Главная Коллекция "Revolution" Программирование, компьютеры и кибернетика Імітаційне моделювання ушкоджень та відмов складних технічних систем з регулярною структурою

Імітаційне моделювання ушкоджень та відмов складних технічних систем з регулярною структурою

Розробка методики дослідження працездатності, а також ідентифікації відмов і прогнозування ушкоджень складних інформаційних систем з регулярною структурою. Обґрунтування топологічної еквівалентності. Умови використання імітаційних моделей ушкоджень.

Рубрика Программирование, компьютеры и кибернетика
Вид автореферат
Язык украинский
Дата добавления 30.07.2014
Размер файла 65,0 K
рефераты на заказ со скидкой

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Імітаційне моделювання ушкоджень та відмов складних технічних систем з регулярною структурою

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

Загальна характеристика роботи

Актуальність роботи. Відмова або втрата працездатності в складних технічних системах (СТС) - подія, настання якої ідентифікується за правилами, що іноді далеко виходить за рамки безпосередньої оцінки можливості системи виконувати передбачені для них основні функції. У багатьох випадках критерії відмови досить розпливчасті, нечіткі. Для багатьох СТС ці критерії до цього часу не визначені, що призводить до неузгодженості в оцінці їхнього стану при експлуатації. Ідентифікацію відмови утруднює також звичайно великий та дорогий запас працездатності СТС, що закладається на етапі її проектування, - стійкість системи до ушкоджень окремих елементів, що не призводять до відмови, а також відсутність унікальних елементів, ушкодження яких негайно приводить до відмови системи в цілому. Останнє особливо властиво системам з регулярною структурою (СТС РС), які зустрічаються в механіці (рами, арматури, кручені канати), гідравліці (каскади апаратів), електротехніці (розгалужені ланцюги) та ін.

Проблема ще більше ускладнюється, якщо мова йде не про ідентифікацію відмови реально існуючого, частково вже ушкодженого об'єкта, а про прогнозування працездатності СТС, наприклад, на етапах управління або проектування. У цьому випадку додатковим джерелом інформації може стати імітаційна модель нагромадження ушкоджень, за станом якої можна було б судити про працездатність об'єкта в майбутньому. Зайве підкреслювати, яка роль при цьому приділяється адекватності та швидкодії моделі, особливо, у випадку СТС РС відповідального призначення.

Це джерело інформації про ушкодження та відмови СТС РС, як додатковий аналіз в медицині, дозволить підвищити достовірність діагностики поточного стану складних систем та ефективність прогнозування їх розвитку при подальшій експлуатації.

В ролі такого джерела можуть виступати складні інформаційні системи з регулярною структурою (СІС РС), наприклад, штучні нейронні мережі (НМ), які мають топологічну подібність до СТС РС, що дозволяє припускати в них подібні властивості: запас працездатності, взаємозамінність елементів, кореляцію між подібними ушкодженнями та відмовою тощо. Якщо така подібність має місце, то повинні існувати й адекватні імітаційні моделі працездатності СТС РС, які дозволяють застосовувати їх для цілей прогнозування, без якого не може бути сучасного управління або проектування.

На підставі викладеного можна стверджувати, що дослідження, спрямовані на створення на основі штучних НМ адекватних імітаційних моделей ушкоджень і відмов СТС РС є вельми актуальними.

Дисертація виконувалася відповідно до завдань НДР кафедри нафтогазового і хімічного машинобудування Одеського національного політехнічного університету №362-24 «Розробка теорії та методів схемотехнічного моделювання для систем проектування і управління» та №419-24 «Розробка теорії і методів моделювання спільноти складних регенеруючих об'єктів за допомогою нейронних супермереж».

Метою дисертаційної роботи є підвищення ефективності управління складними технічними системами з регулярною структурою за рахунок збільшення ймовірності достовірного прогнозування їхнього технічного стану шляхом розробки та впровадження імітаційних моделей ушкоджень і відмов, заснованих на топологічній подібності технічних та інформаційних систем.

Для досягнення цієї мети в роботі були розв'язані наступні задачі:

– вивчено проблему оцінювання і прогнозування стану складних технічних та інформаційних систем, у тому числі, таких, що мають регулярну структуру;

– розроблено методики дослідження працездатності, а також методики ідентифікації відмов і прогнозування ушкоджень СТС РС та СІС РС;

– обґрунтовано топологічну еквівалентність СТС РС та НМ і підтверджена статистична адекватність імітаційної моделі працездатності СТС РС;

– розроблено підсистему імітаційного моделювання процесу нагромадження ушкоджень у СТС РС;

– організовано практичне використання імітаційних моделей ушкоджень і відмов для цілей управління та проектування.

Об'єктом дослідження є процеси автоматизованого прогнозування та оцінювання працездатності СТС РС та СІС РС.

Предметом дослідження є імітаційні моделі ушкоджень і відмов СТС РС для інформаційних систем управління та проектування.

