Структура системы диагностики и мониторинга

Достижение безаварийности и безопасности агрегатов критичных производств возможно при наличии систем мониторинга, обладающих прежде всего функционально неопределенной структурой, которая не должна зависеть от структуры агрегатов и самого производственного комплекса [54]. Система диагностики и мониторинга (СДМ) предложена в ряде работ [132, 133, 134, 137, 140, 143], широко апробирована в промышленности и представлена на рис. 4.1.

Производственный комплекс (ПрК) представляет собой совокупность агрегатов 1₁,…, 1 _k …,1 _N, каждый из которых содержит до m узлов, подлежащих диагностированию. В качестве таких узлов определяют те, которые ограничивают надежность и ресурс агрегатов ПрК в целом. Диагностические сигналы { V }_m^T={ V ₁,…, V _m } от диагностируемых узлов через каналы распространения колебаний N_ij поступают на точки внешней поверхности агрегата и далее – в систему мониторинга, где воспринимаются ее датчиками 5- i, 1 ≤ I(i) ≤ n. В качестве диагностических используют сигналы температуры (традиционно), давления жидкости, тока питания электроприводного двигателя, относительной и абсолютной вибрации. Сигналы вибрации по сравнению с остальными представляют собой широкополосный случайный процесс. Остальные сигналы рассматриваются как подмножества, подклассы виброакустического сигнала. Поэтому соотношения, полученные в дальнейшем для вибросигнала, будут справедливы и для остальных.

Выходной сигнал блока датчиков 5 { ξ_ijk } поступает через блок согласования 6, где осуществляется согласование выходных сопротивлений датчиков с последующими блоками СДМ и предварительное усиление, в тракт управления 7 и тракт распознавания 8:

{ ξijk } = [ Nijk ]{ V jk },

(4.1)

где { ξ_ijk } – вектор выходных сигналов блока датчиков 5:

1 ≤ i ≤ n – число датчиков на агрегат;

1 ≤ j ≤ m – число диагностируемых узлов агрегата;

1 ≤ k ≤ N – число диагностируемых агрегатов НХК;

{ V _jk } – вектор сигналов диагностируемых узлов;

[ N_ijk ] – матрица комплексных коэффициентов передачи акустических каналов распространения колебаний машины, включающих датчик в точке его установки на корпусе.

 

 

Рис. 4.1. СДМ с функционально неопределенной структурой:

11,…,1N – N агрегатов НХК;		11 – блок принятия решения (БПР);
21-2m – m диагностируемых узлов в агрегате; 31-3n – каналы распространения сигналов от M узлов к n датчикам;		12 – блок оповещения, отображения и регистрации (БОР);
4 – СДМ; 5 – блок датчиков (БД);		13 – блок сетевых интерфейсов (БСИ) (Intranet/Internet);
6 – блок согласования (БС);		14 – информационные базы (агрегатов,
7 – тракт управления (ТУ);		конфигурации СДМ, архив сигналов,
8 – тракт распознавания (ТР);		событий, база знаний) (БДЗ);
9 – анализатор (АС); 10 – блок формирования диагностических		15 – блок управления и синхронизации (БУС)
признаков (БФДП);

 

Сигналы { ξ_ijk } обладают рядом свойств, часть из которых известна и используется для диагностики, например, сильные гармонические составляющие амплитудно-частотного спектра вибраций (АЧСВ) c известными частотами { G_ijk } [ 34, 36, 45, 81, 82, 93, 169 ]. Другая часть неизвестна. Эта часть содержит компоненты, в том числе сильные гармоники спектра, частоты которых не определяются тривиальным образом, а также шумовые компоненты, отражающие неисправности типа: заедание, затирание, негерметичность, гидрошум, гидроудар, ослабление крепления затяжки гаек и болтов, подшипника в корпусе и т. п. Обычно эту часть называют шумовой составляющей { Н _ijk } и при диагностике не учитывают. В эту часть также относят сигналы и от других, мешающих, источников:

{ ξijk } = { Gijk } + { Нijk }.

