Проектирование электроснабжения коттеджных поселков, квартир, коттеджей
разработка проектов ТП, КТП, РТП 6 (10, 35 кВ) / 0.4 кВ
По запросу на info@k-volt.ru предоставляем технико-коммерческое предложение на проектирование электроснабжения объекта в течении 3-х рабочих дней.

Методы автоматического определения работоспособности объектов в процессе их эксплуатации

Развитие средств автоматики, переход к автоматизации все более сложных технологических процессов и новым методам управления производством, обеспечение надежной и экономичной эксплуатации крупного промышленного оборудования привело к выделению функциональной диагностики в самостоятельное научно-техническое направление, связанное с исследованием проблем автоматического определения работоспособности и прогнозирования технического состояния различного рода динамических объектов.

В процессе эксплуатации на состояние объекта влияет множество различных факторов, которые по своей природе могут быть как неслучайными, например закономерное изменение площади контакта трущихся частей по мере их изнашивания, изменение условий смазки при увеличении зазоров и т.д., так и случайными — изменение нагрузочных и тепловых режимов, изменение физико-механических свойств смазочных материалов, влажность и запыленность внешней среды, квалификация обслуживающего персонала и множество других плохо поддающихся учету и нейтрализации факторов. Обычно, в лучшем случае, известны статистические характеристики этих факторов, однако и такая информация не всегда может быть привлечена при определении параметров системы, так как сам процесс измерения, в свою очередь, всегда носит вероятностный характер. Влияние случайных факторов на диагностируемый объект приводит к неоднозначности контроля его параметров. Внешним проявлением этого случайного характера является тот факт, что выходные параметры объекта и его состояние также представляют собой случайный процесс, а конкретный результат каждого измерения — его реализацию, поэтому при решении задач функциональной диагностики, и, в частности, оценки работоспособности динамических объектов, широкое распространение получили методы статистической теории распознавания образов и принятия решений при проверке гипотез.

Решение задачи автоматического диагностирования, как правило, проводят в два этапа. На первом этапе проводится накопление информации о состоянии диагностируемого объекта и преобразование ее к виду, удобному для последующей обработки. Второй этап заключается в выявлении особенностей, содержащихся в контролируемых параметрах, с целью поиска различий работоспособного состояния объекта от неработоспособного и формировании сигнала о наступлении соответствующего события. При этом важное значение имеют выбор, описание и анализ контролируемых параметров (признаков). Например, при испытаниях электронасосов необходимы одновременные измерения таких параметров, как частота вращения, напор, мощность, подача насоса, утечки через уплотнение, температура элементов. Полезную информацию о технологических погрешностях электродвигателей дает исследование их виброакустических характеристик.

Считая, что распределение вероятностей каждого контролируемого параметра (признака) описывается нормальным законом, функционирование диагностируемого объекта можно представить многомерным нормальным случайным вектором, компонентами которого являются контролируемые параметры этого объекта {у12,..., уp}. Тогда задача автоматической функциональной диагностики сводится к определению принадлежности указанного случайного вектора Yi к одному из m взаимоисключающих классов Аj , характеризующих различные технические состояния диагностируемого объекта. При этом о совокупности векторов, принадлежащих одному классу, принимается гипотеза компактности о включении всех объектов каждого класса в одно подмножество, состоящее из конечного количества связанных областей.

Размерность р признакового пространства в значительной мере определяет вычислительную сложность диагностической процедуры, материальные и трудовые затраты на измерение необходимых характеристик. Уменьшение количества признаков снижает указанные затраты, но может привести к падению достоверности диагностирования, так как требования минимума общей размерности пространства признаков и максимума достоверности оказываются противоречивыми. Первоначальный набор диагностических признаков формируется из числа доступных измерению характеристик объекта, отражающих его наиболее существенные свойства. На следующем этапе из первоначального набора пытаются сформировать новый набор {x1,x2,..., xn}, состоящий из меньшего количества переменных n < р. Наиболее широкое распространение получили методы линейного преобразования исходного пространства признаков Y в новое пространство X = AY. Как правило, при этом используют декоррелирующее преобразование, для чего в качестве столбцов матрицы А, например, выбирают собственные векторы общей ковариационной матрицы М распознаваемых совокупностей. Тогда новая ковариационная матрица М*=АТ МА (где Т означает операцию транспонирования) становится диагональной матрицей с собственными числами на главной диагонали. После указанного преобразования отбирают n < р новых признаков, соответствующих собственным числам матрицы М*, которые оказывают на значение некоторого критерия J(У) наибольшее влияние. Безусловно, различные используемые критерии могут приводить к противоположным по смыслу рекомендациям по выбору признаков, поэтому часто оказывается затруднительно отдать предпочтение какому-либо определенному критерию и сделать обоснованный выбор между противоречивыми рекомендациями.

Постовой:
Источник: Работа вахтовым методом в Минске.(fotokto.ru)