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.

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

Все статьи автора «MaksimKuznetchov91»