Основные понятия и терминология технической диагностики

   В последнее время, определенное распространение  получили так называемые интеллектуальные подшипники, оснащенные встроенными  датчиками для измерения таких  характеристик, как температура  и уровень вибраций, но их применение пока не выходило за рамки опытных  образцов.

   На  сегодняшний день используется множество  технологий для обнаружения и  прогнозирования поломок двигателя, рассмотренных ранее. Использование  сенсоров и микропроцессоров в асинхронных  двигателях позволяет объединить и  вобрать в себя преимущества различных  методов диагностики и рассматривать  двигатель и средства диагностики  как единое целое. Обслуживание такого двигателя не требует дополнительных средств диагностики и позволяет  получать информацию о его состоянии  в режиме реального времени. Такая  интеграция средств контроля и оборудования явилась результатом необходимости  уменьшения затрат на обслуживание при  увеличении дохода.

   Диагностирование  не требует априорной информации о нормальном состоянии объекта, поскольку на основании паспортных данных строится математическая модель объекта. Использование переносной системы «Диагностика» позволяет  оптимизировать затраты на ремонт, на более ранней стадии обнаружить дефекты, определить причины их появления, перейти от обслуживания агрегатов  по «регламенту» к обслуживанию «по  состоянию».

   Представленная  система служит для:

   - периодического или постоянного  контроля состояния оборудования;

   - автоматического диагностирования  оборудования с указанием неисправного  узла и вида неисправности;

   - прогнозирования его нормального  функционирования с выдачей информации  о времени и объеме проведения  ремонта.

   Системы диагностирования выполняются в  двух вариантах: переносном и стационарном. Принципиальной особенностью систем, разрабатываемых в ЗАО «Промсервис», является определение состояния всех узлов агрегатов в комплексе, т.е. с учетом влияния их поведения друг на друга. Это позволяет не только определять имеющиеся неисправности и прогнозировать их развитие, но и, при дальнейшем анализе, выявлять их первопричину.

   Кроме того, для диагностирования система  не требует предварительного набора статистики. На основании технических  характеристик строится математическая модель нормально работающего агрегата. Сравнение реального состояния  с моделью дает информацию, которая  позволяет правильно планировать и производить ремонт, устранять источник возникновения неисправностей вплоть до конструктивных дефектов.

   Особо ответственные агрегаты оснащаются стационарными системами контроля и диагностики.

   На  рисунке 11.1 представлена блок-схема стационарной системы. Она устанавливается на расстоянии не более 500 м от объектов диагностирования и позволяет подключать до 64 точек измерения. При необходимости это количество может быть увеличено.

   Рисунок 11.1 Блок-схема стационарной системы, предназначенной для работы на значительном удалении от объекта диагностирования 

   Новая глобальная экономическая действительность повысила значение и влияние бесперебойной  работы машин на доход.

   Теория  «Эксплуатация основанная на надёжности» (перевод с англ. «Reliability-Based-Maintenance) описывает общие цели и преимущества такой интеграции и обосновывает установку сенсоров и микропроцессоров в асинхронные двигатели.

   Применение  интегрированных в двигатель  сенсоров (рис.11.2) позволяет следить за отклонениями и вести наблюдение за функциональными характеристиками в реальном времени. Способность использовать несколько сенсоров согласованных с микропроцессором позволяет контролировать ключевые функциональные параметры и обеспечивает прогнозирующей информацией обслуживающий персонал, что уменьшает риск непредвиденного простоя.

   Размещение  сенсоров, измеряющих вибрацию, состояние  изоляции и степень нагрева, позволяет  реализовать сбор и анализ данных, характеризующих правильность выбора режима эксплуатации и позволяет продлить срок службы двигателя.

   Рисунок 11.2 Устройство интеллектуального двигателя

   1-датчик  вибрации в соединительном ящике; 2-датчики температуры подшипников; 3-датчики температуры и сопротивления  изоляции (3шт); 4-датчик магнитного  потока; 5-датчик окружающей температуры; 6-микропроцессор; 7-датчики напряжения (2шт)

   Сердцем интеллектуального двигателя является 16-битовый микропроцессор с 1 Мбайт  памяти и ОЗУ 0,5 Мбайт. Электронные  компоненты расположены на печатной плате и способны сохранять работоспособность  при температурах до 85°С. Приём и передача данных осуществляется как через порт RS485 так через порт RS232. Выходные данные можно просмотреть в очень простом и удобном программном обеспечении. Данные двигателя и дополнительные проектные характеристики каждого двигателя можно загрузить в память в течение производственного процесса.

   Такие значения параметров интеллектуального  двигателя как  спектр магнитного поля, вибрации и напряжений обрабатываются и измеряются, основываясь на фундаментальной  сигнальной и консультативной логике. Помимо измерения таких эксплуатационных величин как магнитный поток  и вибрация измеряются также такие  параметры как угловая скорость, нагрузка, число пусков, время работы.

   Вместе  с интеллектуальным двигателем поставляется программное обеспечение, которое  позволяет организовать отображение  информации о состоянии и рабочих  характеристиках электродвигателя, и обеспечивает двусторонний диалог обслуживающего персонала и двигателя  посредством персонального компьютера. Данная версия интеллектуального двигателя  относится только к асинхронным  двигателям с постоянной скоростью  вращения. 

   ЛЕКЦИЯ 12

   Широкое внедрение виброконтроля для систем обслуживания по техническому состоянию требует применения аппаратуры, которая бы не только максимально упрощала и ускоряла саму процедуру измерения, но и позволяла на базе полученной информации оперативно проводить диагностирование состояния "на месте" с помощью специальных диагностических программ при минимальном участии оператора. Реализация такого подхода стала возможной с появлением микро-ЭВМ типа "блокнот" (Notebook). Модуль обработки вибрационных сигналов, который является неотъемлемой частью автоматизированной системы вибродиагностики, должен находиться под управлением компьютера, соединенного с ним через один из портов или специальную шину прямого доступа к памяти компьютера. Конструктивно такая система может быть выполнена в виде одного достаточно легкого модуля, используемого для диагностики на объекте по принципу "измерил – продиагностировал", не применяя другие средства и системы.

   Данный  подход используется для создания вибродиагностических систем, обладающих "интеллектуальными" возможностями диагностирования с помощью методик и программ, в которых заложен огромный опыт специалистов фирмы по диагностике оборудования.

   Вибродиагностическая система предполагает совмещение возможностей прибора – анализатора сигналов и системы диагностирования состояния объектов по их вибрационным параметрам.

   Программное обеспечение, входящее в состав вибродиагностической системы, представляет собой пакет программ по измерению и обработке вибросигналов, система управления базой данных (СУБД), база данных для хранения вибропараметров и специализированные программы экспертной диагностической оболочки. Общая структура программного обеспечения приведена на рисунке 12.1.

   Информация, получаемая с помощью анализатора, автоматически заносится в базу данных  для дальнейшего анализа и представления. СУБД обеспечивает управление данными, которые хранятся в базе данных. При проектировании экспертной системы необходимо предусмотреть две возможности:

   – создание диагностических методик по конкретным типам оборудования;

   – совершенствование методов диагностирования по мере накопления диагностической информации по исследуемым объектам.

   Рисунок 12.1 Общая структура программного обеспечения вибродиагностической системы 

   Решение этих задач можно возложить на программу, работающую как некоторый  специальный диагностический редактор (редактор методик), позволяющий формализовать  знания инженеров-диагностов по принципу блоков, объединяющих признаки – условия - диагностические сообщения по каждой исследуемой неисправности. Набор  таких блоков для каждой неисправности  определенного типа оборудования и  составляет методику диагностирования.

