ИНТЕЛЛЕКТУАЛЬНЫЙ МЕТОД ОПРЕДЕЛЕНИЯ ОСТАТОЧНОГО РЕСУРСА ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ

Кузнецов Максим Юрьевич1, Кожевников Александр Вячеславович2
1Череповецкий государственный университет, магистрант кафедры электротехники и электроэнергетики
2Череповецкий государственный университет, кандидат технических наук, доцент, заведующий кафедры электротехники и электроэнергетики

Аннотация
В статье рассмотрены вопросы разработки интеллектуального метода определения остаточного ресурса электротехнического оборудования с помощью экспертной системы на базе нечёткой логики. Поставлена задача создания метода определения остаточного ресурса.

Ключевые слова: база данных, диагностика, нечеткая логика, программирование контроллеров, Экспертная система, электротехническое оборудование


INTELLIGENT METHOD FOR DETERMINING THE REMAINING LIFE ELECTRICAL EQUIPMENT

Maxim Kuznetsov Yurevich1, Alexander Kozhevnilov Vyacheslavovich2
1Cherepovetsky State University, Graduate Department of Electrical and Power
2Cherepovetsky State University, Ph.D., Associate Professor, Head of the Department of Electrical and Power

Abstract
The article discusses the development of predictive method for determining the residual life of electrical equipment with n expert system based on fuzzy, logic. Tasked with developing a method for determining the residual life.

Keywords: controller programming, database, diagnostics, electrical equipment, Expert system, fuzzy logic


Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Кузнецов М.Ю., Кожевников А.В. Интеллектуальный метод определения остаточного ресурса электротехнического оборудования // Современные научные исследования и инновации. 2013. № 12 [Электронный ресурс]. URL: https://web.snauka.ru/issues/2013/12/29800 (дата обращения: 14.03.2024).

Условия эксплуатации электротехнического оборудования характеризуются нестабильностью. Это связано с такими факторами как переменные влажность, температура и давление окружающей среды, переменные нагрузочные режимы, влияние человеческого фактора. Учитывая объективно существующую неопределенность, неполноту и нечеткость информации об объекте при разработке базы знаний и механизмов вывода экспертных систем, целесообразно использовать аппарат нечеткой логики, позволяющий объективно оценить техническое состояние и более обоснованно принимать решения по управлению ремонтом оборудования. Одним из направлений, определяющих повышение качества информационных технологий контроля и диагностики технического состояния, следует считать интеллектуализацию процессов обработки диагностической информации с использованием технологии экспертных систем, которые способны обеспечить повышение качества распознавания технического состояния объекта. Предлагаемая модель экспертной системы оценки и прогнозирования технического состояния с учетом неисправности оборудования обеспечивает повышение экономичности, увеличение ресурсных характеристик и продление межремонтного периода эксплуатации электротехнического оборудования [1, с. 105].

В процессе эксплуатации электрооборудования, очень важно не только определять его техническое состояние (т.е. знать какими характеристиками обладает оборудование в данный момент времени) и сработанный ресурс (интегральная характеристика технического состояния), но и предвидеть техническое состояние и остаточный ресурс в будущий отрезок времени, чтобы можно было своевременно принять меры по предотвращению отказов. Необходимость определения этих характеристик электрооборудования в основном возникает при продлении срока службы оборудования за пределы нормативного срока, а также при планировании контроля технического состояния с целью безопасной его эксплуатации и определения эффективной стратегии управления техническим состоянием путем своевременного переключения на резерв, вывода в ремонт или перехода на новые рабочие режимы [2, с. 67].

Создание модели для расчетов остаточного ресурса включает в себя три основных этапа.

Первым является определение связей между объектами в сложной технической системе и построение ее структурной схемы с учетом правил теории надежности (последовательное, параллельное соединение, резервируемый объект и т.д.). Эта структура будет использоваться в дальнейшем для построения расчетной модели в интерактивной среде моделирования Siniulink [3].

Вторым и основным этапом является подготовка и программирование контроллеров, с помощью которых будет вычисляться влияние поведения того или иного параметра рабочего процесса на износ технической системы и на ее остаточный ресурс соответственно. На рисунке 1 представлены лингвистические переменные с равномерным распределением термов по диапазону значений, где VL – очень низкий уровень значения переменной, L – низкий уровень значения переменной, M – средний уровень значения переменной, H – высокий уровень значения переменной, VH – очень высокий уровень значения переменной.