(4.2)

Вопросам формирования вибраций при работе машин посвящена обширная литература, прежде всего труды М. Д. Генкина, Б. В. Павлова, К. М. Рагульскиса, К. Н. Явленского и их учеников [4, 5, 6, 8, 39, 45, 46, 47, 48, 49, 50, 51, 224, 260], в которых показан сложный стохастический характер возбуждаемых в механизме вибраций, содержащих квазидетерминированные компоненты, частоты которых могут быть рассчитаны, а компоненты выделены из АЧСВ и использованы для диагностики. В известных работах для вибродиагностики используется только первая составляющая сигнала { G_ijk }. Учет второй составляющей осуществляется косвенным способом путем анализа изменений формы статистических функций распределения либо автокорреляционной функции сигналов [ 55, 127 ].

Возникает актуальная для вибродиагностики задача совместного выделения и оценки параметров квазидетерминированного импульсного сигнала { G_ijk } и шумового широкополосного сигнала { Н_ijk } из их смеси в условиях априорной неопределенности относительно их параметров, когда известны лишь предполагаемые частоты { G_ijk }. Задача выделения шумовой компоненты { Н_ijk } виброакустического сигнала { ξ_ijk }, «пораженного» смесью импульсных квазидетерминированных помех { G_ijk }, как функции времени и использования ее оценок для диагностики машин изучена в работах [ 49, 74, 105, 132, 133, 135, 136, 143 ].

Представление агрегата как композиции из машин и связей между ними; машин – как композиции узлов и связей между ними; узлов – как композиции механизмов, связанных между собой, помогает понять рекуррентную (последовательную) природу формирования вибрационного сигнала агрегата и предложить рекуррентную процедуру декомпозиции сложного вибросигнала агрегата на составляющие, связанные с его механизмами [ 14, 74, 132, ]. Рекуррентная процедура формирования общего ВА сигнала механической системы, когда сигнал агрегата включает сигналы машин и присоединенных конструкций, включает в себя сигналы составляющих ее узлов и связей между ними, а сигналы узлов включают в себя сигналы взаимодействующих в них механизмов, позволяет осуществить обратную декомпозицию агрегата на составляющие его механические блоки, а сигнала – на составляющие его информационные блоки, включающие сигналы от отдельных механизмов. Разработка методики автоматического распознавания ВА сигнала путем разбиения его на блоки является актуальной задачей. Сигнал каждого отдельного механизма также описывается моделью (4.2), но входящие в него составляющие имеют значительно более простую внутреннюю структуру:

{ ξijk } = { V ij } =     [ y iq ] =    (Giq + Hiq),

(4.3)

где 1 ≤ q ≤ ℓ – число взаимодействующих механизмов в j -м узле

k -го агрегата; y _iq – сигнал от q -го механизма, принимаемый i -м датчиком.

В тракте распознавания 8 с помощью анализатора сигналов 9 выделяются информативные составляющие сигнала { у_ijk }, из которых блоком формирования диагностических признаков 10 формируются диагностические признаки { Y_ijkp }, где 1 ≤ р ≤ K – число диагностируемых дефектов в j -м узле k -го агрегата по i -му датчику. Вектор диагностических признаков { Y_p } выбирается таким образом, чтобы быть тесно связанным с соответствующим структурным параметром { X_p } диагностируемого узла, машины или агрегата, вплоть до функциональной зависимости [ 14, 34, 46, 69, 74 ]. Декомпозиция сигнала агрегата на блоки (4.3), соответствующие сигналам отдельных механизмов, позволяет выделить информативные компоненты, соответствующие отдельным механизмам агрегата { у_q } как из периодической { G_q }, так и шумовой { Н_q } компоненты сигнала:

{ Yq } = { Gq } + { Нq }.

(4.4)

Это позволяет сформировать расширенный вектор диагностических признаков, чувствительный к дефектам, проявляющимся как в шумовых, так и в периодических составляющих (ШПС) спектра вибрации:

{ Yq } = { YG } + { YН }.

(4.5)

Из теории распознавания образов известно [ 15, 32, 33, 38, 39, 42, 47 ], что использование коллектива признаков резко повышает достоверность распознавания и позволяет сократить размерность пространства диагностических признаков, что значительно снижает объемы машин в обучающих выборках и сокращает затраты на внедрение СДМ агрегатов НХК. С другой стороны, интуитивно понятно, что когда за то или иное состояние “голосуют” десятки и сотни частотных составляющих спектра, объединенных в “коллективы” (предвыборные партии), то надежность распознавания (выбора определенного состояния), значительно выше, чем результат, полученный по одной или нескольким гармоникам пусть даже с большой амплитудой.

С выхода блока формирования диагностических признаков 10 вектор диагностических признаков поступает на вход блока принятия решения 11 о состоянии объекта. В блоке 11 непосредственно решается задача диагностики, в результате чего объекту приписывают то или иное состояние. Обычно эта задача решается как классификация объектов методами теории распознавания образов. В последние годы для этих целей используют экспертные системы поддержки принятия решения [ 58, 56, 70 ] включающие базы знаний, в которых в виде уравнений записаны сведения об отношениях объектов применительно к диагностике. В виде знаний выступают как априорные факты, так и результаты накопления и статистической обработки экспериментальных данных. Эти подходы требуют введения норм на значения диагностических признаков, по результатам сравнения с которыми их относят к соответствующему классу состояния, поэтому задача разработки вибрационных нормативов безопасной эксплуатации агрегатов ПрК является актуальной.

Блок оповещения, отображения и регистрации 12 оповещает персонал о состоянии НХК сообщениями в виде диагностических предписаний { U_d }, обязательных для исполнения персоналом. Поэтому для эффективного применения СДМ должна быть решена актуальная задача реализации диагностического предписания персоналу установки, чтобы он его принял, осознал и выполнил, а СДМ могла это проконтролировать.

Интеллект системы содержится в информационных базах 14, в которых описаны конфигурации агрегатов, самой СДМ, хранится база знаний для работы системы поддержки принятия решения, ведутся архивы сигналов и событий, возникающих как внутри СДМ, так и за ее пределами (в исполнительной среде). В исполнительную среду выдается вектор диагностических предписаний { U_d }. Из исполнительной среды (от персонала) принимается вектор управления { U_{k + p} }, который заносится в соответствующий журнал событий.

Управление системой осуществляет блок управления и синхронизации (БУС) 15, который использует информацию о текущем состоянии объекта и содержимое информационных баз 14 для адаптивного управления параметрами всех блоков, процессами диагностики и мониторинга. Рассмотренная модель СДМ с функционально неопределенной структурой позволяет осуществлять диагностику и мониторинг практически любых машинных агрегатов ПрК, поскольку не привязана к структуре агрегата, и принципиально отличается от существующих АСУ ТП несколькими показателями [52, 74, 143]:

1) Наличием широкополосных каналов измерения входных сигналов, в то время как у самых передовых АСУ ТП (Foxboro – США, Yokogawa – Япония и др.) верхняя граница полосы пропускания не превышает 10 Гц.

2) Использованием развитых анализаторов сигналов (АС) вместо обыкновенного аналого-цифрового преобразователя.

3) Использованием диагностической подсистемы, включающей БФДП 10, экспертную систему поддержки принятия решения в блоке БПР 11 и базу знаний 14 о связи диагностических признаков со структурными параметрами агрегатов.

Это позволяет считать СДМ новым классом систем, предназначенных для решения задач нового типа – повышение уровня эффективной, ресурсосберегающей, безаварийной эксплуатации оборудования производственных комплексов на основе диагностики и мониторинга технического состояния в реальном масштабе времени [115, 116, 185, 189].

 

Контрольные вопросы к главе

1. В чем заключается сущность «второго» источника колебаний?

2. Что называют «виброакустическим сигналом»?

3. Сформулируйте две основные проблемы диагностики.

4. Поясните основные задачи виброакустического диагностирования.

5. Перечислите и поясните задачи диагностики как науки.

6. В чем состоит предмет изучения технической диагностики как науки.

7. В чем состоит цель технической диагностики?

8. В чем заключается общая задача технической диагностики?

9. Поясните функциональную схему технического диагностирования.

10. Поясните структуру системы диагностики и мониторинга.

11. В чем заключается принцип представления диагностического сигнала как совокупности периодических и шумовых составляющих?