   Каждая  созданная таким образом методика отражает уровень инженера-диагноста, глубину его понимания исследуемого предмета и, по сути, является некоторой  экспертной оценкой. Созданная с  помощью "редактора" методика может  быть обработана другой программой из пакета экспертной оболочки – программой диагностики, автоматически извлекающей  данные из файлов базы данных и пропускающей их через сито определенной методики (набора диагностических блоков: признаки – условия - диагностические сообщения) для получения общего диагноза о состоянии объекта.

   Инженер-диагност может сам создавать и редактировать  методики диагностирования по мере накопления знаний. Созданная таким образом  методика будет отражать текущий  уровень знаний специалиста об объекте. По каждому типу объекта можно  создавать неограниченное число  методик диагностирования.

   Таким образом, комплекс, состоящий из аппаратных средств (анализатора сигналов и  ЭВМ) и программного обеспечения, в  состав которого входит экспертная система, снабженная диагностическим редактором, позволит выполнять автоматизированное диагностирование судового оборудования.

   Принято, что технические системы диагностирования делятся на 2 категории. В первой диагностирование осуществляется в текущем времени путем сравнения поведения переменных реального объекта и его математической модели при наличии заранее известного детерминированного соответствия между ними. Во второй используются элементы искусственного интеллекта, среди которых наиболее развиты системы распознавания форм, экспертные системы и сеть искусственных нейронов [21].

   Во  второй категории систем диагностирования основной задачей является составление  каталога отказов-симптомов универсальных  аппроксиматоров (сети нейронов). Следует отметить, что искусственная нейронная сеть (ИНС) обладает характеристиками, позволяющими автономно решать проблемы классификации переменных объекта и их форм, а также самообучения алгоритмам диагностирования, исходя из опытов отказов. ИНС позволяет разработать непараметрическую модель, которая может воспроизвести любое исправное и неисправное состояние электропривода и, более того, аппроксимировать свою идентификацию на другие примеры, которые не были изучены. Такая модель способна запоминать примеры событий, распределяя на их основании веса соединений структуры, вплоть до устранения нейронов или соединений, которые не влияют на запоминание примеров.

   Архитектура системы диагностирования неисправностей электромеханических устройств представляет собой 2 подсистемы: подсистему приема и обработки информации и подсистему интерпретации полученной информации о состоянии объекта диагностирования. Первая осуществляет прием данных по состоянию объекта и их последующую обработку (распределение данных, оценку переменных и их отображение). Вторая подсистема производит распознавание с помощью ИНС неисправностей электромеханической системы и дает рекомендации по реализации дальнейших ее действий (рисунок 12.2)

   Для реализации модуля ИНС предварительно определяются размеры нейронной  сети, т.е. число ее входов и выходов. Затем архитектура сети формируется  исходя из алгоритма обучения и минимизации  среднеквадратической ошибки результатов  диагностирования [38].

   Прежде, чем встроить блок ИНС в подсистему интерпретации информации, изучаются  три нейронных сети со входами разной архитектуры. Входы трех сетей не одного и того же размера, а следовательно, и их структуры, выбранные после фазы обучения, будут отличаться (иметь разное число внутренних слоев и число нейронов в этих слоях).

   Рисунок 12.2 Архитектура автоматической системы диагностирования 

   В связи с ростом сложности объектов непрерывно увеличивается объем  контролируемых и диагностируемых  параметров (качественной и количественной информации), оценить которую и  принять соответствующее решение  необходимо в режиме реального времени. Своевременное обнаружение причин возникновения отказа (дефекта) может  предотвратить развитие аварийной  или катастрофической ситуации. Исследования, проведенные в этой области, показали, что классические методы контроля и диагностики необходимо дорабатывать элементами мягких вычислений: нейросеть (НС), нечеткая логика (НЛ), генетические алгоритмы (ГА) и т.п., так как последние лучше работают в условиях неопределенности - т. н. НЕ-факторов: неполноты, недостоверности, неточности исходных данных и т.д.