не пов'язанi зi змшою режиму або ТС двигуна, то видаеться сигнал щодо необхiдностi iнструментальноi перевiрки вiдповiдних каналiв вимiрiв i усунення несправностей. До виконання роботи з усунення несправностей наявнi система-тичнi складовi похибки усуваються алгоритмiчним шляхом у блоцi 15.
У мiкропроцесорi 3 отриманi вiдхилення порiв-нюються iз гранично припустимими значеннями. З урахуванням отриманоi iнформацii мжропроцесор 3 забезпечуе необхiдну змiну режиму, що зменшуе прояв зазначених несправностей. Наприклад, у разi пiдвищеноi вiбрацii мiкропроцесор 5 прийме ршен-ня щодо змши частоти обертання в напрямi знижен-ня рiвня вiбрацii. Параметри з бiльшим iнтервалом усереднення iз блоку 6 надходять безпосередньо в блок 7 порiвняння з еталонними значеннями. У бло-щ 8 обчислюються вiдноснi вiдхилення дiагностич-них ознак, що служать симптомами несправностей. Блок 8 оснащений пристроем введення зовнiшньоi iнформацii 20, що дозволяе враховувати додатковi вiдомостi щодо змши поточного ТС двигуна.
1нформащя iз блоку 8 надходить у блок 9 розшзна-вання несправностей, а також у блок 11 прогнозуван-ня як безпосередньо, так i через блок 18 обчислення залишкового ресурсу. У блощ 9 здшснюеться кла-сифiкацiя ТС ГТД з використанням штелектуальних технологiй.
1з блоку розшзнавання несправностей 9 шформащя щодо технiчного стану ГТД надходить у блок оптимiзацii режиму функщонування 22, у якому формуеться шформащя щодо оптимального режиму функцiонування ГТД iз облiком його експлуатацш-них особливостей. Ця шформащя передаеться далi в блок реестрацп й збертння iнформацii 10.
Iнформацiя щодо ознак оперативного дiагносту-вання надходить у блок прогнозування 11 iз блоюв 8 i 23. Туди ж надходить шформащя iз блоку 9 розшзнавання несправностей i iз блоку 18 обчислення залишкового ресурсу. У блощ 11 проводиться прогнозування часу досягнення вщхиленнями ди-намiчних ознак, що вщбивають несправностi, прояв яких розтягнуто у чась При цьому шформащя, що накопичуеться у чаи за кожною ознакою, статистич-но обробляеться з використанням методiв згладжу-
вання. За ознаками оперативного дiагностування, ознакам, що характеризують надшшсть високотем-пературних вузлiв i лопаток компресора, у блощ 18 розраховуеться вичерпаний шдивщуальний ресурс кожного елемента ГТД або залишковий ресурс (дорiвнюе рiзницi встановленого й вичерпаного).
Блок 13 виконуе функцп, реестратора напрацювання, а в блощ обчислення залишкового ресурсу 18 обчислюються значення цього показника.
У блощ оптимiзацii обслуговування й ремонту 19 формуеться проведення окремих операцш по техшчному обслуговуванню ГТД. Запропонова-на функщональна структура автоматичноi системи дiагностування та керування режимами роботи ГТД у порiвняннi з iснуючими системами, завдяки на-явностi додаткових блоюв i зв'язкiв мiж блоками, а також використання штелектуальних технологш, дозволяе вщносно пiдвищити iнформативнiсть i точ-нiсть дiагностування поточного ТС ГТД, за рахунок використання:
- автоматичноi алгоритмiчноi перевiрки вiрогiд-ностi й коректування шформацп сигналiв з датчиюв на стадii вимiрiв;
- можлившть введення зовнiшньоi iнформацii пiд час розрахунку дiагностичних ознак ГТД;
- використання виршальних правил, що реаль зують позитивний досвiд експлуатацii даного типу двигуна, шд час розшзнавання типових несправно-стей;
- сполучення iмовiрнiсних i детермiнiстських ме-тодiв класифжацп несправностей, а також методiв iнтелектуальноi дiагностики.
