Д. Ю. Алекин, А. В. Сорокин,Г. Н. Яговкин Диагностика неисправностей технологических установок (№2, 2018)

Скачать выпуск "Безопасность и охрана труда" №2, 2018

УДК 67.05

Диагностика неисправностей технологических установок

Д.Ю. Алекин, аспирант,

А.В. Сорокин,

аспирант

Г.Н. Яговкин,

 профессор кафедры «Безопасность жизнедеятельности», д.т.н., профессор,

bjd@list.ru

Самарский государственный технический университет

Аннотация

Технологические установки находят широкое распространение во многих отраслях промышленности. Выход их из строя приводит к значительным материальным и людским потерям. Для устранения этого непосредственно в процессе эксплуатации должно производиться непрерывное диагностирование. Предложен метод такой диагностики, основанный на измерении и сравнении величины параметров, характеризующих работоспособность оборудования, что способствует раннему обнаружению и устранению неисправностей.

Ключевые слова: диагностика, матрица, математическое ожидание, логистический анализ, качественная оценка, количественная оценка, параметр.

Diagnostics of faults in process units

D. Yu. Alekin,Graduate student

A. V. Sorokin, Graduate student

G. N. Yagovkin, Professor of Life safety department,

Doctor of Techni-cal Sciences, Professor

Samara state technical university

Annotation

Technological installations are widely used in many industries. Their failure leads to significant material and human losses. To eliminate this directly during operation, continuous diagnosis should be carried out. A diagnostic method based on measuring and comparing the values of the parameters that characterize the operability of the equipment is proposed. This leads to early detection and troubleshooting.

Keywords: diagnostics, matrix, mathematical expectation, logistic analysis, qualitative assessment, quantitative estimation, parameter.

 

Технологические установки различного назначения находят широкое применение в различных отраслях промышленности. Они предполагают наличие в своем составе машин и агрегатов, составляющих технологическую цепочку для производства какого-либо продукта. Управляются установки обычно полуавтоматически с участием в этом процессе человека-оператора.

В процессе эксплуатации технологической установки периодически возникают причины технологических нарушений, вызванные внешними и внутренними факторами. Они могут нарастать постоянно или происходить мгновенно. Часть из этих причин, являющиеся наиболее характерными для данного объекта и возникающие наиболее часто закладываются в модель управления установкой и устраняются автоматически. Другая часть является не характерной и возникает крайне редко, поэтому их диагностирование и устранение требует участия обслуживающего персонала. При этом его основная функция состоит в принятии решения, обеспечивающее безаварийность или легкие последствия после устранения причин возникновения технологического нарушения, которые в отличие от логического вывода содержит элементы творческого выбора в конкретной ситуации [1]. Если исходить из трехступенчатой модели принятия человеческом решения в форме «диагностика – решение – реализация», то самой сложной является первая ступень.

Существуют две принципиально различные формы операторской деятельности: выполнение известного алгоритма действий и функции оперативного персонала, осуществляющего процедуру выбора (связанные с принятием решений – критическим моментом оперативной деятельности) [2].

В этом плане целесообразно разделить интеллектуальную оперативную деятельность на фазы, называемые образующими [3]:

- контроль и идентификация состояния объекта управления;

- диагностика неисправности;

- выбор цели;

- планирование действий;

- оценка и выбор альтернативных действий.

Фазы деятельности органично связаны друг с другом, у каждой есть свои характерные отличия, общее для всех – знание состояния объекта управления.

Так как он представлен совокупностью параметров с заданным отношением принадлежности и взаимосвязи, то образующие деятельности лишь как различными формами анализа, синтеза и преобразования информационного потока. Их результат должен отражать практические приемы, умозаключения, логические построения, используемые оперативным персоналом.

Термин «техническая диагностика» обозначает распознавание состояния объекта управления в условиях неполной информации [4, 5]. При этом предполагается, что наиболее часто встречающее состояние известны и требуется по заданному вектору переменных выяснить, в каком конкретном состоянии находится объект. Из определения следует, что первичное – набор состояния, который для сложного объекта очень обширен.

Диагностика, как правило, должна дать ответ на вопросы:

- в чем проявляется неисправность;

- какой элемент оборудования вышел из строя;

- каков прогноз дальнейшего развития процесса;

в чем выражается влияние неисправности на свойства объекта управления и качество технологического процесса.

Формально задача диагностики сводится к тому, чтобы по текущему значению параметров Yt вычислить вектор несанкционированных возмущений BE. Математически, это означает решение обратной задачи. Причем в связи с накладываемыми ограничениями найти точное решение достаточно сложно.

Главным является установление параметров РЕ, по которым формируется вектор ВЕ. Раннее выявление диагностических признаков способствует оптимальному ведению технологического процесса. При диагностике состояния объекта обычно применяется анализ отклонений параметров технологического процесса.

Основы анализа составляет информация, содержащая коэффициенты влияния параметров. Фактически выделение диагностических признаков сводится к выяснению прямых следствий некоторого исходного возмущения. Причем, известны многократно опосредованные его последствия (конкретные новые состоянии параметров объекта управления).

Анализ начинается с некоторого произвольного множества параметров М0. Фиксируется отклонение ряда параметров от состояния, принятого в качестве базового (номинального для данного режима работы объекта).

Алгоритм поиска основан на оперировании с верхним (система) и нижним уровнями параметров.

Отклонения параметров в первую очередь сравнивают с представительным параметром верхнего иерархического уровня. Для диагностического анализа выбирается информация, характеризуемая наибольшими отклонениями выходных граничных переменных.

Выявление значимости диагностических признаков производится с использованием способа попарных сравнений. Результаты формируются в виде квадратной матрицы || B ||  (таблица 1).

 

Таблица 1

Матрица для выявления значимости диагностических признаков

п/п

Диагностические признаки

Диагностические признаки

1

2

j

L

1

 

М11

М12

М1j

М1L

2

 

М21

М22

М2j

М2L

 

j

 

Мj1

Мj2

Мjj

МjL

 

L

 

МL1

МL2

МLj

МLL

 

Весовые показатели опасных факторов характеризуются вектором Ν = < ν1, ν2,..., νL >. Уравнение для его определения имеет вид:

|| С || Ν = Lmax× Ν ,                                                     (1)

где || С || = || B || × || A || – матрица величин парных сравнений коэффициентов предпочтительности диагностических признаков;

факторы матрицы || A || связаны с матрицей || B || отношением aij = bji;

Lmax – наибольшая величина матрицы || С ||.

Итерационная процедура осуществляется в следующей последовательности [6]:

- Построение матрицы || A ||;

- Вычисление матрицы || C ||;

- Формирование характеристической матрицы || || C || – L × || E || || × || Ν || = 0,

где L – величина матрицы || C ||, а || E || – единичная матрица;

- Рекуррентная процедура решения

|| N(k)|| = || C || × || N(k-1||где || N(0) || = || E |||| N(k)|| - || N(k-1)|| < D .

Это условие является основанием для окончания процесса, если принять, что D – заданная точность.

Значимость диагностических признаков находится методами однофакторного корреляционного анализа.

Если диагностический признак обозначить x1, а конечное значение х2 и имеется п оценок, то имеем n двоек , [i = 1(1)n].

Связь между x1 и х2 формируется следующей последовательностью вычислений:

;                                                                      (2)

;                                                                     (3)

;                                                              (4)

;                                                       (5)

;                                                             (6)

,                                                  (7)

где M1 – величина математического ожидания x1,

M2 – величина математического ожидания x2,

M – суммарное математическое ожидание х1+х2,

D0 –дисперсия,

DМГ – межгрупповая дисперсия,

DВГ – внутригрупповая дисперсия.

Отсутствие связи между x1 и x2 проверяется гипотезой H01DМГ D0.

Согласованность гипотезы характеризуется показателем

.                                                                 (8)

Этот показатель представляет собой отношение дисперсий. Вследствие этого на него распространяется распределение Фишера с [(m-1)(nm-m)] степенями свободы [7] при уровне  значимости ξ = 0,95.

Если и1 < иξ1, то гипотеза Н01 отвергается, то есть связь между х1 и х2 не функциональная, а стохастическая.

Для оценки существенности влияния x1 на x2 используется показатель u2

.                                                (9)

Если и2 < иξ2, то связь х1 с х2 существенна, оценка осуществляется с помощью  коэффициента корреляции r

,                 (10)

а значимость определяется показателем

,                                                         (11)

который подчиняется закону распределения Стьюдента.

Если |и| > иξ, то r значим.

Близость связи x1 и x2 к линейной находится по корреляционному отношению [7]

.                                                           (12)

Если η = ≠ |r|, то связь нелинейна.

Логистический анализ диагностических признаков требует вопроса об их классификации.

С этой целью был применен метод XYZ-анализа. К классу X отнесены изменения в небольших пределах, которые легко прогнозируются. В класс Y отнесены изменения со средними возможностями прогнозирования. В класс Z отнесены изменения, характеризуемые неточным прогнозом.

Способом разделения диагностических признаков производится с учетом коэффициента вариации (Kv=s/m).

Класс определяет значимость изменений. В таблице 2: С – величина изменения, Kv – значение коэффициента вариации.

Таблица 2

Формирование классов изменений диагностических признаков

Классы изменений диагностических признаков

AX

AY

AZ

Cmax * Knmin

Cmax * Kn

Cmax * Knmax

BX

Csr * Kn min

BY

Csr* Kn

BZ

Csr * Kn max

CX

Cmin * Kn min

CY

Cmin * Kn

CZ

C min * Kn max

 

(A < αB) ˅ (A > (2 – αB) Þ A = B                            (13)

На основании перечисленных закономерностей выделяются два основных приема пассивной диагностики:

- соотнесение отклонений параметров по их роли в отражении техно­логического процесса на основании первичности;

- детальный анализ отклонения параметров с учетом его характерных свойств и оценкой влияющих факторов (причин).

Отношения первичности не входят в анализируемую информацию, но основываясь на ней, их легко получить. Для этого требуется вычислить коэффициенты полного взаимного влияния параметров γij(где ij – номер параметра), учитывающие прямые и опосредованные факторы влияния.

В анализируемой информации содержатся лишь коэффициенты непосредственного влияния CijФормально можно получить γij (ij = 1, …, n), последовательно задавая единичные возмущения по всем параметрам, используя модель (табл. 1). Причем состояние релейных элементов должно соответствовать рассматриваемой ситуации, а состояние контролируемых параметров поддерживается неизменным, т. е. dk(t) = O / Pk Î Mk1.

Пусть изменение положения исполнительных органов незначительно влияет на все параметры, кроме контролируемых. В результате получаем матрицу коэффициентов полного влияния O = (γij)n (ij = 1, …, n), по которой устанавливается отношение первичности между параметрами. Параметр Pj считается первичным по отношению к Pi, если выполняется условие

ij| >h, |γij| > 10 |γji|,                                       (14)

где h – уровень влияния, выше которого связь параметров считается существенной.

Результатам сравнений Bij даются качественная и количественная оценки (табл. 3).

Для применения отношения первичности к диагностике неисправности фиксируется некоторая совокупность параметров и определяются их отклонения. Выберем из этой совокупности параметры Р1и Р2, Полагая, что Р2 первичен по отношению к Р1, наблюдаемые отклонения Р1 и Р2 во взаимосвязи α

d1τ = γ1,2d2τ                                                     (15)

то отклонение Р1 – следствие отклонения Р2где d1τ и d2τ – отклонения параметров относительно выбранного начального момента времени τ.

При выполнении этого условия параметр Р1 можно исключить из рассматриваемой совокупности.

Таблица 3

Качественная и количественная оценки диагностических признаков

Качественная оценка степени важности показателя

Определение

Объяснение

Количественная оценка результата сравнения

K

А

Равная значимость

Сравниваемые показатели одинаковы

0,4…0,6

Б

Преобладание одного показателя над другим значимость)

Предпочтителен первый

0,6…0,7

В

Обратное преобладание

Предпочтителен второй

0,3…0,4

Г

Явное превосходство первого показателя

Сильное преобладание первого показателя

0,7...0,9

Д

Обратная сильная значимость

Сильное преобладание второго показателя

0,1...0,3

Е

Абсолютное преобладание

Преобладание первого убедительно

0,9...1,0

Ж

Обратная абсолютное преобладание

Преобладание второго убедительно

0,0...0,1

 

 

Возможна также ситуация β, когда

d1τ = γ1,2d2τ                                                     (16)

т.е. отклонение Р1 резко противоречит отклонению первичного параметра Р2. В этом случае интерес представляет вторичный параметр Р1, а Р2 можно не рассматривать. В некоторых случаях такое соотнесение отклонений параметров позволяет резко сократить пространство поиска причин неисправности, вплоть до их прямого определения.

Конкретные значения h, α и β устанавливаются эмпирически. Как правило, h = 0,05...0,15, α = 0,2...0,5, β = 0,1...0,2. Обычно диагностика по первичности – начальная фаза, в результате которой выделяется совокупность параметров для причинно-следственного анализа.

Дальнейшее выяснение диагностических признаков связано с детальным рассмотрением причин отклонений параметров. Пусть анализируется параметр Pi, тогда

,                (17)

где MbMнb – соответственно множества параметров, отклонения которых известны и информацию о которых следует дополнительно запрашивать.

Для каждого Pi (i = 1,..., n) задано множество непосредственно влияющих на него факторов (параметров) MijИменно эти параметры, должны входить в выражение (17).

Если выполняется условие

,                               (18)

то Pi считается выясненным.

Строго это условие выполняется, когда

,                             (19)

т.е. если скрытые причины взаимно скомпенсированы (а среди них могут быть и довольно существенные).

Обычно к параметру Pi возвращаются и восстанавливают слагаемые выражения (19), если диагностика неисправности не определена.

В частном случае, когда условие (18) не выполняется, привлекается дополнительная информация по параметрам Pkпричем

,                                   (20)

Отсутствие таких параметров свидетельствует о том, что все прямые факторы изменения Рi, известны.

Возможно, что фактор влияния назван, но количественно почему-либо не может быть определен.

Тогда используют косвенные признаки при наличии избыточной информации.

В конечном итоге, если отклонение параметра Pi не соответствует установленным причинам, то Рi признается диагностическим признаком. В противном случае поиск необходимо продолжать, выбрав самый значительный из влияющих факторов в качестве параметра, отклонение которого требуется объяснить.

Каждый исходный параметр поиска должен быть первоначально проанализирован с учетом характерных особенностей. Параметр может относиться как к элементам автоматического регулирования, так и другим элементам, и управляющим воздействиям.

Данная процедура диагностики является элементом производственного контроля крупного газотранспортного предприятия области.

 

Литература:

1. Матюшкин А.М. Проблемные ситуации в мышлении и обучении: Сб. научи, трудов М.: Изд-во МГУ, 1972. – С. 32-112.

2. Инженерная психология. Теория методологии, практическое применение / Под ред. Ломова Б.Ф., Рубахина Б.Ф., Венды В.Ф. – М.; Наука, 1977. – 280 с.

3. Небылицин В.Д. Надежность работы оператора в сложной системе управления // Инженерная психология. М.: МГУ, 1964. – С. 358-367.

4. Виргер И.А. Техническая диагностика. М.: Машиностроение. 1978. – С 153-167.

5. Карибский В.В., Пархоменко П.П., Согомонян Е.С. Техническая диагностика объектов контроля. М.: Энергия, 1967. – 79 с.

6. Армстронг, М. Практика управления человеческими ресурсами [Текст]: [пер. с англ.] / М. Армстронг; под ред. С.К. Мордовина. – 8-е изд. – СПб.: Питер, 2004. – 389 с.

7. Саати Г. Принятие решений. Метод анализа иерархий. – «Радио и связь», 1993.