Методика дослідження. Для вивчення напружено-деформованого стану (НДС) механічних конструкцій з регулярною структурою (МКРС) при їх пошкодженні використовували систему автоматизованої побудови та дослідження механічних об'єктів SCAD. Для дослідження ефективності експлуатації апаратного комплексу з регулярною структурою (АКРС) використовували оригінальний програмний модуль DCRS. Для дослідження стійкості до ушкоджень НМ використовували оригінальний програмний модуль NeuroNet. Для оцінки міри лінійної залежності ймовірностей відмов технічних об'єктів та нейронних мереж використовували методи статистичної обробки результатів експериментів, зокрема, розрахунок коефіцієнта кореляції Пірсона. При настроюванні імітаційної моделі використовували методи оптимізації.

Наукова новизна отриманих результатів полягає в подальшому розвитку та поглибленні теоретичних і методологічних основ підвищення ефективності імітаційного моделювання стану та працездатності СТС:

вперше сформульоване Твердження про можливість приведення структури СТС РС до нейроподібної шляхом скінченної кількості еквівалентних перетворень;

вперше сформульоване положення про системну єдність СТС РС та СІС РС, що полягає в корельованості статистичних характеристик відмов технічних об'єктів і відмов топологічно подібних до них нейронних мереж;

вперше розроблений метод ідентифікації відмови ушкоджених СТС РС, який полягає в порівнянні працездатності таких об'єктів із працездатністю топологічно подібних «ушкоджених» нейронних мереж;

вперше розроблена імітаційна модель нагромадження ушкоджень та ідентифікації відмов складних технічних систем, яка є топологічно еквівалентною нейронною мережею;

вперше запропонований алгоритм настроювання імітаційної моделі нагромадження ушкоджень та ідентифікації відмов СТС, що полягає у визначенні оптимального зовнішнього навантаження на технічну систему, яка забезпечує максимальне значення коефіцієнта кореляції Пірсона між залежностями ймовірностей відмови СТС та СІС при однотипних ушкодженнях;

одержав подальший розвиток алгоритм прогнозування ушкоджень складних технічних систем з регулярною структурою, що полягає у зваженому підсумовуванні впливів конструкції об'єкта та умов його експлуатації.

Практичне значення отриманих результатів. Випробування автоматизованої системи управління станцією очищення баластних вод Одеського морського порту, зокрема, системи ідентифікації відмов виробничого обладнання, що базується на нових інформаційних технологіях, на спорудах, призначених для очищення баластних вод від залишків нафтопродуктів, які утворюються в процесі обробки танків судів в Одеському морському порту, зокрема, використання нейромережевих методів нагромадження пошкоджень та ідентифікації відмов на очисних спорудах на ділянці ультрафільтрації, дозволило поліпшити якість фільтрування на 0,05 мг нафтопродуктів на 1 л баластної води та знизити на 35% витрати на експлуатацію та ремонт технологічного обладнання.

Запропоновані методи прогнозування нагромадження пошкоджень та відмов, а також алгоритми та програми, розроблені для їхньої реалізації, впроваджені в навчальний процес в Одеському національному політехнічному університеті.

Особистий внесок здобувача полягає в аналізі проблеми оцінювання та прогнозування стану СТС РС, розробці динамічних методів прогнозування ушкоджень СТС за допомогою порогової логіки [1] та НМ [2 - 4], імітаційного моделювання відмов СТС та топологічно подібних до них СІС [5 - 7]. Здобувач розробив алгоритми та програми для практичної реалізації запропонованих методів [8 - 12], брав участь у виробничих випробуваннях та їхній оцінці.

Апробація результатів роботи. Матеріали роботи доповідалися та обговорювалися на Міжнародній конференції з управління «Автоматика-2002» (Донецьк, 2002), Третій міжнародній науково-практичній конференції «Сучасні інформаційні та електронні технології» (Одеса, 2002), Х - ХІІ семінарах «Моделювання в прикладних наукових дослідженнях» (Одеса, 2003-2005), а також на розширеному засіданні об'єднаного наукового семінару кафедр «Технологія комп'ютерного проектування», «Системне програмне забезпечення» та «Нафтогазове і хімічне машинобудування» Одеського національного політехнічного університету (Одеса, 2004).

Публікації. Результати дисертації викладені в 12 публікаціях, у тому числі - 5 статтях у журналах зі спеціального переліку ВАК України, та в 7 матеріалах конференцій.

Структура дисертації. Дисертація складається із вступу, чотирьох розділів, додатків. Обсяг дисертації - 150 стор., додатків - 14 стор. Дисертація містить 60 рисунків, 12 таблиць та посилання до 148 літературних джерел.

Основний зміст роботи

імітаційний працездатність інформаційний

У вступ наведена загальна характеристика роботи, яка підкреслює її актуальність, відповідність державним науковим програмам, вимогам ВАК України, наукову новизну та практичне значення; визначено об'єкт та предмет дослідження, сформульована його мета та задачі.

В першому розділі вивчено проблему оцінки та прогнозування стану складних технічних систем. Розглянуто складні технічні системи з регулярною структурою та проблеми оцінки їхньої працездатності, проаналізовані способи прогнозування ушкоджень і відмов складних технічних систем, методи моделювання ушкоджень і відмов складних технічних систем за допомогою динамічних моделей.

У другому розділі описана методика прогнозування ушкоджень та відмов. У реальних СТС РС, що працюють у конкретних умовах, кількість ушкоджень на той або інший ресурсний момент (момент часу, пробігу, тощо) визначалася в залежності від властивостей системи та умов її експлуатації. Для цього спочатку виконувалася структурна декомпозиція СТС на окремі компонентні та топологічні елементи: вузли та зв'язки між ними. Суцільні об'єкти також можуть бути штучно зведені до нейроподібної структури за рахунок їхньої умовної дискретизації. Наприклад, у рамних конструкціях вузлами були місця з'єднання окремих стрижнів рами, а зв'язками - самі стрижні, в хімічних установках вузлами були апарати, а зв'язками - трубопроводи між ними. Ушкодженням визнавали повну відмову вузла або зв'язку. При «призначенні» чергового ушкодження вузлів або зв'язків моделі враховували три компоненти: стохастичний - за допомогою генератора випадкових чисел; навантажувальний - за допомогою розрахунку максимального навантаження на СТС; динамічний - за допомогою бази даних про практичне випробування системи в реальних умовах експлуатації протягом досить довгого ресурсного відрізка.

Період експлуатації Т0 - Т на ресурсній осі t розбивали на скінченну кількість інтервалів - ітерацій (не обов'язково однакової тривалості): Т0 - Т1; Т1 - Т2;…; Т(-1) - Т. Така дискретизація дозволяє розглядати неперервний процес нагромадження експлуатаційних ушкоджень як стрибкоподібну зміну станів системи на границях часових інтервалів.

В період 0 - Т при виготовленні та експлуатації (полігонних випробуваннях) в об'єкті відбувається деяка кількість подій, які розглядаються системою як ушкодження. Пронумеруємо в СТС місця можливих ушкоджень (ММУ) вузлів від 1 до V та зв'язків від 1 до Z і створимо матриці-рядки МВ та МЗ:

МВ = | МВ1 МВ2 … МВV |; МЗ = | МЗ1 МЗ2 … МЗZ |. (1)

Елементи матриць (1) можуть приймати два значення: 0 - ушкодження немає; 1 - ушкодження є. Отже, якщо у початковому стані при t = Т0 СТС не має ушкоджень, то всі елементи матриць (1) будуть дорівнювати 0:

; . (2)

Розглянемо далі ймовірносно-автоматну модель ушкоджень СТС. Вхідний алфавіт моделі - матриці ушкоджень на початку чергової ітерації та . Вихідний алфавіт - матриці ушкоджень наприкінці чергової ітерації та . Оскільки ресурсна величина t - дискретна, процес моделювання ушкоджень і відмов у СТС РС складатиметься з перетворення матриць:

; ; …; ; (3)

; ; …; . (4)

Перетворення (3) та (4) здійснюються шляхом додавання до елементів матриць та , отриманих після i-ї ітерації, елементів таких же за розміром -матриць ушкоджень вузлів і зв'язків на (i + 1)-ї ітерації:

; . (5)

-матриці ушкоджень на ітераціях отримують шляхом таких перетворень.

1. Блокуються (забороняється «призначати» до них ушкодження) ті елементи, номери яких відповідають ММУ, де напруження при стандартному статичному навантаженні не перевищує заданий поріг удоп.

2. На ММУ, які залишилися незаблокованими, «призначаються» ушкодження (тобто 0 заміняється на 1). Для цього використовується методика, яка дозволяє поєднувати стохастичні, статичні та динамічні чинники, зокрема модулювання потоку рівноймовірних чисел, яке полягає в множенні їх діапазонів, які відповідають конкретним подіям (ушкодженням), на вагові коефіцієнти, що дорівнюють ймовірностям виникнення цих подій, обчисленим за експлуатаційними даними.

Методика дослідження працездатності МКРС. Для чисельного дослідження на ЕОМ напружено-деформованого стану та стійкості механічних конструкцій використовували програмний комплекс SCAD, який реалізує чисельний метод дискретизації суцільного середовища методом скінченних елементів та забезпечує дослідження широкого класу просторових стрижневих систем. Розрахунок виконували на статичні зовнішні дії, які моделювали силові впливи від зосереджених або розподілених сил або моментів.

Для дослідження працездатності конкретної МКРС - рами за допомогою програми SCAD будували її модель у вигляді регулярної нейроподібної мережі. Рама являла собою три паралельно розташованих «шари» вузлів, з'єднаних зв'язками-стрижнями так, що утворюється повнозв'язна структура, топологічно подібна до повнозв'язної тришарової нейронної мережі. У першому «шарі» рами міститься 28 вузлів, у другому - 10, у третьому - 2. Таким чином, у конструкції рами міститься NВ = 40 вузлів і NЗ = 28 Ч 10 + 10 Ч 2 = 300 елементів зв'язку між ними. Загальна кількість ММУ - 340.

Алгоритм однієї ітерації моделювання ушкоджень у рамі виглядає так.

1. Вибирається група «ушкоджуваних» об'єктів: вузли або зв'язки. «Ушкодженням» зв'язку вважається його видалення з конструкції, а «ушкодженням» вузла - видалення всіх зв'язків, що примикають до нього.

2. Вибирається кількість (nВ або nЗ) «ушкоджуваних» об'єктів.

3. До конструкції рами вноситься nВ або nЗ «ушкоджень», причому, які саме елементи «ушкоджуються», визначається випадковим чином.

4. «Ушкоджена» рама навантажується так само, як і початкова, і запускається SCAD, що виконує розрахунок НДС рами.

КnВ = 100, nВ = 8, NВ = 40.

5. Рама з «ушкодженнями» вважається працездатною, якщо в жодній її точці не перевищені допуски по напруженнях та деформаціях.

Нехай після Кn (n = 1 … N) випробувань, що відрізняються різним випадковим розподілом однакової кількості n «ушкоджених» елементів однієї групи (n = nВ або nЗ) серед загальної кількості N елементів однієї групи (відповідно, N = NВ або NЗ), виявилося, що відмови зареєстровані в kn випадках з Кn.

Очевидно, що при n = 0 величина k0 також дорівнює нулю. Оскільки у загальному випадку елементи рами навіть у межах однієї групи функціонально нерівнозначущі, співвідношення kn/Кn для всіх інших n від 1 до N - суть випадкові числа, які при досить великих Кn можна інтерпретувати як ймовірності Рn відмов рами, що містить N елементів при n випадково розташованих «ушкодженнях»:

. (6)

Природно припустити також, що Рn істотно залежить від n, пробігаючи при зміні n від 0 до N значення від 0 до 1. Для побудови залежностей РnВ(nВ) і РnЗ(nЗ) в роботі задавалися значеннями КnВ = КnЗ = 100 і виконували по 100 комп'ютерних експериментів для кожного nВ з діапазону 0 - 20 і для кожного п'ятого nЗ із діапазону 0 - 150. Верхні границі діапазону обирали як половину з можливої максимальної кількості ушкоджень, оскільки встановлено, що при n > 0,5N рама із стовідсотковою ймовірністю непрацездатна. Експерименти відрізнялися один від одного іншим (випадковим) розташуванням nВ ушкоджень вузлів серед повної множини NВ вузлів рами та nЗ ушкоджень зв'язків серед повної множини NЗ зв'язків рами. В результаті для відповідного n одержували елемент діаграми.

Переходячи до відношень Рn = kn/Кn = 0,01kn і розташовуючи подібні елемент уздовж осі n, одержуємо гістограму (рис. 3), згладжуючи яку можна побудувати вигляд залежностей РnВ(nу) або РnЗ(nс).

Методика дослідження працездатності АКРС. Для дослідження ефективності експлуатації апаратного комплексу з регулярною структурою (АКРС) використовували оригінальний програмний модуль DCRS. В якості приклада АКРС розглянуто апаратний комплекс для очищення баластових вод в морському порту. Елементами апаратного комплексу служили фільтри, а зв'язками - трубопроводи, що з'єднують фільтри із джерелами забрудненої рідини та резервуарами для зливу очищеної рідини. Забруднена рідина надходить до фільтра з m джерел, після чого концентрація домішок бУ у фільтрі перед фільтрувальним елементом вирівнюється та становить:

(7)

де бi - концентрація домішок на i-му вході; V - об'єм рідини в змішувачі; Vi - об'єм рідини, що надходить із i-го входу. При закритому перепускному клапані забруднена рідина надходить до фільтра, де втрачає о-у частку домішок:

. (8)

Чим вище о, тим ефективніше очищення. Ушкодженням фільтра вважали таку ситуацію, коли фільтруючий елемент забивається домішкою та перестає пропускати крізь себе очищену рідину. При цьому тиск у фільтрі зростає, спрацьовує перепускний клапан, і неочищена рідина потрапляє на вихід:

. (9)

Таким чином, математичною моделлю фільтра є вираз:

(10)

де р - тиск рідини перед фільтруючим елементом; ркрит - критичний тиск спрацьовування перепускного клапана. Відмовою зв'язку вважали його обрив із потраплянням забрудненої рідини у вихідний контур.

Залежності РnВ(nВ) і РnЗ(nЗ) для апаратного комплексу будували так само, як і у випадку механічного об'єкта.

Методика побудови, навчання та дослідження працездатності нейронної мережі. Для дослідження працездатності НМ при «ушкодженнях», було створено оригінальну програму NeuroNet на мові Object Pascal в інтегрованому середовищі Delphi 7. Структура мережі відповідала структурам описаних вище рами та апаратного комплексу. Завдання, що вирішували за допомогою НМ у процесі ідентифікації відмови, відноситься до завдань класифікації образів.

Очікуваним (достовірним) виходом «неушкодженої» НМ у першому випадку є вектор {1, 0}, а в другому - {0, 1}. Залежності РnВ(nВ) і РnЗ(nЗ) для НМ будували так само, як і у випадку механічного об'єкта. У межах кожного з 100 експериментів після відповідних «ушкоджень» НМ пред'являли для класифікації тестові зразки об'єкта, наведені на рис. 5.

У третьому розділі наведені принципи імітаційного моделювання нагромадження ушкоджень та ідентифікації відмов. В роботі при прогнозуванні технічного стану реальних об'єктів застосовували процес «призначення» ушкоджень у те або інше місце (елемент, зв'язок) системи зі списку обраних заздалегідь ММУ, який базувався на врахуванні статики та динаміки експлуатації СТС, з одного боку, і стохастичності умов експлуатації, - з іншого.

Оскільки факт «призначення» ушкодження є пороговою функцією декількох змінних, - детермінованих і стохастичних, а також з урахуванням особливостей впливу різних факторів на ці процеси та зміни ступеня такого впливу під час нагромадження ушкоджень і виконання ремонтів СТС, для моделювання їхнього життєвого циклу застосовували порогову логіку або нейронні мережі із пороговою функцією активації нейронів останнього шару. Ця методика реалізована на прикладах прогнозування технічного стану рами авто-мобільного напівпричепа та кожухотрубчастого теплообмінного апарата.

Розробка методу ідентифікації відмов починається з обґрунтування топологічної еквівалентності СТС РС і НМ.

Схема формального нейрона має вигляд «зірки», тобто деякого центрального «елемента», до якого сходяться окремі зв'язки з різними знаками, а його математична модель носить адитивний характер. В багатьох з СТС РС повторюваною частиною також є «зірки». Таку структуру мають багато фрагментів електричних і гідравлічних схем, механічних конструкцій тощо. Математичні моделі, які відповідають цим вузлам, також адитивні.

Розглянемо тепер НМ, що представляє собою об'єднання декількох нейронів. Таким же чином, тобто топологічно еквівалентно, окремі частини СТС можуть бути об'єднані в СТС РС. Якщо кількість елементів у СТС РС і НМ, а також кількість, розташування та спрямованість зв'язків між ними збігаються, то можна говорити про те, що така СТС РС нейроподібна, а НМ є її моделлю з точністю до топології структури. У тих випадках, коли природна або штучна дискретизація СТС РС не призводить відразу до нейроподібних структур, можна попередньо застосувати еквівалентні перетворення до окремих ділянок регулярної структури СТС. У зв'язку з цим, висловимо наступне твердження.

Твердження. Структура будь-якої складної технічної системи може бути зведена до нейроподібної шляхом скінченної кількості еквівалентних перетворень.

Твердження відноситься як до СТС, що мають природну структуру «елементи - зв'язки», так і до СТС, у яких подібну структуру доводиться вводити штучно, дискретизуючи їх на окремі умовні елементи. Із твердження випливає, що топологічна еквівалентність об'єкта - конкретної СТС РС і моделі - НМ завжди може бути створена при побудові НМ «за образом та подібністю» структури об'єкта, який моделюється.

Використання структурної еквівалентності СТС і НМ для побудови імітаційної моделі. Ідентифікація навіть відмови, що вже відбулася, представляє серйозні труднощі не тільки технічного, але й економічного та соціального характеру. Коли ж мова йде про прогнозування відмови, ці труднощі багаторазово зростають. НМ тут можуть бути досить корисними. Відомі, принаймні два види тривіального використання НМ для прогнозування технічного стану СТС. Перший відноситься до екстраполяції часових рядів, коли НМ, маючи відомості про значення деякого параметра СТС за минулий відрізок часу, прогнозує ці значення на майбутній відрізок. Другий вид тривіального використання НМ полягає в тому, що дані, одержані з D датчиків, встановлених на СТС, подають на D входів НМ, а на її виході отримують кінцеву кардинальну двійкову інформацію, наприклад, 1 - СТС працездатна, 0 - непрацездатна (рис. 6 а). Навчання такої НМ здійснюють за допомогою вибірок, отриманих при експлуатації СТС подібного типу.

На жаль, таке використання НМ не завжди можливе, хоча б через технічні труднощі, пов'язані із одержанням від СТС необхідної вимірюваної інформації.

Скористаємося, однак, ще однією якістю НМ, що робить їх в деякому сенсі ідентичними з СТС, особливо з СТС РС: збереження функціонування при відмові окремих нейронів та зв'язків. Очевидно, що така ситуація не може утримуватися до повного руйнування всіх елементів: починаючи з деякої суми накопичених ушкоджень якість функціонування мережі стає неприйнятною.

Аналогічно, у МКРС, АКРС тощо вихід з ладу окремих елементів на певному етапі експлуатації не призводить до відмови всієї складної системи в цілому, і тільки після нагромадження деякої критичної кількості ушкоджень мова може йти про її відмову. На підставі цього, а також топологічної еквівалентності СТС РС і НМ пропонується новий, нетривіальний підхід до ідентифікації відмови, який ґрунтується на побудові моделі СТС РС у вигляді НМ, причому до уваги береться не те, що «робить» НМ, а те, як вона це «робить».

При нетривіальному застосуванні НМ для ідентифікації відмови СТС РС на входи НМ жодної інформації про стан СТС РС не подається. У рамках цього методу і об'єкт, і його нейромережева модель виконують «традиційну» для них роботу, - наприклад, НМ розпізнає деякі абстрактні, ніяким чином не пов'язані з СТС, що моделюється, образи, а СТС РС утримує вантаж (рис. 6 б).

Спочатку будується НМ, яка має структуру, топологічно подібну до існуючої (при управлінні) або майбутньої (при проектуванні) СТС. На протязі життєвого циклу (ЖЦ) в об'єкті відбуваються (прогнозуються, наприклад, за описаною вище методикою) ушкодження елементів або зв'язків, а в НМ такі «ушкодження» вносять штучно, видаляючи окремі її нейрони або припиняючи зв'язки між ними. При цьому підтримується сувора відповідність між станом подібних елементів і зв'язків як у НМ, так і в СТС РС. Для ідентифікації відмови стежать за тим, як НМ розпізнає образи. Якщо «ушкоджена» НМ продовжує робити це без помилок або з кількістю помилок нижче заданого порога, то відповідна їй ушкоджена СТС РС вважається працездатною. Якщо ж «ушкоджена» НМ після чергової ітерації «ушкодження» втрачає здатність розпізнавати образи, то й топологічно відповідна їй СТС РС вважається такою, що відмовила.

Дослідження кореляційного зв'язку між відмовами топологічно подібних СТС РС і НМ. Природно припустити, що відповідність між відмовами топологічно подібних СТС РС і НМ не може бути однозначною. Тому припущення про наявність такої відповідності будемо вважати підтвердженим, якщо при достатньо великій кількості експериментів буде виявлена висока кореляція між ймовірностями відмови СТС РС та однаково «ушкодженої» НМ. Під однаковістю ушкодження будемо розуміти однакову кількість ушкоджених елементів або (окремо) зв'язків між ними, незалежно від того, де ці ушкодження в структурі конкретної СТС РС розташовані. Результати порівняльного статистичного дослідження працездатності механічних конструкцій, що мають регулярну нейроподібну структуру - рам c ушкодженими елементами.

Оскільки в подібних дослідженнях функції PnМК і PnНМ залежать від одного дискретного аргументу - кількості ушкоджень n, існує можливість подання пар PnМК і PnНМ для кожного n у вигляді точок на площині {PnМК, PnНМ}.

Розрахунок коефіцієнта кореляції Персона показав такі результати:

(11)

що свідчить про адекватність імітаційної моделі. Для АКРС теж одержали:

(12)

Таким чином, з результатів, отриманих за рівняннями (11) та (12) можна зробити висновок, що припущення про високу кореляцію між працездатністю однаково ушкоджених СТС РС і НМ підтверджено експериментально.

Настроювання інформаційної моделі. Окрім описаної вище топологічної подібності моделей та близьких значень ймовірностей відмов при цьому, СТС РС та НМ проявляють також істотну відмінність, оскільки стан СТС (напруження та деформації у випадку МКРС та концентрації домішок у випадку АКРС) суттєво залежить від рівня зовнішнього навантаження на технічну систему. Дійсно, якщо, наприклад, за інших рівних умов до рами прикласти менше або більше (останнє дозволено, оскільки СТС сконструйована із запасом), ніж передбачено нормами, навантаження, то стійкість проти відмов зміниться. У НМ такого чинника немає, тому й кореляція між ймовірностями відмов СТС РС та НМ повинна суттєво залежати від навантаження на СТС РС.

Природно припустити, що існує деякий рівень навантаження, який відповідає найбільшій кореляції, тобто імітаційну модель для забезпечення адекватності необхідно додатково настроювати за рахунок зміни навантаження на СТС РС так, щоб кореляція між ймовірностями відмов RЕ була максимальною. Фактично це означає, що необхідно вирішити завдання оптимізації функції залежності коефіцієнта кореляції Пірсона RЕ від коефіцієнта навантаження Кн, який належить до реально існуючої множини можливих навантажень Кісн:

. (13)

Для прикладу СТС РС у вигляді рами залежність RЕ(Кн) має такий вигляд (рис. 10). В наведеному прикладі Кн - дискретна величина, тому знайдений оптимум лежить в деякій околиці від дійсно максимального значення RЕ.

Аналогічні обставини враховували і при побудові нейронних топологічно подібних моделей АКРС. Роль коефіцієнта навантаження в цьому випадку відігравало початкове забруднення рідини, яка очищується, оскільки природно припустити (і експерименти це підтвердили), що зміна початкового забруднення суттєво позначається на схильності АКРС до відмов.

У четвертому розділі описана АСУ СТС РС. Принцип побудови АСУ ґрунтується на тому, що об'єкт управління - СТС РС - рухається в багатовимірному просторі своїх станів уздовж ресурсної осі життєвого циклу, накопичуючи ушкодження доти, поки їхня чергова адитивна комбінація не призведе до відмови (рис. 11). Нагромадження ушкоджень залежить від багатьох причин, у тому числі, - конструкції об'єкта та умов його експлуатації.

Попередження відмови за рахунок «поліпшення» конструкції здійснюється на етапі проектування, а за рахунок зміни умов експлуатації - на етапі управління (рис. 12). Тому в структуру АСУ введений додатково блок проектування, що працює, якщо конструкція (структура, властивості елементів) СТС РС може бути змінена протягом ЖЦ. У протилежному випадку блок проектування може працювати на інші СТС РС тієї ж серії.

Щоб не доводити СТС РС до відмови, коли вже пізно буде приймати управлінські рішення, у складі АСУ передбачена також імітаційна модель СТС РС, на якій здійснюється прогнозування технічного стану. Нехай ЖЦ СТС РС є скінченною множиною розподілених уздовж ресурсної осі r оцінок, що відповідають настанню подій «ушкодження n (n = )».

Нехай також після N-го ушкодження вважається, що СТС відмовила. Таким чином, оцінка технічного стану СТС РС на «момент» ресурсу ri включає ідентифікацію ушкоджень, що відбулися до цього моменту, і прийняття рішення про відмову системи в цілому.

Відповідно, прогнозування відмови також здійснюється у два етапи: на першому виконується прогнозування окремих ушкоджень СТС РС, а на другому, - аналіз суми ушкоджень, що нагромадилися, і класифікація в просторі двох альтернативних станів: «працездатна - непрацездатна».

Випробування системи ідентифікації відмов виробничого обладнання, що базується на нових інформаційних технологіях, на спорудах, призначених для очищення баластових вод від залишків нафтопродуктів, які утворюються в процесі обробки танків судів в Одеському морському порту, зокрема, використання нейромережевих методів ідентифікації відмов на очисних спорудах, дозволило поліпшити якість фільтрування на 0,05 мг нафтопродуктів на 1 л баластової води та знизити на 35% витрати на експлуатацію технологічного обладнання.

Запропоновані методи прогнозування відмов, а також алгоритми та програми, розроблені для їхньої реалізації, впроваджені в навчальний процес в Одеському національному політехнічному університеті.

Загальні висновки

1. СТС РС відносяться до об'єктів зі специфічним підходом до ідентифікації та прогнозування їхнього технічного стану. Ця специфіка багато в чому визначається наявністю, як правило, запасу працездатності та високим рівнем взаємозамінності елементів у таких системах. Невизначеність впливу зовнішнього середовища та відсутність інформації про стан спостережуваного об'єкта при тих або інших зовнішніх та внутрішніх умовах робить завдання прогнозування частиною складного не завжди алгоритмізуємого процесу, у якому тісно переплітаються емпіричні та теоретичні компоненти. Для рішення таких завдань найбільше підходять сучасні інтелектуальні моделі - нейронні мережі, які мають подібну зі СТС РС структуру та властивості.

2. Для дослідження працездатності механічних конструкцій з регулярною структурою використаний програмний комплекс для автоматизованої побудови та дослідження механічних об'єктів SCAD. Модель рами будували у вигляді двовимірної регулярної нейроподібної структури із трьох паралельно розташованих шарів вузлів, з'єднаних стрижнями, і рівномірно навантажували. Працездатною вважалася рама, в якій напруження та деформація в будь-якій точці не перевищували припустимі значення.

3. Для дослідження працездатності апаратного комплексу за допомогою розробленої програми DCRS була створена модель у вигляді регулярної нейроподібної структури із трьох паралельно розташованих шарів вузлів - фільтрів, з'єднаних трубопроводами, і «навантажених» потоками рідини, забрудненої твердими домішками. Апаратний комплекс визнавали працездатним при вмісті домішок на виході не більше 0,01%.

4. НМ, яку використовували для дослідження працездатності при «ушкодженнях», будували в рамках оригінального програмного комплексу NeuroNet, який допускає внесення будь-якої кількості ушкоджень в НМ в автоматичному режимі. Структура мережі тришарова, 28 - 10 - 2, повнозв'язна між шарами. Завдання, що вирішували за допомогою НМ у процесі ідентифікації відмови, відносились до завдань класифікації образів. НМ визнавали працездатною, якщо вона правильно розпізнавала обидва запропонованих образи.

5. При моделюванні накопичення ушкоджень у СТС виконувалася структурна декомпозиція СТС на окремі компонентні та топологічні елементи: вузли та зв'язки між ними. Ушкодженням визнавали повну відмову того або іншого вузла або зв'язку. При «призначенні» чергового ушкодження моделі враховували три компоненти: стохастичний - за допомогою генератора випадкових чисел; навантажувальний - за допомогою розрахунку максимального навантаження на СТС; динамічний - за допомогою бази даних про практичне випробування системи в реальних умовах протягом досить довгого ресурсного відрізка.

6. Аналізом елементів і зв'язків СТС РС різного виду: механічних, гідравлічна та електричних обґрунтована їхня топологічна еквівалентність із НМ. Запропоновано імітаційну модель ідентифікації відмов у СТС РС у вигляді топологічно подібної НМ. Виконуючи кожний «свою» роботу, СТС РС і НМ при збереженні топологічної подібності, тобто при забезпеченні однакового ушкодження елементів і зв'язків між ними, виявляють тенденцію до близьких значень ймовірностей відмов.

7. Сформульовано Твердження, про те, що структура будь-якої складної технічної системи може бути зведена до нейроподібної шляхом скінченної кількості еквівалентних перетворень.

8. Комп'ютерним експериментом по визначенню ймовірностей відмов СТС РС різного типу та топологічно подібних їм НМ встановлена висока (0,83 - 0,96) кореляція між рівнем ушкодження та ймовірностю відмови для реальних і віртуальних систем. Запропоновано метод настроювання нейромережевої моделі відмови, що полягає в підборі оптимального значення розрахункового навантаження на СТС РС, при якому коефіцієнт кореляції між ймовірностями відмов СТС РС і НМ досягає максимального значення.

9. Запропоновано загальну схему організації автоматизованого управління життєвим циклом СТС РС, яка включає блок проектування, що працює, коли конструкція СТС РС може бути змінена протягом ЖЦ, а також імітаційну модель СТС РС, на якій здійснюється прогнозування її технічного стану.

10. Випробування системи ідентифікації відмов виробничого обладнання, що базується на нових інформаційних технологіях, на спорудах, призначених для очищення баластових вод від залишків нафтопродуктів, які утворюються в процесі обробки танків судів в Одеському морському порту, зокрема, використання нейромережевих методів прогнозування ушкоджень та ідентифікації відмов на очисних спорудах на ділянці ультрафільтрації, дозволило поліпшити якість фільтрування на 0,05 мг нафтопродуктів на 1 л баластової води та знизити на 35% витрати на експлуатацію та ремонт технологічного обладнання.

Запропоновані методи прогнозування відмов, а також алгоритми та програми, розроблені для їхньої реалізації, впроваджені в навчальний процес в Одеському національному політехнічному університеті.

Список опублікованих праць за темою дисертації

1. Балан С.О., Красножон С.Н., Становська Т.П. Моделювання ушкоджень нафтогазового обладнання за допомогою порогової логіки // Труды Одесского политехнического университета. - 2001. - Вып. 3 (15). - С. 12 - 15.

2. Становська Т.П., Балан С.О., Красножон С.М. Моделювання життєвого циклу хімічного та нафтохімічного обладнання за допомогою нейронної супермережі // Труды Одесского политехнического университета. - 2001. - Вып. 4 (16). - С. 154 - 157.

3. Становська Т.П., Балан С.О., Красножон С.М. Управління життєвим циклом складних систем за допомогою нейронної супермережі // Наукові праці Донецького національного технічного університету. - 2002. - В. 47. - С. 155 - 161.

4. Балан С.О., Красножон С.Н., Становська Т.П. Моделювання ушкоджень складних технічних систем за допомогою нейронної супермережі // Вісник наукових праць. - Алчевськ: Науково-виробничий концерн «ППП». - 2002. - Том 1. - С. 28 - 34.

5. Худенко Н.П., Красножон С.Н., Налева Г.В. Моделирование отказа технических объектов с помощью нейронной сети // Труды Одесского национального политехнического университета. - 2003. - №2 (20). - С. 138 - 140.

6. Становська Т.П., Балан С.О., Красножон С.М. Управління життєвим циклом складних систем за допомогою нейронної супермережі // Праці Міжнародної конференції з управління «Автоматика - 2002». - Донецьк: Українська Асоціація з міжнародного управління, 2002. - Т. 2. - С. 149 - 150.

7. Становский А.Л., Хомяк Ю.М., Красножон С.Н. Нейросеточное прогнозирование отказа механических конструкций // Труды Х семинара «Моделирование в прикладных научных исследованиях». - Одесса: ОНПУ, 2003. - С. 46 - 48.

8. Лысенко Т.В., Красножон С.Н. Моделирование жизненного цикла нефте и газопроводов с помощью нейронной суперсети // Труды Х семинара «Моделирование в прикладных научных исследованиях». - Одесса: ОНПУ, 2003. - С. 52.

9. Становский А.Л., Красножон С.Н. О новом применении нейронных сетей // Материалы ХІ семинара «Моделирование в прикладных научных исследованиях». - Одесса: ОНПУ, 2003. - С. 65.

10. Становская Т.П., Красножон С.Н., Закусило М.В. Программа для исследования надежности нейронных сетей // Труды ХІІ семинара «Моделирование в прикладных научных исследованиях». - Одесса: ОНПУ, 2005. - С. 22 - 23.

11. Красножон С.Н., Плачинда О.Е. Исследование стойкости регулярных конструкций // Труды ХІІ семинара «Моделирование в прикладных научных исследованиях». - Одесса: ОНПУ, 2005. - С. 18 - 19.

12. Балан С.О., Красножон С.Н., Становська Т.П. Моделювання складних систем за допомогою нейронної супермережі // Труды третьей международной научно-практической конференции «Современные информационные и электронные технологии». - Одесса: ОНПУ, 2002. - С. 79.

Размещено на Allbest.ru

...

Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены