ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Journal influence

Higher Attestation Commission (VAK) - К1 quartile
Russian Science Citation Index (RSCI)

Bookmark

Next issue

2
Publication date:
16 June 2024

The article was published in issue no. № 1, 1994
Abstract:
Аннотация:
Authors: Palyukh B.V. (pboris@tstu.tver.ru) - Tver State Technical University, Tver, Russia, Ph.D
Ключевое слово:
Page views: 13881
Print version

Font size:       Font:

Программно-технический комплекс состоит из персональной ЭВМ типа IBM PC, микропро­цессорных средств сбора информации стандарт­ного исполнения, специально разработанного прибора виброакустической диагностики ВДИК-01МП и программного обеспечения, которые предназначены для создания гибридной автома­тизированной системы технической диагностики ГАСТД. Отличительной особенностью ГАСТД является использование как формальных, так и неформальных знаний и процедур.

Функционально ГАСТД состоит из ряда функциональных подсистем, которые решают задачи диагностики отказов и управления про­цессом вывода производства из предаварийных состояний. Подсистемы обмениваются инфор­мацией с базой данных и базой знаний эксперт­ной системы. Экспертная система и пакеты прикладных программ написаны на алгоритми­ческом языке высокого уровня С++.

Задача распознавания дефектов на дейст­вующем производстве относится к классу задач технической диагностики. Рассмотрим класси­ческую постановку задачи технической диагнос­тики и распознавания дефектов. Конечной целью диагностирования является определение одного из заданных видов технического состоя­ния, к которому может быть отнесено наблю­даемое текущее состояние объекта. Для прове­дения диагностирования необходимо задать виды технического состояния объекта, указать соответствующие граничные условия и прове­рить выполнимость этих условий по каждой переменной состояния.

Пусть условие работоспособности объекта по некоторой переменной xj€X задается в виде неравенства dj ≤ xj≤dj, где dj, dj - соответственно нижнее и верхнее допустимые значения пере­менной xj. Выход значения xj за пределы интер­вала [dj : dj] фиксируется как дефект, а соответ­ствующее данной ситуации состояние объекта -как неработоспособное.

Таким образом, задача технической диагнос­тики заключается в определении переменных состояния xj объекта, которые могут быть как наблюдаемыми, так и ненаблюдаемыми (задача контролероспособности), и отнесение состояния объекта к одному из возможных классов (задача распознавания).

В задачу контролероспособности входит по­лучение достоверной диагностической информа­ции. Обычно в качестве диагностической инфор­мации используются измеряемые (наблюдае­мые) технологические переменные (температу­ра, давление и др.). Эти переменные можно представить в виде v-мерного вектора Х = (х1, ..., хj ..., хv ). Решая задачу распознавания на основе анализа вектора X, можно определять дефекты объекта диагностики.

Эту задачу, по сравнению с классической, можно значительно упростить, если вычислять гарантированную оценку одного обобщенного (ненаблюдаемого) диагностического показателя Xj. для заданного объекта диагностики. Показа­тель Xj вычисляется через ряд наблюдаемых технологических переменных. В этом случае необходимо провести декомпозицию производ­ства на определенное количество технологичес­ких цепей и участков цепей, которые характери­зуются одним обобщенным диагностическим показателем (например коэффициент полезного действия компрессора, коэффициент гидравли­ческого сопротивления участка гидравлической цепи и т.п.) [3]. Гарантированную оценку обоб­щенного диагностического показателя можно получить, если вычислять его не через измерен­ные мгновенные значения косвенных технологи­ческих переменных, а через интервалы измене­ния технологических переменных за заданный интервал времени, которые гарантированно должны включать истинные значения перемен­ных. Гарантированную оценку предлагается вычислять методами интервального анализа [2]. Обобщенный диагностический показатель X вы­числяется по значениям косвенных наблюдае­мых технологических переменных Zk =[zk ; zk ], к=1,К, путем решения уравнения Fj (Xj; Zk; А1) = 0, где коэффициенты A1, 1—1,L могут быть как вещественными числами, так и интерва­лами.

Методы интервального анализа позволяют более просто и надежно решить также и задачу распознавания. Проведем сравнение классичес­кого вероятностного подхода к решению задачи распознавания с методами, основанными на ин­тервальном анализе.

При использовании интервального подхода вводится понятие индикаторных функций J(Xj). Если согласно технологическому регламенту состояние дефекта наступает при выходе обоб­щенного диагностического показателя Xj =[хj ; хj] за верхнюю допустимую границу dj, то пра­вило решения будет следующим:

Обозначим работоспособное состояние объекта символом R, а дефектное — D. Если J1(Xj)=l, то Xj€R; если J1(XJ) = -1, то Xj€D; если J1j) = 0, то - неопределенное состояние.

Если состояние дефекта определяется при выходе Xj за нижнюю допустимую границу dj, то применяется индикаторная функция J2(xj):

Если J2(Xj)=1, то Xj€R; если J2(Xj)= -1, то Xj€D; если J2(Xj) = 0, то - неопределенное состояние.

При неопределенном состоянии можно рас­считать вероятность наличия дефекта Q. В слу­чае использования функции J1(Xj)

Предлагаемый метод распознавания имеет зону неопределенности. Отказ от распознавания является нежелательным событием. Он свиде­тельствует о том, что имеющейся информации недостаточно для принятия решения и нужны дополнительные данные. Зону неопределеннос­ти применяют в классических методах распоз­навания в тех случаях, когда требуется высокая надежность распознавания (большая стоимость пропуска дефекта и ложной тревоги). Правило решения в классической постановке [1] можно проиллюстрировать следующим образом (рис. 1):

при х≤ха x€R; при х≥хb x€D; при xab -отказ от распознавания. При распознавании с зоной неопределенности важнейшим показате­лем качества распознавания является вероят­ность отказа от распознавания.

Рассмотрим условия, при которых распозна­вание с помощью интервального анализа эффек­тивнее классического. Пусть состояние дефекта определяется при выходе Xj за верхнюю допус­тимую границу dj (рис. 1). Тогда при значении Xj1 =[хj1 ; хj1’] принимается решение о состоянии R, при Xj2 =[хj2 ; хj2’] принимается решение о состоянии D, а при Xj3 =[хj3 ; хj3’] - о неопреде­ленном состоянии. Обозначим вероятность от­каза от распознавания при классическом методе распознавания Рок , а при интервальном методе - Рои . Докажем, что при одинаковых условиях интервальный метод эффективнее классичес­кого.

где Р1 - априорная вероятность диагноза R, ко­торая определяется на основании предваритель­ных статистических данных;

Р2 - априорная вероятность диагноза D.

Из выражений (1) и (2) видно, что Рок > Рои.

Следствие. Чтобы найти максимальную ши­рину интервала Xj, при которой результаты рас­познавания интервальным методом будут не хуже, чем классическим, надо приравнять пра­вые части выражений (1) и (2), задать значение хj3- xa и вычислить из выражения (3) хj* :

В выражении (3) все величины, кроме хj-* , заданы, поэтому по нему можно вычислить хj-* , а значит, и максимальную ширину хj:

Если W(XJ) > Wmax(XJ), то применение ин­тервального метода распознавания нецелесо­образно.

Аналогичные рассуждения можно привести и для случая выхода XJ за нижнюю допусти­мую границу dj.

Интервальный метод распознавания может быть распространен на различные классические методы распознавания без изменения их сущ­ности, но модифицируя с целью повышения их эффективности. Проиллюстрируем это утверж­дение на примере метода последовательного анализа Вальда.

Пусть имеется объект диагностики, для ко­торого через определенные интервалы времени Т1, T2, …, Tm, ... измеряется диагностический показатель E1, E2, …, Em, … Периоды контроля диагностического показателя представим в виде интервалов Т1 = [0; 7], Т2 = [7; 14], Т3 = [14; 21], Т4=[21; 28], T5 = [28; 35], Т6 = [35; 42]. Значения диагностического показателя, соответствующие приведенным выше интервалам времени, зада­дим интервалами Е1 =[1,42; 1,42], Е2 =[1,42; 3,50], Е3 = [3,50; 6,20], Е4=[6,20; 7,49].

Вычислим значение диагностического пока­зателя на интервале времени Т5 :

Е5 = [-2,11; 1,51] + [0,299; 0,299]*T5.

Отсюда текущее значение диагностического показателя Е5 =[6,28; 12,0]. Последовательный анализ Вальда хорошо иллюстрируется графи­чески (рис. 2). На рисунке изображен расчетный интервал L (L = 1,42 + 3,50 + 6,20+ 7,49+ [6,28; 12,0] = [24,9; 30,6]), часть которого L' находится в зоне дефекта, а другая часть L" - в зоне не­определенности. Это обстоятельство свидетель­ствует о том, что на интервале Т5 с определен­ной вероятностью возможен отказ. Вероятность отказа легко вычислить по формуле

где 1, 1- - нижняя и верхняя границы интерва­ла L.

Для рассматриваемого примера Q = 0,266. Полученное значение вероятности отказа дает обслуживающему персоналу дополнительную информацию для принятия решения о состоянии объекта диагностики. В этом состоит преиму­щество интервального анализа перед тради­ционным (как видно из рис. 2, расчетная точка по мгновенным значениям диагностического по­казателя находится в зоне неопределенности).

Если эксплуатация объекта диагностики продолжается, то на следующем интервале времени Т6 получим текущее значение диагности­ческого показателя Е6 =[8,90; 15,9]. Расчетный интервал L = [39,0; 46,9] полностью располагает­ся в зоне дефекта (рис. 3), следовательно, эксп­луатация объекта диагностики недопустима.

Проведенные исследования позволяют сде­лать вывод о целесообразности использования методов интервального анализа в задачах рас­познавания дефектов технологического оборудо­вания на действующих производствах.

Список литературы

1. Биргер И.А. Техническая диагностика. - М.: Маши­ностроение, 1978. — 240 с.

2. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. - Новосибирск: Наука. Сиб. отд-ние, 1986. - 224 с.

3. Кафаров В.В., Перов В.Л., Палюх Б.В., Протасо­ва Л.В. Принципы построения систем управления экс­плуатационной надежностью химических производств. // Теоретические основы химической технологии. -1989. - Т.ХХШ. - №4. - С.514-520.


Permanent link:
http://swsys.ru/index.php?page=article&id=40&lang=&lang=en&like=1
Print version
The article was published in issue no. № 1, 1994

Perhaps, you might be interested in the following articles of similar topics: