Streszczenie
W pracy zostały przedstawiona charakterystyka systemu rozpoznawania stanu maszyn. Przedstawiono wymagania, które powinien on spełniaü, jak równieĪ po-szczególne etapy jego konstruowania obejmujące: analizĊ przedsiĊwziĊcia, projek-towanie systemu, budowĊ symulatora pracy systemu (komputerowego) oraz imple-mentacjĊ systemu.
Słowa kluczowe: stan techniczny maszyny, parametr diagnostyczny, genezowanie 1. Wprowadzenie
Celem działania jest opracowanie systemu rozpoznawania stanu maszyny, który stanowił bĊ-dzie podstawĊ do opracowania koncepcji dokładnego, niezawodnego i efektywnego urządzenia diagnostycznego, którego główne załoĪenia są nastĊpujące [1]:
1. System rozpoznawania stanu maszyny powinien umoĪliwiaü: a) kontrolĊ stanu;
b) prognozowanie stanu w przypadku zdatnoĞci maszyny, co w praktyce sprowadza siĊ do ustalenia terminu jego nastĊpnego diagnozowania;
c) lokalizacjĊ uszkodzeĔ w przypadku niezdatnoĞci maszyny;
d) genezowanie stanu i okreĞlenie prawdopodobnej przyczyny wystąpienia zlokalizowa-nego uszkodzenia.
2. Zasadnicze wymagania, które powinien spełniaü system rozpoznawania stanu maszyny to: a) niezawodnoĞü;
b) duĪa prĊdkoĞü działania; c) unifikacja;
d) ekonomicznoĞü (niskie koszty produkcji i eksploatacji).
3. System rozpoznawania stanu maszyny ponadto powinien charakteryzowaü siĊ: a) prostym, moĪliwie optymalnym algorytmem funkcjonowania;
b) uniwersalnoĞcią, tzn. moĪliwoĞciami rozpoznawania stanu maszyn róĪnych typów; c) moĪliwoĞciami rozpoznawania stanu maszyn o małym i duĪym stopniu złoĪonoĞci; d) automatycznym generowaniem diagnoz;
e) jednoznacznoĞcią i czytelnoĞcią przedstawiania diagnoz; f) prostotą obsługiwania.
4. System rozpoznawania stanu maszyny powinien zapewniaü, aby diagnosta ingerował w jego działanie tylko w przypadku:
a) zmiany przedmiotu rozpoznawania stanu;
b) zmiany algorytmu diagnozowania, prognozowania i genezowania stanu; c) usuniĊcia wykrytych automatycznie uszkodzeĔ urządzenia diagnostycznego.
wyrobów zgodnie z obowiązującymi normami [2].
Koncepcja systemu rozpoznawania stanu maszyny powinna obejmowaü nastĊpujące zagadnienia z obszaru projektowania, wytwarzania i eksploatacji maszyn:
a) cechy funkcjonalne; b) cechy konstrukcji;
c) warunki uĪytkowania i obsługiwania; d) potencjał zaplecza obsługowego; e) rachunek ekonomiczny.
System rozpoznawania stanu maszyny powinien wykorzystywaü zbiory parametrów diagno-stycznych na podstawie analizy wartoĞci wag parametrów diagnodiagno-stycznych maszyny. Uzupełnie-niem powyĪszego powinno byü uwzglĊdnienie parametrów diagnostycznych preferowanych przez uĪytkownika maszyny, np. w aspekcie bezpieczeĔstwa maszyny. System rozpoznawania stanu powinien zapewniü kontrolĊ stanu i lokalizacjĊ uszkodzeĔ maszyny. W przypadku zdatnoĞci ma-szyny (pozytywny wynik realizacji testu kontroli stanu) system powinien zapewniü prognozowa-nie stanu maszyny, co przekłada siĊ na wyznaczeniu terminu obsługiwania maszyny. W przypadku niezdatnoĞci maszyny (negatywny wynik realizacji testu kontroli stanu) realizacja testu lokalizacji uszkodzeĔ) system powinien zapewniü genezowanie stanu maszyny, co przekłada siĊ na okreĞle-niu prawdopodobnej przyczyny zlokalizowanego, w czasie realizacji testu, uszkodzenia maszyny. UwzglĊdniając powyĪsze ustalenia, warunki eksploatacji maszyn oraz analizy wyników badaĔ metodyki rozpoznawania stanu maszyn etapy opracowania systemu rozpoznawania stanu obejmu-ją:
1. AnalizĊ przedsiĊwziĊcia – dotyczy analizy potrzeb i moĪliwych rozwiązaĔ problemu, analizy rachunku ekonomicznego obejmującego budowĊ systemu, a takĪe analizy wyma-gaĔ funkcjonalnych, technicznych, informatycznych i ekonomicznych obejmujących re-lacjĊ kosztów wytworzenia i eksploatacji systemu a uzyskanych korzyĞci w wyniku jego zastosowania;
2. Projektowanie systemu – dotyczy okreĞlenia architektury mikroprocesora, modułów, in-terfejsów i innych czĊĞci składowych oraz oprogramowania w aspekcie spełniania cech uĪytkowych systemu obejmujących:
- projekt logiczny – dotyczy logicznych aspektów organizacji systemu oraz procesów i przepływu informacji,
- projekt funkcjonalny – dotyczy opisu funkcji elementów składowych systemu oraz ich współdziałania,
- projekt konstrukcyjny – dotyczy opisu struktury elementów systemu (np.: procesora, pamiĊci, komunikacji, wejĞü i wyjĞü, zegara, zasilania);
3. BudowĊ symulatora pracy systemu (komputerowego) – jego celem jest zapewnienie wstĊpnej oceny pracy systemu przy symulowanych stanach maszyny;
4. ImplementacjĊ systemu – celem jest opracowanie i budowa modelu fizycznego spełniają-ce załoĪone funkcje systemu;
5. Zapewnienie jakoĞci systemu – dotyczy testowania programów i badaĔ eksploatacyjnych; 6. Wykonanie dokumentacji systemu – obejmujących budowĊ, wymagania i ograniczenia,
Etapy I – II dotyczą analizy podjĊtego przedsiĊwziĊcia w aspekcie oceny spełnianych funkcji przez system rozpoznawania stanu maszyny odniesionych do poniesionych nakładów na ich reali-zacjĊ. Przyjmuje siĊ, Īe zastosowanie takiego systemu bĊdzie miało wpływ na eksploatacjĊ ma-szyny oraz Īe nakłady poniesione na opracowanie i wdroĪenie systemu bĊdą miały wpływ na koszty wytworzenia i sprzedaĪy maszyny. Wszystko to razem powoduje, iĪ konieczne staje siĊ udzielenie odpowiedzi na pytanie: czy efekty uĪytkowe wynikające z zastosowania systemu roz-poznawania stanu maszyny są zasadne w odniesieniu do oczywistych relacji ekonomicznych?
W nawiązaniu do powyĪszego istotnym staje siĊ równieĪ udzielenie odpowiedzi na pytanie: czy i na ile zmniejszy siĊ zagroĪenie bezpieczeĔstwa ludzi i otoczenia?
MoĪna np. przyjąü, Īe koszt pokładowego systemu diagnostycznego maszyny nie powinien przekraczaü (5–8)% jej wartoĞci, przy czym koszt systemu rozpoznawania stanu powinien byü mniejszy, poniewaĪ stanowi tylko czĊĞü całego systemu sterująco – diagnostycznego maszyny. Ponadto uwzglĊdniając ciągły wzrost wymagaĔ odnoszących siĊ do produkowanych maszyn moĪ-na przyjąü, Īe zastosowanie w nich systemów rozpozmoĪ-nawania stanu zwiĊkszy ich atrakcyjnoĞü handlową.
Etapy III – IV obejmują analizy moĪliwoĞci wytworzenia systemu rozpoznawania stanu odnie-sione do relacji: potencjał narzĊdzi diagnostycznych – załoĪenia techniczno – ekonomiczne; w etapie tym tworzona jest koncepcja systemu rozpoznawania stanu zawierająca projekt logiczny i konstrukcyjny. Projekt logiczny odnosi siĊ do podstawowych, elektronicznych układów funkcjo-nalnych pokładowego systemu diagnostycznego i powinien obejmowaü moduły:
a) zasilania; b) wejĞcia/wyjĞcia;
c) elektroniki cyfrowo – analogowej; d) wizualizacji i sygnalizacji; e) wnioskowania diagnostycznego; f) sterowania.
Przyjmuje siĊ, Īe skonfigurowany według wyznaczonych wymagaĔ system rozpoznawania stanu maszyny powinien działaü dwufazowo:
a) wstĊpnie, tj. od momentu włączenia zasilania elektrycznego i realizowane bĊdzie testo-wanie systemu;
b) zasadniczo, tj. od chwili zakoĔczenia testowania i uruchomienia zasadniczych funkcji diagnostycznych.
Istota działania systemu rozpoznawania stanu maszyny polega: 1. W obszarze Oceny Stanu:
a) na wnioskowaniu o stanie maszyny w oparciu o relacje miĊdzy mierzonymi wartoĞciami zbioru parametrów diagnostycznych i ich wartoĞciami nominalnymi na podstawie opracowanego testu kontroli stanu;
b) na wnioskowaniu o lokalizacji stanu maszyny w oparciu o relacje miĊdzy mierzonymi wartoĞciami zbioru parametrów diagnostycznych i wartoĞciami nominalnymi na podstawie opracowanego testu lokalizacji uszkodzeĔ.
2. W obszarze Genezowania Stanu na wnioskowaniu o prawdopodobnej przyczynie zlokalizo-wanego stanu niezdatnoĞci maszyny w oparciu o analizĊ odległoĞci genezowanych wartoĞci para-metru diagnostycznego z przedziałem błĊdu genezy od wartoĞci granicznej parapara-metru według al-gorytmu:
a) optymalny parametr diagnostyczny (maksymalna wartoĞü wagi); b) optymalna metoda genezowania (minimalna wartoĞü błĊdu genezy);
c) minimalna wartoĞü odległoĞci wartoĞci parametru diagnostycznego z przedziałem błĊdu genezy od wartoĞci granicznej parametru diagnostycznego dmin;
d) korelacja minimalnej wartoĞci odległoĞci dmin ze stanami niezdatnoĞci maszyny si, przy
jednoczesnym badaniu okolicznoĞci i warunków eksploatacji ich wystąpienia, jako ewentualnej przyczyny zlokalizowanego stanu niezdatnoĞci maszyny.
3. W obszarze Prognozowania Stanu na szacowaniu terminu kolejnego terminu obsługiwania maszyny Θd (przyjĊcie minimalnej wartoĞci terminu Θd1, Θd2) na podstawie analizy wartoĞci
ter-minów wygenerowanych przez dwie metody prognozowania terminu kolejnego obsługiwania Θd1
i Θd2 według algorytmu:
a) optymalny parametr diagnostyczny (maksymalna wartoĞü wagi); b) optymalna metoda prognozowania (minimalna wartoĞü błĊdu prognozy); c) minimalna wartoĞü terminu kolejnego obsługiwania Θd.
Do realizowania powyĪszych funkcji systemu powinno wykorzystaü siĊ procedury programo-wania obiektowego. Wówczas podstawowym modułem systemu rozpoznaprogramo-wania stanu maszyny jest baza wiedzy:
<OBIEKT, ATRYBUT (cecha stanu) – WARTOĝû>
Obiektem definiowanym w systemie rozpoznawania stanu bĊdą zespoły i układy maszyny. Atrybutami bĊdą natomiast dane, których to opisujące je wartoĞci (wybrane parametry diagno-styczne) okreĞlaü bĊdą ich stan. Struktury relacji mogących zachodziü miĊdzy obiektami definio-wane są na etapie projektowania. Obiekty zdefiniodefinio-wane w systemie mogą zawieraü zbiory infor-macji o podobnych strukturach. Powoduje to, Īe najpierw konieczne staje siĊ tworzenie bazy da-nych, a nastĊpnie łączenie wybranych obiektów systemu z okreĞlonymi zasobami bazy, np. za
po-mocą dedykowanych odpowiednim grupom maszyn reguł wnioskowania diagnostycznego. Infor-macje o stanie maszyny mają strukturĊ hierarchiczną, gdzie ogólne inforInfor-macje zajmują poziom najwyĪszy, np. dla Oceny Stanu (kontrola stanu maszyny), a poziomy niĪsze przeznaczone są dla informacji szczegółowych (lokalizacja uszkodzeĔ układu).
Etap V zawiera opracowanie wstĊpnego projektu (logicznego i funkcjonalnego) systemu roz-poznawania stanu maszyny, budowĊ i badania jego modelu, oraz opracowanie projektu technicz-nego systemu uwzglĊdniającego analizĊ wyników zrealizowanych badaĔ. Opracowanie projekt funkcjonalnego systemu rozpoznawania stanu maszyny powinno ujmowaü nastĊpujące warianty jego pracy:
a) uĪytkowy, dotyczy nadzorowania pracy maszyny w czasie jej uĪytkowania według testu kontroli stanu na podstawie Oceny Stanu;
b) diagnostyczno – obsługowy, obejmuje rozpoznawanie stanu maszyny oraz realizacjĊ jego obsługiwania według wyznaczonych terminów na etapie Prognozowania Stanu oraz za-kresu jego obsługiwania według okreĞlonych stanów niezdatnoĞci na etapie lokalizacji uszkodzeĔ i genezowania stanów na podstawie Oceny Stanu i Genezowania Stanu; c) informacyjny, dotyczy tworzenia bazy danych historii eksploatacji maszyny
zapewniają-cej:
- okreĞlanie rodzajów uszkodzeĔ (stanów niezdatnoĞci) odnoszonych do czasu eksploa-tacji,
- wyznaczanie alertowych terminów obsługiwania Θd (na podstawie Prognozowania
Stanu) odnoszonych do bezpieczeĔstwa eksploatacji maszyny (przede wszystkim bez-pieczeĔstwa ludzi i otoczenia),
- informowanie eksploatatora o osiągniĊciu alertowego terminu obsługiwania przez maszyny (i stanu bezpoĞredniego zagroĪenia bezpieczeĔstwa ludzi i otoczenia), Zastosowanie przedstawionej koncepcji systemu rozpoznawania stanu zapewni realizacjĊ na-stĊpujących zadaĔ [3]:
a) ciągły nadzór parametrów diagnostycznych w zakresie oceny stanu maszyny; b) rejestrowanie i archiwizacja wartoĞci parametrów diagnostycznych;
c) przetwarzanie zebranych danych na decyzje zapewniające, na podstawie opracowanej metodyki, efektywną eksploatacjĊ maszyny;
d) bieĪące lub sekwencyjne informowanie o stanie maszyny oraz alarmowania o jej stanach niezdatnoĞci z prawdopodobną przyczyną ich wystąpienia;
e) bieĪące lub sekwencyjne informowanie o terminie obsługiwania maszyny;
f) sekwencyjne informowanie o stanie maszyny oraz alarmowania o jej stanach niezdatno-Ğci;
Reasumując przedstawione powyĪej rozwaĪania system rozpoznawania stanu maszyny po-winien spełniaü oddzielnie lub łącznie nastĊpujące funkcje okreĞlone na podstawie, dedykowanych dla róĪnych typów i rodzajów maszyn, reguł wnioskowania diagnostycznego w obszarach:
a) optymalizacji zbioru parametrów diagnostycznych; b) kontroli stanu i lokalizacji uszkodzenia;
c) prognozowania stanu; d) genezowania stanu.
Spełnianie wymienionych funkcji jest moĪliwe nastĊpującymi sposobami:
jego niezdatnoĞci algorytmu lokalizacji uszkodzeĔ i genezowania stanu odbywa siĊ za pomocą oddzielnych modułów systemu rozpoznawania stanu. Diagnosta na podstawie zbioru wyników sprawdzeĔ podejmuje decyzje o stanie maszyny. W tym przypadku koszt badaĔ diagnostycznych maszyny jest wysoki;
2. System rozpoznawania stanu realizuje algorytm kontroli stanu, a w przypadkach koniecznych równieĪ algorytm lokalizacji uszkodzeĔ. Diagnosta bierze równieĪ udział w podejmowaniu decyzji o stanie maszyny. Istotnie skraca siĊ czas i koszty diagnozowania obiektu. Jednak jest wyĪszy koszt urządzenia diagnostycznego;
3. System rozpoznawania stanu realizuje łącznie uprzednio wymienione cztery funkcje. Zatem do funkcji kontroli stanu i lokalizacji uszkodzeĔ dochodzi funkcja prognozowania stanu oraz genezowania stanu. Z racji spełnionych funkcji system moĪna nazwaü systemem uniwersalnym. Rola diagnosty sprowadza siĊ do podjĊcia ostatecznej decyzji o stanie maszyny i wykonaniu pewnych operacji pomocniczych. ZwiĊksza siĊ wiarygodnoĞü diagnozy, zmniejsza siĊ czas i koszt badaĔ diagnostycznych maszyny, oraz niestety rosną koszty systemu.
Idealny system rozpoznawania stanu to pokładowy system rozpoznawania stanu spełniający funkcje kontroli stanu, prognozowania stanu, lokalizacji uszkodzeĔ obiektu oraz genezowania sta-nu. W tym przypadku wzrasta koszt maszyny, jednak efektywnoĞü eksploatacji maszyny staje siĊ wyĪsza, bowiem realizowane są wszystkie funkcje rozpoznawania stanu maszyny. Takie rozwią-zanie systemu rozpoznawania stanu moĪe byü odpowiednie dla maszyn krytycznych lub innych maszyn specjalnych.
Rozwiązaniem mniej kosztownym jest system rozpoznawania stanu, który spełnia tylko funkcje kontroli stanu. W tym przypadku zewnĊtrzny system rozpoznawania moĪe prognozowaü stan lub lokalizowaü uszkodzenia obiektu i genezowaü stan niezdatnoĞci. MoĪe to byü system uniwersalny wykorzystywany do badaĔ diagnostycznych róĪnych maszyn.
Innym rozwiązaniem jest zewnĊtrzny systemu rozpoznawania stanu dołączany, na czas ba-daĔ, do gniazda diagnostycznego maszyny z moĪliwoĞcią oceny stanu, prognozowania stanu i genezowania stanu. MoĪe to byü system uniwersalny lub specjalizowany wyłącznie do rozpo-znawania stanu okreĞlonych maszyn.
2. Dedykowane reguły wnioskowania w systemie rozpoznawania stanu maszyn
Z analizy wymagaĔ działaniowych i konfiguracji systemu rozpoznawania stanu maszyny wynika, Īe architektura systemu powinna zapewniü:
a) konfigurowanie systemu w zakresie wyznaczonych uprzednio potrzeb, w tym obejmujących wprowadzenie odpowiedniej liczby parametrów diagnostycznych, ich wartoĞci granicznych i wartoĞci nominalnych parametrów diagnostycznych, stany maszyny, czas pracy maszyny;
b) pomiar i rejestracjĊ wartoĞci mierzonych sygnałów diagnostycznych według wyznaczonych warunków (początek i koniec pomiaru, które wielkoĞci i kiedy podlegają rejestracji);
c) wnioskowanie diagnostyczne w oparciu o analizĊ relacji miĊdzy wartoĞciami wzorcowymi a mierzonymi na podstawie analizy reguł wnioskowania diagnostycznego; d) wizualizacjĊ stanu maszyny, w tym generowanie decyzji eksploatacyjnych (zdatny,
Wynika z tego, Īe konieczne staje siĊ utworzenie bazy danych, w której obok zbiorów wartoĞci granicznych i nominalnych oraz zbioru wartoĞci parametrów diagnostycznych rejestrowanych podczas eksploatacji są reguły wnioskowania diagnostycznego.
Analiza wyników badaĔ metodyki rozpoznawania stanu maszyn, którą przeprowadzono dla łoĪyska 6203 pozwala na wstĊpne sformułowanie dedykowanych reguł wnioskowania typu „IF – THEN” lub „IF – THEN – ELSE” w obszarze:
a) optymalizacji parametrów diagnostycznych; b) oceny stanu;
c) genezowania stanu; d) prognozowania stanu dla łoĪyska 6203.
Analiza przykładowych wyników badaĔ procesu rozpoznawania stanu dla łoĪyska 6203
Wyznaczenia optymalnego zbioru parametrów diagnostycznych. Uzyskano zbiór parametrów dia-gnostycznych z odpowiednimi wartoĞciami wagi, przykładowo dla obiektu Ł11X (tabela 1).
ħródło: Opracowanie własne.
Analiza wyników dla obiektu Ł11X wykazała, Īe:
a) najwyĪsze wartoĞci wagi w1j posiadają parametry diagnostyczne (Odch.std, Wmax,
Cov.Rxx, A.Rxx, Wmin), najmniejsze zaĞ parametry diagnostyczne (T.Rxx, Szum, A.Coher);
b) w celu optymalizacji zbioru parametrów diagnostycznych dla obiektu Ł11X (iloĞü para-metrów, wartoĞü wagi w1j) proponuje siĊ przyjąü parametry diagnostyczne o wartoĞciach
wagi w1j≥ 0,02 (uzyskuje siĊ zbiór 4 elementowy).
Analiza wyników dla pozostałych obiektów grupy: ŁoĪyska 6203 wykazała, Īe:
a) najwyĪsze i najniĪsze wartoĞci wagi wj1 posiadają róĪne parametry diagnostyczne:
- dla obiektu Ł11Y wartoĞci najwyĪsze: Wmax, Wmin, P(A)(0,2odch.std), Ka (pro-ponuje siĊ przyjąü parametry diagnostyczne o wartoĞciach wagi w1j≥ 0,02 –
uzy-skuje siĊ zbiór 3 elementowy) oraz wartoĞci najniĪsze: Hv, fv, fx,
- dla obiektu Ł21X wartoĞci najwyĪsze: RMS(f), P(A).2std, Hf, Ja, Ca (proponuje siĊ przyjąü parametry diagnostyczne o wartoĞciach wagi w1j≥ 0,05 (uzyskuje siĊ zbiór 5
elementowy) oraz wartoĞci najniĪsze: F.Rxy, RMS(p), fv,
- dla obiektu Ł21Y wartoĞci najwyĪsze: P(A).2odch.std, Odch.std, Kurtoza, Cov.Rxx (proponuje siĊ przyjąü parametry diagnostyczne o wartoĞciach wagi w1j≥ 0,03
(uzy-skuje siĊ zbiór 4 elementowy)oraz wartoĞci najniĪsze: A.Rxx, F.Coher,
- dla obiektu Ł22X wartoĞci najwyĪsze: fx, A.Rxy, fv (proponuje siĊ przyjąü parame-try diagnostyczne o wartoĞciach wagi w1j≥ 0,02 (uzyskuje siĊ zbiór 3 elementowy)
- dla obiektu Ł22Y wartoĞci najwyĪsze: Cov.Rxx, A.Bspec, Odch.std) proponuje siĊ przyjąü parametry diagnostyczne o wartoĞciach wagi w1j≥ 0,02 (uzyskuje siĊ zbiór 3
elementowy) oraz wartoĞci najniĪsze: A.Coher, Kurtoza, A.Rxx;
c) w celu optymalizacji zbioru parametrów diagnostycznych dla obiektów grupy: ŁoĪyska 6203 (iloĞü parametrów, wartoĞü wagi w1j) proponuje siĊ przyjąü parametry
diagnostycz-ne o maksymaldiagnostycz-nej wartoĞci wagi w1j, czyli w1j≥ 0,05;
d) przyjĊte kryteria optymalizacji jednoznacznie identyfikują zbiory wartoĞci parametrów posiadających najwiĊkszą iloĞü informacji o stanie technicznym i zmiennych w czasie eksploatacji łoĪyska 6203.
Reguły wnioskowania dla łoĪyska 6203:
a) dla optymalizacji zbioru parametrów diagnostycznych Yo:
- jeĞli w1j≥ 0,02 to yj∈Yo,
- lub jeĞli w1j = w1jmax to yj∈Yo;
b) dla oceny stanu:
- jeĞli wystĊpuje zbiór prawdopodobnych uszkodzeĔ łoĪyska okreĞlenie zbioru stanów jego niezdatnoĞci według poziomu prawdopodobieĔstwa ich wystĊpowania: jeĞli p(si) ≥ 0,5
to si∈ S,
- jeĞli nie wystĊpuje zbiór prawdopodobnych uszkodzeĔ łoĪyska okreĞlenie zbioru stanów jego niezdatnoĞci według wartoĞci miary eksploatacji: jeĞli Θi≥ Θl to si (Θi)∈ S,
- jeĞli wartoĞü yj (si) = „1” to wartoĞü MD = 1, w przeciwnym przypadku wartoĞü MD =
0,
- jeĞli wynik realizacji TKS = {0, …, 0, …, 0} to łoĪysko jest zdatne, w przeciwnym
przypadku łoĪysko jest niezdatne („0” oznacza, Īe wartoĞü yj≠yjg),
- jeĞli wynik realizacji TLU = {1, …, 0, …, 0} to wystĊpuje stan niezdatnoĞci łoĪyska si
(„1” oznacza, Īe wartoĞü yj = yjg),
c) dla genezowania stanu:
- jeĞli wystĊpuje zbiór prawdopodobnych uszkodzeĔ łoĪyska okreĞlenie zbioru stanów jego niezdatnoĞci według poziomu prawdopodobieĔstwa wystĊpowania uszkodzeĔ według reguły: jeĞli p(si) ≥ 0,5 to si∈ S,
- jeĞli nie wystĊpuje zbiór prawdopodobnych uszkodzeĔ łoĪyska okreĞlenie zbioru sta-nów jego niezdatnoĞci według wartoĞci miary eksploatacji: jeĞli Θi≥ Θl to si (Θl)∈ S,
- jeĞli błąd genezy metody aproksymacji 2 stopnia dla zbioru Yo≤ błĊdu genezy
meto-da interpolacji 1 stopnia dla zbioru Yo to metodą genezowania wartoĞci zbioru Yo jest
metoda interpolacji 1 stopnia, w przeciwnym przypadku metoda genezowania warto-Ğci Yo jest metoda aproksymacji 2 stopnia,
- jeĞli odległoĞü wartoĞci genezowanej parametru diagnostycznego yj∈Yo z błĊdem
ge-nezy od wartoĞci granicznej parametru yjg: d(yjg – wartoĞü (yjG + rG) dla yjG > yjG),
d(wartoĞü (yjg – (yjG – rG) dla yjG < yjG) to wartoĞü minimalna d(•) jest odległoĞcią
Rysunek 2. Interpretacja genezowania stanu maszyny dla jednego punktu wspólnego (dmin=0)
- jeĞli dmin = 0 to wystĊpuje jeden punkt wspólny z wartoĞcią graniczną (liczebnoĞü
[dmin] = 1), jeĞli dmin < 0 to wystĊpuje wiĊcej niĪ jeden punkt wspólny z wartoĞcią
graniczną (liczebnoĞü [dmin] > 1), jeĞli dmin > 0 to nie wystĊpuje punkt wspólny z
war-toĞcią graniczną,
- jeĞli dmin = dmin (Θ (si)) to wartoĞü minimalna dsmin = dmin wystĊpuje przy stanie
zaist-niałym w czasie ΘS∈(Θ1,Θb), co oznacza Īe przyczyną wystąpienia zlokalizowanego
stanu si w trakcie realizacji testu TLU było „chwilowe pojawienie” siĊ tego stanu
w czasie (Θ1,Θb)), w przeciwnym przypadku dmin# dmin (Θ (si)), co oznacza Īe nie
moĪna okreĞliü przyczyny wystąpienia stanu si wyznaczonego w trakcie realizacji
te-stu TLU,
- jeĞli liczebnoĞü [ds
min] > 1 to oznacza, Īe przyczyną wystąpienia zlokalizowanego
sta-nu si był „narastający rozwój” w czasie ΘS∈ (Θ1,Θb) warunków wystąpienia stanu si
(wyznaczonego w trakcie realizacji testu TLU),
- jeĞli dmin > 0 i nie wystĊpuje punkt wspólny z wartoĞcią graniczną to oznacza Īe
prawdopodobną przyczyną wystąpienia zlokalizowanego stanu si (wyznaczonego
w trakcie realizacji testu TLU) było „chwilowe niepełne pojawienie siĊ ” siĊ tego stanu
w czasie (Θ1,Θb);
d) dla prognozowania stanu:
- jeĞli w1j = w1jmax i jeĞli w1j≥ 0,9 to yj∈Yo i zbiór Yo jest zbiorem jednoelementowym,
Yo =Yo1,
- jeĞli w1j = w1jmax i jeĞli w1j < 0,9 to yj∈Yo i zbiór Yo nie jest zbiorem
jednoelemento-wym, Yo =Yoo,
- jeĞli błąd prognozy metody Holta (z odpowiednimi wartoĞciami parametrów α, β) dla zbioru Yo1 < błĊdu prognozy metodą Browna – Mayera (z odpowiednią wartoĞcią
pa-rametru α) dla zbioru Yo1 to metodą prognozowania wartoĞci zbioru Yo1 jest metoda
me-todą prognozowania wartoĞci Yo1 jest metoda Browna – Mayera (z odpowiednią
war-toĞcią parametru α),
- jeĞli wartoĞü terminu kolejnego badania łoĪyska Θd1 (Yo1) < wartoĞci terminu
kolejne-go badania łoĪyska Θd2 (Yo1) to metodą wyznaczania terminu kolejnego badania
łoĪy-ska jest metoda poziomowania wartoĞci błĊdu prognozy, w przeciwnym przypadku jest to metoda prognozowania wartoĞci granicznej parametru diagnostycznego, - jeĞli błĊdy prognoz dla metod: Holta (z odpowiednimi wartoĞciami parametrów α, β)
lub Browna – Mayera (z odpowiednią wartoĞcią parametru α) dla parametrów diagno-stycznych zbioru Yoo przyjmuje wartoĞci minimalne to metodami prognozowania war-toĞci odpowiednich parametrów diagnostycznych zbioru Yoo są powyĪsze metody,
- jeĞli wartoĞü terminu kolejnego badania łoĪyska Θd1 (Yoo) < wartoĞci terminu
kolejne-go badania łoĪyska Θd2 (Yoo) to metodą wyznaczania terminu kolejnego badania
łoĪy-ska (dla rozpatrywanego parametru diagnostycznego) jest metoda poziomowania war-toĞci błĊdu prognozy, w przeciwnym przypadku jest to metoda prognozowania warto-Ğci granicznej parametru diagnostycznego,
- jeĞli wartoĞü terminu kolejnego badania łoĪyska Θd wyznacza siĊ dla Yoo to wartoĞü ta
jest wartoĞcią waĪoną wartoĞci Θdw.
Przedstawione reguły wnioskowania mogą stanowiü bazĊ dla oprogramowania systemu rozpoznawania stanu maszyny w trybie one – line (dla pokładowego systemu) oraz off – line (dla stacjonarnego systemu).
3. Podsumowanie
W pracy zostały rozpatrzone nastĊpujące zagadnienia dotyczące koncepcji systemu rozpo-znawania stanu maszyn:
1. OkreĞlono zakres wymagaĔ, jakie powinien spełniaü system rozpoznawania stanu maszyn, z obszaru:
a) realizowanych funkcji (ocena stanu maszyny, prognozowanie wartoĞci parametrów dia-gnostycznych (wyznaczanie terminu kolejnego obsługiwania maszyny), genezowanie wartoĞci parametrów diagnostycznych (wyznaczanie przyczyny stanu niezdatnoĞci ma-szyny w chwili jej obsługiwania)
b) właĞciwoĞci: konstrukcyjnych, funkcjonalnych, niezawodnoĞciowych i bezpieczeĔstwa, c) architektury i algorytmu działania systemu rozpoznawania stanu maszyn, a w tym:
- projektowania systemu, - implementacji systemu,
- wykorzystania reguł wnioskowania diagnostycznego do budowy oprogramowa-nia systemu,
- testowania oprogramowania systemu, - dokumentacji systemu;
2. Na podstawie wyników badaĔ procedur metodyki dla łoĪyska 6203, opracowano dedykowane reguły wnioskowania diagnostycznego:
a) dla optymalizacji zbioru parametrów diagnostycznych Yo poprzez okreĞlenie wartoĞci
wagi w1j;
- okreĞlenie zbioru stanów (kryterium wartoĞci prawdopodobieĔstwa p(si)),
- okreĞlenie zbioru stanów (kryterium wartoĞci czasu eksploatacji si (Θi)∈ S,
- okreĞlenie sposobu interpretacji wartoĞci logicznych „0” i „1” macierzy diagno-stycznej MD,
- okreĞlenie sposobu interpretacji wartoĞci logicznych „0” i „1” testu kontroli sta-nu TKS,
- okreĞlenie sposobu interpretacji wartoĞci logicznych „0” i „1” macierzy diagno-stycznej TLU;
c) dla genezowania stanu poprzez:
- okreĞlenie zbioru stanów (kryterium wartoĞci prawdopodobieĔstwa p(si)),
- okreĞlenie zbioru stanów (kryterium wartoĞci czasu eksploatacji si (Θi)∈ S),
- okreĞlenie metody genezowania wartoĞci parametrów diagnostycznych poprzez minimalizacjĊ błĊdu genezy,
- okreĞlenie sposobu wyznaczenia odległoĞci minimalnej dmin pomiĊdzy wartoĞcią
genezowaną parametru diagnostycznego yj ∈Yo z błĊdem genezy od wartoĞci
granicznej parametru yjg,
- okreĞlenie sposobu interpretacji dmin w zaleĪnoĞci od jej wartoĞci (dmin=0, dmin
>0, dmin <0) oraz ich wystĊpowania w czasie wystĊpowania stanów (dsmin =
dmin);
d) dla prognozowania stanu poprzez:
- okreĞlenie zbioru parametrów diagnostycznych (zbiór jednoelementowy, zbiór wieloelementowy),
- okreĞlenie metody prognozowania wartoĞci parametrów diagnostycznych po-przez minimalizacjĊ błĊdu prognozy,
- okreĞlenie metody wyznaczania terminu kolejnego obsługiwania Θd poprzez
je-go minimalizacjĊ,
- okreĞlenie, dla zbioru wieloelementowego parametrów diagnostycznych, sposo-bu interpretacji wartoĞci waĪonego terminu kolejnego obsługiwania Θdw poprzez
uwzglĊdnienie wag w1j.
4. Przedstawiony powyĪej algorytm generowania reguł wnioskowania jednoznacznie identyfiku-je zespół, układ maszyny lub maszynĊ, w aspekcie rozpoznania ich stanu, co powinno umoĪ-liwiü opracowanie dedykowanego oprogramowania (dla zespołów i układów maszyn) syste-mu rozpoznawania stanu.
Bibliografia
1. Cholewa W.: Dynamiczne systemy doradcze w diagnostyce technicznej, Kongres Diagnosty-ki Technicznej, tom I ZD SPE KBM PAN, GdaĔsk 1996.
2. Hohmann L.: Journey of the Software Professional: A Sociology of Software Development. Englewood Cliffs. NJ: Prentice Hall. 2000.
3. Korbicz J.: Metody sztucznej inteligencji w diagnostyce maszyn, Kongres Diagnostyki Tech-nicznej, tom I ZD SPE KBM PAN, GdaĔsk 1996.
CONCEPT OF RECOGNITION OF MACHINES Summary
In this work were presented to recognize the characteristics of the system of machines. Presents the requirements that it should meet, as well as the various stages of its construction, including: project analysis, system design, the construction of a simulator of the system (computer) and the implementation of the system. Keywords: condition of the machine, diagnostic parameter
Joanna Wilczarska
Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy e-mail: asiulazol@utp.edu.pl