Рисунок 1. Лингвистические переменные

Пример набора правил для оценки текущего значения переменной N:

1.    Если S высокая и Q высокая, то N очень низкая.

2.    Если S высокая и Q средняя, то N низкая.

3.    Если S высокая и Q низкая, то N средняя.

4.    Если S средняя и Q высокая, то N низкая.

5.    Если S средняя и Q средняя, то N средняя.

6.    Если S средняя и Q низкая, то N высокая.

7.    Если S низкая и Q высокая, то N средняя.

8.    Если S низкая и Q средняя, то N высокая.

9.    Если S низкая и Q низкая, то N очень высокая.

Типы входных переменных могут подразделяться на экспертные, то есть определяемые непосредственно оператором эксплуатирующим систему. К ним могут относиться переменные, не имеющие точного числового значения, такие как «отказ подшипника», «уровень шума» и т. д. или те переменные, значения которых не снимаются автоматически. Вторым типом являются переменные, значения которых снимаются контрольно-измерительными приборами и заносятся в соответствующую базу данных. Такая база данных позволяет сформировать адаптивную нейро-нечеткую подсистему, обучаемую в процессе эксплуатации системы в целом и поступлении в нее новых данных.

На третьем этапе производится построение схемы блочной модели в среде интерактивного моделирования Simulink, где в качестве компонентов системы применяются запрограммированные контроллеры. Входами для них являются параметры рабочего процесса и характеристики (возраст, время эксплуатации) соответствующего компонента. Выходом таких контроллеров может быть либо сразу остаточный ресурс компонента, либо величина воздействия на ресурс. На рисунке 2 приведен возможный вариант компоновки такой схемы с четырьмя входными переменными S, Q, T и P, тремя уровнями нечеткого вывода, дифференциальной оценкой переменной P и интегральной оценкой вывода второго уровня N2.

Рисунок 2. Пример экспертной системы построенной в среде
Matlab Simulink

В приведенном примере на основании значений переменных S и Q определяется текущее значение переменной N, которое уточняется на основании значения переменной T. Переменная P представляет собой значение срока эксплуатации тестируемого оборудования, в зависимости от дифференциальной оценки которой, позволяет дополнить недостающие значения (в случае неполноты базы данных) усредненными значениями переменной N2 и сброса интегральной оценки к 0 в случае замены оборудования. Третий уровень определяет окончательный вывод о состоянии оборудования в зависимости от накопления (интегральной оценки) значений N2 и срока службы оборудования.

В настоящее время на описанном принципе построена экспертная система по оценки состояния роликовых секций машин непрерывного литья заготовок сталеплавильного производства ЧерМК ОАО «Северсталь» [4, 5].

С помощью данной и аналогичной систем можно определить не только текущее состояние оборудования, но и предсказать его отказ, а так же эффективно спланировать график ремонтных и сервисных работ.


Библиографический список
  1. Надеев А.И., Буй Хай Нгок, Свирепов Ф.В. Диагностика технического состояния судовых дизелей на основе интеллектуального анализа данных. Вестник АГТУ. Сер.: Морская техника и технология. 2011. №2.
  2. Костерев Н.В., Бардик Е.И. Нечеткое моделирование электрооборудования для оценки технического состояния и принятия решений о стратегии дальнейшей эксплуатации. Технічна електродинаміка. – 2006. – Тематичний випуск «Проблеми сучасної електротехніки». Частина 3. – Київ, 2006.
  3. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия – Телеком, 2007. – 288с.
  4. О.И. Соловьева, А.В. Кожевников Математическая модель прогнозирования уровня безопасности сталеразливочного оборудования // Вестник Череповецкого государственного университета. Научный журнал – Череповец: ФГБОУ ВПО ЧГУ. – № 3 (41). Т.2 – 2012. – С. 20-26.
  5. Соловьева О.И. Метод прогнозирования уровня аварийности оборудования непрерывной разливки стали на основе математического аппарата нечеткой логики и искусственных нейронных сетей // Современные научные исследования и инновации. – Октябрь 2013. – № 10 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2013/10/26679


Количество просмотров публикации: Please wait

Все статьи автора «MaksimKuznetchov91»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация