„ pójdĊ dokądkolwiek, … … byle tylko naprzód „
Streszczenie
W artykule przedstawiono problematyk bada systemowych obiektów technicznych w aspekcie rodowiskowym. Analiza i synteza problematyki zdatnych i bezpiecznych oraz przyjaznych rodowisku maszyn pozwoliła pozyska projekt badawczy w ramach POIG. Jest on realizowany we współpracy wydziałów: inynierii mechanicznej i zarzdzania. Szczegółowa problematyka projektu i wybrane zagadnienia utrzymania zdatnoci maszyn stanowi treci tego opracowania.
Słowa kluczowe: badania, system, zdatno, zarzdzanie eksploatacj, procedury badawcze, ryzyko.
1. Wstp
Systemy techniczne o coraz wyszym stopniu automatyzacji, unifikacji i integracji modułowej stwarzaj szereg nowych problemów natury technicznej, organizacyjnej i ekonomicznej, szczególnie na etapie ich eksploatacji. Jednym z tych problemów jest utrzymanie wysokiej gotowoci technicznej maszyn i urzdze, tzn. utrzymanie ich w stanie zdatnoci do wykonania przewidzianych zada zgodnie z przeznaczeniem i aktualnymi moliwociami technicznymi.
Traktujc eksploatacj maszyn jako główny etap weryfikacji ich przydatnoci i spełniania oczekiwa społecznych, coraz czciej na tym etapie prowadzi si intensywne badania poprawnoci działania maszyn w odpowiednio sformalizowanych strukturach eksploatacji.
Zagadnienia poprawnego wykorzystania informacji do bezdemontaowej oceny stanu maszyn krytycznych, zagroenia bezpieczestwa oraz zagroe rodowiska stanowi o problematyce realizowanego projektu POIG, gdzie do zagadnie głównych nale: badanie dynamiki konstrukcji (eksperymenty identyfikacyjne), ewolucja zmian stanu maszyny, rozpoznawanie stanu maszyny, opracowanie kryteriów zagroenia bezpieczestwa i rodowiska, optymalizacja dostpnych rozwiza oraz praktyczne aspekty monitorowania zmian stanu modułów maszyny (dedykowane systemy diagnostyczne).
Celem projektu Techniki wirtualne w badaniach stanu, zagroe bezpieczestwa i rodowiska eksploatowanych maszyn – WND-POIG.01.03.01-00-212/09 jest wykorzystanie technik wirtualnych w budowie nowoczesnych systemów zarzdzania i eksploatacji maszyn. Efektem kocowym przedstawionego projektu powinno by opracowanie metodyki budowy dedykowanych systemów monitorowania stanu oraz oceny zagroe bezpieczestwa i rodowiska uytkowanych maszyn oraz opracowanie narzdzi do realizacji tych zada. Zakres merytoryczny przedstawionego projektu skupia si szczególnie na problematyce wykorzystania nowoczesnych narzdzi wirtualnych w monitorowaniu stanu bezpieczestwa, zagroe rodowiska oraz oceny zmian stanu technicznego maszyn krytycznych.
Rozwój technik wirtualnych umoliwia wiele nowych rozwiza w zakresie modelowania, symulacji oraz pozyskiwania i przetwarzania informacji diagnostycznej. Niektóre z tych moliwoci sygnalnie i przykładowo przedstawiono w tym artykule, a dotyczy to przetwarzania sygnałów, optymalizacji statystycznej wyników i wnioskowania diagnostycznego.
2. Badania jakoci maszyn 2.1. Zadania systemowe
System jest to zbiór elementów powizanych ze sob relacjami w taki sposób, e stanowi one cało zdoln do funkcjonowania w okrelony sposób.
Analiza systemowa jest szczególnie przydatna do złoonych zada w szybko zmiennym otoczeniu, typowym dla naszych czasów. Jest ona formalnym i jawnym badaniem wspomagajcym działanie osób odpowiedzialnych za decyzje lub lini postpowania w okrelonej (złoonej) sytuacji, charakteryzujcej si niepewnoci. Ma na celu okrelenie podanego działania lub linii postpowania przez rozpoznanie i rozwaenie dostpnych wariantów oraz porównanie ich przewidywanych nastpstw. Wymaga jasnego okrelenia granic badanego systemu i jego czci składowych.
Analiza systemowa ma na celu zbadanie proponowanego rozwizania, jego zachowania si i działania, zmierzajc do jego poprawy, optymalizacji i podjcia decyzji projektowej. Zasadniczo analiza taka moe by prowadzona na modelu, moe by czysto intuicyjna, czy te formalna – zalenie od moliwoci. Oto poszczególne kroki analizy systemowej w zastosowaniu do wygenerowanych poprzednio wariantów rozwiza systemu:
• studium wykonalnoci systemu, mona podzieli na badanie wykonywalnoci fizycznej, technicznej oraz czasowo – ekonomicznej.
• studium akceptowalnoci systemu, pod wzgldem prawnym, pracowniczym, gospodarczym i socjalnym.
• studium własnoci systemu – czy zapewnione s podstawowe własnoci wariantów systemu.
• studium funkcjonalnoci, upewniajce o spełnieniu podstawowych celów operacyjnych i obsługowych systemu i jego elementów.
• analiza struktury systemu, wykrycie właciwej struktury zapewniajcej wykonanie celów systemu.
Kryteria oceny zachowania si systemów podczas takich analiz mog by wielorakie, jak równie uyte ad hoc. Jeli jednak jest to moliwe, to zaleca si sprawdzi wszystkie cechy wzgldem kryteriów jakoci zwizanych z działaniem systemu, a take przez proste porównanie wartoci cech wariantów systemu z wartociami optymalnymi.
Metodyka bada ewolucji stanu modułowo konstruowanych systemów technicznych metodami inynierii wirtualnej zaproponowana w tym projekcie (w ujciu bada systemowych) obejmuje, [12,15]:
• modelowe opracowanie zasad ewolucji stanu systemów technicznych (systemów modułowych oraz ewolucji procesów uszkodze),
• opracowanie i adaptacja procedur rozpoznawania stanu badanych modułów narzdziami inynierii wirtualnej (FEM, BEM, MATLAB, SIMULINK, systemy ekspertowe, sieci neuronowe, data mining, zbiory rozmyte, szare systemy, optymalizacja, programowanie genetyczne i ewolucyjne),
• modelowanie diagnostyczne degradacji modułów badanych systemów technicznych (modele symptomowe, holistyczne),
• weryfikacj opracowanego systemu narzdzi kształtowania jakoci obiektów technicznych w proponowanych systemach utrzymania zdatnoci – diagnostyczny system eksploatacji maszyn – w aplikacji praktycznej wybranych przedsibiorstw (FMEA, TPM, QFD, Kansei),
• opracowanie miar dla bada systemów technicznych w aspekcie efektywnoci funkcjonalna i ekonomicznoci, bezpieczestwo oraz analizy ryzyka technicznego, • praktyczne wskazania procedur stosowania inynierii wirtualnej w obszarach ycia
obiektów (diagnostyka, niezawodno, projektowanie, konstruowanie, technologia wytwarzania, eksploatacja, bezpieczestwo, ochrona rodowiska),
• opracowanie zasad wdraania dokona projektu w praktycznych przykładach zastosowa, • opracowanie ksikowe (zbiorowe) z zakresu projektu.
Przedstawione zamierzenia wsparte wieloma specyficznymi i szczegółowymi zagadnieniami, sygnalizowanymi w materiałach tego artykułu umoliwi powinny monitorowanie ewolucji stanu na poziomie modułów maszyn, z jednoczesnym wyznaczeniem wielu wartoci miar niezawodnoci i jakoci eksploatacji (potrzeby uytkowników), koniecznych i moliwych do wyznaczenia w oparciu o „dobre” sygnały diagnostyczne.
W tym obszarze przewiduje si wykorzystanie wielu metod opracowania statystycznego wyników bada, takich jak: OPTIMUM, PCA, BEDIND, SVD, metody wyznaczania relacji przyczynowo-skutkowych, wybrane metody sztucznej inteligencji, z których zostanie dodatkowo zaimplementowany system do opracowania wyników bada diagnostycznych.
Efektem kocowym przedstawionego projektu powinno by opracowanie metodyki budowy dedykowanych systemów monitorowania stanu oraz oceny zagroĪeĔ bezpieczeĔstwa i Ğrodowiska ze strony uĪytkowanych maszyn krytycznych oraz opracowanie narzĊdzi wirtualnych do realizacji tych zadaĔ. Wymiernym efektem realizacji przedstawionego projektu bd prace dysertacyjne członków zespołu badawczego, publikacje konferencyjne i opracowanie ksikowe.
Treci merytoryczne projektu wpisuj si w kad z organizacji gospodarczych, majc okrelony system zarzdzania, który spełnia jej wymagania w zakresie realizacji przyjtej strategii. Jest to szczególnie istotne dla tych elementów, które maj istotny wpływ na przebieg procesu produkcyjnego (logistyka, eksploatacja, narzdzia i przyrzdy) lub nadzoruj rodki trwałe o istotnej, z punktu widzenia firmy, wartoci (utrzymanie ruch, naprawy, przegldy), [3,6.7].
Badania systemowe dotycz głównie jakoci racjonalnie zbudowanych systemów eksploatacji, gdzie realizuje si wiele funkcji:
• prowadzi klasyfikacj i ewidencj wszystkich rodków trwałych, • proponuje podstawowe wska niki techniczno-ekonomiczne, • nadzoruje eksploatacj rodków trwałych,
• analizuje dane z monitoringu i podejmuje decyzje, • wnioskuje likwidacj rodków trwałych,
• planuje, nadzoruje i realizuje wszystkie rodzaje przegldów, konserwacji i napraw, • ustala podstawowe normatywy, ewidencjonuje i rozlicza prowadzone prace, • planuje zaopatrzenie w czci zamienne i materiały potrzebne do napraw, • wnioskuje i uzasadnia leasing, wnioskuje i uzasadnia outsourcing,
• organizuje magazynowanie czci zamiennych, ich wydawanie oraz rozliczanie, • planuje zadania inwestycyjne, organizuje i realizuje zakup maszyn i urzdze, • realizuje niezbdne prace budowlano – montaowe,
• organizuje odbiór rodków trwałych, • przygotowuje technologie napraw.
Analizujc zakres funkcji przypisanych do realizacji systemowi eksploatacji mona okreli, jakie grupy danych powinny do niego wpływa, jak równie dane jakie on generuje.
Współczesne maszyny okrelane s takimi cechami jak: funkcjonalno, niezawodno, gotowo, bezpieczestwo, mobilno i podatno eksploatacyjna. Kształtowanie i utrzymanie tych cech jest moliwe metodami diagnostyki technicznej, która umoliwia: diagnostyczne konstruowanie i wytwarzanie nowych maszyn oraz utrzymanie maszyn w stanie zdatnoci funkcjonalnej.
Uwarunkowania gospodarki rynkowej uzasadniaj konieczno wprowadzania nowoczesnej autoryzowanej strategii wytwarzania i eksploatacji maszyn, imiennie wskazujcej twórc i odpowiedzialnego za wytwór. Producent, zainteresowany jakoci i pó niejszym zbytem, jest odpowiedzialny za wytwór od zamysłu, przez konstrukcj, wytwarzanie i eksploatacj, a do utylizacji po likwidacji obiektu. Tym samym producent konstruuje i wytwarza swoje wytwory w oparciu o najnowsze osignicia myli technicznej, zabezpiecza je własnym serwisem obsługowym w czasie eksploatacji, a take wyposaa w rodki diagnostyczne (najlepiej automatyczne).
Uytkownicy maszyn s zainteresowani ich zdatnoci, dla okrelenia której naley, [4,12,15]:
– wyznaczy symptomy stanu zdatnoci, s1, s2,…sm;
– okreli wartoci graniczne symptomów stanu zdatnoci,
A P s Sgr s g 2
σ
± = − ; – ustali klas zdatnoci obiektu;– wyznaczy okresowo diagnozowania, t P S S S d r gr m m = == = − − − − −−−− (1 )( ) θm.
Wyrónione zadania diagnostyczne zostan wybiórczo omówione poniej, przy czym szczegółowy ich opis mona znale w pracach autora [6,7].
2.2. Badania operacyjne
Badania operacyjne to dyscyplina naukowa zwizana z teori decyzji, pozwalajca wyznaczy metod i rozwizanie problemów zwizanych z podjciem optymalnych decyzji. Badania operacyjne to zbiór metod matematycznych i statystycznych, obejmujcych m. in.: programowanie matematyczne, zagadnienie transportowe, algorytmy sieciowe, zarzdzanie projektem, teoria zapasów, teoria kolejek, łacuch Markowa, analiza szeregów czasowych, metody gradientowe. Historycznie badania operacyjne wywodz si z naukowego zarzdzania, a obecnie przyjmuje si je za cz teorii decyzji. Badania operacyjne zaczto z powodzeniem stosowa do sprawnego zarzdzania w przemyle oraz w inynierii utrzymania stanu zdatnoci maszyn.
Proces zuywania si obiektu zazwyczaj nie jest jednowymiarowy, a wymiar przestrzeni uszkodze ronie wraz ze stopniem skomplikowania maszyny. Zwiksza to radykalnie wymiarowo wektorów stanu, sygnałów oraz zakłóce. Informacja diagnostyczna moliwa do
pozyskania w badaniach stanu staje si nadmiarowa, skomplikowana wymiarowo i trudna do przetwarzania.
Dostpna ju wielowymiarowa reprezentacja symptomowa stanu technicznego obiektu w badaniach programowanych oraz moliwo ekstrakcji tej informacji on-line, stwarza nowe perspektywy diagnozowania obiektów. Dotyczy to zwłaszcza nowych lub modernizowanych konstrukcji i nowych uruchomie obiektów innowacyjnych, bez adnych dowiadcze eksploatacyjnych.
3. Pozyskiwanie i przetwarzanie informacji
W praktycznych zastosowaniach, przygotowanie wstpne pozyskanych z pomiarów danych jest bardzo istotnym etapem w klasyfikacji danych majcym wpływ zarówno na efektywno rozróniania stanów, szybko i łatwo budowy oraz uczenia modelu przyczynowo-skutkowego, jak równie na jego pó niejsz generalizacj, [1,2,4,6,12,14,15].
Zarejestrowany sygnał czasowy badanego procesu przeniesiony do arkusza Excel jest podstaw do dalszego przetwarzania, np. w dziedzinie czasu, czstotliwoci i amplitud, dajc wiele miar umoliwiajcych dekompozycj sygnału wyjciowego na sygnały poszczególnych rozwijajcych si uszkodze. Na proces decyzyjny składa si cig operacji od momentu zdobycia informacji o stanie maszyny, przez jej gromadzenie i przetwarzanie, a do momentu wyboru i przekazania ustalonej decyzji do realizacji.
3.1. Wstpne przetwarzanie danych Transformacje danych
Analizowanie danych dowiadczalnych zwizane jest z wystpowaniem rónego rodzaju skal pomiarowych, które mog by symboliczne lub te numeryczne. Systemy przetwarzania informacji diagnostycznej charakteryzuj si tym, e najczciej wszystkie cechy opisujce analizowane obiekty musz by numeryczne.
W przypadku modeli klasyfikacyjnych uywajcych odległoci jako miary podobiestwa bardzo czsto zdarza si, e poszczególne cechy charakteryzuj jaki stan fizyczny na podstawie rónych wielkoci fizycznych, majcych róne zakresy wartoci, przez co mog mie one róny wpływ na odległo. Zastosowa mona kilka transformacji ujednolicajcych wpływ poszczególnych cech. Do najbardziej znanych naley normalizacja oraz standaryzacja.
Normalizacja min max min i i i i N
x
x
x
x
X
−
−
=
(1)gdzie: ximax jest maksymaln wartoci wystpujc w zbiorze dla i-tej cechy, ximin minimaln
wartoci dla i-tej cechy.
W wyniki normalizacji otrzymuje si wektory, których wartoci cech s z zakresu [0,1]. Transformacja ta nie uwzgldnia rozkładu wartoci danego symptomu, w zwizku z tym w przypadku wystpienia kilku symptomów posiadajcych wartoci znacznie rónice si, w wyniku normalizacji nastpuje cinicie wikszoci wartoci w bardzo wskim przedziale.
Standaryzacja ) ( _ x x x X i i i S σ − = ;
=
¦
n j i jx
n
x
1
_¦
− − = n j i j i i x x n x 2 _ ) ( 1 1 ) (σ
(2)W wyniku tej transformacji otrzymuje si symptomy, których warto rednia x=0, natomiast odchylenie standardowe =1, dziki czemu wszystkie symptomy maj jednakowy wkład co do wartoci informacji.
Stała precyzji – uwzgldnia zakres zmiennoci i warto redni mierzonych parametrów oraz zapewnia bezwymiarowo, zgodnie z zalenoci:
i i i w x p _ = (3)
WraĪliwoĞü symptomów
w
i wraz z wartoci redni ujte w jedn liczb zapewniaj bezwymiarowo i zakres zmiennoci:i i i i
x
x
x
w
=
max _−
min (4)Zadbanie o moliwo porównywalnego rozwaania pozyskanych z pomiarów danych, to jeden z wanych i niezbdnych ju na pocztku kroków do zrealizowania.
3.2. Metoda punktu idealnego – OPTIMUM
Mierzone sygnały diagnostyczne w róny sposób odwzorowuj przestrze obserwacji, a porednio rozwój uszkodze w maszynie – rys. 1. Korzystajc z technik optymalizacyjnych mona w oparciu o pomiary odległoci od punktu idealnego scharakteryzowa wraliwo mierzonych symptomów na zmiany stanu. Rozrónienie uszkodzenia jest moliwe po rzutowaniu symptomów składowych na odpowiednie osie: x, y, z.
Rys. 1. Wielowymiarowa przestrze obserwacji
Przedstawiony poniej algorytm umoliwia ocen statystyczn pojedynczo opracowywanych symptomów diagnostycznych, dajc w efekcie kocowym list rankingow ich wraliwoci i przydatnoci. Kolejne kroki takiego postpowania to, [12,15]:
1. Stworzenie macierzy obserwacji z mierzonych symptomów: s1, s2, s3,…,sm;
9
&
2. Ocena statystyczna mierzonych symptomów dla rónych stanów za pomoc rónych kryteriów, np.: – zmienno symptomów: y s f1 = &j (5) gdzie: Sj– odchylenie standardowe,
y
– warto rednia.– ocena wraliwoci symptomu na zmiany stanu:
i i i i
x
x
x
w
=
max_−
min (6)– skorelowanie symptomów ze stanem technicznym (współczynnik korelacji symptom – stan):
f2 = r (x,y); y x n i r i r i xy
y
y
x
x
n
r
σ
σ
−
−
−
−
=
¦
=1)(
(
1
1
(7)Dla łatwoci rozwaa i moliwoci prezentacji wyników na płaszczy nie dwa wybrane wska niki jakociowe s wystarczajce.
3. Dokonujc dalej maksymalizacji i normalizacji przyjtych wska ników jakoci sygnałów otrzymuje si charakterystyki statystyczne ich wraliwoci (
f
1∗,f
2∗), co pozwala wyznaczy współrzdne punktu idealnego.4. Wyznaczenie odległoci poszczególnych miar sygnału od punktu idealnego, zgodnie z zalenoci: 2 2 2 1) (1 ) 1 ( − ∗ + − ∗ = f f L (8)
5. Ogólne współczynniki wraliwoci (wagi) dla kadego badanego sygnału s wyznaczane z zalenoci:
¦
= ⋅ = n i i i i L L w 1 1 1 , gdzie:¦
w
i=
1
(9)Rys. 2. Wynik działania metody punktu idealnego – OPTIMUM
Przedstawiony algorytm mona łatwo zrealizowa w programie Excel, uzyskujc uszeregowanie jakociowe mierzonych symptomów. Na rys. 2 przedstawiono kocowy wynik działania opisanej procedury dla przykładowych danych pomiarowych. Punkty odległoci poszczególnych miar od punktu idealnego (1,1) wskazuj na wraliwo ocenianych miar sygnału, przy czym punkty lece najbliej (1,1) to najlepsze symptomy.
Majc wyrónione statystycznie dobre symptomy mona na nich budowa modele przyczynowo – skutkowe na etapie wnioskowania o stanie. Jako modelu zaley tu jednak od liczby uwzgldnianych miar, co porednio w najprostszych modelach regresyjnych mona ocenia współczynnikiem determinacji R2.
3.3. Wielowymiarowa obserwacja systemu – SVD
SVD (Singular Value Decomposition) jest procedur numeryczn dla wielowymiarowego ledzenia zmian stanu obiektu. Wykrywa rozwijajce si uszkodzenia i dokonuje wyboru maksymalnie informacyjnych symptomów stanu w danej sytuacji, [4,12].
Kady złoony obiekt mechaniczny pracujcy w czasie 0 < θ < θb, ewolucyjnie rozwija kilka
niezalenych uszkodze, Ft(θ), t=1,2,..u, których rozwój mona uchwyci przez obserwacj
wektora symptomów stanu technicznego; [sm] = [s1,...,sr], o rónej naturze fizycznej. Dla ledzenia
zmian stanu obiektu wykonuje si kilkadziesit równoodległych odczytów wartoci wektora w czasie; θn, n=1,...p, θp≤ θb. W ten sposób otrzymuje si kolejne wiersze symptomowej macierzy
obserwacji (SOM). Po wycentrowaniu (odj) i znormalizowaniu do wartoci pocztkowej Sm (0)
= S0mdanego symptomu otrzymuje si bezwymiarow symptomow macierz obserwacji:
Opr = [Snm], Snm = 1 0 − m nm S S (10)
Tak wic dla opisu ycia systemu mamy bezwymiarow macierz obserwacji Opr
o r kolumnach, wynikajcych z liczby obserwowanych symptomów i p wierszach, wynikajcych z łcznej liczby kolejnych obserwacji. Do tej bezwymiarowej macierzy obserwacji zastosujemy procedur rozkładu wzgldem wartoci szczególnych SVD, jak niej[4,12]:
Opr = Upp * pr * VrrT, (11)
gdzie: (T- transpozycja) Upp to p – wymiarowa ortogonalna macierz lewostronnych wektorów
szczególnych, a Vrr to r – wymiarowa ortogonalna macierz prawostronnych wektorów
szczególnych oraz w rodku – diagonalna macierz wartoci szczególnych pr o własnociach:
pr = diag (1, …, l), przy: 1 > 2 >…> u >0 (12)
oraz: σu+1 =… l =0, l= max (p, r), u = min (p, r).
Oznacza to, e sporód r – mierzonych symptomów mona uzyska tylko u ≤ r niezalenych informacji o rozwijajcych uszkodzeniach. Taki rozkład SVD macierzy obserwacji moemy prowadzi po wykonaniu kadej obserwacji; n= 1, ..., p, i w ten sposób ledzi ewolucj uszkodze Ft (θn) w obiekcie.
Jedno uszkodzenie Ft moe opisywa para nowych wielkoci; SDt oraz σt. Pierwsza to
uogólniony symptom uszkodzenia t, co mona nazwa dyskryminant tego uszkodzenia i mona j otrzyma jako iloczyn prawostronny macierzy obserwacji i wektora vt, [4]:
SDt = Opr * vt = t ⋅⋅⋅⋅ ut (13)
A poniewa wektory vt i ut unormowane s do jednoci, to długo wektora SDt równa jest jego
normie energetycznej i wynosi:
Norm (SDt) ≡¨¨SDt¨¨= t (14)
Zatem dla zadanego czasu ycia θ zaawansowanie zuyciowe uszkodzenia Ft moe by
odzwierciedlone przez warto szczególn σt(θ), natomiast chwilowa jego ewolucja przez
dyskryminant SDt(θ). Postuluje si równowano nowych miar uzyskanych z SVD do
charakterystyk przestrzeni uszkodze, w całym czasie ycia θ obiektu:
SDt (θ)∼Ft(θ), z norm ¨Ft(θ)¨∼¨SDt(θ¨= σt(θ) (15)
SDt(θ) mona by równie nazwa profilem uszkodzenia, natomiast σt(θ) jego zaawansowaniem.
Przykładem zastosowania tych rozwaa jest obserwacja diagnostyczn trakcyjnego 12 cylindrowego silnika Diesla, gdzie w jednym wybranym punkcie wykonywano co ∆θ = 10tys. km pomiary kilkunastu symptomów drganiowych w całym cyklu ycia. W sumie mierzono amplitudy 3 przyspiesze, 3 prdkoci, 3 przemieszcze, 3 czstoci Rice’a.
W systemie MATLAB® napisano programy pcainfo.m oraz diaginfo.m, którymi przetwarzano macierze obserwacji diagnostycznej silnika sil54d2, a wyniki pokazano na rys. 3, [4,12].
Jak wida z lewego górnego obrazka mierzone symptomy tworz gstwin informacji, która jednak po przetworzeniu przez SVD jest łatwo dekodowana na dwa główne rodzaje uszkodze, bo σ1 i σ2 to ca 50% i 20% ogółu informacji diagnostycznych w macierzy obserwacji (obrazek prawy górny) mierzonej jako iloraz wartoci danego σi do sumy wszystkich wartoci szczególnych. Do
tego pierwsze uszkodzenie SD1 (lewo dół) prawie monotonicznie ronie, natomiast drugie jest
niestabilne i zaczyna rosn po dwudziestym pomiarze (200tys. km), jak to wida równie z przebiegu intensywnoci uszkodzenia σ2 w prawym dolnym rogu rys. 3.
Rys. 3 SVD w zastosowaniu do bada silników ródło: [4].
Zatem procedura SVD w nowszych implementacjach programowych ma charakter bazowy i pozwala dalej rozbudowa algorytm szukajc automatycznie zbdnych symptomów pomiarowych dla danego zagadnienia diagnostycznego. Pokazano to w uproszczeniu na rys. 3 – obrazek prawy góra, gdzie wida udział poszczególnych symptomów w dyskryminancie SD1.
Moliwo szybkiej identyfikacji uszkodzenia podczas diagnozowania elementów majcych wpływ na funkcjonowanie obiektów technicznych były podstaw do stworzenia programu SIBI (System Informatyczny Bada Identyfikacyjnych). Program ten jest prób implementacji oprogramowania dla potrzeb:
– akwizycji procesów drganiowych, – przetwarzania procesów drganiowych,
– badania współzalenoci procesów drganiowych – badania wraliwoci symptomów
– wnioskowania statystycznego, – wizualizacji wyników analizy.
Rys 4. Główne okno dialogowe programu SIBI 4. Dedykowane systemy eksploatacji
Rozwizanie zadania głównego w zakresie bada projektu stwarza moliwoci budowy dedykowanych systemów eksploatacji, uwzgldniajcych badania stanu, zagroe bezpieczestwa i rodowiska eksploatowanych maszyn [12,15].
Ustalone w badaniach operacyjnych zwizki pomidzy cechami stanu a parametrami sygnałów stanowi podstaw budowanych modeli ocenowych. Z relacji zachodzcych pomidzy nimi wyznaczane s wszystkie niezbdne wielkoci kryterialne dla systemu oceny bezpieczestwa, komfortu i zmian stanu technicznego badanego systemu.
Wypracowane elementy postpowania metodycznego w zakresie zada projektu zweryfikowano czciowo na grupie 17 pocigów, zgodnie z wymogami normy midzynarodowej UIC – 518, która opisuje warunki pracy pojazdów szynowych do badania bezpieczestwa i komfortu jazdy, takie jak: prdko pojazdu, stan szyny, stan statyczny i dynamiczny obiektu itd. Zweryfikowano praktycznie wiele procedur bada, obejmujcych:
• metod wyboru punktów pomiarowych mierzonych sygnałów; • metody wyznaczania wartoci granicznych dla estymatorów sygnałów; • graficzna metoda wielowymiarowa prezentacji wektorów i wartoci własnych; • metoda rozkładu wzgldem wartoci szczególnych SVD;
• metoda wyznaczania niezawodnoci symptomowej; • metoda prognozowania terminu kolejnego diagnozowania.
Ogromna ilo informacji diagnostycznej z bada torowiska, bada hałasowych oraz drganiowych systemu kolejowego poddana została opracowaniu statystycznemu (BEDIND, PCA, SVD, modelowanie relacji przyczynowo-skutkowych) w zakresie ekstrakcji informacji uytecznej oraz dla potrzeb wyznaczania podstawowych wska ników charakteryzujcych jako eksploatacji.
Do badania bezpieczestwa i komfortu jazdy zainstalowano system monitorowania pozwalajcy na akwizycj i rejestrowanie danych: przyspieszenie drga, siły i prdko jazdy pojazdu. Czujniki przyspieszenia instalowane były na masie zawieszonej pocigu, tzn. na zestawie o-koło, rama wózka i wagonie pojazdu. Czujniki sił umieszczone były na wysokoci osi wózka napdzajcego, a sygnał prdkoci był dostarczony z systemu kontroli ruchu jednostki kolejowej. Konfiguracja czujników, metoda próbkowania, filtrowanie i obliczenie statystyczne estymatorów, przeprowadzone były według załoe normy UIC. Pomiar na kadym poje dzie pasaerskim przeprowadzony był w rzeczywistych warunkach eksploatacji, gdzie system monitorowania rejestrował w sposób cigły dane z rónych przejazdów pocigów (rys. 5).
W wyniku implementacji normy UIC-518 powstały raporty dla oceny bezpieczestwa i komfortu jazdy pojazdów pasaerskich oraz zuycia toru. Przykładowe wyniki takich bada pokazano na rys. 6.
Wyniki bada cech stanu technicznego torowiska i wielu parametrów drganiowych i hałasu s rezultatem zastosowania specyficznych procedur i algorytmów diagnostyki technicznej. Wyniki bada statystycznych bogatego materiału informacyjnego z bada pocigów dały podstawowe relacje i wartoci stanowice baz zbudowanego wielokryterialnego systemu oceny bezpieczestwa i komfortu jazdy pocigów.
Realizacja wszystkich zada umoliwiła opracowanie i wykonanie przenonego systemu diagnostycznego. Konstrukcja PSD wynika z zakresu zada do realizacji i procedur diagnozowania opartych na normie midzynarodowej UIC – 518, która posiada wszystkie procedury do testowania pojazdów pasaerskich. Moduły, z których składa si PSD s nastpujce:
• moduł czujników,
• moduł przetwarzania sygnałów,
• moduł oceny bezpieczestwa i komfortu jazdy, • moduł oceny stanu technicznego koło-szyna, • moduł do detekcji uszkodze,
• moduł pomocniczy do decyzji, • moduł prognozy,
Rys. 5. System pomiarowy do oceny bezpieczestwa i komfortu jazdy
Zaproponowany system bada stanu został przystosowany do rzeczywistych warunków eksploatacji i wykorzystuje zarówno zalecane norm UIC-518 jak i nowe estymatory stanu, bezpieczestwa i komfortu jazdy.
5. Podsumowanie
Problemy eksploatacji złoonych obiektów technicznych s cigle rozwijane, a procedury pozyskiwania i przetwarzania informacji s cigle doskonalone. Zakres bada obejmuje takie zagadnienia, jak: ródła informacji diagnostycznej, sygnały i symptomy diagnostyczne, zasady szczegółowych metod diagnostyki, modelowanie w diagnostyce, eksperymenty diagnostyczne, wspomaganie diagnostyki nowoczesnymi technologiami informatycznymi, diagnozowanie w systemach antropotechnicznych i socjotechnicznych oraz organizacyjne i ekonomiczne aspekty stosowania diagnostyki. Zagadnienia te dotycz w kolejnoci: ródeł informacji od strony fizykalnej i od strony informacyjnej, podstaw metod i technik badawczych, modelowania i eksperymentowania w diagnostyce oraz nowoczesnego wnioskowania i zarzdzania systemami technicznymi.
Rys. 6 Implementacja normy UIC-518 na badanych odcinkach
Realizacja zada szczegółowych przedstawionych procedur postpowania pozwoliła na opracowanie wielokryterialnego systemu oceny stanu eksploatowanych maszyn, a take umoliwiła praktyczn weryfikacj przydatnoci wielu rozwiza teoretycznych.
Zintegrowane rodowisko naukowe Wydziału Inynierii Mechanicznej oraz Wydziału Zarzdzania UTP, realizujce wspólnie zadania prezentowanego projektu liczy wiele osób, znanych lub jake czsto jeszcze bezimiennych, głboko oddanych problematyce eksploatacji maszyn i zarzdzaniu. Notowane czsto ich sukcesy naukowe i wdroeniowe z tego obszaru działalnoci s zawsze poprzedzone mudn, wyton i wyczerpujc prac. Praca ta, jake czsto prowadzona jest w osamotnieniu, w oderwaniu od spraw ycia codziennego, wykonywana
najczciej w nocy. Jake czsto dokonania tej mozolnej pracy sprawiaj satysfakcj twórcom jedynie podczas wystpie w ramach spotka naukowych, czy te po opublikowaniu swoich osigni w znaczcych naukowych czasopismach krajowych lub zagranicznych.
Ile przemyle, wrae i refleksji, a take nowych inicjatyw rodzi skrupulatna lektura przedstawionej tematyki wspólnych bada, odkrywajca jake czsto mało znane fakty, zdarzenia i dokonania naszych znajomych. Jake wiele miejsca pozostało jeszcze dla osób bezimiennych, wybitnych twórców teorii i praktyki przedstawianej tematyki z naszego rodowiska. Oczekujemy na nich….
%LEOLRJUDILD
[1] Birger I.A.: Diagnostyka techniczna (w jz. rosyjskim). Nauka, Moskwa, 1978. [2] Cempel C.: Podstawy wibroakustycznej diagnostyki maszyn. WNT, Warszawa, 1982. [3] Pietrowski H.: Modułowy system organizacji przedsibiorstwa. PWE Warszawa 1981.
[4] Cempel C., Tabaszewski M., Krakowiak M.: Metody Ekstrakcji Wielowymiarowej Informacji Diagnostycznej. Diagnostyka Maszyn, Wgierska Górka, 2003, s. 109–118.
[5] Giergiel J., Uhl T.: Identyfikacja układów mechanicznych. PWN, Warszawa, 1990.
[6] Tylicki H., ółtowski B.: Terra-technologia eksploatacji pojazdów mechanicznych. Wyd. ATR, Bydgoszcz 2004 s.260.
[7] ółtowski B., Niziski S.: Modelowanie procesów eksploatacji maszyn. ISBN-83-916198-3-4, Bydgoszcz–Sulejówek, 2002.
[8] ółtowski B.: Badania dynamiki maszyn. ISBN–83-916198-3-4, Bydgoszcz, 2002.
[9] ółtowski B., Niziski S.: System informatyczny eksploatacji pojazdów mechanicznych. Wyd. PWSZ, Piła 2004.
[10] ółtowski B., Tylicki H.: Wybrane problemy eksploatacji maszyn. Wyd. PWSZ, Piła 2004. [11] ółtowski B.: Podstawy diagnostyki maszyn. Wyd. ATR, Bydgoszcz, 1996.
[12] ółtowski B., Cempel C. (red.): Inynieria diagnostyki maszyn. ITE Radom 2005.
[13] ółtowski B.: Metody diagnostyki technicznej w ocenie destrukcji maszyn. Problemy Niezawodnoci Systemów, Materiały Szkoły Niezawodnoci PAN, Szczyrk 2007 s. 587–599. [14] ółtowski B.: Diagnostic system maintenance the ability of machines. Eksploatacja
i Niezawodno, Nr 4 (36), 2007 s. 72–77.
[15] ółtowski B, Castañeda L: Monitoreo Multidimensional de la Interfase Vía-Vehículo de un Sistema Ferroviario. Congreso Internacional de Mantenimiento – ACIEM – Marzo 2007, Bogotá, Colombia.
ENVIRONMENTAL INVESTIGATIONS OF TECHNICAL SYSTEMS
Summary
The article introduces an environmental aspect of the problems of investigation of technical object systems. The analysis and the fusion of problems of equipment fit and safe in functioning, as well as environmentally friendly, permitted to gain the funding for a project related to investigation of reliability and maintenance of engines. The project is realized in co-operation of the departments of mechanical engineering and management. The issues taken up within the project and the chosen questions of maintenance of fitness of engines make up the content of this report. Keywords: machines, systems, fitness, management, investigative procedures, risk.
Bogdan ółtowski
Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy e-mail: bogdan.zoltowski@utp.edu.pl
