Программные продукты и системы

Любое диагностирование предполагает наличие модели объекта независимо от того, совершается ли оно автоматически или человеком-оператором. В последнем случае диагностическая модель в неформализованном виде присутствует в сознании оператора. Он является основным элементом в контуре управления ядерной энергетической установки (ЯЭУ). Оператор выполняет и главные диагностические функции: определяет техническое состояние, осуществляет поиск неисправности, устанавливает причину, локализует и прогнозирует ее развитие. Существующие технические средства контроля, в том числе и компьютерные, нацелены главным образом на сбор и представление информации в таком виде, чтобы перечисленные выше интеллектуальные функции были выполнены им своевременно и безошибочно. Однако анализ состояния эксплуатации ЯЭУ демонстрирует явную недостаточность использования штатной информации [1, 2], а также необходимость расширения наблюдаемости объекта за счет качественно новых методов обработки сигналов.

Возможные способы достижения диагноза весьма разнообразны, начиная с формализации инструкций по управлению и эксплуатации ЯЭУ и кончая применением полномасштабных динамических моделей и привлечением методологии систем искусственного интеллекта. Диагностические модели (ДМ) могут быть построены на сложных вычислительных процедурах, непосильных оператору. В них может быть заложен опыт различных групп экспертов. Модели могут обладать памятью, то есть использовать предысторию различной глубины. И наконец, компьютерные системы не подвержены стрессам. Эти особенности позволяют надеяться на то, что компьютерный советчик может превзойти оператора по качеству диагноза.

В настоящее время большинство методов поиска неисправностей в объектах непрерывного типа основано на использовании в качестве ДМ так называемой логической модели (ЛМ).

Однако ЛМ диагностики, наиболее развитые для сугубо дискретных объектов [3], следует с осторожностью применять к ЯЭУ. Переход объекта от нормального состояния к неисправному не отображается в контролируемых параметрах одномоментно. В этом переходном процессе диагностирование по некоторому образу неисправности часто дает ошибочный результат. Существуют различные способы усовершенствования элементарной ЛМ. Так или иначе, суть их сводится к учету временных характеристик сигналов, составляющих образ неисправности (временные запаздывания одного сигнала по отношению к другому, скорости роста или спада сигналов, времена достижения порогов и т.д.). Для ЛМ, модифицированных с учетом динамики неисправностей, характерно использование предыстории сигналов. Например, диагностика производится не по одномоментной "фотографии" объекта, а по множеству разнесенных по времени образов или функционалов, "помнящих" предысторию.

Второй типовой моделью объектов диагностирования (ОД), которая используется для поиска неисправностей, является модель, задаваемая совокупностью причинно-следственных связей [4,5].

Достоинством моделей такого типа является то, что, во-первых, неисправности и диагностические параметры непосредственно включаются в модель (это один из принципов ее построения); во-вторых, по модели можно составить таблицу соответствий элементов множества неисправностей элементам множества диагностических параметров и, как следствие, в-третьих, использовать для анализа модели допусковые методы, аналогичные методам анализа ЛМ; в-четвертых, модель является достаточно универсальной. Целесообразность использования таких моделей подтверждается опытом разработки систем поддержки операторов АЭС в США (DASS), ФРГ (STAR), Великобритании (ALARM). Эти системы, различные по сложности и структуре, объединяет главное - использование принципов причинно-следственных диаграмм (ПСД) и деревьев событий, связывающих возникновение инцидентов и их последствий с предупредительной и аварийной сигнализацией.

Модели на основе ПСД имеют иерархическую структуру, в которой каждый уровень соответствует уровню установки, уровню подсистемы и уровню компонента. Модели содержат также предполагаемую последовательность смены событий.

Применение перечисленных моделей имеет свои преимущества и недостатки. Основное их достоинство — достаточное быстродействие при реализации в вычислительных системах, где производится сравнение текущего вектора состояния объекта с зарегистрированными векторными группами.

Основным, а иногда непреодолимым недостатком их использования является значительное число режимов, которые требуют отдельных моделей, т.е. своего набора уставок диагностических параметров (ДП). ЯЭУ может иметь несколько принципиально отличающихся режимов, к тому же каждый из режимов проходит по-разному, в зависимости от исходного состояния, глубины и характера возмущения и от других, не всегда контролируемых факторов. Характеристики ЯЭУ, а следовательно, ДП, могут изменяться во времени, что также необходимо учитывать. Все это может приводить к недопустимо большой размерности совокупности моделей процессов. При использовании современной вычислительной техники это не является препятствием, но вместе с увеличением размерности растет трудоемкость разработки таких моделей.

Использование аналитических моделей дает более широкие возможности в диагностировании, поскольку они лучше отражают физику процессов. К общим достоинствам следует также отнести их достаточно высокую универсальность; приспособленность к непрерывному отражению "тонких" параметрических дефектов, что не является характерным для логических и граф-моделей; инвариантность к проблеме обратных связей; возможность использования этих моделей как в качестве моделей-эталонов технического состояния, так и в качестве "моделей-измерителей" этого состояния, что обусловливает возможность алгоритмизации и, как следствие, автоматизации процессов поиска неисправностей.

Среди задач, которые должны решать системы информационной поддержки оператора (СП), важное место занимают задачи, связанные с динамическими режимами работы ЯЭУ. Наибольшие сложности в управлении у оператора возникают при появлении аномалий в динамических режимах.

Кроме того, необходимо отметить, что анализ динамических процессов, как правило, обеспечивает более раннее обнаружение аномалий, чем в статическом состоянии. Это утверждение основано на следующих особенностях динамических процессов:

-    возникновение или развитие неисправности, как правило, является причиной динамического процесса;

-    вероятность возникновения многих неисправностей в переходных процессах наиболее велика;

-    некоторые неисправности проявляются только в динамических режимах;

-    аномалия в протекании динамического режима может быть вызвана неправильными действиями эксплуатационного персонала в проведении этого режима;

-    аномалия может быть связана с запуском оборудования, имеющего дефекты, возникшие, пока оно бездействовало, или с подключением систем, не подготовленных к этому.

В некоторых из перечисленных случаев причина аномалии может быть обнаружена и в стационарном режиме, но это произойдет по крайней мере только после стабилизации параметров ЯЭУ. Такая задержка в обнаружении аномалии может быть недопустимой, если ситуация требует оперативных действий эксплуатационного персонала по превентивному парированию и существенно снижает эффективность СП в целом.

Плодотворным, на наш взгляд, является сочетание аналитических и логических моделей, где динамические модели используются для раннего обнаружения неисправностей [9,10], а диагностирование осуществляется путем анализа причинно-следственных связей между предполагаемыми событиями и наблюдаемыми отклонениями расчетных значений переменных состояния от измеренных.

Можно указать на два способа построения подсистем раннего обнаружения аномалий, использующих динамические модели.

Первый. Имеется модель всего объекта или его диагностируемой части. В ней моделируются все измеряемые параметры. На вход модели подаются измеренные значения управляющих воздействий. Выходы модели сравниваются с соответствующими результатами измерений. По величине, длительности и характеру рассогласования делается вывод об аномальности процесса (см. рисунок).

Преимуществом такого подхода является то, что при этом можно использовать модели и их программные реализации, разработанные для других целей. Это может быть комплексная модель, которая разрабатывается для исследований динамики и управления ЯЭУ или для тренажера. Многоцелевое использование модели, пусть даже с некоторыми модернизациями, сокращает трудоемкость разработки СП.

Однако использование комплексной модели имеет и недостатки. Во-первых, трудно, а может, и невозможно, обеспечить необходимую адекватность модели одновременно по всем выходам модели и во всем многообразии режимов. Во-вторых, вследствие взаимосвязи параметров трудно локализовать место неисправности. В-третьих, неисправность датчика, являющегося входом модели, приводит к искажению возмущения и к неправильному функционированию всей модели, а следовательно, к отказу всей подсистемы раннего обнаружения. В-четвертых, функционирование всей комплексной модели в подсистеме требует больших вычислительных затрат.

Вторым способом является принцип декомпозиции технологической схемы [9], который заключается в следующем.

Схема ЯЭУ делится на ряд последовательно соединенных подсистем. Каждый измеряемый параметр является выходом одной подсистемы и входом следующей. Увеличение рассогласования выходов под-

U(t)

где А, В - матрицы коэффициентов, Е - вектор отклонений. СП с эталонной моделью объекта

систем и их моделей до некоторого порогового уровня означает наличие аномалии. Если это произошло по двум соседним подсистемам, то это означает отказ датчика при условии маловероятной неисправности соседних подсистем одновременно. Принцип декомпозиции дает следующие преимущества:

-    есть возможность отличить неисправности оборудования от отказа датчиков;

-    обеспечивается локализация неисправности с точностью до подсистемы;

-    экономия вычислительных ресурсов за счет работы моделей только тех подсистем, на входе или выходе которых обнаружена динамика;

-    возможность объединения моделей двух соседних подсистем в одну и исключение из рассмотрения неисправного датчика.

Благодаря перечисленным преимуществам, принцип декомпозиции технологической схемы уже применяется в системах диагностирования за рубежом [10], а также в исследованиях НИТИ [6 — 8].

При разработке сложных программных комплексов оперативной обработки экспериментальной информации в измерительно-вычислительных системах большую проблему представляет организация работы программ в реальном времени. В рассматриваемом подходе проблема усложняется наличием специфических задач, решение которых требует повторного анализа всего аварийного процесса или использования данных предыстории. Решение проблемы цейтнота реального времени и сохранения предыстории возможно путем организации циклического буфера измерительной информации, как это предложено в [б]. В этом буфере должен храниться и постоянно обновляться необходимый отрезок предыстории, не меньший длительности анализируемых процессов. Любая программа должна иметь возможность считывать информацию из любого места циклического буфера. За счет этого упрощается также решение задачи идентификации, задание начальных условий моделей в соответствии с состоянием объекта до начала динамики, согласование модельного и реального времени, представление информации оператору.

Особенность ЯЭУ состоит в том, что для нее нельзя построить линейную последовательность моделей, поскольку есть параметры, которые являются входами нескольких подсистем одновременно, например расход теплоносителя первого контура. Часть моделей не может работать автономно, так как имеет в качестве входов внутренние параметры других моделей. Например, модель компенсатора давления использует распределение температур по первому контуру, вычисленное в других моделях. Поэтому многие модели имеют по нескольку входов и выходов, и не все из них могут работать автономно, но в целом принцип декомпозиции может быть реализован.

Можно указать следующие основные сложности разработки и использования динамических диагностических моделей (ДДМ), выявленные в результате отработки их на экспериментальных данных:

-    сохранение адекватности при значительном изменении режима работы установки;

-    устранение медленного накопления погрешности расчета при длительной работе ДДМ, а также отличие ее от неисправности;

-   учет систематических погрешностей измерен и локальных эффектов;

—     сравнение выходов модели и эксперимента учетом наличия рассогласований как по амплитуд!так и по фазе.

В заключение следует отметить, что в последи! время, постулируя невозможность построения замеченной математической модели для диагностики ЯЭ! или невозможность получения априорных сведен! для такой модели в силу неполноты или противорсч! вости исходных данных, будущее диагностики ЯЭУ создание систем поддержки операторов связываю исключительно с созданием экспертных (интеллектуальных) систем. Нисколько не отрицая перспектность этого направления, подчеркнем неосвоенное! классических методов технической диагностики npiменительно к ЯЭУ и убогость диагностических мод: лей в компьютерных системах контроля. В отечен венной практике наработан слишком малый опыт применения компьютерных систем в режиме советчик оператора. Необходимо устранить существующий ра) рыв между хорошо развитыми расчетными моделям ЯЭУ и моделями для целей диагностирования.

В силу того, что сложный объект не может был полностью наблюдаемым, невозможно и создание в» объемлющей его диагностической модели. Тем не к» нее отсюда не следует, что невозможны локальны системы диагностики для его достаточно автономны) элементов, формализуемых на модельном уровне. Hi обязательно ограничивать себя рамками какого-лиС: одного типа моделей. Решение может быть получен в виде комплекса взаимосвязанных диагностических моделей, тем более что крайне затруднительно разр* ботать всережимную модель, учитывающую все при чины появления всех неисправностей и описываюшук все стадии развития во времени каждой неисправности.

Список литературы

1.      Улучшение деятельности и информационного обесютния персонала во время аварийных ситуаций на АЭС Атомная техника за рубежом. - 1985. - № П.

2.      Повышение качества информационного обеспечен!!оператора АЭС в аномальных ситуациях // Атомная техника за рубежом. - 1986. - № 7.

3.      Моэгалевский А.В., Пархоменко П.П., Согомонян Е.С.Iдр. Техническая диагностика / Справочник: Надежность и эффективность в технике. - Машиностроение, 1987. - Т.9.

4.  Маркович З.П. Использование граф-модели для решенш задач технической диагностики. В кн. "Кибернетика iдиагностика". - Рига, Зинатне, 1968. - Вып. 2.

5.      Маркович З.П., Осис Я.Я. Порядок составления графмодели сложного объекта технической диагностики. В п"Кибернетика и диагностика". - Рига. - Зинатне, 1966, ■Вып. 2.

6.      Клушин Е.А., Михайлов М.Г. Исследования и предажения по методам диагностирования на основе моделирования процессов ЯЭУ: Отчет НИТИ, инв. № П-10481,198!,

7.      Клушин Е.А., Пленкин В.А. Прогноз развития аварий'кых процессов. Постановка задачи на примере режим разгерметизации первого контура: Отчет НИТИ, иш№ Д-6009, 1992.

8.      Витин СП., Матвеев А.П., Новиков Ю.П. Расчетные юследования и разработка алгоритмов прогнозироваш развития некоторых аварийных ситуаций при управлеш ПЭУ: Отчет НИТИ, инв. № П-10506, 1988.

9.      Kato К., Tomizawa F., Sumida I., Murata F. Developmentof a diagnosis sistem for a BWR. - Nuclear Technology, 1975,vol. 44, June.

10.  Berg O., Grini K., Yokbayashi M. Early fault detectionand diagnosis for nuclear power plant. - Kern - technik, vol50, N 2