Пiд час побудови штелектуальних систем кла-сифiкацii ТС ГТД у процес його експлуатацii, до яких вщносяться й дiагностичнi системи, необхщно розв'язати такi завдання:
- вiдбiр iнформативних ознак (вiдбiр здшснюеться на основi попереднього досвщу експлуатацii типового ГТД (статистичний аналiз);
- вимiр параметрiв для дiагностування ТС ГТД;
- класифжащя ТС ГТД.
У розпiзнаваннi образiв об'еднання множини класифiкаторiв рiзноi природи використовуемо для розроблення високонадшних систем дiагностики й контролю за ТС ГТД. Результати роботи деюлькох класифiкаторiв можуть бути об'еднанi для полшшен-ня якостi розпiзнавання загального ТС ГТД (рис. 3).
Запропонована процедура класиф^ацп ТС ГТД реалiзуемо за допомогою такого алгоритму, при-пустимо, що в розглянутш гiбриднiй систем^ яка складаеться з декiлькох НМ, е Xj входiв i Yn класiв, тодi процедура класифiкацii техшчного стану ГТД реалiзуе такий алгоритм [2, 5]:
1. Формування навчальноi N й тестовоi N вибiрки; N = ^ + N - загальне число прикладiв, як зберiгаються у бази даних запропонованоi системи.
2. Кластеризацiя навчальноi вибiрки. Дiлимо на-вчальну вибiрку на К клаив К5 (по числу правил),
де 8 = 1,2.....к . Кожна навчальна пiдвибiрка для класу
К5 визначаеться парою (х',у8 ), де i = 1,2,...^, Х! -вхщний вектор, К! - юльюсть класiв, а Ns - число прикладiв у навчальнiй вибiрцi для класу К8.
3. Навчання НМ ( ц ). Для кожного вхщного вектора ДО Х! еК5 визначимо вектор функцiй прина-
лежносН до правила М1 = (т1,т2,...,т[) класифiкацii ТС ГТД, що реалiзуe алгоритм, у виглядi «якщо ^агностичш ознаки), то (клас ТС ГТД), шакше». Нейронна мережа (радiально-базисна мережа) ( ц ) з п входами й к класами навчаеться на парах (Х1,М1 ), 1 = 1,2,...^0, тому пiсля навчання й тестування така мережа буде здатна визначити ступшь приналеж-носН ш® для кожного вхiдного вектора дiагностичнi ознаки (ДО) ГТД, що належить класу К®. Таким чином, функщя належностi до частини «якщо...,» правила визначаеться як вихщна величина ш®:
тА (Х;) = т- , 1 = 1,2,..., N , в = 1,2, ...,г ,
де А5 - вщповщае нечиьлй без.гпч1 умовно1 частини в -го правила (ДМ -дуже мала, М - мала, С - середня, В -велика, ДВ - дуже велика).
4. Навчання НМ. Навчальнавиб1р-ка ¿з входами х^.х-,,...^ вихщними класами ГТД К;, 1 = 1,2,...,] подаеться на вх1д 1 вихщ нейронно! мереж1 ( Н М ), яка е нейромережевою моделлю частини «..., то...,» (в1бращйний стан ГТД описаний наступними множи-нами: добре, прийнятно, допустимо, потребуе вжиття заход1в, недопустимо). За допомогою тестово! виб1рки обчислюеться помилка класифжацп ТС ГТД:
тацii, засобiв одержання дiагностичноi iнформацii, цiльових завдань;
4) пiдсистема прогнозування, яка надае прогноз змши вiбрацiйного стану ГТД на заданий вiдрiзок часу. Прогнозуються технiчнi стани ГТД, якi пропо-нуются оцiнювати якiсно у виглядi таких дiапазонiв: добре, прийнятно, допустимо, потребуе вжиття за-ходiв, недопустимо. Завдяки цьому експлуатант свое-часно шформуеться щодо можливостi виходу з ладу складових ГТД (зокрема механiчноi частини), що дае змогу запоб^ти аваршно'! зупинки, за рахунок змiни режиму i тим самим подовжити моторесурс;
Нлр1 1ЛННЯ ступеням НЛПтКЧЛПН уМОВНО!
частини правил
Г "
NT 2
.=: {y - mA3(x,)},
де тА (X;) - спостережуваний вхщ НМ. Якщоега<А, де А - апрюрно задана величина, то НМ - навчена.
Розроблений програмний
комплекс 1САДРК складаеться з низки шдсистем (рис. 4). Основними з них е:
1) шдсистема органiзацii дiалогу
1САДРК з експлуатантом. Ця шдсистема забезпечуе надання дiагностичноi шформацп, вiзуалiзацiю ета-пiв процесу класифжацп ТС ГТД, показ шформацп з бази клаив та результаНв функцiювання iнших пiдсистем комплексу у зручнш для сприйняття диспетчером формi з можливiстю побудови графжв, дiаграм, графiчного зображення моделей ГТД. Вщ диспетчера не вимагаеться знання мов програмуван-ння високого рiвня чи спецiалiзованих мов, знання теорii штучного штелекту, пiдтримки прийняття рiшень чи системного аналiзу;
2) пiдсистема семантичного штерпретатора, яка здiйснюе перетворення шформацп, введеноi кори-стувачем на природнш мовi у подання, прийнятне для опрацювання 1САДРК ГТД, а результати ршень системи надаються диспетчеру у зручнш для сприйняття формг,
3) шдсистема структурного синтезу 1САДРК, яка дае можлившть згенерувати 1САДРК для кожного окремого типу ГТД, врахувавши особливостi його технiчного стану, режимiв роботи, умов експлуа-
Рис. 3. Структура пбридно'Т 1САДРК
5) шдсистема щентифжацп, яка дозволяе визначити ТС ГТД;
6) база клаив, що мктить дiагностичну шформащю, експертш знання про ТС типового ГТД та процес дiагностування, алгоритмiчнi знання про синтез архь тектур нейромережних експерНв, процедури обчис-лення характеристик ГТД;
7) база даних зберте ус результати роботи програмного комплексу 1САДРК.
Розроблення лiстiнг-програм 1САДРК ГТД здiйснювалось в системi моделювання Matlab 7.01. Програмний комплекс працюе у середовищi Windows 2000/XP i займае бiля 200-250 Мбайт в^ьного мiсця (залежно вiд обсягу дiагностичноi iнформацii у базi класiв). На рис. 5 показано приклад функщонування розробленоi у роботi 1САДРК, яка дозволяе дiагно-стувати технiчний стан ГТД ДР-59Л (шдвищення вiбрацii корпусу КНТ) i автоматично змiнювати ре-жими роботи ГТД (рис. 6), з метою зменшення негативного впливу вiбрацii i повернення ii у допустимi нормативнi межi.
Диспетчер
База
даних
Дiалогова тдсистема А
Семантичний iнтерпретатор
* *
База клаыв
Пiдсистема структурного та параметричного синтезу 1САДРК
Пiдсистема прогнозування
п
т
Пiдсистема щентифжацп
1САДРК ГТД забезпечуе надання д1агностично'; шформацп, в1зуал1зац1ю етатв процесу класифжацп ТС ГТД, показ шформацп з бази клашв та результатов функщювання шших тдси-стем комплексу графшв, д1аграм.
5. Висновки
Засоби одержання доагностичжя шформацп
у
ГТД
Рис. 4. Узагальнена структура програмного комплексу 1САДРК ГТД
Рис. 5. Змша в1брацшного стану ГТД ДР-59Л у процес його експлуатацп (23.07.2011)
Удосконалено структурну 1 функ-щональну модель 1САДРК режимами роботи ГТД в особливих експлуата-цшних ситуащях, яка класифжуе по-точний ТС ГТД та з його врахуван-ням, у раз1 потреби, здшснюе змшу режиму функщонування двигуна для повернення поточних значень (напри-клад в1брац1';) у допустимий д1апазон 1 тим самим скорочуе експлуатацшш витрати.
Пропонуеться нове програмно-ш-формацшне забезпечення на основ1 штелектуальних технологш, яке дае змогу оперативно оцшити в1брац1й-ний стан двигуна та з його врахуванням ви-конати змшу режим1в роботи, для зменшення негативного впливу в1брацп. Забезпечуе мож-лившть настроювання таких систем для прове-дення д1агностування р1знотипних ГТД в процес '¿х експлуатацп, що сприяе тдвищенню достов1р-ност1 класифiкацii та прогнозування залишково-го ресурсу i вiдповiдно пiдвищенню ефективностi дiагностування.
Пiдвищена експлуатацiйну надiйнiсть ГТД шляхом застосування ефективних методiв i за-собiв оцiнки його стану.
Забезпечено безперервний контроль змши ТС двигуна в умовах експлуатацп. дозволило класифiкувати вiбрацiйний стан ГТД ДР-59Л з iмовiрнiстю 0,96 i ГТД ДТ-71П3 з iмовiрнiстю 0,95.
Лiтература
1. Дубровин, В. И. Интеллектульные средства диагностирования и прогнозирования надежности авиадвигателей [Текст]: монография / В. И. Дубровин, С. А. Субботин, А. В. Богуслаев, В. К. Яценко. - Запорожье: ОАО «Мотор-Сч», 2003. - 279 с.
2. Гасиджак, В. С. Байесовський алгоритм розшзнавання передвщмовних сташв газоперекачувальних агрегапв [Текст] / В. С. Гасиджак, В. М. Казак // Вюник ценс трального наукового центру ТАУ. - 2007. - Вип. 10. -С. 77-78
3. Епифанов, С. В. Синтез систем управления и диагностирования газотурбинных двигателей [Текст] / С. В. Епифанов, Б. И. Кузнецов, И. М. Богаенко, Г. Г. Грабовский. -К.: Техника, 1998. - 312 с.
4. Панин, В. В. Способ оценки технического состояния компрессоров ГТД [Текст] / В. В. Панин, И. Ф. Кина-щук, В. И. Орланов // Ашацшно-косм1чна техшка 1 технолопя. - 2001. - Вип. 26. - С. 236-239.
Рис. 6. Змша режиму роботи ГТД ДР-59Л (23.07.2011)
5. Бодянский, Е. В. Искусственные нейронные сети: архитектура, обучение, применение [Текст] / Е. В. Бодянский, О. Г. Руден-ко. - Харьков: ТЕЛЕТЕХ, 2004. - 372 с.
6. Буравлев, А. И. Управление техническим состоянием динамических систем [Текст] / А. И. Буравлев, Б. И. Доценко, И. Е. Казаков. - М.: Машиностроение. 1995. - 240 с.
7. Зарицкий, С. П. Диагностика газоперекачивающих агрегатов с газотурбинным приводом [Текст] / С. П. Зарицкий. -М.: Недра, 1986 - 198 с.
8. Дмитриев, С. А. Диагностирование проточной части ГТД на установившихся и неустановившихся режимах работы [Текст]: дис. ... д-р техн. наук / С.А. Дмитриев. - К.: КМУГА, 1996. - 358 с.
9. Ротштейн, А. П. Интеллектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети [Текст] / А. П. Ротштейн. - Винница: УШВЕРСУМ-Вшниця, 1999. - 320 с.
10. Джордж, Ф. Л. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание [Текст] / Д. Ф. Люггер; пер. с англ. - М.: Издательский дом «Вильямс», 2003. - 864 с.
