Теория, методы и эксперименты решения задач диагностики судовых электрических средств автоматизации

Н.Н. ПОРТНЯГИН, Г.А. ПЮККЕ

ТЕОРИЯ, МЕТОДЫ И ЭКСПЕРИМЕНТЫ РЕШЕНИЯ ЗАДАЧ ДИАГНОСТИКИ СУДОВЫХ ЭЛЕКТРИЧЕСКИХ СРЕДСТВ АВТОМАТИЗАЦИИ

Санкт-Петербург Судостроение 2004

УДК 621.382:681.518.54:519.87 ББК 32.973.26-04 П60 Рецензенты: С.Е. Кузнецов, доктор технических наук, профессор, начальник кафедры судовых автоматизированных электроэнергетических систем ГМА им. адмирала С.О. Макарова С.Б. Макаров, доктор технических наук, профессор, заведующий кафедрой радиоэлектронных средств защиты информации Санкт-Петербургского государственного технического университета Портнягин Н.Н., Пюкке Г.А. П60

Теория, методы и эксперименты решения задач диагностики судовых электрических средств автоматизации. – СПб.: Судостроение, 2004. – 162 с. ISBN 5–7355–0655–2 Книга посвящена совершенствованию системы диагностики судовых электрических средств автоматизации, включая сложное электронное оборудование. Рассмотрены теоретические и методологические аспекты диагностики, а также эксперименты при решении диагностических задач ·судовой электронной аппаратуры. Для специалистов в области технической эксплуатации судовых электроэнергетических систем, аспирантов и студентов морских специальностей вузов. УДК 621.382:681.518.54:519.87 ББК 32.973.26-04

ISBN 5–7355–0655–2

© Судостроение, 2004 © КамчатГТУ, 2004 © Авторы, 2004

2

Содержание От авторов ................................................................................ Введение ................................................................................... Глава 1. Анализ методов и средств диагностирования судовых электрических средств автоматизации ............. 1.1. Задачи и методология технического диагностирования ............................................................... 1.2. Характеристика судовых электрических средств автоматизации как объекта диагностирования ............................................................... 1.3. Методы технического диагностирования ................. 1.3.1. Методы поиска дефектов ......................................... 1.3.2. Методы диагностирования, основанные на использовании функциональных и логических моделей объекта диагностирования .......... 1.3.3. Методы диагностирования, основанные на использовании аналитических диагностических моделей объекта диагностирования ................................. 1.3.4. Экспериментальные методы разработки диагностических моделей .................................................. 1.4. Средства технического диагностирования ................ 1.4.1. Анализ и характеристики средств диагностирования судового электрооборудования ......................................................... 1.4.2. Структура и проектирование технических средств диагностирования ................................................. 1.5. Выводы и постановка задач исследований ............... Глава 2. Разработка метода изоварных характеристик для диагностирования судовых электрических средств автоматизации ....................................................... 2.1. Построение и анализ диагностических моделей .................................................. 2.1.1. Формирование множества диагностических параметров ............................................ 2.1.2. Минимизация множества прямых диагностических параметров ............................................ 3

5 7 14 15 22 24 25 30 34 41 43 44 46 52 53 53 55 69

2.1.3. Построение диагностической модели. Алгоритм и методика построения области работоспособности (детерминированная постановка) ..................................... 2.2. Методика диагностирования на примере диагностики СИФУ ............................................................ 2.2.1. Построение логической модели диагностики СИФУ ............................................................ 2.2.2. Построение алгоритма поиска дефектов методом изоварных характеристик ................................... 2.2.3. Автоматизация процесса диагностирования методом изоварных характеристик ................................... Глава 3. Разработка метода изоварных характеристик для диагностирования множественных дефектов ........... 3.1. Вероятностная модель оценки состояния объекта диагностирования на основе изоварных характеристик .................................................. 3.2. Алгоритм и методика построения области работоспособности (вероятностная постановка) ............. 3.3. Диагностика СЭСА методом изоварных характеристик с применением нейросетей ...................... Глава 4. Эксперименты по решению задач диагностики СЭСА ............................................................. 4.1 Архитектура программно-аппаратного микропроцессорного комплекса ....................................... 4.2. Решение задачи уточнения допустимых границ изменения параметров компонент ОД ............................. 4.3. Настройка и опробование нейросетевых алгоритмов .................................................. 4.4. Оценка запаса работоспособности и определение предотказных состояний ОД ............................................. Заключение ............................................................................... Литература ...............................................................................

4

80 89 91 104 109 113 113 117 123 126 126 133 144 148 150 152

От авторов Высокая техническая культура современного производства немыслима без постоянного совершенствования методов контроля технического состояния объектов промышленности. Отсутствие технических средств контроля и регулирования, их малая эффективность приводят к возникновению аварийных ситуаций в производстве, низкой эффективности эксплуатации, дополнительным затратам на ремонт. С другой стороны, сложность современных технических систем требует компьютерной грамотности инженера и использования персональных ЭВМ, которые практически неограниченно расширили возможности для эксперимента. Квалификация современного инженера определяется умением использовать вычислительную технику, принимать адекватные решения при конструировании, проектировании и управлении, навыками программирования и математического моделирования. Творчески мыслящий, теоретически подготовленный и имеющий достаточный практический опыт инженер сегодня определяет развитие науки, техники, внедрение передовых решений в жизнь. В настоящее время математическое и программное обеспечение, направленное на решение актуальных задач контроля и регулирования технического состояния объектов производства, и в частности средств автоматики, отстает от потребностей производства. Классический математический аппарат, широко применявшийся в 80–90-х гг. на рубеже ХХI в., оказался недостаточно эффективным при алгоритмической реализации решаемых в технике задач, к которым, несомненно, относятся и задачи диаг5

ностирования технических систем. В данной работе авторы предпринимают попытку найти решение всего комплекса задач диагностики в условиях сложной электронной аппаратуры, к которой относятся судовые электрические средства автоматизации. Достижение поставленной цели немыслимо без применения современных методов теории нечетких множеств и нейросетевых технологий, однако авторы считают наиболее эффективным методом разработку, в которой сочетаются, взаимно дополняя друг друга, классические методы и современные технологии. Разрешить многие проблемные задачи эксплуатации флота рыбной промышленности можно, лишь научив инженеров разрабатывать математические модели диагностических систем и систем параметрического регулирования, алгоритмы и программы их расчета, проектирования, настройки и оптимизации. Материал, изложенный в книге, является частичным обобщением опыта авторов, в течение ряда лет занимавшихся вопросами технической диагностики и параметрического регулирования средств судовой автоматики. Авторы надеются, что книга будет полезна студентам и преподавателям вузов, а также инженерам, интересующимся вопросами технической диагностики. С уважением Н.Н. Портнягин, Г.А. Пюкке

6

Введение Применение электрических средств автоматизации (ЭСА) на судах современного флота позволяет повысить эффективность работы различных систем и механизмов, способствует повышению производительности труда судовых экипажей, дает значительный экономический эффект, сокращает затраты энергии и материалов. Современное техническое состояние рыбопромыслового флота России характеризуется несколькими особенностями, которые порождены проблемами конкуренции и усилением требований к технологии добычи и обработки морепродуктов и ранее не проявлялись в такой значительной мере. Прежде всего, это расширение спектра различных средств электроавтоматики в сторону мощных электронных устройств. Зачастую эти устройства являются продукцией зарубежных компаний и попадают в состав судового электрооборудования во время переоснащения, ремонта и модернизаций промысловых судов. Наиболее распространенными являются электрические средства автоматизации, содержащие аналоговые и цифровые компоненты, комбинационные схемы и элементы с памятью. Они применяются практически во всех устройствах автоматики, где требуется реализовать специальные характеристики, обеспечить плавность и точность регулирования, повысить производительность и мощность судовых электроэнергетических систем. Возросшие возможности мощной полупроводниковой техники, появление мощных IJBT-транзисторов, способных управлять токами в сотни ампер и выдерживать напряжения до 1 500 вольт, а также мощных тиристоров и семисторов, фотосемисторов и других силовых электронных приборов, использующихся в разработках современных компаний, поставляющих аппаратуру для промысловых судов, делают актуальным рассмотрение вопросов диагностирования и параметрического регулирования устройств автоматики. Усложнение состава электрооборудования, рост его количества и широкое внедрение комплексных средств автоматизации на 7

судах приводит, как правило, к увеличению интенсивности отказов. Вследствие этого простои судов, вызванные ремонтом оборудования, и связанные с ними убытки существенно возрастают. В настоящее время совокупные затраты на техническое обслуживание судов за амортизационный срок службы в два-три раза превышают их строительную стоимость. Расходы, связанные с ежегодным ремонтом судов, достигают половины сумм, расходуемых на строительство нового флота. Проблема снижения этих расходов всегда являлась и является одной из важнейших технико-экономических задач. Оборудование, поставляемое из-за границы, зачастую поступает без подробной технической документации и без детальной проработки вопросов электромагнитной совместимости. Кроме того, недостаточное качество электрической энергии на промысловых судах ведет к снижению надежности установленного электронного оборудования и неоправданным экономическим потерям. Однако судовладельцы идут на риск и продолжают переоснащение судов электронным оборудованием. В этой ситуации задачи диагностики и регулирования мощного судового электронного оборудования выступают на передний план, так как выход из строя мощных полупроводниковых приборов во время ведения промысла может приводить к значительным экономическим потерям, а в случае выхода из строя систем управления ответственными энергетическими процессами – к потере безопасности мореплавания. Необходимо также отметить, что в силу уменьшения количественного состава промысловых судов (примерно в 2,5 раза) обострилась проблема повышения качества настройки систем автоматики СЭС. Участились случаи выхода генераторов из синхронизма вследствие расстройства параметров электронной аппаратуры САРН и АРЧ. Отсутствие эффективной системы регулирования запаса работоспособности аппаратуры приводит к неоправданным временным потерям на межрейсовых стоянках судов. Не уделяется достаточного внимания и отстройке динамических параметров электронных регуляторов, что оборачивается неминуемыми потерями топлива. Исследование результатов обработки статистических данных по флоту Камчатки [10] показывает, что за период с 1987 по 8

1998 гг. при систематическом снижении количества судов на флоте относительный процент аварийности возрастает (рис. В.1). Это свидетельствует о старении оборудования и недостаточной оснащенности современными средствами контроля и диагностирования технического состояния устройств, а также о малом количестве новых методов, разработок и устройств, повышающих безаварийность работы. Процентная зависимость аварийности (рис. В.2), вызванной навигационными, техническими и экстремальными факторами, показывает, что доля навигационных и технических факторов высока и одинакова [10]. Однако динамика процесса во времени обнаруживает тенденцию роста зависимости аварийности, обусловленной техническими факторами. Это свидетельствует о старении технического оборудования и необходимости повышения контроля над ним. Одним из факторов, повлиявших на столь сильный рост технической аварийности, явилось старение базы флота при отсутствии надлежащего ремонта, технического обслуживания и достаточно полной оснащенности техническими средствами диагностирования. Одной из причин увеличения аварийности является субъективный фактор (например, квалификация судового обслуживающего персонала и его отношение к своим обязанностям). Как отмечают специалисты, «эффективность любого управления требует наличия достоверной и своевременной информации об окружающей обстановке, о состоянии судна и даже самого экипажа» [5]. Наличие информации должно обеспечиваться непрерывным наблюдением, которое ведётся вахтенной службой. Один вахтенный помощник на мостике или механик в машинном отделении в сложных условиях плавания, особенно ночью, не способен обеспечить непрерывность наблюдения. Именно поэтому на передний план выступают технические средства контроля и диагностирования. Вторым фактором, влияющим на аварийность, является компетентность персонала. Некомпетентные решения или неграмотные действия, особенно в экстремальных условиях, могут поставить в безвыходное положение весь экипаж и судно. А поскольку компетентность является субъективным фактором, 9

не подлежащим формализации и объективному учету, то роль успешного решения задачи технического диагностирования, позволяющей формализовать часть функций оператора, возрастает. В этой ситуации уровень требований к обслуживающему персоналу уменьшается, что повышает составляющую надежности, зависящую от субъективного фактора. кол-во флота

Рис. В.1. Диаграмма соотношения количества судов на флоте и аварийности в период с 1985 по 1998 гг.

Рис. В.2. Диаграмма аварийности, обусловленной различными факторами, в период с 1985 по 1998 гг.

10

В 1995 г. журнал «Морской флот» привёл результаты исследований газеты «Ллойдз Лист», направленных на изучение влияния человеческого фактора на аварийность морских судов. Было отмечено, в частности, что «80% аварийных ситуаций связанны с работой человека на судне. Только 10% аварийных ситуаций связаны с отказом и выходом из строя судовой техники и устройств в чрезвычайных обстоятельствах, когда были нарушены проектные нормы». Факторы аварийности навигационные, всего в т. ч. по вине экипажа технические, всего в т. ч. по вине экипажа пожары, всего в т.ч. по вине экипажа Рис. В.3. Зависимость состояния аварийности от человеческого фактора

На рис. В. 3 приведены шесть временных зависимостей состояния аварийности судов рыбопромыслового флота Камчатки [10]. Три графика показывают состояние аварийности вообще, а три других – зависимость аварийности от вины экипажа. Можно заметить, что кривые категории «по вине экипажа» практически точно повторяют кривые категории «всего». Это говорит о прямой зависимости состояния аварийности от качеств субъекта управления – экипажа и его отдельных членов. Подводя итог сказанному, можно заключить, что снижение как технических, навигационных, так и субъективных факторов аварийности находится в прямой зависимости от оснащенности флота техническими средствами диагностирования, и успешное решение проблемы безаварийной эксплуатации в значительной мере определяется наличием новых подходов, методов и направлений в развитии технической диагностики. Снизить интенсивность отказов электрооборудования на стадии эксплуатации можно за счет регулярного оценивания состояния и своевременного восстановления работоспособно11

сти. Решить эти задачи позволяет своевременное и рациональное применение методов и средств диагностирования с последующей настройкой основных параметров систем. Разработка диагностического обеспечения является обязательным условием при проектировании новых объектов. Как правило, объект диагностирования (ОД), методы и средства диагностирования разрабатываются одновременно. В настоящее время известно множество методов оценки степени работоспособности и поиска дефектов в судовых ЭСА. Подробный анализ их эффективности показывает, что наряду с множеством определенных достоинств они имеют ряд недостатков. Как правило, это методы, предусматривающие процедуру съема информации с достаточно большого количества контрольных точек ОД. При этом процесс диагностирования предполагает выполнение разветвленных алгоритмов, сложность которых увеличивается с ростом размерности диагностируемой электрической цепи. Методика построения таких алгоритмов основывается либо на показателях надежности структурных единиц (СЕ), без учета взаимосвязи между СЕ, либо на логическом анализе, что позволяет обнаружить одиночные дефекты при съеме информации с большого количества полюсов ОД и т. д. Некоторые из существующих методов недостаточно полно учитывают особенности эксплуатации судового оборудования, требуют относительно больших затрат времени, сравнительно большого объема измерений и достаточно высокой квалификации обслуживающего персонала. Авторы считают проблему актуальной и в рамках настоящей работы делают попытку обозначить пути дальнейшего поиска эффективных методов диагностирования и разработки соответствующих методик и средств диагностирования. В предлагаемой работе отражены решаемые авторами следующие основные задачи: – реализация принципиально нового подхода, включающего анализ особенностей судовых ЭСА, методов и средств диагностирования ЭСА, разработку методов и средств оценки работоспособности ЭСА и поиска дефектов в судовых ЭСА 12

с применением нейросетевых технологий при минимальных затратах на диагностирование; – построение и анализ новых диагностико-регулировочных моделей ЭСА для решения задач диагностирования и параметрического регулирования; – разработка методов, алгоритмов и методик диагностирования судовых ЭСА; – разработка технических средств диагностирования, реализующих предложенный метод диагностирования. Перечисленные задачи исследования определили содержание книги. В первой главе выполнен обзор и анализ методов и средств диагностирования судовых ЭСА, рассмотрены их достоинства и недостатки. Вторая глава посвящена разработке метода изоварных характеристик, применяемого для диагностирования судовых ЭСА при одиночных дефектах, описана процедура формирования и минимизации основных диагностических признаков, обосновывается выбор критериев при определении каналов наблюдения за состоянием ОД. В третьей главе приводится разработка метода изоварных характеристик в вероятностной постановке для диагностирования судовых ЭСА при множественных дефектах, рассмотрена методика проведения исследований. В четвертой главе приведены результаты, полученные с использованием программно-аппаратного комплекса, разработанного при участии авторов на кафедрах систем управления, электротехники и электрооборудования судов.

13

Глава 1 АНАЛИЗ МЕТОДОВ И СРЕДСТВ ДИАГНОСТИРОВАНИЯ СУДОВЫХ ЭЛЕКТРИЧЕСКИХ СРЕДСТВ АВТОМАТИЗАЦИИ Судовое оборудование различного назначения может быть достаточно эффективным только при условии его высокой надежности, которая закладывается при его проектировании, обеспечивается при производстве и поддерживается в процессе эксплуатации. Поэтому актуальность задачи поддержания высокой надежности – в том числе путем систематического контроля технического состояния автономных технических объектов, а также их периодического регулирования – давно привлекает к себе внимание специалистов, работающих в различных областях науки и техники. В последние годы количество публикаций, посвященных этой проблеме, заметно увеличилось. Это объясняется возросшими требованиями к обеспечению работоспособности автономных технических объектов, в частности к ЭСА. Применительно к судовому электрооборудованию пути и особенности решения задачи оценки работоспособности и поиска дефектов электротехнических устройств исследованы и разработаны недостаточно полно. Основное внимание, как правило, уделяется вопросу повышения качества СЭУ, а возможные способы регулирования и автоматического контроля технического состояния объектов недостаточно полно исследованы. Вместе с тем структуры СЭУ современных промышленных комплексов становятся все более сложными. По мнению авторов, решение проблем диагностирования сложных динамических систем должно идти по пути построения алгоритмических методов, сочетающих аналитические и численные методы, связанные определенной структурой алгоритмов. В данной главе выполнен анализ существующих методов поиска дефектов и определения степени работоспособности в электрических цепях, дается оценка эффективности использова14

ния и области применения к конкретным типам устройств, а также анализируются известные методы их реализации. Рассматриваются вопросы параметрического регулирования. 1.1. Задачи и методология технического диагностирования В большинстве случаев любое СЭУ можно представить как совокупность взаимосвязанных структурных единиц, а отдельные узлы – как возможные полюсы съема информации с целью проведения диагностирования. При такой постановке задачи разрешающим пределом диагностирования является структурная единица, и поиск дефекта может производиться только с точностью до структурной единицы. Структурными единицами могут быть как отдельные резисторы, конденсаторы, катушки индуктивности, так и многополюсные компоненты: транзисторы, микросхемы и т. п., а также усилители, регуляторы-преобразователи, приемники электрической энергии, фрагменты схем и т. д. Для целей диагностирования любое ЭСА можно представить как многополюсную систему (рис. 1.1).

Рис. 1.1. Схема представления судового электротехнического устройства для целей диагностирования

Одна часть входов системы обычно представляется p-мерным вектором параметров комплектующих элементов x, который можно условно разделить на множества пассивных и активных элементов. Оба полученных множества можно разделить на множество определяющих элементов (элементы, изменение параметров которых существенно влияет на изменение выходных параметров устройств) и множество неопределяющих элементов (рис. 1.2). 15

Множество комплектующих элементов {Xк}

Множество неопределяющих элементов {Xно} Множество пассивных элементов {Xп}

Множество активных элементов {XA}

Множество настраиваемых элементов {Xн} Рис. 1.2. Классификация множества комплектующих элементов судового электротехнического оборудования

Другая часть входов может быть представлена μ-мерным вектором входных воздействий z. Этот вектор представляет собой совокупность управляющих воздействий на СЭУ, каждое из которых характеризуется своими параметрами. Кроме того, на СЭУ действует χ-мерный вектор возмущающих воздействий f, который определяется условиями эксплуатации СЭУ. На выходе устройства наблюдается m-мерный вектор выходных параметров y. Связь входов и выходов СЭУ представляется уравнением: y = W(x, z, f), где W – оператор связи. Под условием работоспособности понимается совокупность неравенств: yj min ≤ yj (x) ≤ yj max,

(1.1)

где yj(x) – функция работоспособности; yj max, yj min – наибольшее и наименьшее значения j-го параметра. 16

Выходными являются параметры, имеющие определенный физический смысл (постоянная времени, коэффициент усиления и т. д.), а также параметры, отражающие определенное режимное воздействие на устройство. В том случае, если выходные параметры включают в себя несколько показателей качества в виде функционалов, ограничения на их предельные значения устанавливаются на основе опыта проектирования и эксплуатации или в результате использования метода экспертных оценок. Определяются весовые коэффициенты для каждого показателя, позволяющие ранжировать показатели качества по степени важности. На основании полученных значений весовых коэффициентов показатели разделяют на группы. В каждой группе показатели имеют одинаковый весовой коэффициент μб, который определяется как среднее арифметическое весовых коэффициентов показателей, составляющих группу. Как правило, для учета степени важности каждого показателя качества при диагностировании ЭСА производят нормирование по группе, имеющей наименьший весовой коэффициент мв, и определяют новые пределы ограничений на отдельные показатели: (φj min ≤ φj ≤ φj max) μв / μб при j = 1, …, L, где L – количество показателей качества в виде функционалов. Неравенство (1.1) определяет область работоспособности D устройства в пространстве выходных параметров. Область D имеет форму m-мерного гиперпараллелепипеда, однако она с нескольких сторон может быть незамкнутой, так как отдельные выходные параметры могут иметь только односторонние ограничения. Ограничения на входные параметры устройства (Xi – Xi min) (Xi max – Xi) ≥ 0 при i = 1, …, n следуют из области работоспособности устройства D. Каждое j-е неравенство [Yj (X) – Yj min][Yj max – Yj(X)] ≥ 0 при j = 1, …, m 17

в n-мерном пространстве X определяет область Мj. Область m М= М j представляет собой множество значений входных паj =1 раметров, при которых удовлетворяется система неравенств (1.1). Ограничения на входные параметры устройства определяют область P {Xi min ≤ Xi ≤ Xi max}. Здесь Xi min, Xi max – соответственно наименьшее и наибольшее рабочие значения i-го входного параметра. Область Р имеет форму гиперпараллелепипеда размерностью n. Пересечение областей Р и М в пространстве входных параметров определяет область работоспособности G. К работе судовых ЭСА предъявляются различные противоречивые требования. В состав ЭСА входят устройства, которые отличает большое схемное разнообразие. Изменчивые и тяжелые условия эксплуатации приводят к дрейфу входных параметров. Например, отклонения от среднего значения сопротивления резисторов доходят до 60%, емкости – до 80%, коэффициента усиления по току и обратного тока коллектора транзистора – до 100%. Изменчивые условия эксплуатации судового электрооборудования, широкое использование для построения ЭСА полупроводниковых элементов и микросхем, имеющих повышенные скорости изменения своих параметров, а также автономность работы ЭСА выдвигают задачу обеспечения периодического контроля работоспособности и поиска возникших дефектов как одну из главных. Состояние ОД, как правило, оценивают по диагностическим параметрам, определяющим состояние объекта. Каждому состоянию ОД соответствует свое значение диагностических параметров. Изменение диагностического параметра недопустимым образом говорит о том, что в ОД мог возникнуть дефект. Можно говорить о дефектах, приводящих к частичной потере работоспособности. При наличии такого дефекта ОД сохраняет работоспособность за счет избыточности (структурной, временной, информационной) или за счет того, что потеря работоспособности элементов приводит не к потере работоспособности ОД, а к снижению степени работоспособности ОД и, следовательно, к повышению вероятности его отказа в дальнейшем. 18

∏

Методология технической диагностики основана на следующих исходных положениях: 1. Допущение о том, что ОД может находиться в конечном множестве состояний S. 2. Состояние ОД под воздействием внешних факторов и вследствие внутренних необратимых процессов постоянно изменяется. 3. Во множестве S может быть выделено два непересекающихся подмножества S1 и S2, где S1 – подмножество работоспособных состояний; S2 – подмножество неработоспособных состояний. 4. Решение задач оценки состояния ОД сводится к анализу подмножеств S1 и S2. 5. В процессе диагностирования участвуют в общем случае ОД, техническое средство диагностирования и человекоператор. 6. Возникший дефект приводит к тому, что ОД из одного состояния переходит в другое (необязательно неработоспособное), т. е. работоспособный ОД может иметь дефект, так же как и неработоспособный. Следовательно, заключение о том, что ОД работоспособен, не означает, что в нем дефекты отсутствуют. С другой стороны, если ОД неработоспособен, то в нем обязательно имеется дефект. Процесс диагностирования предусматривает наличие обоснованной методики и заданных алгоритмов диагностирования, т. е. совокупности предписаний о выполнении определенных действий в процессе диагностирования [17–19]. При диагностировании могут решаться следующие основные задачи: Z1 – контроль технического состояния (КТС); Z2 – поиск дефектов (ПД); Z3 – прогнозирование технического состояния (ПТС). Какие из этих задач решаются – зависит от условий выполнения процесса диагностирования и особенностей судового оборудования. Контроль технического состояния предполагает проверку соответствия значений диагностических признаков ОД требованиям технической документации и, как правило, производится при диагностировании объектов любого назначения. 19

В том случае, когда ОД утратил работоспособность или запас работоспособности значительно снизился, при диагностировании может решаться задача поиска дефектов. Целесообразность ее решения определяется возможностью восстановления ОД, т. е. при достаточно высокой ремонтопригодности ОД. При решении задачи ПТС изучается характер изменения диагностических параметров под влиянием внешних и внутренних воздействий, и на основе сформировавшихся тенденций предсказывается значение параметров в будущий момент времени. Наиболее распространенными сочетаниями задач, решаемых в процессе диагностирования, являются Z1 и Z2; Z1 и Z3; Z2 и Z3. При построении системы диагностирования необходимо решить задачу организации взаимодействия элементов, участвующих в процессе диагностирования. Постановка этой задачи и пути ее реализации подробно описаны в работах [28, 31, 36–38, 53, 71], где для решения задач организации выбирается критерий, который характеризует связь основных показателей элементов (объект, техническое средство, оператор) с показателями процессов использования и диагностирования объекта. Такой критерий представляет собой функцию К = К (П1, П2, П3, И, Д), где П1, П2, П3 – показатели-векторы ОД, ТСД и оператора; И – показатель-вектор, характеризующий организацию использования объекта; Д – показатель-вектор, характеризующий организацию процесса диагностирования объекта. Показатели-векторы П1, П2, П3 включают показатели, характеризующие безотказность, ремонтопригодность элементов системы диагностирования. Необходимо отметить, что в процессе оценки состояния ОД, при решении задач определения работоспособности, поиска дефектов и прогнозирования должны быть обеспечены заданные значения показателей диагностирования (вероятность ошибки диагностирования Pij, апостериорная вероятность ошибки диагностирования Pij*, вероятность правильного диагностирования D, средняя оперативная продолжительность диагностирования τd, средняя стоимость диагностирования Сd, средняя оперативная трудоемкость диагностирования Sd, глубина поиска дефекта L). 20

Каждую из задач можно решать различными методами, причем любой метод для своей реализации предъявляет определенные требования к ОД. Каждый метод решения задачи диагностирования характеризуется двумя совокупностями величин, значениями показателей диагностирования и значениями показателей, характеризующих ОД. Для каждой задачи диагностирования характерны свои показатели. Так, при определении работоспособности необходимо учитывать вид объекта, наличие неконтролируемых случайных возмущений, количество диагностических признаков, наличие контроля, возможность тестового воздействия, избыточность. При поиске возникшего дефекта рассматривают тип ОД, тип схемы, число выходов, число элементов, избыточность схемы, степень резервирования, приспособленность к диагностированию, объем априорной информации о надежности элементной базы. При решении задач прогнозирования изменения состояния ОД учитывают тип модели процесса изменения состояния, вид модели, показатель, характеризующий время, надежность объекта. В работе [39] составлены таблицы методов решения задач диагностирования, которые объединены в библиотеку методов диагностирования, где показатели диагностирования и показатели ОД условно охарактеризованы численными значениями. При таком подходе методы решения основных задач диагностирования выбирают из библиотеки методов в результате полного перебора по главному показателю и с помощью метода последовательных уступок. Недостатком такого подхода будет трудность определения величины уступки. Чаще всего ее находят методами экспертных оценок. На основе алгоритмов диагностирования, получаемых при разработке диагностического обеспечения с учетом требований, сформулированных при решении задач организации систем диагностирования, строят алгоритмы процесса диагностирования. При построении этих алгоритмов руководствуются базовыми алгоритмами решения основных задач диагностирования. Базовые алгоритмы представляют собой обобщенную последовательность действий, характерную для решения конкретной задачи диагностирования. Базовые алгоритмы строят на основе 21

анализа возможных вариантов решения основных задач диагностирования и описывают на алгоритмических языках в виде логических, матричных и графических схем. 1.2. Характеристика судовых электрических средств автоматизации как объекта диагностирования Наиболее существенными особенностями ЭСА как объекта диагностирования являются следующие: 1. Многоэлементный, многосвязный, сложный, с наличием замкнутых контуров обратных связей и большого количества параметров объект. Для организации диагностирования такого объекта обычно требуется сложная система или значительное время. 2. Непрерывные с точки зрения описания во времени протекающих в них процессов ЭСА в ряде случаев являются динамическими системами, поэтому при диагностировании необходимо учитывать и использовать их динамические характеристики. 3. Гибридный характер ОД, включающий элементы как непрерывного, так и дискретного характера преобразования сигнала, что определяет различный подход при решении задач диагностирования. В ЭСА, построенных по дискретному принципу, информация обрабатывается в соответствии с правилами арифметики или формальной логики, что требует использования подобных же принципов при построении алгоритмов диагностирования. Оборудование непрерывного принципа действия преобразует физические величины в соответствии с заложенными непрерывными отношениями, поэтому диагностирование подобного оборудования должно предусматривать имитацию в той или иной степени этих отношений. 4. Наличие в ЭСА элементов, построенных по различным физическим принципам действия, что затрудняет получение универсальных решений. 5. Случайно-периодический характер использования, так как ЭСА работают периодически в длительном режиме. 6. Различный уровень надежности ЭСА и их элементов затрудняет организацию процесса диагностирования и создает необходимость диагностирования в специальном режиме при поис22

ке дефектов и в рабочем режиме при проверке состояния, для чего используются методы тестового и функционального диагностирования. Только совместное использование тестового и функционального диагностирования может обеспечить требуемую глубину и малое время поиска дефектов с малыми затратами. 7. Для большинства элементов ЭСА кроме дефектов типа «пробой» и «обрыв» возможны частичные отклонения параметров, асимметрия идентичных параметров и другие весьма разнообразные нарушения. 8. В ряде случаев для определения работоспособности ЭСА требуется подача управляющих сигналов, удовлетворяющих определенным требованиям. Поэтому очень важно при диагностировании ЭСА обеспечить контроль присутствия и правильности управляющих сигналов. 9. Судовые ЭСА питаются от общей судовой сети и считаются элементами нагрузки судовой электроэнергетической системы. Поэтому при разработке методов и средств диагностирования необходимо учитывать искажения напряжения, помехи и отсюда – возможность искаженного диагноза. 10. ЭСА, как правило, восстанавливаемый объект, так как в процессе эксплуатации при отказе в нем отдельных элементов они подлежат замене. В настоящее время ЭСА имеют блочное строение, поэтому существует возможность замены какогонибудь блока при его отказе. В этом случае при решении задачи поиска дефектов сначала производится поиск с точностью до блока, после чего производится поиск дефектов в блоке. 11. Для построения многих элементов ЭСА в настоящее время применяются интегральные операционные усилители (ОУ). Для успешного решения задачи диагностирования ЭСА необходимо наличие общих методик диагностирования устройств, построенных на интегральных ОУ. 12. На современных судах используются управляющие микроЭВМ и ПЭВМ, которые могут быть использованы для решения задач диагностирования. Разработанные методы и средства диагностирования ЭСА должны иметь реализацию на имеющихся на судне ЭВМ. 13. Большое разнообразие условий диагностирования ЭСА во многом определяет место расположения ОД. Место располо23

жения ОД сказывается на объеме и характере технического средства диагностирования (ТСД), а в ряде случаев может повлиять на выбор задач и глубину диагностирования. От времени, необходимого для диагностирования, существенно зависит степень автоматизации диагностирования, а программа диагностирования может предусматривать переход от последовательного к параллельному выполнению алгоритмов или операций. 14. Ограниченные возможности восстановления ЭСА в судовых условиях из-за недостаточного количества, невысокой квалификации обслуживающего персонала и ограниченного объема запасных деталей объясняют тот факт, что в условиях эксплуатации диагностирование сводится к определению степени работоспособности. Задачу поиска возникшего дефекта решают, как правило, на базе во время ремонта судна. Эти и другие причины требуют соответствующей автоматизации процесса диагностирования судовых ЭСА. Указанные особенности ЭСА как объекта диагностирования должны учитываться при проектировании систем диагностирования, что позволит создать приспособленные к диагностированию, пригодные для ремонта ЭСА, правильно организовать эксплуатацию и использование оборудования и обеспечить поддержание уровня его надежности. В соответствии с изложенными особенностями судовых ЭСА как объекта диагностирования далее рассматриваются основные методы технического диагностирования на базе анализа разветвленных электрических цепей [3, 13, 23, 54, 92, 102]. 1.3. Методы технического диагностирования Методы диагностирования делят на три группы: 1. Методы проверки работоспособности ОД. 2. Методы поиска дефектов ОД. 3. Методы прогнозирования технического состояния ОД. Методы диагностирования сведены в соответствующие библиотеки, градированы по решаемым задачам и широко представлены в работах [4, 14, 15, 25, 34, 47, 48, 58, 69,79], там же 24

приведена формализованная процедура выбора метода диагностирования для соответствующего ОД. Классификацию методов диагностирования также можно проводить по степени воздействия на ОД (функциональные и тестовые), по режимам работы (статический, динамический), по виду диагностических параметров (показатели качества, коэффициенты передаточных функций), по используемому математическому аппарату (теория идентификации, чувствительности, распознавания образов). Диагностические модели и методы их анализа приведены в работах [4, 14, 15, 21, 22, 24, 25, 31, 34, 35, 39, 40, 45, 47–50, 58, 59, 67, 68]. 1.3.1. Методы поиска дефектов Как правило, простои судовых технических средств связаны с необходимостью поиска и устранения дефектов, возникающих в процессе эксплуатации судового оборудования. Большая часть времени, затрачиваемая обслуживающим персоналом на восстановление судового электрооборудования, в частности ЭСА, расходуется на поиск дефектов. Поэтому важно выбрать методы и программы поиска дефекта, при которых обеспечиваются минимальные затраты на диагностирование. Программа поиска дефекта зависит от принятого метода. На практике применяются формальные методы поиска дефекта, такие как метод последовательных поэлементных проверок, метод последовательных групповых проверок, комбинационный метод, а также логический, при котором не задаются жесткие программы поиска дефекта [58–60]. Поиск дефекта методом последовательных поэлементных проверок осуществляется посредством контроля функциональных элементов системы по одному и по определенной программе. Программу поиска дефекта оптимизируют по критерию минимизации среднего времени поиска дефекта, исходя из известных значений среднего времени проверки элементов и вероятности отказов системы за счет отказа любого из n-элементов. При оптимизации программы диагностирования выбирают различные критерии, по которым устанавливают оптимальные программы последовательностей. Программу поиска дефекта 25

можно оптимизировать из условия минимума средних затрат на поиск дефекта с учетом стоимости проверки каждого элемента. Достоинством метода поэлементных проверок является невысокая цена разработки диагностического обеспечения и применимость при диагностировании любых функциональных схем систем, неработоспособных элементов, а недостатком – относительно большое число проверок, в том числе и при оптимальных программах поиска дефекта, т. к. при поиске отказавшего элемента последовательно проверяются все предшествующие ему в программе элементы в отдельности. Используя метод последовательных групповых проверок, сначала, как правило, с помощью одной проверки можно установить, что где-то в какой-то группе элементов есть дефект. Группы элементов выделяют, исходя из конструктивных особенностей ОД. Поиск дефекта начинают с определения группы элементов, в которой имеется дефект, а затем делением этой группы на подгруппы выявляют дефектный элемент. Оптимальная программа поиска дефекта определяет нужную контрольную точку, в которой следует начинать проверку групп, и устанавливает последовательность дальнейшей разбивки на подгруппы групп с дефектным элементом. Способ разделения элементов на подгруппы при поиске дефектов устанавливается на основе равенства информации, получаемой при проверке каждой из двух подгрупп. Данный способ деления элементов системы на группы известен как способ половинной вероятности, при котором контрольную точку проверки каждый раз выбирают из условия разделения схемы с отказавшим элементом на две группы с одинаковой вероятностью безотказной работы [58, 60, 61]. Известен комбинационный метод поиска дефектов, основанный на анализе измеренного множества параметров, выбор минимальной совокупности которых зависит от используемой диагностической модели и заданной глубины поиска дефекта. Суть минимизации основывается на том, что для диагностической модели ОД, с учетом функциональной связи элементов, для решения задачи поиска дефектов могут контролироваться выходные параметры не всех функциональных элементов ОД. Сокращение контролируемых параметров достигается пу26

тем учета связей между элементами ОД. Выбор контролируемых параметров производят на основании анализа функциональной схемы ОД. Затем строится таблица, в которой каждая строка определяет двоичный код технического состояния ОД при отказе соответствующего одного элемента, а различные столбцы соответствуют различным проверкам. Для сокращения количества контролируемых параметров при поиске одиночных дефектов на основе полученной таблицы строят другую таблицу, в которую при том же числе строк войдут столбцы с отобранными параметрами (каждый из них соответствует выходу элемента без разветвления) и столбцы, которые в совокупности с имеющимися обеспечивают различимость всех одиночных дефектов в ОД. Последовательность проверок значения не имеет, поскольку для поиска дефекта контролируют в любом порядке полную совокупность определяющих параметров, устанавливают параметры, находящиеся вне допустимых пределов, и по кодовому числу определяют дефектный элемент. Комбинационный метод эффективен при высокой степени взаимосвязи отдельных элементов. В определенных пределах метод позволяет производить поиск кратных дефектов. При этом двоичные коды соответствующих строк таблицы функций неработоспособности логически поразрядно умножаются. Получаемый при этом код для одновременно отказавших двух взаимозависимых функциональных элементов системы будет совпадать с кодом одного из этих элементов. После устранения дефекта в этом элементе обнаруживается второй дефектный элемент. При этом получаемый код может совпадать с кодом одного из этих элементов, а в отдельных случаях может быть ошибочным. Тогда дефектный элемент может быть обнаружен только при усложнении структуры дешифратора. Если в ОД имеются обратные связи, то при поиске дефекта комбинационным методом цепи обратных связей либо разрываются, либо объединяют элементы с обратной связью в одну структурную единицу (СЕ). Комбинационный метод используют для поиска неработоспособного функционального блока. Рассмотренные выше формальные методы поиска дефекта позволяют разрабатывать оптимальные программы поиска, для реализации которых не требуется высокая квалификация обслу27

живающего персонала и с помощью которых процесс поиска может быть автоматизирован, что позволяет при использовании микропроцессорной техники в судовых системах автоматизированного управления и контроля сократить время поиска дефекта примерно в десять раз. Вместе с тем формальные методы имеют и недостатки, обусловленные прежде всего практической невозможностью учета множества дефектов, которые могут появиться в процессе эксплуатации ЭСА, а следовательно, невозможностью построения диагностических моделей, в полной мере отражающих реальные дефекты. Кроме того, имеются трудности с получением исходной информации о показателях надежности элементов. Существуют неформальные логические методы поиска дефекта, при которых не задаются жесткие программы поиска дефекта и для оптимизации процесса поиска учитывается дополнительная информация, получаемая при выполнении проверок. Поиск дефекта ведется путем проверки выдвинутых при анализе проявлений дефекта гипотез о возможных причинах дефекта. В процессе проверок выдвигаются уточняющие гипотезы о причине дефекта, которые также проверяются, и так далее до обнаружения дефекта. Логический метод не исключает одновременного применения формальных методов на отдельных этапах поиска дефекта. Поиск дефекта логическим методом требует более высокой квалификации обслуживающего персонала и затрудняет автоматизацию процесса поиска, так как при этом необходимо проводить анализ информации о признаках дефекта в целях ограничения области поиска. При анализе диагностической модели ОД разрабатываются, как правило, алгоритмы поиска дефектов. При этом задается глубина поиска дефекта и ОД представляется множеством из числа N взаимосвязанных СЕ. Базой для построения алгоритмов поиска дефектов обычно являются функциональные схемы ОД. При построении алгоритмов поиска дефектов стараются выбрать такую последовательность проверок, которая позволит найти дефект с наименьшими затратами. Так, один из известных методов поиска дефектов предполагает выполнение алгоритма последовательного поиска дефекта, 28

представляющего собой совокупность проверок, каждая из которых делит пространство состояний на две части (включающей и не включающей искомое состояние). В результате выполнения последовательности проверок поиск приводит к определенному состоянию, соответствующему обнаружению неработоспособной СЕ. Последовательность выполнения проверок при поиске дефекта представляется в виде графа, где вершинами являются проверки, а ветви указывают направление перехода в зависимости от результата проверки, конечные вершины – суть обнаруживаемые дефекты [73, 75, 76, 80]. Недостатками такого подхода являются: регистрация только одиночных дефектов, необходимость увеличения количества полюсов съема информации с ОД при росте размерности диагностируемой электрической цепи. Строить алгоритм поиска дефектов можно на основе известных свойств надежности, таких как безотказность qi и ремонтопригодность τпi, а также по отношению τпi / qi. Для построения таких алгоритмов необходимо знать величины qi и τпi для каждой СЕ объекта диагностирования. Последовательность выполнения таких проверок строится на основании известных значений вероятности отказа qi структурных единиц и по правилу: проверку начинать со структурной единицы, на поиск дефекта которой затрачивается наименьшее время. При этом вводятся следующие допущения: отказы СЕ независимы, одновременно отказывает только одна структурная единица. В этом случае алгоритм поиска может быть последовательным. Для его реализации СЕ объекта, для которых задана вероятность отказа qi, упорядочиваются по величине и последовательно выполняются проверки, начиная со структурной единицы, характеризуемой наибольшей величиной qi, и заканчивая структурной единицей, характеризуемой наименьшей qi. Если в качестве критерия выбрать время, затрачиваемое на обнаружение дефекта τпi, то, зная значения τпi для каждой структурной единицы, можно расположить их в ряд в порядке возрастания τпi и построить алгоритм поиска [58]. Следует отметить, что наряду с достоинствами такого подхода введение допущений по независимости и неодновременно29

сти отказов различных СЕ существенно ограничивает область применения метода в реальных условиях. Представляет большой интерес метод, базирующийся на предположении равной вероятности отказов всех последовательно соединенных СЕ и условии образования полной группы событий отказов всех СЕ. Это информационный метод (q1 = q2 = … = qn = 1/n, где n – количество возможных состояний ОД). Предполагается, что каждая проверка имеет два исхода: 0 и 1, а состояние ОД перед началом поиска характеризуется максимальной энтропией. Тогда каждая очередная проверка πk будет давать определенное количество информации о состоянии ОД и понижать энтропию. При построении алгоритма первой выбирается проверка, несущая максимум информации. Второй выбирается проверка, которая обладает наибольшей условной информацией относительно состояния, характеризуемого значением энтропии после проведения проверки, и т. д. Процедура заканчивается тогда, когда условная энтропия становится равной нулю. Недостаток информационного метода заключается в том, что он может быть использован для ОД, схема которого обязательно сводится к последовательному соединению элементов, вероятности отказов которых обязательно равны. 1.3.2. Методы диагностирования, основанные на использовании функциональных и логических моделей объекта диагностирования Функциональная диагностическая модель может быть использована при диагностировании разветвленных электрических цепей высокой размерности при структурном подходе к анализу топологии диагностируемой цепи, при представлении ОД в виде совокупности СЕ, имеющих самостоятельное конструктивное оформление [63, 72]. Функциональные диагностические модели отражают совокупность операций, выполняемых оборудованием и его отдельными частями при функционировании. В качестве функциональной диагностической модели могут рассматриваться схемы 30

связей между отдельными СЕ, диаграммы прохождения сигналов или алгоритмы функционирования. Для построения функциональной модели ОД задаются множеством попарно различных состояний S : S = {Si}, где i = 1, …, n; множеством попарно различных проверок П = {πj}, j = 1, …, m и множеством результатов проверок А = {аij}. С функциональной моделью сходна логическая модель. Она является более простой и удобной моделью, используемой для диагностирования объектов непрерывного действия. Эта модель используется для объектов, имеющих четко выраженные функциональные блоки. При построении логической модели каждый из параметров входного и выходного сигналов отдельного блока представляется отдельным входом. Вследствие этого некоторые связи диагностируемой структуры окажутся «расщепленными», каждый блок функциональной схемы заменится несколькими блоками, имеющими по одному входу и несколько существенных для данного входа выходов [73]. В частном случае логическая модель может совпадать с функциональной. Для построения функциональной и логической моделей ЭСА целесообразно рассматривать их функциональную схему, когда каждый функциональный элемент ЭСА является элементом функциональной или несколькими элементами логической зависимости от количества выходов. При построении функциональной диагностической модели принимаются следующие предположения: 1. Все функциональные элементы исследуемого ОД представляются в модели совокупностью функционально связанных между собой логических блоков. 2. У каждого логического блока может быть только один выход и неограниченное количество входов. 3. Каждый функциональный элемент может находиться в одном из двух несовместных состояний: работоспособном или неработоспособном. Реакция работоспособного элемента считается допустимой. Предполагается также, что допустимая реакция любого элемента имеет место только в том случае, если все входные воздействия, приложенные к этому элементу, являются допустимыми. 31

4. Каждому состоянию ОД соответствует отказ только одного элемента (либо отказы отсутствуют). Каждое возможное состояние ОД, состоящего из N-элементов, можно определить N-мерным вектором состояний S, v-я компонента которого равна единице, если сигнал на выходе v-го элемента удовлетворяет требованиям (v-й элемент работоспособен, воздействие, приложенное к v-му элементу, является допустимым), и равна нулю в противоположном случае. Для диагностики системы задаются также все возможные проверки, которые будут выполняться для определения того или иного состояния системы. Каждая проверка может иметь два исхода: положительный, обозначаемый единицей, если реакция контролируемого элемента допустима, и отрицательный, обозначаемый нулем, если реакция этого элемента недопустима. Все проверки считаются равноценными. Для диагностирования реальной системы в каждом конкретном случае задается множество проверок П = {πi}; i = 1, …, m. Каждая проверка позволяет установить, какому исходу этой проверки (положительному или отрицательному) принадлежит подмножество состояний, состоящее из k-элементов. На основе логического анализа функциональной модели строится таблица состояний, в которой число столбцов соответствует числу основных диагностических признаков (числу проверок). Каждая строка таблицы – это результаты проверок определенного состояния. Таблицы состояний, получаемые в результате анализа функциональной модели системы, обладают рядом свойств: 1. При наличии в системе обратных связей в таблице появляются тождественные строки и столбцы, свидетельствующие о нарушении однозначности соответствия между состояниями ОД и совокупности различных численных значений системы проверок. Такие состояния называют неразличимыми, а проверки – эквивалентными. Проверку, которая в таблице состояний представлена одними единицами или одними нулями, называют неразличающей проверкой и исключают из рассмотрения. Для исключения неразличающих состояний необходимо ввести в таблицу дополнительные проверки или изменить структуру ОД, оборвав обрат32

ные связи системы. Тогда заданное множество проверок позволит однозначно определить любое состояние ОД. 2. Если в ОД предполагается наличие отказа одного и только одного элемента системы, то ОД можно представить в виде ориентированного графа. В этом случае множество возможных состояний ОД будет эквивалентно множеству его элементов. После анализа модели и составления таблицы состояний выбирается решаемая задача диагностирования. Если выбирается задача определения работоспособности, то для ее решения отбирается своя совокупность проверок Sпр; если выбирается задача поиска возникшего дефекта, то для ее решения выбирается тоже своя совокупность проверок Sпд. Для выбора совокупности оцениваемых прямых диагностических параметров при решении задачи определения работоспособности попарно сравнивают результаты проверок (строки таблицы состояний). Первая строка (вектор проверок, соответствующий работоспособному состоянию ОД) сравнивается с последующими строками. Результаты сравнения заносят в таблицу, в которой в каждой строке стоит единица или нуль: нуль – если проверка дала одинаковые результаты, единица – если проверка дала разные результаты. При анализе полученной таблицы исключают строки неразличимых состояний и составляют алгоритм проверки работоспособности АР, т. е. определяют, сколько и какие проверки необходимо выполнить, чтобы определить работоспособность ОД. Для этого отбирают из всех проверок только те, которые позволяют установить, что объект находится в работоспособном состоянии. Для решения задач поиска дефекта определяют совокупность Sпд. Для этого попарно сравнивают результаты проверок всех состояний и составляют таблицы. Количество вариантов попарного сравнения определяют комбинаторно через число сочетаний Сk2, где к – количество неработоспособных состояний. После удаления строк неразличимых состояний определяют минимальное количество проверок, однозначно идентифицирующих дефект. Для этого выбирают такое количество проверок, чтобы в каждой строке была по крайней мере хотя бы одна единица (тогда отобранные проверки будут различать все сочетания состояний). 33

Рассмотренные виды моделей применяются при реализации допусковых методов технического диагностирования. Применение допусковых методов не всегда эффективно, так как необходимо согласовать допуски на выходные сигналы одних составных частей с системой допусков на входные сигналы других составных частей, непосредственно связанных с первыми. Кроме того, использование функциональных и логических моделей не позволяет различать дефекты блоков, охваченных обратной связью, поскольку появление недопустимой реакции на выходе любого блока контура обратной связи приводит к появлению недопустимых реакций на выходах всех остальных блоков, входящих в этот контур. Поэтому реакции всех блоков, охваченных обратной связью, всегда имеют одно и то же значение. Это обстоятельство приводит к необходимости разрывать обратные связи в ОД, что не всегда является возможным. Решение такого рода задач требует привлечения более сложных математических моделей, описывающих объект более точно, чем модели логического типа. Поэтому для решения задачи поиска дефекта в ЭСА сначала рассматривается, как правило, диагностическая модель логического типа, а затем при необходимости привлекаются более сложные аналитические модели для отдельных частей и блоков ЭСА. 1.3.3. Методы диагностирования, основанные на использовании аналитических диагностических моделей объекта диагностирования Аналитическая модель ОД в общем случае может быть записана в виде Y = А × X, где X – вектор входных воздействий; Y – вектор реакций ОД; А – оператор преобразования. Структура и параметры оператора А отражают показатели качества работы ОД. При этом задачи проверки работоспособности и поиска дефектов решаются проверкой соответствия действительного оператора А заданному А0 [71, 80]. 34

Операторы А и А0 должны определяться при фиксированном значении характеристик входных воздействий, т. е. в одном режиме работы ОД [33, 34, 81]. В частности, работоспособность ЭСА можно проверить по его реакции на единичную ступенчатую функцию, т. е. по переходной характеристике [43, 78]. В работах [21, 43, 78, 111, 112] описываются методы и средства для контроля работоспособности ОД по показателям качества переходной характеристики. Методы и устройства получения частотных характеристик для решения задач диагностирования, применимые для ЭСА, описаны в работах [76, 77, 121, 126]. В случае невозможности организации требуемых режимов работы ОД обойти эти трудности можно применением подхода, предусматривающего формулировку условий работоспособности непосредственно на множестве диагностических параметров [14, 83]. Эта задача может решаться методами теории чувствительности [44, 61, 125], методом малого параметра и др. Недостатком этого подхода является приближенное задание области работоспособности в виде прямоугольного параллелепипеда, что приводит к ошибкам контроля. Для перечисленных выше случаев проверки работоспособности необходима подача на ОД специального тестового воздействия [26, 27, 56, 62, 126]. При проверке работоспособности в процессе функционирования ОД можно использовать метод, заключающийся в сравнении выходных реакций ОД и его эталонной модели, включенной параллельно с ОД [72, 112, 113]. Достоинство этого метода состоит в том, что он позволяет решать задачу проверки работоспособности динамического звена, являющегося частью сложного ОД, при отсутствии доступа к входу и выходу этого звена [113]. Другой метод проверки работоспособности в процессе функционирования ОД состоит во введении избыточности в исходную систему [16]. Недостатком этих методов следует считать отсутствие информации о степени отклонения показателей качества переходного процесса, устойчивости ОД, поскольку применяется специальное задание условия работоспособности. Поиск дефектов в ЭСА может строиться в виде последовательности контрольных операций с определением параметров, характеризующих состояние отдельных блоков, элементов ЭСА, и дальнейшим сравнением их с допустимыми значениями. 35

При этом план поиска может основываться на известных статических характеристиках элементов ЭСА [56], на информационной оценке процесса диагностирования [70] или на основе анализа структурных особенностей ОД [29]. Недостатками этого метода являются неполнота диагноза, значительное суммарное время поиска за счет последовательной процедуры измерений, необходимость большого числа тестовых воздействий и разрыв связей между элементами. Поиск дефектов в динамическом режиме позволяет осуществлять методы, использующие алгоритм распознавания образов [82]. При этом распознавание состояний ОД может производиться либо в пространстве выходных сигналов ОД [124], либо в пространстве параметров модели ОД [82]. Для решения задачи методом распознавания образов необходимо определить совокупность диагностических параметров {ξj}, где j = 1, …, k, и построить образы отказавших блоков или СЕ, для которых требуется определить дефект. Для этого сначала формируется таблица неработоспособных состояний путем физического или математического моделирования с учетом заданной глубины поиска дефекта. В диагностической модели могут использоваться дифференциальные и алгебраические уравнения. После введения дефекта в каждую СЕ, приводящего к ее отказу и отказу ОД, измеряются значения параметров с помощью датчиков, установленных в соответствующих контрольных точках. Результаты эксперимента сводятся в таблицу, число строк которой равно числу возможных дефектов в ОД (S = {Si}, где i = 1, …, n), а число столбцов – множеству значений измеряемых параметров {ξj}. На пересечении i-го столбца и j-й строки записывается значение параметра ξij при отказе i-й СЕ, т. е. состояния объекта Si. Из рассматриваемой совокупности параметров {ξj} выделяют наиболее информативные, доступные измерению, однозначно соответствующие тому или иному отказу. Совокупность диагностических параметров можно выбрать, воспользовавшись принципом разрешающей способности параметров: ξj = {ξi ∈ {ξj} / │ξij – ξбj│> ξпор*}, 36

где j = i, …, (n – 1); α = (i + 1), …, n; ξпор* – значение порога чувствительности Sпор технического средства диагностирования. Для выбранной совокупности диагностических параметров имеется ряд чисел ξij*. Совокупность этих чисел геометрически интерпретируют как точку в многомерном пространстве диагностических параметров. В результате в пространстве параметров появятся множества точек, характеризующих состояние ОД с соответствующими отказавшими СЕ. Распознавание дефекта в этом случае сводится к определению расстояния между точкой, соответствующей текущему состоянию ОД, и всеми точками, соответствующими неработоспособным состояниям ОД. В результате процедуры распознавания осуществляется поиск дефекта СЕ, приведшего к отказу ОД [124]. Основным недостатком метода распознавания образов является недостаточно высокая гарантия выполнения однозначности идентификации дефекта в силу того, что области работоспособности могут оказаться довольно обширными, а вероятность наложения двух или нескольких областей может быть достаточно высокой. Существует метод поиска дефектов, основанный на анализе чувствительностей функций передачи к изменениям параметров СЕ объекта диагностирования. В реальном ОД величина функции передачи зависит от структуры ОД и величин параметров его СЕ. Все изменения, происходящие в ОД, приводят к изменению соответствующих функций передачи. В связи с этим различная чувствительность функций передачи находится как степень их изменения при варьировании какого-либо параметра. Количественная оценка чувствительности дается через частные производные от функции передачи по изменяющемуся параметру: Sij = ∂ Tij / ∂ rα, где Tij – функция передачи от i-го полюса к j-му полюсу; rα – изменяющиеся параметры. Сравнивая чувствительности, можно упорядочить диагностические параметры по их влиянию на изменение состояния ОД, что составит алгоритм поиска дефекта. Обнаружить воз37

никшие дефекты можно с помощью как рабочих, так и специальных тестовых сигналов. Для поиска дефектов в линейных ОД используются методы, развитые в теории идентификации [101, 125]. Специфика диагностирования при этом заключается в том, что известными должны быть структурные и топологические особенности ОД, а определению подлежат только величины передаточных функций отдельных СЕ. Задача построения алгоритмов ПД при этом решается либо через определение коэффициентов передачи всего ОД с дальнейшей локализацией дефектов через известные уравнения связи между коэффициентами и параметрами отдельных СЕ [117], либо через непосредственное определение значений параметров, характеризующих техническое состояние отдельных СЕ с помощью алгоритмов идентификации. При определенной структуре ОД, его модели и известных номинальных значениях параметров его СЕ решение задачи ПД может быть сведено к решению обратной задачи теории чувствительности [101]. Недостатком первого подхода является необходимость решения системы нелинейных алгебраических уравнений относительно искомых параметров СЕ. При реализации второго метода возникают неудобства, заключающиеся в сложности получения функций чувствительности динамических характеристик к изменению параметров, характеризующих состояние ОД. Причем с увеличением глубины поиска дефекта или сложности структуры ОД эти неудобства возрастают. Тем не менее, применение теории чувствительности при разработке алгоритмов диагностирования принципиально позволяет едиными методами решать задачи проверки работоспособности [28], поиска дефектов [83] и выбора контрольных точек в ОД [72]. Поиск дефекта или определение состояния, в котором находится ОД, выполняются по алгоритму, включающему определенную совокупность проверок. Основополагающим принципом, которым руководствуются при построении алгоритма ПД, является принцип минимальных затрат – программных, временных и аппаратных. Если не касаться методов индикации, то все возможные методы поиска дефектов в судовых ЭСА можно разделить на методы, алгоритм поиска дефекта которых основывается на из38

вестных статистических характеристиках элементов, и методы, основанные на данных анализа структуры ОД. Наличие статистических данных позволяет построить алгоритм поиска по степени надежности контролируемых элементов, по максимальному получению информации для каждой последующей операции, а также на базе использования метода ветвей и границ. Анализ структуры ОД может быть выполнен на основе использования дифференциальных и алгебраических уравнений, описывающих ОД, передаточных функций контролируемой системы или методами инженерно-логического анализа [70]. Общим недостатком всех методов, построенных на использовании статистических данных, является то, что они учитывают не важность блоков и действительное состояние системы, а вероятностные величины, получаемые в результате анализа и обработки информации о подобных или сходных системах, т. е. статистические методы поиска, которые могут быть использованы только при наличии достоверных статистических данных [16]. Стремление повысить эксплуатационную надежность системы вызывает необходимость подвергать маршруты поиска непрерывной корректировке при изменении показателей системы, что несколько снижает ценность результатов, полученных таким путем. Поэтому необходимо разумно сочетать статистические вероятностные методы поиска дефекта с методами, которые основаны на анализе структуры системы и позволяют разделить систему на блоки или группы блоков и элементов. К методам, основанным на анализе структуры системы с использованием статистических данных о безотказности элементов, относится метод, основанный на анализе функциональной модели. Анализ функциональной модели позволяет определить минимальную совокупность проверок {πj}, которая обеспечит решение всех диагностических задач [79, 81, 84]. При поиске дефекта, как уже отмечалось ранее, составляют таблицу состояний на основе функциональной схемы – булеву матрицу, а затем определяют минимальное число проверок, выполнение которых позволит различить любое состояние [63, 81]. 39

Полученные данные о структуре ОД могут быть использованы для решения задачи ПД методом ветвей и границ, базирующимся на анализе таблицы состояний и позволяющим получить программу поиска с минимальными затратами. При этом стоимость реализации заданной последовательности проверок Н определяется выражением:

С( Н ) =

h

∑ C ( ∑ P ), i

I =1

t

s

где Сi – стоимость i-й проверки, не зависящая от порядка выполнения проверок; Рt – вероятность того, что система будет находиться в состоянии St; h – число внутренних вершин бинарного дерева H (πk ∪ S, V), соответствующего программе поиска; S, V – соответственно количество висячих вершин и дуг в дереве. Неопределенность в выборе первоначальной проверки позволяет расположить любую проверку πl (l = 1, …, m) в корневой вершине и предположить, что поиск начинается именно с этой проверки. Проверка πl разбивает множество состояний S на два непустых подмножества Sl0 и S11, которые соответствуют двум возможным результатам проверки. Но так как последовательность выполнения последующих проверок неизвестна, то искомые решения заменяют их нижними границами СМ(Sl0) и СМ(Sl1). Стоимость поиска, начинающегося с выбранной проверки πl, определяется соотношением

CМ(πl, S) = Cl

∑ P + CM ( S t

0 l

) + CM ( S l1 ),

где Сl – стоимость выполнения проверки πl. Из множества m проверок выбирают ту проверку, для которой нижняя граница наименьшая. Затем определяют нижние границы для каждого из подмножеств Sl0 и Sl1, выделенных на первом этапе:

СМ(πf, Sl0) и СМ(πg, Sl1), где πf и πg – фиксированные проверки на втором этапе. Средняя стоимость поиска при выбранных проверках на первом и втором этапах определяется соотношением 40

CM ( π l ,π f ,π g , S ) = C0

∑ P + CM ( π t

f

, S t0 ) + CM ( π g , S t1 ).

Поступая в дальнейшем таким же образом, можно построить программу поиска в виде дерева решений.

1.3.4. Экспериментальные методы разработки диагностических моделей В процессе эксплуатации судовых ЭСА, а также на стадии их проектирования очень эффективным для целей диагностирования и разработки ЭСА может оказаться применение экспериментального метода граничных испытаний [63, 68], суть которого заключается в имитации отказов аппаратуры путем искусственного изменения до определенных границ параметров элементов. Выбирается выходной параметр системы, представляющий монотонную функцию от входных параметров. Допустимое изменение входного параметра определяется в зависимости от одного из параметров устройства, который называется параметром граничных испытаний [102]. Такое исследование позволяет установить область, в пределах которой система работает безотказно. Методика проведения граничных испытаний состоит в следующем: сначала устанавливаются номинальные значения входного параметра и параметра граничного испытания. Далее с помощью вариации параметра граничных испытаний при различных значениях входного параметра находится граница области работоспособности, за пределами которой выходной параметр выходит за допустимые пределы. Положение рабочей точки по отношению к границе области работоспособности будет характеризовать реакцию ОД на изменение параметра исследуемого элемента. В процессе эксплуатации аппаратуры происходит дрейф рабочей точки вследствие старения элементов и изменения их параметров из-за воздействия внешних и внутренних факторов. Тогда приближение рабочей точки к границе области работоспособности влечет за собой понижение надежности аппаратуры. Поэтому положение рабочей точки должно быть выбрано исходя из условий надежности и определяться суммой трех допусков: 41

производственного, температурного и допуска на старение. При равновероятном направлении дрейфа параметров рабочая точка должна располагаться в центре области безотказной работы. В процессе эксплуатации граничный контроль позволяет выявить элементы, параметры которых приближаются к предельному значению, т. е. определить запас надежности аппаратуры. Для этого необходимо иметь графики граничных испытаний аппаратуры, снятые до начала ее эксплуатации. Граничный контроль может проводиться во время профилактических проверок, что позволяет свести к минимуму простои аппаратуры. При диагностировании ЭСА, представленных в соответствии с принятой глубиной поиска дефекта совокупностью СЕ, может быть использован метод матричных преобразований, основанный на сравнении матрицы узловых проводимостей, полученной экспериментально на момент проведения диагностического эксперимента, с исходной матрицей. Теоретическим обоснованием справедливости таких расчетов служит положение о возможности построения матрицы узловых проводимостей Yузл на основе полученной по экспериментальным данным матрицы узловых потенциалов U при проведении эксперимента по формированию матрицы U по заданному плану [26]. Это дает возможность в уравнении для потенциалов справа получить единичную диагональную матрицу и после цепочки эквивалентных преобразований получить формальное равенство матриц узловых напряжений U и сопротивлений Z. В качестве диагностируемого параметра выбирается полюсная проводимость. Идентификация проводится на основе свойств укороченной матрицы узловых проводимостей. Достоинством матричного метода является возможность одновременной идентификации параметров всех СЕ в едином диагностическом эксперименте. К недостаткам метода относятся: требование высокой эффективности контроля ОД, определяемой большим количеством необходимых полюсов для съема информации при диагностировании, и трудности, связанные с обработкой матриц высокого порядка при диагностировании цепей высокой размерности. 42

1.4. Средства технического диагностирования Анализ публикаций показывает, что в настоящее время для судовых ЭСА недостаточно полно разработаны методы и технические средства диагностирования. В частности, нет методики, позволяющей быстро, с малыми затратами аппаратных средств, при невысокой квалификации обслуживающего персонала и низкой эффективности контроля ОД производить поиск дефектов в системе сложных разветвленных структур, какими являются судовые ЭСА. Как правило, при их разработке еще недостаточно полно учтены требования по эффективности контроля. Многие судовые ЭСА еще далеки от современного уровня требований эффективности контроля. Часто диагностирование сводится к сигнализации состояния элементов цепи или к выводу контрольных точек в информационной части [14]. Часто диагностирование осуществляется в ручном режиме на уровне ремонта с применением сложной измерительной аппаратуры, а это требует высокой квалификации обслуживающего персонала и большой длительности выполнения операций, что в условиях автономного плавания и при низкой квалификации персонала приводит к нежелательным последствиям. В настоящее время для ЭСА применяются как устройства тестового, так и функционального диагностирования [56, 72], но они разработаны и применены в большинстве случаев для отдельных частей ЭСА, а не для устройства в целом. Для поиска дефектов часто применяются диагностические словари наиболее вероятных дефектов и их признаков, но это в целом не решает проблемы [122]. Несмотря на то что в этой области уже многое сделано, все же отсутствуют универсальные методы построения и анализа диагностической модели ЭСА, нахождения дефектов с большой глубиной поиска, анализа эффективности контроля, которые учитывали бы их особенности диагностирования. Следует отметить, что в результате проведенного анализа проблемы повышения эксплуатационной работоспособности ЭСА подтверждается актуальность совершенствования сущест43

вующих и поиска новых путей решения задачи. Поэтому разработка метода, алгоритмов и технических средств диагностирования ЭСА, способных решить поставленные задачи, является актуальной проблемой современного диагностирования.

1.4.1. Анализ и характеристики средств диагностирования судового электрооборудования В настоящее время на судах в основном эксплуатируются средства контроля параметров технического состояния. Вместе с тем средства поиска дефектов и прогнозирования технического состояния, как правило, применяются реже, хотя в достаточно сложных ЭСА современных судов морского флота предусматривается оценка работоспособности и поиска дефекта с различной глубиной путем как функционального, так и тестового диагностирования. В настоящее время созданы и внедрены различные СТД с использованием универсальных мини- и микроЭВМ для диагностирования ряда технических средств и систем судов морского флота по результатам непрерывного или периодического измерения и анализа соответствующих параметров. Структурно системы технического диагностирования обычно совмещают с системами централизованного контроля судовых технических средств или выполняют автономными. Так, на судах типа «Капитан Гаврилов» и «Астрахань» автоматическое управление судовой электростанцией осуществляется с помощью микро ЭВМ К 1510, которая выполняет также и функции технического диагностирования основных элементов и средств автоматизации судовой электростанции с указанием цифрового кода отказавшего элемента, модуля или невыполненной функции. На сухогрузных теплоходах типа «Росток», на супертраулерах типа «Прометей» и некоторых других судах применяются технические средства диагностирования (ТСД), в структуру которых входит машина централизованного контроля типа ЦМЕ 101. На судах типа «Котовский» применяются технические средства диагностирования с машиной централизованного контроля типа «Даталоггер». 44

Средства осуществляют контроль судовой электростанции по 196 параметрам. Подобные ТСД установлены на транспортном рефрижераторе типа «Пролив Санникова», на судах типа «Восток», «Новомиргород» и др. [53]. Современные средства диагностирования включают в себя программные средства (ПСД) – пакеты программ, ремонтноэксплуатационную документацию (РЭД), технические средства диагностирования (приборы и устройства, предназначенные для решения различных задач диагностирования) (рис. 1.3).

Рис. 1.3. Виды средств диагностирования

Современные ТСД разделяют на пассивные (выполняющие только анализ информации о состоянии оборудования) и активные (воздействующие на ОД сигналом с последующей оценкой реакции на воздействие). По способу получения информации о состоянии оборудования ТСД делят на оценивающие состояние по совокупности параметров (обрабатываемая информация снимается с контрольных точек) и по сигналам (диагностирование путем сравнения реакции воздействия оборудования и эквивалентной модели на одинаковые входные воздействия). По способу обработки информации ТСД могут быть последовательного действия (последовательный прием, контроль и обработка информации), параллельного действия (осуществляющие одновременно измерение и контроль всех параметров), параллельно-последовательного действия и т. д. Подробная градация различных ТСД приведена в работах [56–58, 116–118]. 45

1.4.2. Структура и проектирование технических средств диагностирования В самом общем виде обобщенная структура ТСД может быть представлена множеством датчиков, выдающих по совокупности признаков принятый вид сигналов. При этом диагностические признаки их значения определяются как вычислительным путем, так и непосредственно по сигналам с датчиков. В случае реализации допускового контроля и выполнения процедур поиска дефектов структура ТСД может быть представлена блоком коммутации и измерений (БКИ), блоком памяти для хранения и использования информации (БП), блоком обработки информации (БО), где в результате обработки полученных с блока коммутации и поступающих с блока памяти сигналов формируется «диагноз», который фиксируется в блоке индикации (БИ) включением схемы управления в световую или звуковую индикацию (рис. 1.4).

Рис. 1.4. Структурная схема технических средств диагностирования

При тестовом диагностировании включается блок генерирования тестовых сигналов (БГТ) и, если необходимо, коммутатор тестов, а также блок управления (БУ), выдающий команды для реализации программы диагностирования, блок регистрации (БР). 46

Управление работой ТСД обеспечивает организацию процесса диагностирования на различных технических средствах, заключающуюся в согласовании во времени работы отдельных частей ТСД, переключении режимов работы, управлении потоками диагностической и управляющей информации. Управление может осуществляться вручную с пульта оператора (ПО) и автоматически по командам блока управления или по программе, хранящейся в памяти. Каждой отдельной проверке будет соответствовать группа команд, выполнение которых обеспечивает образование необходимых соединений в блоке коммутации и измерений, требуемую настройку блока генерирования тестов, задания диапазонов измерительных схем и допусков схем сравнения [45, 46, 62, 64, 65]. В настоящее время ТСД выбирают или разрабатывают, как правило, в процессе проектирования систем диагностирования. Процесс проектирования ТСД можно подразделить на несколько этапов, которые необходимо выполнить, чтобы найти путь от первоначальной идеи до претворения на практике конечного результата. Каждый из этапов отражает свойства и характеристики структуры ТСД с соответствующей степенью детализации и зависит от решаемых задач. На первом этапе формируются требования и задачи, определяющие принципы построения ТСД: вид диагностической модели ОД, структура ТСД, вид обрабатываемой информации и число каналов. При проектировании ТСД используются определенные при процессе анализа диагностических моделей допуски на диагностические параметры в виде условий работоспособности:

│ξi – ξi│≤ Δ; i = 1, …, n, где n – количество параметров; ξi и ξнi – текущие и номинальные значения оцениваемых параметров, а также допуски на характеристики

│yнi(x) – yi(x)│≤ δi;

i = 1, …, m.

Здесь m – количество точек, в которых оценивается характеристика y(x); yi(x) и yнi(x) – текущее и номинальное значения характеристики в i-й точке. Эти данные оказывают влияние на 47

выбираемую погрешность измерений, реализуемых контрольноизмерительным трактом ТСД. На втором этапе разрабатывается алгоритм процесса диагностирования. Рекомендуемые на первом этапе методы решения задач диагностирования влияют на формирование алгоритмов процесса диагностирования и определяют структуру алгоритмов функционирования ТСД. Наличие алгоритмов диагностирования, полученных в результате анализа диагностической модели, методов диагностирования определяет необходимость внесения в процедуру проектирования ТСД разработку алгоритмов процесса диагностирования. При этом ставится задача объединения алгоритмов диагностирования с совокупностью операций, реализуемых в процессе диагностирования. На третьем этапе строится структура ТСД, оптимальная в отношении выбранного критерия качества (время, безотказность, объем и т. д.), которая основывается на полученном алгоритме процесса диагностирования и обоснованной степени автоматизации. Для полученной структуры ТСД, включающей набор элементов: Y = {yij}; i = 1, …, n; j = 1, …, m; где i – номер элемента ТСД, j – номер модификации элемента ТСД (на транзисторах, интегральных микросхемах и т. д.) – важно определить функциональные элементы, на которых будут разработаны принципиальные схемы отдельных блоков ТСД, так как правильно выбранная элементная база определяет качество ТСД и системы диагностирования в целом [41, 46, 47]. При этом требуется обеспечить заданное значение критерия качества К. Оптимизационная задача может быть сформулирована следующим образом: найти min d [K(X, Y) – Kтр]. В общем виде количественной оценкой качества ТСД является значение критерия качества К, представляющего собой некоторую функцию К = F(Y, X) показателей технических средств и объекта. Часто в качестве показателей yj ∈ Y, характеризующих ОД, используется число параметров, число элементов, число выходов, надежность, избыточность, тип объекта, возможность тестового воздействия и т. д. Технические средства диагностирова48

ния характеризуются показателями xi ⊂ X: достоверность, стоимость, время диагностирования, объем памяти и т. д. В зависимости от решаемых задач диагностирования из множества Y и X выбираются показатели, специфичные для рассматриваемого объекта и вида ТСД. Элементы множеств X и Y образуют (n + m)-мерное пространство возможных вариантов ТСД, соответствующих возможным (n + m) постановкам задач на проектирование ТСД. Каждому варианту ТСД из пространства возможных проектов соответствует (n + m)-мерный вектор показателей, который количественно характеризует проектируемые ТСД. В общем случае оптимальному проектированию подлежит структура, описываемая вектором показателей X с ограничениями ψ(xi) > 0 и уравнениями связи К = F(X, Y). При таком описании искомым является набор показателей, удовлетворяющих ряду условий, которые определяются задачей оптимизации Kтр и Кop, т. е. разработка проекта, удовлетворяющая заданным требованиям. Оптимальным проектом ТСД считается допустимый вектор показателей Х, доставляющий экстремум целевой функции. Задача проектирования ТСД после задания целевой функции может быть формализована, и процесс отыскания оптимального варианта будет состоять в решении задачи математического программирования известными методами. Целевая функция, математическая формулировка задачи и метод оптимизации должны быть общими для широкого класса ТСД. Алгоритмы процесса диагностирования разрабатываются на основе алгоритмов диагностирования, получаемых при анализе ОД с учетом требований, сформулированных при решении задач организации системы диагностирования. При построении этих алгоритмов руководствуются базовыми алгоритмами решения задач диагностирования. Базовые алгоритмы представляют собой обобщенную последовательность действий, характерную для решения конкретной задачи диагностирования. При построении схем базовых алгоритмов используют операторы действия и логических условий. Решению каждой задачи соответствует своя совокупность операторов действий: А = (а1, …, аi, …, аn), где аi – операторы действия для определения работоспособности при i = 1, …, n; 49

B = (b1, …, bi, …, bm), где bi – операторы действия при поиске дефектов при i = 1, …, m; C = (c1, …, ci, …, cs), где ci – операторы действия при прогнозировании состояния при i = 1, …, s. Операторы логических условий указывают на необходимость выполнения или отмены каких-либо действий. Операторы логических условий щi могут принимать значения 0 или 1, что соответствует ответам «нет» и «да» в логическом условии при определении структуры алгоритма. При представлении базового алгоритма граф-схемами (А ∪ Ω, V), (В ∪ Ω, V) или (C ∪ Ω, V) объединение множеств А ∪ Ω, В ∪ Ω, С ∪ Ω представляет собой множество вершин, а V – множество ветвей. Каждое из множеств А, В, С имеет свою нумерацию. Значения операторов ωi записываются рядом с выходящей из вершины ветвью. Для построения базового алгоритма поиска возникшего дефекта необходимы 21 оператор действия и 11 операторов логических условий. На рис 1.5 приведен базовый алгоритм поиска возникшего дефекта, рассмотренный в работах [50, 53]. Используя базовый алгоритм, можно строить частные алгоритмы при поиске дефектов в различных объектах и условиях. Так, если при тестовом диагностировании осуществляется безусловный алгоритм поиска с оценкой диагностических параметров путем сравнения с эталонными значениями в цифровой форме и регистрации полученных результатов, то в алгоритм необходимо включить 14 операторов действия: B = (b0, b1, b2, b3, b4, b6, b9, b10, b14, b15, b16, b18, b20, b21). При этом операторы логических условий должны иметь следующие значения: ω1 = 1, ω2 = ω3 = ω4 = ω5 = ω6 = ω7 = ω8 = 0, ω10 = 0,1. При рабочем диагностировании аналогового ОД алгоритм (рис. 1.6) для поиска возникшего дефекта (при условии обработки нормированной информации в дискретной форме и оценке по обобщенному признаку) будет включать 12 операторов действия: B = (b0, b1, b2, b3, b5, b10, b13, b14, b15, b18, b20, b21).

50

а

б

Рис. 1.6. Алгоритмы поиска дефектов при тестовом (а) и рабочем (б) диагностировании

Рис. 1.5. Базовый алгоритм поиска дефектов

При этом операторы логических условий должны иметь следующие значения: ω1 = ω4 = ω5 = ω8 = ω11 = 0, ω6 = ω10 = 1. При реализации программ диагностирования осуществляется композиция алгоритмов процесса диагностирования А, В, С. При этом одинаковые операторы объединяются в один общий. При объединении различных операторов действий необходимо использовать логическое условие «или», обозначающее возможность использования оператора в зависимости от логического условия [68 – 70, 76, 77, 80]. 51

1.5. Выводы и постановка задач исследований Подводя итог сказанному, можно заключить, что проблемы диагностирования судовых ЭСА требуют решения задачи совершенствования эффективных методов и средств диагностирования, а большинство известных разработок, решающих задачи поиска дефектов и быстрой оценки состояния ОД, требуют, как правило, выполнения определенных ограничений, наложенных на ОД, и возможности диагностирования, или проведения большого количества операций, необходимых для снятия обрабатываемой информации с доступных полюсов диагностируемой системы. Это приводит к увеличению объема измерений и времени, необходимого для постановки диагноза, что влечет за собой повышенные требования к эффективности контроля ОД. Следует отметить также, что большинство известных методов решения задачи поиска дефектов предусматривают, как правило, рост количества измерений c увеличением размерности диагностируемой цепи, а это требует увеличения количества контрольных точек в ОД. Определенный класс методов базируется на вероятностной оценке состояния ОД, не учитывающей структуры, характера взаимосвязи элементов ОД, что в итоге приводит к приближенному характеру результатов поставленного диагноза. Большинство методов решения задачи поиска дефектов не позволяют идентифицировать состояние элементов участков схем, охваченных петлей обратной связи. Это приводит к дополнительному требованию, связанному с нарушением целостности структуры ОД, что не всегда возможно. Большинство методов не позволяют вести поиск дефектов с глубиной поиска до элемента принципиальной схемы, а если такие методы разработаны (например, метод матричных преобразований), то для их реализации необходимо наличие в ОД большого количества точек съема информации. Большинство методов тестового диагностирования позволяют регистрировать только одиночные дефекты. 52

На основании сделанных выводов и в соответствии с поставленной целью авторы делают заключение о необходимости решения целого комплекса задач диагностирования, направленных на решение проблемы безаварийной работы судовых ЭСА. Необходимо использовать широкий спектр моделей с учетом предъявляемых требований по эффективности контроля с целью обоснования выбора совокупности диагностических параметров. При этом диагностическая модель должна связывать параметры элементов ОД (недоступные для непосредственного измерения) с диагностическими параметрами (доступными для измерения) и обеспечить возможность проведения минимального количества измерений при диагностировании.

Глава 2 РАЗРАБОТКА МЕТОДА ИЗОВАРНЫХ ХАРАКТЕРИСТИК ДЛЯ ДИАГНОСТИРОВАНИЯ СУДОВЫХ ЭЛЕКТРИЧЕСКИХ СРЕДСТВ АВТОМАТИЗАЦИИ 2.1. Построение и анализ диагностических моделей Выбор диагностической модели (ДМ) во многом определяется специфическими особенностями построения и использования ОД [7, 74, 80, 81, 87, 113, 119]. В самом общем виде под ОД понимается динамическая система, преобразующая совокупность входных воздействий, включающих рабочие и тестовые сигналы, а также помехи [58, 60, 61, 84, 85, 86]. Совокупность внутренних переменных представляет собственные параметры ОД, определяющие его свойства как преобразователя. Успешное решение задач диагностирования во многом зависит от правильного выбора типа ДМ и методов их анализа. На практике разрабатываются такие модели, которые представ53

ляют собой гомоморфный образ ОД и изоморфный образ его изучаемых свойств и характеристик [58, 80, 81]. В связи с этим методы построения моделей должны удовлетворять ряду общих принципов системного подхода: однозначности, принципу последовательного раскрытия и целенаправленного эволюционного развития, принципу неизбыточности. Полученная диагностическая модель должна удовлетворять требованию адекватности, изучаемому ОД, требованиям достаточной простоты, продуктивности, а также устойчивости относительно погрешностей в исходных данных [58, 70, 80, 81, 90, 96, 97, 98, 108, 111, 112, 116, 123]. Исходными данными при построении диагностических моделей судовых ЭСА могут быть структурная и принципиальная схемы, передаточные функции динамических звеньев и ОД в целом, а также номинальные значения параметров и их допустимые отклонения. В судовых ЭСА содержатся разные по виду элементы (непрерывные и дискретные, линейные и нелинейные). Для анализа таких объектов необходимы разные диагностические модели и методы диагностирования. Например, с точки зрения технической диагностики основным отличием дискретных объектов от непрерывных является зависимость связи входа и выхода не только от состояния, но и от положения (открыт, закрыт) отдельных элементов. Это обстоятельство накладывает определенное ограничение на выбор аппарата, необходимого для выполнения анализа дискретного объекта [88, 90]. При диагностировании объектов, содержащих нелинейные элементы, необходимо учитывать зависимость величин параметров таких элементов от величин внешних воздействий, что приводит к появлению нелинейных соотношений, универсальных решений которых в общем виде не существует. Здесь могут оказаться полезными численные методы анализа, а также квазилинейные приближения при решении задач диагностирования. При этом модель должна отражать существенные для диагностирования свойства и взаимосвязи компонентов ОД или отражать закон функционирования ОД. Учитывая приведенные обстоятельства и особенности ОД, целесообразно рассматривать модели, учитывающие структур54

но-топологические свойства ОД. Такими могут быть причинноследственные зависимости, реализованные в виде сигнальных графов, построенных по структурной схеме с операторами дуг в виде передаточных функций или в виде структурных схем (которые представляют собой разновидности топологических графов), а также методы матричных преобразований, позволяющие формировать диагностические признаки в виде массива функций передачи, используемых в дальнейшем для диагностирования. Эти модели учитывают топологические и структурные свойства, а также параметры ОД. Такие модели широко применяются при диагностировании судовых электрических средств автоматизации.

2.1.1. Формирование множества диагностических параметров На первом этапе анализа можно использовать физический анализ ОД, на основе которого отбирается совокупность (в общем случае избыточная по данному критерию) контролируемых параметров. Количественную оценку информативности предполагаемых контролируемых параметров необходимо давать с помощью математических методов, определяемых конкретно поставленной задачей. Это могут быть приведенные в работе [68] методы: случайного баланса, обобщенного параметра, сравнения распределений, регрессионного анализа, статистической классификации и т. д. На втором этапе используется математическая обработка данных, когда из всей избыточной совокупности отбираются наиболее информативные параметры. В соответствии с поставленной задачей в качестве универсального контролируемого параметра может быть выбрана комплексная проводимость СЕ, размеры и состав которой определяются глубиной поиска дефекта. Обоснованием такого выбора является достаточно высокая восприимчивость комплексной проводимости к любым изменениям в структуре элементов и всего ОД в целом, а следовательно, и высокая информативность контролируемого параметра. Учитывая характер решаемых задач и специфику судовых ЭСА как объекта диагностирования, целесообразно при выборе 55

диагностической модели представить ОД в виде совокупности структурных единиц в количестве m с последующей фиксацией определенного количества полюсов съема информации. При таком делении электрической схемы дефект определяется с точностью до СЕ, а весь ОД представляется как n-полюсная система. Тогда главным (с максимальным запасом работоспособности) из работоспособных состояний ОД будем считать состояние S0, соответствующее совокупности значений параметров gi ном всех СЕ при их номинальных значениях. Всякое отклонение параметра gi любой СЕ или параметров нескольких СЕ от номинального значения будем считать новым состоянием Si, принадлежащим области работоспособных или неработоспособных состояний. Тогда каждому состоянию Si можно поставить в соответствие определенное значение одного или нескольких диагностических параметров Kj. Область работоспособности определяется как область изменения диагностических параметров, ограниченная их допустимыми значениями, в которых ОД работоспособен, а значения gi находятся в области допустимых значений. Для обеспечения однозначности полученного соответствия необходимо определить наименьшее количество диагностических параметров, однозначно идентифицирующих отклонение параметров gi всех СЕ от номинальных значений. Для разветвленной электрической цепи, состоящей из m СЕ и имеющей m параметров, такое соответствие имеет место, если в качестве контролируемого параметра выбрать проводимость gi i-ой СЕ, а диагностическими параметрами – множество Kj функций передачи электрической цепи, представленной в виде многополюсной системы. В рамках линейной модели можно показать, что между множеством значений проводимостей всех СЕ

{g1(0 , …, g1(r), …, g1( ∞ ), g2(0), …, g2(r ), …, g2( ∞ ), …, g m(0), …, gm(r), …, gm( ∞ )}

(2.1)

(индекс в скобках – численные значения проводимостей, присваиваемые структурным единицам) и множеством точек двухмерного пространства функций передачи многополюсной системы {Ki; Kj} существует взаимно-однозначное соответствие: 56

Kk(1) = F(Km(1)); Kk(2) = F(Km(2)); …; Kk(n) = F(Km(n))

(2.2)

(индекс в скобках соответствует номеру исключаемого параметра, Kk и Km – функции передачи отобранных каналов). Графики всех зависимостей Kk(i) = F(Km(i)) пересекутся в одной точке. Это следует из того, что при номинальных значениях проводимостей gi всех СЕ функции передачи Kk и Km будут иметь фиксированное значение. Доказательство можно провести методом «от противного». Предположим, что два графика пересеклись в одной точке, третий не прошел через точку пересечения первых двух, а пересекся с ними в двух других точках. Это означало бы то, что при одном и том же наборе номинальных значений проводимостей всех СЕ существует несколько значений функций передачи одного и того же канала, что невозможно, поскольку величина коэффициента передачи для данного канала – величина постоянная при сохранении топологии данной цепи, что и требовалось доказать. Для формирования множества основных диагностических параметров используется различный математический аппарат. Согласно рассматриваемой методике, поиск дефектов и определение степени работоспособности ОД осуществляется путем контроля упорядоченного и минимизированного множества прямых диагностических параметров, в качестве которого выбирается совокупность функций передачи, порождаемых исходной (т. е. наивысшего порядка, возможного для рассматриваемой цепи) матрицей узловых проводимостей разветвленной электрической цепи, представленной в виде многополюсной системы, либо топологическим или сигнальным графом с помощью теоремы Мезона и т. д. При анализе систем не очень высокой размерности можно использовать аппарат матричного анализа. Тогда формирование множества прямых диагностических признаков начинается с построения полной или укороченной матрицы узловых проводимостей Yузл, которая может быть получена различными методами анализа электрических цепей: через матрицы инциденций, проводимостей, контуров и сечений, а также с помощью специально разработанных алгоритмов, позволяющих составлять матрицы узловых проводимостей электрических цепей, содержащих многополюсные компоненты [64, 85]. 57

В неопределенной матрице алгебраическая сумма элементов каждого столбца и каждой строки равна нулю, что определяется равенством нулю алгебраической суммы внешних токов, входящих в систему, соответственно неизменностью токов в системе при изменении всех узловых напряжений на одинаковую величину:

Yузл

⎡ у11 у12 ............ у1n ⎤ ⎢ ⎥ = ⎢ у21 у22 ............ у2 n ⎥ ⎢⎣ уn1 ................... уnn ⎥⎦

где Yјј – сумма проводимостей ветвей, присоединенных к j-му узлу; Yјк – проводимость ветви, соединяющей узлы j и k [27, 79]. Для формирования множества функций передачи может быть использована также и укороченная матрица узловых проводимостей. C усложнением ОД аппарат матричного анализа оказывается слишком громоздким. В этом случае более удобно получать функции передачи с помощью аппарата структурных чисел [116, 123]. Если представить ОД, независимо от его топологии, в виде многополюсной системы (рис. 2.1), а все узлы первоначально рассматривать как внешние полюсы (доступные для измерения и подключения), то можно записать исходную укороченную матрицу узловых проводимостей и на ее основе сформировать множество прямых диагностических параметров.

Рис. 2.1. Представление объекта диагностирования в виде многополюсной системы

Напряжения и токи внешних полюсов линейного n-полюсника связаны системой линейных уравнений: 58

Yузл · Uо = Iо,

(2.3)

где Yузл – укороченная матрица узловых проводимостей; Uо – матрица-столбец узловых напряжений; Iо – матрица-столбец суммы токов и источников тока, преобразованных из источников ЭДС, подключенных к i-му узлу [8, 29, 75, 110]. Используя понятие обобщенной ветви Ĭ = I + J, Ŭ = U – Е, можно записать систему узловых уравнений:

А · I + А · J = 0,

(2.4)

где А – матрица инциденций; I – матрица-столбец токов ветвей; J – матрица-столбец токов источников тока; Е – матрица-столбец источников ЭДС; U – матрица-столбец полюсных напряжений. Затем получаем выражение Yузл, удобное для применения при машинной обработке данных:

А · I = – А · J; но I =Y · U, где Y – диагональная матрица проводимостей ветвей. Тогда А · Y · U = – А · J; но U = Ŭ+Е, а Ŭ = Аt · U0 при U = Аt · U0 + Е. Из этого следует:

АYAt = –A(J + YE), где – А(J + YE) = I0. Соответственно AYAt = Yузл, (2.5) т. е. при машинной обработке информации матрица Yузл формируется вводом в ячейки памяти матриц А и Y, отражающих топологию ОД. При диагностировании электрических схем, содержащих многополюсные компоненты для нахождения функций передачи, используются, как правило, топологические методы или метод схем замещения. Метод схем замещения позволяет анализировать только простые цепи. Топологические методы требуют составления графа для каждой конкретной схемы и ее функции. Преимущества матричного метода состоят в наличии общих вы59

ражений, определяющих функции передачи цепи по известной матрице узловых проводимостей Yузл. Если ОД содержит многополюсные компоненты, то матрица Yузл объекта диагностирования может быть получена способом наложения матриц многополюсных компонент, содержащихся в ОД, на матрицу объекта диагностирования, а ее элементы выражены через полюсные проводимости составляющих многополюсных компонент [37, 110]. В работе [29] приведен алгоритм, позволяющий записать матрицу Yузл, если в состав ОД входят многополюсные компоненты. Анализ электрических цепей, содержащих многополюсные компоненты, базируется на системе уравнений (2.3) – это функциональная математическая модель n-полюсной линейной электрической цепи. Функциональная модель многополюсной компоненты определяет ее внешние параметры. Влияние напряжения к-го полюса на ток s-го полюса определяется коэффициентом Yks (взаимная проводимость), соответственно Yss – собственная проводимость полюса S. Из уравнения (2.3) следует, что Yks можно определить по s-му уравнению, если в нем положить равными нулю все напряжения, кроме Uk:

Ysk = is / Uk │Ui = 0, где s = 1, …, n; i = 1, …, n; i ≠ k; is – ток внешнего полюса «s»; Uk – напряжение внешнего полюса k при нулевых напряжениях на всех остальных внешних полюсах; Uk – напряжение внешнего полюса i. Как известно, сумма проводимостей всех элементов отдельных столбцов (строк) полной матрицы узловых проводимостей равна нулю, т. е.

Y1s + Y2s + … + Yss + …. + Yns = 0. Если напряжение одного из внешних полюсов (например, n-го) приравнять к нулю, а сам полюс принять за опорный, то в системе (1) вычеркиваются все n-е члены правых частей и n-е уравнение, являющееся следствием всех остальных уравнений. Полученная при этом укороченная матрица узловых проводимостей (n–1)-го порядка с линейно-независимыми строками 60

используется для формирования множества прямых диагностических параметров. Если присоединить другие внешние полюсы к опорному полюсу (полюс с нулевым потенциалом), то в матрице Yузл следует вычеркнуть соответствующие им строки и столбцы. Когда к-й и s-й внешние полюсы соединяются, напряжения Us и Uk становятся равными, а ток полученного при этом объединенного полюса равен сумме токов этих полюсов. Соответственно в матрице проводимостей следует к-ю и s-ю строки заменить одной строкой, а к-й и s-й столбцы – одним столбцом, элементы которых равны сумме соответствующих элементов этих строк и столбцов [29]. Если многополюсная компонента не имеет опорного полюса, то в электрической цепи любой ее полюс может оказаться опорным. Возможны также случаи, когда ни один из внешних полюсов не является опорным. При анализе таких цепей, как показано в работах [29, 93, 94], удобно пользоваться полными матрицами узловых проводимостей компонент. Когда один из внешних полюсов компоненты оказывается опорным, строка и столбец ее матрицы узловых проводимостей, соответствующие этому полюсу, вычеркиваются. Если же компонента имеет собственный опорный полюс, соединенный с корпусом, то целесообразно выбирать в качестве опорного другой внешний полюс, так как при этом напряжение корпуса элемента окажется отличным от нуля. При определении числа полюсов электрической цепи, рассматриваемой как многополюсник, учитываются только внешние полюсы. При этом любой узел электронной цепи, не связанный с внешними компонентами, можно рассматривать как внутренний. Однако его легко превратить и во внешний полюс, для чего достаточно к этому полюсу присоединить вывод и вывести его за пределы замкнутой поверхности, охватывающей данную цепь. Напряжение полученного таким образом s-го внешнего полюса Us равно напряжению s-го узла, а его ток is равен сумме всех токов, втекающих в узел s. Очевидно, что токи внутренних полюсов равны нулю, поскольку к ним нельзя присоединить внешние элементы. Поэтому и токи внешних полюсов, полученных из внутренних, также равны нулю. 61

Любую цепь можно представить в виде многополюсника с разным числом полюсов в зависимости от того, какие полюсы будут приняты за внешние. Наибольшее число внешних полюсов, а следовательно, и наивысший порядок матрицы узловых проводимостей равны сумме узлов и одиночных полюсов данной цепи (исходная матрица). Если рассматривать электрическую цепь, все узлы и одиночные полюсы которой приняты за внешние полюсы, и число всех внешних полюсов считать равным n, то к каждому полюсу s цепи могут оказаться присоединенными r ветвей цепи и q полюсов многополюсных компонент. Ток полюса s определяется выражением:

is = i1 + i2 + … ir + ia1 + ia2 + …. + iaq. Собственная проводимость полюса s задается формулой:

Yss = is / Us при Ui = 0 (i ≠ s), 1

2

iaq

где ia , ia , …, – токи, которые втекают в полюсы a1, a2, …, aq многополюсных компонент 1, 2, …, q, присоединенных к узлу s цепи, и направлены ко всем остальным полюсам этих многополюсных элементов. Ток ial полюса al многополюсной компоненты будет определяться так:

ial = Yaal Ual при Uil = 0 (i ≠ a), где Yaal – собственная проводимость полюса многополюсной компоненты. Тогда собственная проводимость Yss полюса s электрической цепи выражается уравнением:

Yss = Y1 + Y2 + … + Yr + Yaa1 + Yaa2 + … +Yaaq. Взаимная проводимость Ysk полюса s относительно полюса k электронной цепи будет определяться следующим образом:

Ysk = (Y1 + Y2 + … + Yr) + Yam1 + Yam2 + … + Yamq, где Yaml – взаимная проводимость полюса al l-й многополюсной компоненты, присоединенной этим полюсом к полюсу s цепи относительно полюса ml этой многополюсной компоненты, присоединенной к полюсу k цепи. 62

Приведенные уравнения применимы к любым полюсам, в том числе и одиночным, и позволяют сформулировать правило получения исходной укороченной матрицы узловых проводимостей цепи с n-узлами и одиночными полюсами, согласно которому проводимости ветвей, соединяющих полюс s с опорным нулевым полюсом, вписываются только в одну клетку ss со знаком плюс. Проводимости ветвей, соединяющих полюсы s и k, вписываются в четыре клетки: в клетки ss и kk со знаком плюс и в клетки sk и ks со знаком минус. Проводимости многополюсных компонент берутся из их матриц узловых проводимостей. При этом в клетки ss вписывают собственные проводимости полюсов al, соединенных с полюсом s цепи, а в клетки sk – взаимные проводимости полюсов al, взятых относительно полюсов ml, соединенных с полюсом k цепи. Наличие полюсов, токи которых равны нулю, позволяет изменять порядок матрицы узловых проводимостей цепи в зависимости от размера выбранной структурной единицы, определяемого глубиной поиска дефекта. При увеличении размерности выбранной структурной единицы на единицу соответствующий k-й внешний полюс превращается во внутренний, а в матрице узловых проводимостей вычеркивается k-я строка и k-й столбец. Остальные элементы пересчитывают по формуле [29]:

Yij’ = Yij – Yik Ykj / Ykk.

(2.6)

Эту процедуру можно продолжать до тех пор, пока все полюсы, токи которых равны нулю, не окажутся внутренними полюсами. Если цепь имеет n полюсов, из которых первые s полюсов остаются внешними, а остальные k полюсов превращаются во внутренние, то полная матрица узловых проводимостей n-го порядка превращается в полную матрицу узловых проводимостей s-го порядка путем вычеркивания строк и столбцов, отвечающих всем полюсам, превращенным во внутренние. Оставшиеся элементы матрицы находятся по формуле:

Yij’ = Δвнш (n-1)ij / Δвнш (n-1),

(2.7)

где Δвнш (n-1) – определитель, получаемый из определителя матрицы узловых проводимостей цепи n-го порядка путем вычеркивания строк и столбцов, отвечающих всем оставшимся внешним полю63

сам. Верхние индексы являются восстановительными и показывают, что определитель Δвнш (n–1)ij получается из определителя Δвнш (n–1) путем восстановления строки i и столбца j. Рассмотренная процедура получения исходной матрицы узловых проводимостей электрической цепи предполагает, что матрицы узловых проводимостей ее отдельных многополюсных компонент известны. Для простых многополюсных компонент матрицы узловых проводимостей можно получить из анализа их эквивалентных схем. Например: схема полевого транзистора с проводимостями затвор – исток Yзи и затвор – сток Yзс имеет эквивалентную схему (рис. 2.2), которой соответствует укороченная матрица узловых проводимостей, где S – крутизна характеристики полевого транзистора, Gi – внутренняя проводимость полевого транзистора. В сложных многополюсных компонентах, имеющих один внутренний полюс, связь между токами и напряжениями внешних полюсов определяется путем исключения из исходной матрицы строки и столбца, отвечающих этому полюсу, и перерасчета оставшихся элементов матрицы по формуле (2.1). Такое преобразование следует из необходимости иметь для диагностирования матрицу, включающую только доступные для контроля полюсы съема информации. В сложных многополюсных компонентах, имеющих ряд внутренних полюсов, поставленная задача достигается путем использования их основных внешних параметров. Следует отметить, что использование тестового диагностирования элементов требует проведения n измерений. Такой переход системы в новое состояние подтверждает взаимнооднозначное соответствие между координатами точки состояния (К1, К2) и наборами численных значений диагностических параметров, которое может быть задано параметрически:

К1 = F(g1, g2, …, gm ); К2 = F(g1, g2, …, gm ).

(2.8)

Попеременное фиксирование в различных сочетаниях параметров в системе (2.8) позволяет получить параметрически заданное семейство изовар:

К1 = F1(g1 ); К1 = F2(g2); …; К1 = Fm(gm ); К2 = F1(g1); К2 = F2(g2 ); …; К2 = Fm(gm ). 64

(2.9)

Cуть метода коррекции состоит в следующем. Сначала первая система соотношений (2.8) исследуется по критерию минимального расстояния d при вариации параметра g1:

min (d =

{[К2 изм – К2(gi)]2 + [К1 изм – К1(gi)]2}),

(2.10)

где К1 изм, К2 изм – координаты точки равновесного состояния уточненной модели; К2(gi), К1(gi) – текущие координаты точки равновесного состояния приближенной модели; gi – варьируемый параметр; i = 1, …, m.

⎡Yзи + Yзс Yузл = ⎢ ⎣ S − Yзс

− Yзс

⎤ ⎥ Gi + Yзс ⎦

Рис. 2.2. Эквивалентная схема полевого транзистора

Методами математического анализа выражение исследуется на экстремум (находятся производные, приравниваются к нулю, находится точка минимума). Выражение для первой производной разрешается относительно искомого параметра g1. Затем вторая и последующие системы подвергаются аналогичному преобразованию, в результате чего записывается набор уточненных значений параметров СЕ: g1, g2, ..., gm, которые будут уточненными значениями элементов диагональной матрицы проводимостей. На основе уточненных данных строится точная диагностическая модель. Таким образом, использование метода постепенных приближений позволяет, не нарушая целостности ОД, расчетным 65

способом определить параметры СЕ, точные данные по которым, как правило, отсутствуют. Для адаптации моделей электрических цепей средней и высокой размерности авторами разработана программа ADAP 400 [102]. Далее рассмотрим использование различных режимов диагностирования и связанные с ними различные возможности диагностирования. При диагностировании в режиме постоянного тока на вход канала диагностирования подается тестовый сигнал постоянного уровня. Подключение диагностируемой электрической цепи к источнику постоянного тока требует соответствующей методики определения величин проводимостей p-n-переходов полупроводниковых приборов, используемых при построении диагностической модели ОД. Исходными данными здесь являются вольтамперные характеристики p-n-переходов. Однако величины напряжений (и их полярность) на p-n-переходах априори не известны (так как не известны номера полюсов отобранных каналов диагностирования). Это вносит некоторую неопределенность, для снятия которой возможны следующие подходы: – выбор малой величины уровня тестового сигнала, позволяющей регистрировать сопротивление постоянному току p-n-перехода полупроводникового прибора при любой полярности напряжения, приложенного к нему; – выбор достаточно высокого уровня тестового сигнала, при котором определяются прямые и обратные сопротивления p-n-переходов постоянному току. В первом случае независимо от выбранных номеров полюсов каналов диагностирования и полярности приложенного напряжения малая проводимость p-n-перехода в области начала координат вольтамперных характеристик служит признаком его работоспособности. Во втором случае необходимо учитывать полярность напряжения на p-n-переходах, а взаимные проводимости полюсов определять в режиме постоянного тока из вольтамперных характеристик при известных значениях величин напряжений на полюсах. В силу того, что построенная на определенных таким образом численных значениях проводимостей СЕ модель будет впо66

следствии подвергнута адаптации, в качестве первого приближения при вычислении параметров СЕ может быть использована гибридная схема замещения биполярного транзистора, аналитически связанная с системой h-параметров. Соответственно упрощается схема замещения транзистора (рис. 2.2), где

gбэ = (1 – h12э) / (h11 – rб’); gкб = h12э / (h11э – rб’); rб’. Следует отметить, что точка 4 (рис. 2.2) недоступна для измерений, но схему можно преобразовать, превратив полюс 4 во внутренний. Для этого в исходной матрице узловых проводимостей четырехполюсной компоненты вычеркивается 4-я строка и 4-й столбец, а остальные элементы пересчитываются по формуле:

gij’ = gij – gik g kj / gkk.

(2.10)

При таком преобразовании, эквивалентном в отношении распределения потенциалов по полюсам цепи, порядок матрицы узловых проводимостей цепи понижается на единицу. Понижение порядка матрицы узловых проводимостей упрощает вычисление ее определителя и его алгебраических дополнений, т. е. упрощает определение функций цепи. С другой стороны, количество уравнений в модели остается прежним, но параметры СЕ преобразованной схемы становятся взаимозависимыми. Это приводит к тому, что при вариации параметра одной структурной единицы гибридной схемы замещения необходимо рассматривать вариации параметров сразу трех СЕ схемы преобразованной. Это выходит за рамки задач поиска одиночных дефектов методом изовар. Следовательно, преобразования с целью понижения порядка матрицы узловых проводимостей компонент целесообразно использовать при рассмотрении задачи поиска множественных дефектов. Следует отметить, что использование тестового сигнала малого уровня упрощает процедуру построения предварительной диагностической модели, так как снимает проблему предварительного определения величин проводимостей p-n-переходов полупроводниковых приборов, но накладывает ограничения на возможности определения проводимостей реактивных элементов. 67

Наличие в ОД дискретных элементов не требует корректировки метода, так как тестовый сигнал постоянного уровня не обеспечивает динамики опрокидывания дискретного элемента, а только фиксирует величину проводимости в одном из устойчивых состояний, значение которой для работоспособной компоненты всегда известно. Таким образом, применение тестового сигнала малого уровня снимает проблемы, связанные с нелинейностью, взаимозависимостью и дискретностью СЕ, но накладывает ограничения на возможности идентификации параметров реактивных компонент. При диагностировании в режиме переменного тока частота тестового сигнала выбирается из условия обеспечения малого разброса проводимостей реактивных элементов и соизмеримости ее с проводимостью элементов, имеющих чисто активное сопротивление. Выполнение этих условий необходимо для получения оптимальной изоварной картины, зависящей от обусловленности матрицы узловых проводимостей цепи. Погрешности решения задач диагностики методом изовар оказываются большими для тех цепей, у которых искомые матрицы узловых проводимостей хуже обусловлены. Это могут быть цепи с проводимостями, значения которых существенно меньше значений проводимостей остальной части цепи. Это может приводить к смещению точки равновесного состояния к границе пространства диагностирования и сжатию изоварной картины, что повлияет на разрешающую способность метода. Как уже отмечалось, предварительная диагностическая модель может быть построена на основе приближенных данных о численных значениях параметров СЕ диагностируемой электрической цепи. Для получения точной модели необходимо произвести уточнение начальных значений параметров СЕ объекта диагностирования. Для достижения этой цели можно применить либо метод постепенного приближения, либо метод матричных преобразований, приведенный в п. 1.3.4. Однако при косвенном определении параметров возникают погрешности, обусловленные не только ошибками измерений, но и структурно-топологическими особенностями исследуемых цепей. 68

Если уровень возможных ошибок измерений часто удается компенсировать повышением класса точности измерительных приборов, то погрешности, связанные со структурно-топологическими особенностями ОД, накладывают определенные ограничения на диапазон возможностей рассматриваемого метода. В этой ситуации представляет интерес оценка относительной погрешности определения матрицы узловых проводимостей, которая может быть получена при использовании мультипликативных норм, связанных с мерой обусловленности матрицы. Так, при построении матрицы узловых проводимостей методом матричных преобразований Yузл.U = 1 (п. 1.3.4) мерой обусловленности матриц узловых напряжений, сопротивлений и проводимостей являются числа обусловленности бu:

αz, αy, αu = αz = αy = ║U║•║U–1║=║Z║•║Z–1║=║Y║•║Y–1║, так как U = Z = Y–1. Если эта мера будет близка к единице (α > 1), то матрица хорошо обусловлена и относительная погрешность определения матрицы узловых проводимостей будет мала.

2.1.2. Минимизация множества прямых диагностических параметров Существование в многополюсной системе большого количества каналов прохождения тестового сигнала, потенциально возможных для использования при диагностировании, предоставляет большой выбор при решении задачи поиска каналов контроля, удовлетворяющих сформулированным критериям оптимального (при котором выполняются все обозначенные критерии) диагностирования. При отборе минимального множества прямых диагностических параметров для диагностирования методом изовар необходимо, кроме названных критериев по чувствительности и равномерности, удовлетворить требование по достаточно низкой инцидентности (совмещенности) изовар. Для построения семейства изовар используется пара каналов, а наличие большего количества вариантов попарного соче69

тания каналов диагностирования дает возможность при прямом переборе всех возможных сочетаний каналов найти оптимальную пару функций передачи, в той или иной степени удовлетворяющих обозначенным критериям. Поскольку каждая функция передачи имеет свою интегральную чувствительность и свою неравномерность, то для построения оптимальной карты изовар необходимо из всей возможной совокупности сочетаний коэффициентов передачи отобрать пару, обеспечивающую высокое суммарное (по двум каналам) математическое ожидание и достаточно низкое суммарное среднеквадратическое отклонение:

М = М(ΔКi + ΔКj); σ = σ (ΔКi + ΔKj ). Это обеспечит более полное покрытие системой изовар пространства диагностирования и сравнительно малый разброс изовар по длине. Недопустимым является также использование каналов, порождающих совпадающие изовары, что делает неразличимыми состояния по данным gk и gn параметрам и имеет место при использовании пар каналов, для которых отношения конечноразностных производных ΔK1 / ΔK2 по соответствующим параметрам Δgk и ΔgN в точках их номинальных значений gk ном и gN ном пропорциональны или совпадают. Поэтому множество прямых диагностических параметров подлежит анализу на эквидистантность изовар. Как показали исследования, при разработке диагностических моделей на различных ОД наиболее адекватными критериями отбора подмножества оптимальных функций передачи являются следующие: 1. Комплексный критерий Z оценки интегральных величин чувствительности и равномерности по совокупности каналов:

Z = max { M 2 − Мσ }. 2. Минимаксный критерий эквидистантности изовар. Комплексный критерий Z формируется по принципу 10%-го отбора подмножества М1 пар коэффициентов передачи по признаку максимального Z при возрастании математического ожидания и убывании среднеквадратического отклонения интегральной чувствительности каналов. 70

Количество пар каналов, подлежащих исследованию при отборе, определяется комбинаторно:

R = СМ2, где М – количество функций передачи, возможных для диагностируемой электрической цепи. Критерий Z используется для первоначального отбора подмножества пар функций передачи в интервале 1–10% от максимального значения Z при двумерном прямом переборе всех сочетаний функций передачи, имеющих максимальную чувствительность и минимальный разброс чувствительности по изоварам. Для произвольно зафиксированной пары функций передачи М > σ, и значение параметра Z для произвольного возможного сочетания функций передачи принадлежит годографу вектора Z. Совокупность годографов образует поле изменения параметра Z. Минимаксный критерий, используемый для отбора пар функций передачи, удовлетворяющих условию эквидистантности изовар, позволяет отсеять каналы, порождающие совпадающие и близко расположенные друг к другу изовары. Механизм реализации критерия состоит в первоначальном определении для каждой пары отношения чувствительностей ΔKi(N)/ΔKj(N) минимальной разности углов │φk – φN│(N = 1, (m – 1); K = N + 1; m – количество изовар) между изоварами, с последующим отбором пары (ΔKi, ΔKj), имеющей максимальное значение разности углов │φi – φj ││ из всех минимальных, определенных ранее. Углы измеряются на интервале [–π/2; π/2]. Критерий задается в точке равновесия (при номинальных значениях параметров СЕ). Приращения ΔKi и ΔKj (рис. 2.8) определяются в точке равновесия при одних и тех же приращениях параметров Δg для различных изовар и различных пар сочетания каналов. Каждое сочетание ΔKi / ΔKj в результате критериальной оценки дает m углов направления изовар в точке равновесия:

θ щ = arctg (ΔKi(ω) / ΔK j(ω) │i, j = constω = 1,m, где θω – угол между направлением касательной к изоваре в точке равновесия и положительным направлением оси абсцисс (рис. 2.8). Это дает возможность построить (m – 1) углов θNk между соседними изоварами, оценить их величины и зафиксировать минимальный угол: 71

θN k min – θN k = │φk – φN │ = arctg (ΔKi(k) / ΔKj(k) ) – – arctg (ΔKi(N) / ΔKj(N)); N = 1, m; k = N + 1. В процессе рассмотрения различных пар сочетания каналов находится пара функций передачи, обеспечивающая максимально возможную нижнюю границу множества значений углов для данного ОД:

θi j max = max {min {│φk – φN│k = N + 1N = 1, m j = const i = const}│j = vari = var, где N, k – номера изовар; i, j – номера отбираемых функций передачи. Результатом такого отбора является гарантия того, что в семействе изовар, построенных на основе отобранной пары каналов, все углы расхождения в точке равновесия будут больше отобранного по критерию угла, что обеспечит удовлетворительную разрешающую способность при диагностировании. Результатом исполнения введенного критерия является выбор (из ранее отобранного по критерию Z подмножества М1), пары функций передачи, удовлетворяющей условию эквидистантности. Если подмножество М1 не содержит пары функций передачи, удовлетворяющей второму критерию, то анализируется следующее подмножество М2, отобранное в интервале 10–20% от максимального значения Z из упорядоченного множества М, и т. д. Процедура выполняется до тех пор, пока не будут обнаружены оптимальные каналы прохождения тестового сигнала в соответствии с выбранными ограничениями на численные значения критериев:

Z ≥ Zmin, θi j = ≥ θi j

min.

Значения Zmin и θijmin задаются из условий допустимых погрешностей на измерения и вычисления. При машинной обработке данных используются два цикла перебора: 1. По верхним индексам – для определения минимального для данного сочетания функций передачи значения угла θN k min (нижние границы). 2. По нижним индексам – для определения номеров каналов, имеющих наибольшие нижние границы. Следует отметить, что при диагностировании методом изовар в процессе контроля прямых диагностических параметров 72

иногда необходимо обеспечить знаковую однозначность результатов измерения численных значений функций передачи. Возможная неопределенность имеет место вследствие перемены знака некоторых функций передачи при вариации параметров диагностируемой системы. Знак функций передачи может зависеть от величины отклонения варьируемого параметра от номинального значения и определяется совокупностью выбранных каналов прохождения тестового сигнала. Поэтому перед проведением диагностического эксперимента необходима предварительная маркировка полюсов приема и снятия информации по знаку. Маркировка полярности выходных полюсов каналов диагностирования производится в точке равновесия системы при номинальных значениях параметров всех СЕ. Но если произвести отбор прямых диагностических признаков по критерию знакопостоянства функций передачи, то выполнять процедуру маркировки полюсов нет необходимости в силу того, что вся совокупность изовар будет принадлежать одному квадранту системы координат и однозначность идентификации по знаку будет гарантирована. Для машинного отбора знакопостоянных функций передачи разработана процедура ротации топологического графа, базирующаяся на изоморфном представлении графа диагностируемой электрической цепи произвольной размерности многоугольником с диагоналями. Это дает возможность сформировать подмножество М1′ функций передачи каналов, инцидентных по входу и выходу выбранному полюсу. Знакопостоянство на всем конечном интервале ΔК при вариации контролируемого параметра gi на интервале [0; ∞ ] позволяет разрешить неоднозначность идентификации, возникшую вследствие невозможности априорного определения знака функции при проведении диагностического эксперимента. С другой стороны, в силу инвариантности уравнений изовар относительно линейного преобразования координат вопрос о знакопостоянстве функций решается переносом модели в новую систему, но это связано с вводом дополнительных операций при проведении диагностического эксперимента. Поэтому целесообразно подвергнуть перспективному анализу подмножество М1′. 73

К тому же использование трехполюсной М1′ модели канала прохождения тестового сигнала позволяет сократить количество полюсов съема информации с четырех до трех и обеспечить более высокую эффективность контроля при диагностировании. Общее количество каналов М, потенциально возможных для использования при диагностировании методом изовар, определяется комбинаторно:

М = С 2n* (С 2n – 1), где n – количество полюсов системы, которое может быть смоделировано на ЭВМ прямым перебором всех возможных вариантов: (0 – 1) (0 – 2)

(0 –2 )…0 – (n – 1) (1 – 2)……1 – (n – 1)…(n – 2) – n – 1) (0 – 3)…(1 – 2) (1 – 3).…..(2 – 3)…….(0 – 1) : : : : : : 0 – (n – 1) (1 – 2)…1 – (n – 1)………………….….…0 – (n – 2) : : : : 1 – (n – 1) (2 – 3)…(0 – 1)..………………….……....1 – (n – 2) : : : : (n – 2) – (n – 1) (0 – 1)…0 – (n – 2)……..……….………..(n – 2) – (n – 1).

При использовании размерных функций цепи (взаимная проводимость, взаимное сопротивление) в качестве основных диагностических параметров сокращается вдвое максимально возможное количество зарезервированных каналов прохождения тестового сигнала вследствие обратимости каналов М = 0,52n* (С2n – 1), но это связано с дополнительными операциями по прямому или косвенному определению токов при проведении диагностического эксперимента. Использование безразмерных коэффициентов по напряжению позволяет увеличить количество каналов вдвое (вследствие необратимости каналов) и улучшить условия проведения диагностического эксперимента. Для отбора подмножества М1′ предварительно построенный граф электрической цепи подвергается ротации [91] поворотом относительно неподвижных вершин-узлов дискретно с шагом в одну дугу, начиная с позиции нулевой ротации. Записывается полная матрица узловых проводимостей Yузл для позиции нулевой ротации, которая в дальнейшем совершает транспозиции строк и столбцов при каждом очередном дискретном повороте графа. 74

При такой ротации происходит перераспределение потенциалов всех узлов многополюсника относительно опорного узла вследствие подключения к неподвижным узлам – вершинам различных сочетаний ветвей:

Yузл

Y1n ⎡Y11 Y12 ....................Y1( n −1 ) ⎤ ⎢ ⎥ Y2 n ⎢Y21 Y22 ....................Y2( n −1 ) ⎥ = ⎢............................................................ ⎥ ⎢ ⎥ Y( n −1 )n ⎥ ⎢Y( n −1 )1 .....................Y( n −1 )( n −1 ) ⎢ ⎥ Ynn ⎣⎢Yn 1 ..........................Yn( n −1 ) ⎦⎥

Совокупность сочетаний входных и выходных полюсов каналов прохождения сигналов при ротации не изменяется. Это дает возможность каждый раз при очередном повороте графа использовать одно и то же сочетание индексов при вычислении множества миноров определителя матрицы узловых проводимостей и одно и то же соотношение для вычисления всего подмножества функций передачи М1′:

Кos-ok = Δs k / Δs s, где Кos-ok – функция передачи от s-го входа к k-му выходу; Δsk – минор, полученный из определителя матрицы узловых проводимостей вычеркиванием s-й строки и k-го столбца; Δss – соответственно вычеркиванием s-й строки и s-го столбца. Процессом формирования подмножества М1′ управляет квадратная матрица транспозиций индексов Т порядка n, первая строка которой соответствует нулевой ротации и определяет перестановку индексов. Каждая последующая строка получается в результате (n – 1) транспозиций индексов предыдущей строки и соответствует очередной ротации: 1 2................................( n − 1 ) ⎤ ⎡0 ⎢1 2 3.........................( n − 1 ) 0 ⎥⎥ ⎢ ⎢2 3 4..................( n − 1 ) 0 1 ⎥ ⎥ ⎢ Т = ⎢.............................................................. ⎥ ⎢.............................................................. ⎥ ⎥ ⎢ ⎢.............................................................. ⎥ ⎢( n − 1 ) 0 1...............................( n − 2 )⎥ ⎦ ⎣

75

Первый столбец матрицы Т – столбец опорных узлов. Далее формируется вектор перебора индексов R = {1, 2, …, (n – 1)}, на основе которого строится кососимметричная матрица перебора индексов I: 1− 2 1 − 3.......................1 − ( n − 1 ) ⎤ ⎡0 ⎢2 − 1 0 2 − 3......................2 − ( n − 1 ) ⎥⎥ I =⎢ ⎢.............................................................................. ⎥ ⎢ ⎥ ⎣( n − 1 ) − 1 ( n − 1 ) − 2......................( n − 1 ) − ( т − 1 )⎦

которая задает порядок формирования подмножества миноров Δsk и Δss при каждой очередной ротации графа и матрицы узловых проводимостей. Для обеспечения линейной независимости системы при каждой очередной ротации из матрицы Yузл вычеркивается нулевая строка и нулевой столбец (с восстановлением предшествующей структуры матрицы после каждого очередного вращения). Соответственно нулевой индекс в вектор R не включается. Результатом (n – 1) вращений графа является деление множества М1′ на n подмножеств функций передачи, каждое из которых определяет совокупность функций передачи каналов, инцидентных одному из узлов – вершин графа. После совершения полного цикла (n вращений) система возвращается в исходное состояние. Для получения (n – 1) остальных подмножеств функций передачи необходимо произвести дешифровку индексов функций передачи для всех положений графа, с первой по (n – 1) ротации. Для этого используется матрица транспозиций индексов Т. Матрица транспозиций индексов может быть представлена совокупностью последовательных отображений множества {0, 1, 2, …, (n – 1)} на себя как совокупность различных записей одной и той же подстановки n-й степени, так как каждая последующая строка матрицы Т получается отображением предыдущей строки по одному и тому же закону соответствия. Это дает возможность при дешифровке индексов каждой очередной ротации применять одну и ту же подстановку А: ⎡0 , 1, 2 , ..., ( n − 1 )⎤ А=⎢ ⎥ ⎣1, 2 , ..., ( n − 1 ), 0 ⎦

76

и обращаться к ней при каждой очередной ротации для получения массива сочетаний индексов функций передачи всего подмножества М1′. Отбор основных диагностических параметров методом вращения графа позволяет сократить объем вычислений, объем резервирования памяти, устранить неоднозначность при диагностировании методом изовар, сократить количество полюсов съема информации. Отобранное ротационным методом подмножество знакопостоянных функций передачи М1′ характеризует совокупность трехполюсных каналов. Другое подмножество М2′ функций передачи (из всего массива М прямых диагностических признаков) представляет собой совокупность четырехполюсных каналов, которые могут изменять свой знак при вариациях диагностических параметров. Количество М1′ трехполюсных каналов определяется комбинаторно:

М1′, = n А2n-1, где n – количество полюсов многополюсной системы. Соответственно М2′ = C 2n C2n-2 при n ≥ 4; при n < 4 подмножество М2′ пусто. При возрастании n размерности диагностируемой цепи количество трехполюсных каналов М1′ нелинейно возрастает. Скорость нелинейного роста количества четырехполюсных каналов М2′ выше, чем М1′. При n < 7 М1′ > М2′; при n > 7 М1′ < М2′, т. е. существует точка пересечения зависимостей М1′ = F(n) и M2′ = F(n). Равенство М1′ = М2′ наступает при n = 7 (рис. 2.3). Как уже отмечалось, для построения диагностической модели используется пара каналов, каждый из которых имеет функцию передачи, принадлежащую одному из подмножеств М1′ или М2′. Имеют место различные комбинации попарных сочетаний каналов: 1) оба канала четырехполюсные; 2) оба канала трехполюсные; 3) первый канал трехполюсный, второй четырехполюсный (рис. 2.4).

77

М1

М2 210

0

7

n

Рис. 2.3. Графики изменения количества трехполюсных и четырехполюсных каналов Оба канала четырехполюсные

Оба канала трехполюсные

Один канал трехполюсный, второй четырехполюсный

Рис. 2.4. Варианты различных сочетаний каналов диагностирования

78

Различные сочетания пар каналов определяют характер расположения изоварной картины. Так, проведенные исследования показали, что использование сочетаний каналов первого варианта порождает семейство изовар, в общем случае принадлежащее всем четырем квадрантам прямоугольной системы координат; использование второго варианта сочетания каналов дает изоварную систему, расположенную только в одном из квадрантов; третий вариант порождает систему изовар, расположенную в двух смежных квадрантах. Например, для электрической схемы (рис. 2.5) количество трехполюсных каналов составляет М1′ = 6 А52 = 120, соответственно четырехполюсных М2′ = С62 С42 = 90, что позволяет получить: М2′′ = С902 – 90 = 3 915 изоварных картин, покрывающих все четыре квадранта; М1′′ = С1202 – 120 = 7 020 изоварных картин, расположенных в одном из четырех квадрантов; остальные картины будут принадлежать смежным квадрантам. Таким образом, большое количество вариантов различных изоварных картин дает возможность для отбора оптимальных вариантов. Далее рассмотрим методику построения диагностической модели. 4 1

a'

b'

Y3

c'

3

5

I o

c''

b'' II o

Y1 Y

Y2

Рис. 2.5. Схема дифференциального каскада на двух четырехполюсных компонентах

79

a''

2

2.1.3. Построение диагностической модели. Алгоритм и методика построения области работоспособности (детерминированная постановка) Формирование, упорядочение и минимизация множества прямых диагностических параметров позволяет выбрать оптимальные каналы прохождения тестового сигнала и выделить из всего множества функций передачи две – Кmn и Кkp, определяющие двумерное пространство диагностирования. В выбранных функциях передачи

Kmn = F (g1, g2, …, gm), Kkp = F (g1, g2, …, gm) фиксируются в соответствии с номинальными значениями проводимости элементов СЕ – от g1 до gm-1. Параметр gm остается варьируемым. В результате такого преобразования образуется система:

Kmn = F1 (gm), Kkp = F1 (gm). На следующем этапе в системе

Kmn = F (g1, g2, …, gm), Kkp = F (g1,g2, …, gm) фиксируются в соответствии с номинальными значениями проводимости от g1 до gm (за исключением параметра gm–1, который остается варьируемым) и записывается система:

Kmn = F2 (gm-1), Kkp = F2 (gm-1). Производя аналогичные преобразования, после m шагов получаем совокупность систем:

Kmn = F1 (gm); Kkp = F1 (gm); Kmn = F2 (gm–1); Kkp = F2 (gm-1); ......................... Kmn = Fm (g1); Kkp = Fm (g1). 80

(2.11)

Для формирования диагностической модели в системе (2.11) последовательно исключаются варьируемые параметры: из первой пары – gm, из второй пары – параметр gm–1 и т. д. Из m-й пары исключается параметр g1. В результате устанавливается взаимно-однозначное соответствие между множеством значений прямых диагностических признаков {Kmn, Kkp}и множеством возможных значений диагностируемых параметров gm, gm-1, …, g1, формируется система уравнений, связывающая прямые диагностические параметры при вариациях параметров всех структурных единиц на интервале [0; ∞ ):

Kmn = F1(Kkp), Kmn = F2(Kkp), Kmn = Fm(Kkp).

(2.12)

Количество уравнений в модели определяется количеством диагностируемых параметров. Границы изменения значений функций передачи Kmn и Kkp конечны при вариации параметров gi на интервале [0; ∞ ) и определяются подстановкой в систему (2.11) значений gi = 0 и gi = ∞ . Полученная система функций (2.12) в пространстве диагностических параметров геометрически интерпретируется семейством изовар (отрезки гипербол или прямых), пересекающихся в одной общей точке состояния, координаты которой соответствуют значениям Kmn и Kkp при отсутствии дефектов в ОД, т. е. когда ни один из параметров не отклонен от номинального значения (рис. 2.6). Поскольку каждая изовара является геометрическим местом точек, координаты которых соответствуют значениям функций передачи Kmn и Kkp при изменении одного из параметров gi в интервале от нуля до бесконечности, то при отклонении значений параметров любой СЕ от номинального значения точка состояния начнет движение по соответствующей изоваре, и дефект может быть однозначно идентифицирован по принадлежности точки соответствующей изоваре. Все промежуточные значения gi соответствуют частичному изменению величины проводимости. При машинной обработке информации в основу алгоритма диагностирования положен процесс многократной последова81

тельной проверки тождественности уравнений модели (2.3) при подстановке в них численных значений функций передачи выбранных информативных каналов с целью поиска того единственного уравнения, которое соответствует отклонению величины параметра, исключенного из данного уравнения, а два значения функций передачи выбранных информативных каналов обратят это уравнение в верное равенство (с учетом погрешности). Следует отметить, что для выбранной совокупности диагностических параметров (Kmn, Kkp) положение точки равновесного состояния в пространстве диагностирования зависит от соотношения между номинальными значениями параметров отдельных СЕ, и при большом разбросе величин параметров точка равновесного состояния системы может приближаться к границам пространства диагностирования, что приведет к сжатию изоварной картины у границ области диагностирования и, как следствие, к ухудшению разрешающей способности метода. Однако положение точки состояния в системе координат зависит еще и от выбора самих диагностических параметров, поэтому для получения оптимальной изоварной картины необходимо провести анализ множества функций передачи на равноудаленность точки равновесного состояния от границ изменения диагностических параметров. Но отдельно проводить эту операцию, как показали исследования, нет необходимости, поскольку уже имеющийся критерий по эквидистантности изовар учитывает этот критерий. На полученную систему изовар накладываются условия работоспособности. Методика нахождения условий работоспособности базируется на физическом анализе работы ОД, анализе рабочих режимов и контроле выходного параметра. Исходя из нее, находятся допустимые пределы изменения комплексной проводимости каждой СЕ по избытку: ∆g1′; ∆g2′; ...; ∆gm′; недостатку:

∆g1′; ∆g2′; ...; ∆gm′. Определяются верхние граничные значения проводимостей:

gi max = gi ном + ∆gi′, 82

i = 1, m;

(2.13)

нижние граничные значения проводимостей области работоспособности:

gi min = gi ном – ∆gi′;

i = 1, m .

(2.14 )

TMN

разрыв цепи

к.з. разр. qn

разр.

qk

разр.

q4 к.з.

разр.

q3 к.з.

q2

Область работоспособности к.з.

q1

TPK

к.з. разр.

короткое замыкание

Рис. 2.6. Границы области работоспособности

83

Соответственно определяются граничные значения функций передачи Kmn и Kkp области работоспособности:

Kmn(gi min ) ≤ Kmn (gi ) ≤ K mn(gi max); Kkp (g i min) ≤ Kkp (gi) ≤ Kkp (gi max); i = 1,m.

(2.15)

Аналитические выражения зависимостей Kmn и Kkp получены при разработке системы изовар, параметры gi ном известны. Поэтому для нахождения gi min и gi max необходимо знать численные значения ∆gi’ и ∆gi , которые могут быть получены экспериментально с помощью имитации отказов на работоспособном макете ОД методом искусственного изменения до определенных границ параметров элементов ОД. Для этого необходимо задаться выходными параметрами μi, нахождение которых в допустимых пределах Ai ≤ μi ≤ Bi определяет безотказную работу ОД. Один из выходных параметров μ, представляющий монотонную функцию совокупности входных параметров, выбирают в качестве функции цели, определяющей поставленные задачи диагностирования, например: коэффициент усиления, коэффициент нелинейных искажений и т. д. В качестве входных параметров рассматриваются комплексные проводимости СЕ gi (i = 1, m). Допустимые изменения ∆gi входных параметров определяются в зависимости от одного из параметров ОД, называемого параметром граничных испытаний, например: напряжение источника питания, температура и др. Такое исследование позволяет установить область безотказной работы ОД. Построение области безотказной работы начинается с фиксирования в двумерном пространстве входных параметров {g / gi ном; u / uном} номинальных нормированных значений входных параметров и номинального нормированного значения параметра граничного испытания. Варьируя величинами входных параметров и параметра граничных испытаний в различных сочетаниях, определяют границу области работоспособности, за пределами которой выходной параметр выходит за допустимые пределы. Область безотказной работы ОД может быть замкнутой или разомкнутой кривой в зависимости от пределов изменения параметра элемента, при котором происходит отказ. 84

Положение рабочей точки внутри области безотказной работы характеризует реакцию ОД на изменение параметра исследуемого элемента. Если точка находится в центре области, то ОД будет одинаково реагировать на любые изменения параметра элемента. Следует отметить, что из-за производственных погрешностей на параметры элементов и изменений питающего напряжения необходимо рассматривать вероятное местоположение рабочих точек по входным параметрам, т. е. рабочую область. Чтобы определить рабочую область, необходимо знать законы распределения производственных погрешностей элементов по исследуемому параметру. При соблюдении определенных условий возникновения производственных погрешностей распределение производственных погрешностей подчиняется закону нормального распределения:

f(∆x) = 1/у 2π EXP (–(∆x)2 / 2у2), где ∆x – ошибка измерения; у2 – дисперсия измерений. В процессе эксплуатации ОД происходит дрейф рабочей области вследствие старения элементов и изменения их параметров: с одной стороны – из-за воздействия температуры, с другой – из-за питающих напряжений. Приближение рабочей области к границе, отделяющей область безотказной работы ОД от области отказов, влечет за собой понижение надежности аппаратуры. Выход рабочей области за пределы области безотказной работы приводит к отказу ОД. При равновероятном направлении дрейфа параметров gi и u рабочая область (рис. 2.6.) должна располагаться в центре области безотказной работы. Если дрейф параметров имеет доминирующее направление, то рабочая область должна быть смещена от центра в направлении, обратном дрейфу параметров gi и u, что необходимо учитывать при проектировании и настройке. Положение средней точки рабочей области по отношению к области безотказной работы должно быть выбрано исходя из условий надежности и определяться суммой трех допусков: производственного, температурного и допуска на старение. Суммарный эксплуатационный допуск может быть определен из выражения: 85

δУ =

δ ΠΡ 2 + δΤ 2 + δ CΤ 2 ,

где δУ – половина поля эксплуатационного допуска параметра gi; δпр – половина поля производственного допуска параметра; δт – половина поля температурного допуска параметра gi; δст – половина поля допуска параметра gi на старение. Так как выбранный в соответствии с целью диагностирования выходной параметр μ зависит от значений совокупности параметров gi и параметра граничных испытаний u, то область работоспособных состояний определяется как результат суперпозиции частных областей безотказной работы по каждому входному параметру и параметру граничных испытаний. Для построения области работоспособных состояний удобно использовать систему нормированных координат (gi / gi ном; u / uном). На рис. 2.6 изображен график граничного контроля для i-го выходного параметра при m входных. Совмещенная область работоспособных состояний заштрихована. Для нахождения ∆gi′ и ∆gi′′ преобразуем соотношения (2.14):

gi max / gi ном = 1 + Δgi′ / gi ном; gi min / gi ном = 1 –

Δgi′′

/ gi ном.

(2.17) (2.18)

Обозначив определяемое графически:

(1 + Δgi′ / gi ном) = αmax, (1 – Δgi′′ / gi ном) = αmin , получим:

gi max = gi ном · αmax; gi min = gi ном · бmin; i = 1, m. Обращаясь к системе (2.15), определяем граничные значения функций передачи области работоспособности:

Kmn (gi min) ≤ Kmn i ≤ Kmn (gi max); Kkp (gi min) ≤ Kkp i ≤ Kkp (gi max). Далее определяются границы изменения значений функций передачи Kmn i и Kkp i, соответствующие крайним возможным режимам: gi = 0; gi = ∞ ; i = 1, m. 86

Для нахождения координат крайних точек отрезков изовар вычисляются значения прямых диагностических признаков при значениях варьируемого параметра 0 и ∞ для каждой изовары:

Кmn i = F (gi)│gi = ∞ ; Kmn i = F (gi) │gi = 0; Kkp i = F (gi)│gi = ∞ ; Kkp i = F (gi) │gi = 0; i = 1, m. Условия работоспособности определяются как ограничения на диагностические параметры, при выполнении которых ОД может выполнить поставленные перед ним задачи или возложенные на него функции. Для количественной оценки степени работоспособности ОД задается параметр близости ri точки состояния ОД к области работоспособности по каждой изоваре:

ri′ = │gi max – gi│, если gi′ > gi max; ri′′ = │gi min – gi│, если gi < gi min; i = 1, m;

(χ)

где gi = F (Kmn) = F (Kkp) – параметр, который вычисляется при измерении любого из двух отобранных диагностических параметров. Таким образом, метод позволяет при помощи двух обращений к ОД однозначно идентифицировать состояние любого элемента диагностируемой электрической цепи и определять степень отклонения диагностируемого параметра от номинального значения. Операция распознавания места дефекта сводится к измерению численных значений функций передачи Kmn и Kkp и нахождению в системе (2.3) уравнения, удовлетворяющего измеренным значениям Kmn и Kkp: │Kmn – Fi (Kkp)│≤ δ,

i = 1, m,

где δ – абсолютная погрешность измерения. Геометрически эта операция сводится к нахождению изовары (следовательно, номера дефектной СЕ), принадлежащей точке с измеренными координатами Kmn и Kkp. Параметр близости ri вычисляется из (χ) при подстановке в него численного значения gi, полученного из системы (2.2), при разрешении найденного i-го уравнения относительно параметра gi. 87

Полученная априорная информация может быть использована для практического диагностирования как вручную, так и с применением технических средств диагностирования в соответствии с разработанным алгоритмом. Следует отметить, что для функций передачи, являющихся комплексными числами, построение изовар производится в системе координат аргумент-модуль. Из уравнения для модуля и из уравнения для аргумента исключается варьируемый параметр gi и рассматривается уравнение изовары:

K = F(φ). Далее строится семейство изовар при вариациях параметров всех СЕ. Если исключение параметров в общем виде невозможно, то применяются численные методы. При таком подходе достаточно контролировать одну функцию передачи по двум каналам: по фазе и по амплитуде. При комплексном характере элементов матрицы узловых проводимостей возможен вариант контроля состояния ОД по двум функциям передачи, построенным на основе матрицы узловых проводимостей, все элементы которой пересчитываются в модули. Таким образом, при построении и анализе диагностической модели авторами получены следующие результаты: 1. Получена модель, связывающая прямые диагностические параметры, контролируемые непосредственным измерением, с параметрами объекта диагностирования, не контролируемыми непосредственным измерением. 2. На основании построенной модели получено взаимнооднозначное соответствие между минимизированным множеством диагностических параметров (два параметра) и совокупностью контролируемых параметров. 3. Построены критерии отбора и минимизации диагностических параметров для получения оптимальной изоварной картины. 4. Разработана процедура машинного отбора знакопостоянных функций передачи. 5. Разработана методика построения области работоспособности. 88

Полученные результаты могут быть использованы для практического диагностирования цепей низкой размерности, но прежде чем перейти к разработке диагностического обеспечения, рассмотрим методику и некоторые особенности диагностирования методом изовар. 2.2. Методика диагностирования на примере диагностики СИФУ В основу методики диагностирования СЭУ положен иерархический принцип постепенного увеличения глубины поиска дефекта в соответствии с оценкой целесообразности реализации заданного уровня глубины поиска и возможностью представления ОД несколькими уровнями деления. В процессе такого деления на каждом этапе диагностирования происходит постепенное уточнение места дефекта. Сначала определяется неработоспособный блок (конструктивно оформленный элемент ОД), затем производится диагностирование выявленного блока с глубиной поиска до элемента функциональной схемы и т. д. Завершающий этап состоит в диагностировании на уровне элемента функциональной схемы с глубиной поиска до элемента принципиальной схемы методом изовар. На различных уровнях глубины поиска используются различные диагностические модели. Так, при поиске дефектов с точностью до блоков, микроблоков, сборок и т. д. целесообразно использовать функциональную модель, для логического анализа которой используется таблица состояний [58, 79, 81]. При последующем увеличении глубины поиска можно использовать метод изовар, позволяющий идентифицировать состояние ОД с глубиной поиска дефектов до элемента принципиальной схемы. В качестве примера рассмотрим судовой тиристорный электропривод (СТЭП), исходной формой представления которого выберем функциональную схему (рис. 2.7), где: – РС, РТ – регуляторы скорости и тока; – CИФУ – система импульсно-фазового управления; – Н и В – трехфазные мостовые комплекты тиристоров; 89

– М – электродвигатель постоянного тока независимого возбуждения; – ДТ – датчик тока; – ТГ – тахогенератор, используемый в качестве датчика тока; – ФПЕ – функциональный преобразователь ЭДС двигателя; – НЗ – нелинейное звено; – УЛ – логическое устройство раздельного управления; – ПХ – переключатель характеристик; – УЗТ – узел токоограничения, осуществляющий дополнительное ограничение тока в функции скорости; – ДПВ – датчик проводимостей вентилей; – УО – управляющий орган СИФУ, осуществляющий установку и ограничение начального угла регулирования.

Рис. 2.7. Функциональная схема СТЭП

Фазовый сдвиг импульсов относительно силового напряжения на тиристорах пропорционален напряжению, поступающему на СИФУ от УО. Логическое устройство раздельного управления служит для формирования сигналов, управляющих ключами В и Н в переключателе характеристик, а также в датчике тока и цепи импульсных трансформаторов. Контроль отсутствия тока через тиристоры производится ДПВ. Выходное напряжение регулятора скорости ограничивает90

ся уровнем насыщения операционного усилителя. Регулятор тока формирует напряжение, пропорциональное разности сигналов задания на ток и отрицательной обратной связи по току. Нелинейное звено суммирует выходное напряжение регулятора тока Uрт, пропорциональное току двигателя, и напряжение Uе обратной связи по ЭДС с разными коэффициентами передачи. Коэффициент передачи НЗ по входу является линейным, имея зависимость, обратную коэффициенту передачи ТП в зоне прерывистого тока. Коэффициент передачи НЗ по входу является постоянным. Сигнал Uе формирует ФПЕ, имеющий характеристику, близкую к функции арксинуса, т. е. обратную к регулировочной характеристике ТП. Этим осуществляется приведение сигнала ТГ, пропорционального ЭДС двигателя, к входу СИФУ. Разнополярное напряжение управления нелинейного звена преобразуется переключателем характеристик в однополярное, т. е. в статическом режиме работы привода на УО подается напряжение только отрицательной полярности независимо от работающего комплекта тиристоров. В состав электропривода входят два контура обратной связи по току и скорости, причем эти контуры охватывают друг друга. Контур скорости охватывает практически все элементы функциональной схемы ЭП.

2.2.1. Построение логической модели диагностики СИФУ Наличие контура обратной связи снижает чувствительность метода при идентификации состояния ОД по выходному сигналу. Поэтому применение логической модели для решения задач диагностирования без обрыва цепи обратной связи не обеспечит необходимой глубины поиска. Учитывая эти особенности, для решения задачи поиска дефектов до функционального элемента предлагается делать обрыв между УО и СИФУ, а выходной сигнал Uу от УО на СИФУ заменить тестовым напряжением, соответствующим допустимому напряжению (0–10 В). Преимуществом этой точки обрыва является то, что она позволяет раскрыть оба контура сразу. После этого производится построение логической модели ЭП для поиска дефектов с глубиной до элемента 91

функциональной схемы. Процесс построения логической модели достаточно полно рассмотрен в работах [58, 108], поэтому здесь отметим только особенности ЭП и необходимые условия допущений для построения его диагностической модели: – если хотя бы один блок ЭП неработоспособен, то ЭП считается неработоспособным; – для всех входов и выходов блоков функциональной схемы ЭП существуют допустимые пределы параметров. Выход за допустимые пределы параметров означает переход ЭП в неработоспособное состояние; – имеется возможность осуществлять контроль за каждым блоком; – двигатель постоянного тока заменяется в логической модели двумя блоками Q3 и Q4, так как его выходными параметрами являются ток и скорость вращения; – остальные блоки функциональной схемы ЭП заменяются соответствующими блоками логической модели (CИФУ – Q1, ТП – Q2, ТГ – Q5, ДТ – Q6, ДПВ – Q7, РС – Q8, УЗТ – Q9, ОГР – Q10, РТ – Q11, ФПЕ – Q12, НЭ – Q13, ЛУ – Q14, ПХ – Q15, УО – Q16). Логическая модель диагностики СИФУ, построенная по функциональной схеме ЭП с обрывом между блоками УО и СИФУ, показана на рис. 2.8.

Рис. 2.8. Логическая модель поиска дефектов

92

При анализе логической модели для решения задачи поиска дефектов необходимо построить таблицу состояний. При построении таблицы состояний используются следующие основные положения: в качестве прямых диагностических показателей выбираются выходы Zi(i = 1, …, 16) всех элементов логической модели, которые представляют собой СЕ объекта. При проверке выход оценивается по двоичной системе: единица – если реакция выхода допустимая, ноль – если реакция выхода недопустимая. Реакция работоспособного элемента является допустимой, неработоспособного – недопустимой. Входное воздействие, приложенное к работоспособному элементу для получения допустимой реакции, является допустимым воздействием. Допустимая реакция любого элемента получается только в том случае, если все воздействия на элемент являются допустимыми. Состояние ОД оценивается вектором S, в котором компонентами являются 1 или 0, соответствующие оценке состояния функционального элемента (S0 – все элементы работоспособны; S1 – элемент Q1 неработоспособен; S2 – элемент Q2 неработоспособен, и т. д.). В таблице состояний число столбцов соответствует числу прямых диагностических признаков – числу проверок πi (i = 1, …, 16). В каждой строке таблицы состояний располагаются результаты проверок, соответствующие определенному состоянию ОД при недопустимой реакции одного из элементов [70]. Для заполнения таблицы состояний необходимо выполнить анализ логической модели. Для этого записываются функции условий работы блоков модели: F1 = X1 X2; F2 = Z1; F3 = F4 = Z2; F5 = Z3; F6 = F7 = Z4; F8 = X1 Z5; F9 = F12 = Z5; F10 = Z8; F11 = Z6 Z9 Z10; F13 = Z11 Z12; F14 = Z7 Z13; F15 = Z13 Z14; F16 = Z15; где X1, X2, X3 – внешние тестовые воздействия. Соответственно функции выходов блоков модели записываются так: Z1 = Q1 X2 X3; Z2 = Q2 Z1; Z3 = Q3 Z2; Z4 = Q4 Z2; Z5 = Q5 Z3; Z6 = Q6 Z4; Z7 = Q7 Z4; Z8 = Q8 X1 Z5; Z9 = Q9 Z5; Z10 = Q10 Z8; Z11 = Q11 Z6 Z9 Z10; Z12 = Q12 Z5; Z13 = Q13 Z11 Z12; Z14 = Q14 Z7 Z13; Z15 = Q15 Z13 Z14; Z16 = Q16 Z15. Результаты анализа модели сведены в табл. 2.1. Анализ таблицы состояний проводится с целью минимизации множества проверок, необходимых для однозначной идентификации одиночных дефектов в ОД. 93

Для модели данного ЭП проверка работоспособности состоит в контроле сигнала на выходе УО (π16) при подаче тестовых сигналов X1, X2, X3. Таблица 2.1 Состояние логической модели

Результаты полученного диагноза позволяют сделать заключение о целесообразности проведения процедуры поиска неработоспособного блока. Если нарушение работоспособности установлено, то строится алгоритм поиска дефектов с глубиной поиска дефектов до одного блока логической модели. Алгоритм должен различать каждую пару дефектов, т. е. результаты входящих в алгоритм элементарных проверок должны быть разными в каждом неработоспособном состоянии. Такую совокупность будем называть различающей совокупностью контрольных точек. Задача построения алгоритма поиска дефектов состоит в определении такой минимальной совокупности и ее упорядочении. Для определения этой минимальной совокупности, достаточной для обнаружения отказавшего элемента, попарно сравнивают результаты проверок при всех состояниях ОД. Результаты сравнения заносятся в новую таблицу, в кото94

рой в каждой строке стоит 0 – если проверка дала одинаковые результаты, 1 – если проверка дала различные результаты. Количество строк в табл. 2.1 определяется комбинаторно и равно количеству пар сочетаний неработоспособных состояний:

Мстр.= СQ2, где Q – количество неработоспособных состояний. Количество столбцов определяется количеством возможных проверок πi. Анализ этой таблицы состоит в определении минимально возможного количества столбцов, при наложении которых логическая сумма по каждой строке равна единице. Это дает возможность определить минимальную совокупность различающих проверок, регистрирующую все пары сочетаний неработоспособных состояний. Однако в нашем случае имеется возможность определить минимальную различающую совокупность контрольных выходов для поиска дефектов с помощью логического анализа результатов табл. 2.1. Проверка π1 различает состояние Q1 cо всеми другими (Q2 – Q16). Проверка π2 различает состояние Q2 со всеми остальными, кроме Q1, но с Q1, Q2 различается уже в проверке π1. Следующая проверка π3 различает состояние Q3 со всеми остальными, кроме Q1 и Q2, но они различаются с Q3 в проверках π1 и π2 и т. д. Однако есть проверки, которые кроме очередной последовательной совокупности разрешения имеют различия, дублирующие некоторые разрешения предыдущих проверок. Так, например, проверка π2 может быть исключена как дублирующая, если найдется другая проверка, которая кроме основной последовательности разрешения имеет разрешение, различающее состояния Q1 и Q2. Такие проверки есть: это проверки π4, π6, π7. Тогда выбирается одна из проверок, например π6, которая становится обязательной и при дальнейшем анализе не исключается. Проверка π3 тоже становится обязательной, так как регистрирует различие состояния Q2 c Q4, Q5, …, Q16. Рассуждая аналогичным образом, можно исключить также проверки π4 и π5 (π8, имеющая разрешение состояний Q8 и Q9 95

в проверке π10, все же не исключается, так как не имеет разрешения в состояниях Q8 и Q10 последующей проверки π9 и никакие другие проверки этого разрешения не дадут).

12

Рис. 2.9. Алгоритм поиска дефектов

Таким образом, минимальная необходимая совокупность контрольных точек, выбранных для поиска дефектов ЭП, состоит из выходов Z1, Z3, Z6, Z7, Z8, Z9, Z10, Z11, Z12, Z13, Z14, Z15. Эту совокупность следует упорядочить по степени уменьшения вероятности возникновения дефектов соответствующих функциональных элементов. Если считать, что вероятность возникновения дефектов всех элементов ЭП одинакова, то упорядочение можно проводить по следующему правилу: порядок контрольной точки определяется числом нулей в соответствующем столбце таблицы состояний, причем упорядочение проводится по степени увеличения числа нулей столбца. Действительно, при упорядочении по этому правилу для нахождения каждого дефекта требуется только часть совокупности контрольных точек. Допустим, что дефект возник в элементе Q3. 96

Тогда достаточно производить контроль Z1, Z3, Z6, поскольку нет необходимости производить контроль всей совокупности. После этого можно остановить процесс поиска и перейти к восстановлению Q3. Таким образом уменьшаются затраты на контроль и время поиска дефектов в целом. Тогда поиск дефектов ЭП осуществляется в следующем порядке: Z1, Z3, Z6, Z7, Z12, Z8, Z9, Z10, Z11, Z13, Z14, Z15. Номера контрольных точек для поиска дефектов ЭП до функционального элемента показаны на рис. 2.10. Алгоритм поиска дефектов ЭП до функционального элемента, построенный по полученным результатам анализа ДМ, приведен на рис. 2.9. В алгоритме используются: Аi – операторы действия; Кj – операторы контроля (Кj = 1, если значение соответствующего Zj в норме; Кj = 0, если значение Zj за допустимыми пределами). Алгоритм включает следующие операторы: А0 – начало алгоритма; А1 – подготовка ЭП и ТСД к диагностированию (размыкание контуров обратных связей, подача необходимых тестовых сигналов и т. д.); К0 – контроль работоспособности ЭП (К0 = 1, если ЭП работоспособен; К0 = 0, если ЭП неработоспособен); К1 – контроль Z1 (выходов СИФУ); А2 – поиск и устранение дефектов СИФУ; К2 – контроль Z3 (напряжения двигателя постоянного тока); А3 – поиск и устранение дефектов тиристорного преобразователя; К3 – контроль Z6 (выходного напряжения датчика тока); А4 – нахождение и устранение дефектов двигателя; К4 – контроль Z7 (выходного напряжения датчика проводимости вентилей); А5 – поиск и устранение дефектов датчика тока; А6 – поиск и устранение дефектов ДПВ; К5 – контроль Z12 (выходного напряжения ФПЕ); К6 – контроль Z8 (выходного напряжения регулятора скорости); А7 – поиск и устранение дефектов тахогенератора; А8 – поиск и устранение дефектов ФПЕ; 97

А9 – поиск и устранение дефектов РС; К7 – контроль Z9 (выходного напряжения УЗТ); А10 – поиск и устранение дефектов УЗТ; К8 – контроль Z10 (выходного напряжения ОГР); А11 – поиск и устранение дефектов ОГР; К9 – контроль Z11 (выходного напряжения регулятора тока); А12 – поиск и устранение дефектов РТ; К10 – контроль Z13 (выходного напряжения нелинейного элемента); А13 – поиск и устранение дефектов НЭ; К11 – контроль Z14 (работоспособности УЛ); А14 – поиск и устранение дефектов УЛ; А15 – поиск и устранение дефектов ПХ; А16 – поиск и устранение дефектов УО; А17 – конец алгоритма.

Рис. 2.10. Функциональная схема системы импульсно-фазового управления электропривода

При поиске множественных дефектов алгоритм применяется многократно с обязательным промежуточным восстановлением, т. е. после нахождения одного дефекта процесс поиска 98

останавливается и дефект устраняется. Затем проверяется работоспособность ОД и алгоритм поиска возобновляется – и так до нахождения последнего дефекта. В результате приводим следующую методику разработки алгоритма поиска дефектов ЭП с глубиной поиска до функционального элемента с применением логической модели: – на основе анализа работы ЭП, его функциональной схемы и элементов построить диагностическую модель логического типа; – построить таблицу состояний ЭП; – проанализировать таблицу состояний и определить минимальную различающую совокупность контрольных точек; – упорядочить контрольные точки по степени уменьшения вероятности возникновения дефекта; – определить параметры диагностирования и допустимые пределы их изменения; – построить алгоритм поиска дефектов на основе результатов проведенного анализа. Таким образом, приведенная методика использована для диагностирования на первом уровне глубины поиска дефектов. На следующем уровне иерархии рассматривается совокупность функциональных моделей всех блоков ЭП, и поиск дефектов ведется с глубиной до элемента функциональной схемы блока ЭП. В качестве примера рассмотрим процедуру разработки алгоритма поиска дефектов системы импульсно-фазового управления данного электропривода (ЭП). СИФУ формирует сдвоенные прямоугольные импульсы, используемые для управления тиристорами. Фазы импульсов относительно силового напряжения на тиристорах изменяются пропорционально напряжению, поступающему на управляющий орган СИФУ от РТ. Функциональная схема СИФУ приведена на рис. 2.10 и включает следующие узлы: – источник синхронизирующего напряжения (ИСН); – формирователи импульсов (ФИ1 – ФИ3); – управляющий орган (УО); – усилители импульсов (УИ1 – УИ6); – логическое устройство раздельного управления (УЛ); – импульсные трансформаторы (ИТ1 – ИТ12). В качестве ИСН используется вторичная обмотка трансформатора питания и синхронизации преобразователя. Каждый ФИ 99

синхронизирован со своей фазой и формирует импульсы управления. На усилителях импульсов осуществляется, кроме усиления по мощности, сдваивание импульсов для управления тиристорами. Для этого на второй вход УИ подаются импульсы с того канала формирователей импульсов, где имеется отставание их на 60 эл. град. от импульсов на первом входе УИ. Временная диаграмма формирования сдвоенных импульсов приведена на рис. 2.11.

Рис. 2.11. Временная диаграмма формирования сдвоенных импульсов

С одной стороны, сдвоенные импульсы с выхода каждого УИ поступают одновременно на два ИТ, принадлежащих разным комплектам тиристоров. С другой – подача импульсов на тиристор тем или иным импульсным трансформатором определяется состоянием ключей Н и В, которые в свою очередь зависят от состояний выходов УЛ. Последнее предназначено для формирования сигналов управления ключами Н и В, определяющими нахождение в работе комплекта тиристоров В или Н таким образом, чтобы полностью исключался режим одновременной работы комплектов. Для надежного открывания тиристора на его управляющий электрод необходимо подать импульс определенной полярно100

сти, амплитуды и длительности. Минимально допустимая длительность управляющего импульса должна быть больше времени включения тиристора (5–20 мкс). Кроме того, за время действия импульса ток в анодной цепи тиристора должен успеть нарасти до тока удержания (10 эл. град. – около 500 мкс). Крутизна переднего фронта напряжения управляющего импульса должна быть высокой – для обеспечения быстрого нарастания тока управления надежного открывания тиристора и уменьшения потерь при включении. Таблица 2.2 Результаты контроля системы импульсно-фазового управления

Необходимо также обеспечение максимального диапазона регулирования угла α (α = 0–175 эл. град.), симметрии управляющих импульсов по фазам, асимметрии противофазных импульсов (не более 0,2 эл. град.), межфазной асимметрии управляющих импульсов (не более 4 эл. град.), быстродействия. СИФУ 101

считается работоспособной, если все ее выходные импульсы в норме и удовлетворяют условию работы с соответствующим ТП. Для построения диагностической модели используется функциональная схема (рис. 2.10). Каждый формирователь импульсов заменяется двумя блоками в логической модели (ФИ1 – Q3, Q4; ФИ2 – Q5, Q6; ФИ3 – Q7, Q8), так как для них существуют два выхода (а, а; в, в; c, c). Устройство раздельного управления тоже характеризуется двумя блоками в логической модели (Q15, Q16), которые управляют отдельными группами ИТ. Остальные блоки функциональной схемы заменяются одним блоком логической модели (ИСН – Q1; УО – Q2; УИ1 – УИ6, соответственно Q9 – Q14). Логическая модель СИФУ изображена на рис. 2.10, данные анализа функциональной схемы СИФУ сведены в табл. 2.2. Анализ таблицы показывает, что для поиска дефектов СИФУ необходимо осуществлять контроль множества выходных сигналов (блоки с Q17 по Q28). Это множество совпадает с множеством контрольных точек для проверки работоспособности СИФУ. Таким образом, при контроле выходных сигналов СИФУ имеется возможность не только определения работоспособности СИФУ, но и поиска ее дефектов.

Рис. 2.12. Алгоритм поиска дефектов системы импульсно-фазового управления

102

Необходимо заметить, что это множество не позволяет различать неработоспособность блоков Q1 и Q2 (соответственно ИСН и УО), но с другой стороны, работоспособность УО определяется алгоритмом поиска дефектов ЭП до функционального элемента, дающего возможность сделать заключение о работоспособности ИСН. Множество контрольных точек (К1 – К12), необходимых для поиска дефектов, показано на рис. 2.8. Для распознавания дефектов по результатам контроля используются результаты анализа таблицы состояний, которые приведены в табл. 2.2. Цифра 0 означает, что управляющий сигнал соответствующего выхода не в норме. Поскольку выходные сигналы для управления двумя трехфазными группами тиристоров выдаются отдельно, то контроль их осуществляется тоже отдельно: сначала для К1 – К6, а потом для К7 – К12. Причем контроль выходов каждой группы целесообразно производить одновременно для уменьшения времени контроля, так как для поиска дефектов необходимо осуществлять контроль выходов К1 – К12. Учитывая результаты анализа и особенности работы СИФУ, построим алгоритм поиска дефектов СИФУ с глубиной до функционального узла, который приведен на рис. 2.12. Алгоритм включает операторы: А0 – начало алгоритма; А1 – подготовка СИФУ и ТСД к диагностированию; К1 – контроль первой группы выходов К1 – К6 (К1 = 1, если все выходы в норме; К1 = 0, если хотя бы один выход не в норме); К2 – контроль второй группы выходов К7 – К12; А2 – поиск дефектов СИФУ и устранение найденного дефекта; А3 – конец алгоритма. Для поиска кратных дефектов применяется тот же алгоритм поиска с последующим восстановлением. Таким образом, анализ диагностической модели показывает, что для поиска дефектов в СИФУ до требуемой глубины необходимо производить контроль только ее выходных импульсов. Если все выходные импульсы в норме, то СИФУ работоспособна. Если хотя бы один импульс не в норме, то поиск дефектов в СИФУ производится по построенному алгоритму.

103

2.2.2. Построение алгоритма поиска дефектов методом изоварных характеристик Далее рассмотрим процедуру разработки алгоритма поиска дефектов методом изоварных характеристик. Согласно принятому иерархическому принципу постепенного увеличения глубины поиска дефектов следующий этап диагностирования производится с глубиной поиска до комплектующего элемента. Для построения алгоритма диагностирования используется разработанный метод изовар [90 – 92, 104 – 107], позволяющий вести поиск дефектов с глубиной до элемента принципиальной схемы. Объектом диагностирования выбирается элемент функциональной схемы – СИФУ (без цепей сдваивания), включающий в себя следующие комплектующие элементы: R41 – МЛТ – 0,25 100 кОм; R47 – МЛТ – 2 300 Ом; R50 – МЛТ – 2 300 Ом; V10 – КД 521А; V16 – КТ 817Б (рис. 2.13). На рис. 2.13 – 2.14 приведены принципиальная схема и схема замещения каскада импульсного усилителя с параметрами элементов: g1 = 813 = 1 / R41 = 10–5 Cм; g7 = g56 = 1/ R47 =333,3 · 10–5 См; g6 = g45 = 1/ R50 = 333,3 · 10–5 См.

Рис. 2.13. Принципиальная схема каскада импульсного усилителя

Параметры гибридной схемы замещения находятся через h-параметры транзистора КТ 817 Б: h11э = 0,25 · 103 Ом; h12э = 0,1 Ом; rб = 100 Ом; 104

g 4 = g 27 = g бэ = (1 – h12э) / (h11э – rб) = 600 · 10–5 Cм; g5 = g47 = g кб = h12э / (h11э – rб) = 66,6 · 10–5 См; rб = 100 Ом; g3 = g37 = 1 / rб = 1 000 · 10–5 См; g2 = g23 = 500 · 10–5 См.

Рис. 2.14. Схема замещения каскада импульсного усилителя

Затем вводятся проводимости веса: g8, g9, g10 = 10–5 См, позволяющие исключить висячие ветви и регулировать обусловленность матрицы узловых проводимостей с целью получения оптимальной изоварной картины. Схему замещения преобразуем, исключив недоступный для измерений узел 7 (рис. 2.14), и на основе топологии электрической цепи записываем матрицу инциденций:

Записывается диагональная матрица проводимостей элементов ОД, где величина проводимости диода определяется из условия диагностирования в режиме воздействия на ОД тестовым сигналом низкого уровня: diag Y = (100; 500; 39,9; 23,9; 360; 333,3; 333,3; 100; 100; 100) (рис. 2.15). 105

Полученные матрицы вводятся в память ПЭВМ. Данные, перечисленные в программе в строке DATA, считываются в ячейки памяти. После реализации первой программы OTBOR 90A. BAS, предусматривающей отбор прямых диагностических параметров по комплексному критерию и критерию эквидистантности изовар, машина выдает номера входных и выходных плюсов оптимальных каналов диагностирования (a = 2, b = 3,

c = 1, d = 4, k = 5, l = 6, m = 2, f = 6).

Рис. 2.15. Преобразованная схема замещения каскада

Полученные номера каналов диагностирования, а также матрица инциденций А и diag Y служат исходными данными для реализации второй программы построения изовар ISOVAR 90A. BAS, позволяющей получить карту диагностирования (рис. 2.15), которая используется для диагностирования в ручном режиме при проведении диагностического эксперимента. Следует отметить, что полученная модель является приближенной в силу приближенного характера значений величин параметров СЕ, используемых при построении модели. Для адаптации модели разработана программа ADAP90, реализующая процесс постепенного приближения точки равновесного состояния приближенной модели к точке равновесного состояния точной модели. 106

К23–14 0,5

1 К56–26

Рис. 2.15. Карта диагностирования импульсного усилителя

Анализ полученной модели позволяет построить алгоритм поиска дефекта. Алгоритм приведен на рис. 2.16 и включает в себя операторы действия Аi и операторы контроля Ki. Последовательность выполнения операторов следующая: А0 – начало алгоритма; А1 – подготовка блока усилителя к диагностированию (отключение от системы питания, подключение к источнику тестовых сигналов); А2 – подача тестового сигнала на первый информационный канал; К1 – измерение величины сигнала на выходе первого информационного канала; А3 – вычисление величины коэффициента передачи первого информационного канала; А4 – подача тестового сигнала на второй информативный канал; К2 – измерение величины сигнала на выходе второго информационного канала; А5 – вычисление величины коэффициента передачи второго информационного канала; А6.1 – проверка тождественности первого уравнения диагностической модели; А6 m – проверка тождественности m-го уравнения модели; А7 – конец алгоритма. 107

После определения неработоспособного компонента происходит его замена. ТаА1 ким образом, реализация иерархического принципа уточнения места неработоспособА2 ного элемента позволяет выявить дефект с глубиной диагностирования до элемента К1 принципиальной схемы. Напомним, что под элементами мы понимаем двухА3 полюсные компоненты эквивалентной схемы замещения А4 устройства. Очевидно, что подобная детализация необходима только в случае конК2 структивного исполнения принципиальной схемы низкой интеграции. При высоА5 кой интеграции появляется возможность уменьшить глуДА бину поиска дефекта до мноА7 А6.1 гополюсной компоненты. Это обстоятельство позволяет рассматривать метод изоНЕТ варных характеристик как основу для реализации алгоритмов поиска дефектов в цепях высокой размерности. А6m Однако следует отметить, что с повышением размерноРис. 2.16. Алгоритм поиска дефектов сти и снижением мощности импульсного усилителя элементов цепи большую роль играют методы логического анализа и требование увеличения глубины дефекта, как правило, не выдвигается. Так, например, диагностика микропроцессорной техники из-за высокой взаимозаменяемости и унификации компонентов А0

108

системы требует, как правило, только обнаружения и поиска неисправных модулей, что значительно упрощает реализацию задач диагностики и сводит их к созданию тестового алгоритмического обеспечения.

2.2.3. Автоматизация процесса диагностирования методом изоварных характеристик Исходными требованиями, предъявляемыми к проектированию технического средства диагностирования, реализующему алгоритм диагностирования методом изоварных характеристик, являются достаточно низкая цена в сочетании с широким спектром возможностей, простота строения и невысокая сложность изготовления. Как правило, достижение обозначенных требований реализуется в результате компромисса между противоречивыми требованиями. Принцип построения ТСД определяется решаемыми задачами (поиском дефектов и определением степени работоспособности) и видом диагностической модели ОД. Структура ТСД согласно алгоритму диагностирования должна реализовывать последовательно-параллельный принцип обработки информации. Количество каналов обработки информации равно двум, диагностирование тестовое. Конструктивно ТСД должно быть выполнено в виде отдельного устройства. После формирования основных требований к ТСД в соответствии с классическим подходом к проектированию метод – алгоритм – структура начинается разработка алгоритма процесса диагностирования. Разработку алгоритма диагностирования предопределяет процесс разработки диагностического обеспечения (карты изоварных характеристик), который может быть автоматизирован при реализации методики построения диагностической модели на ЭВМ. Здесь же задаются допуски на диагностические параметры в виде условий работоспособности. Они оказывают влияние на выбираемую погрешность измерений, реализуемых контрольноизмерительным трактом ТСД. Основу алгоритма разработки диагностического обеспечения составляет алгоритм формирования множества прямых диагностических параметров А1 (рис. 2.17а, 217б, 217в). 109

1 начало

Т − задание размерности полной матрицы инциденций; МР − количество строк; NP − количество столбцов; Δg − приращение параметра

2

ввод матрицы инциденций Т

3

вычисление транспонированной матрицы ТТ

4

ввод диагональной матрицы проводимостей элементов G

Е

А

размерность матрицы G NP × NP

начало цикла вычисления допустимых коэффициентов передач многополюсника

5

вычисление индексов входов и выходов выбранного канала. LL1, LL2 − входы; WW1, WW2 − входы

6

запоминание в массиве индексов IND

7

начало цикла определения коэффициентов передачи без приращения Δg

8

формирование диагональной матрицы проводимостей элементов G

9

В

Рис. 2.17а. Алгоритм формирования множества диагностических параметров (начало)

110

В

T × G = PR А

10

11 вычисление матрицы узловых проводимостей

PR × TT = UP

изменение элемента матрицы узловых проводимостей на величину Δg

усечение полной матрицы узловых проводимостей в соответствии с номерами выбранных каналов

12

13

K LL1,LL2,WW1,WW2 =

Δ LL1,LL2,WW1,WW2 Δ LL1,LL2,WW1,WW2

запоминание КLL1,LL2,WW1,WW2

14

С вычисление чувствительности канала по одному элементу накопление матожидания чувствительности по всем каналам, вычисление дисперсии, комплексного параметра и параметра эквидистатности

15

16

D

Рис. 2.17б. Алгоритм формирования множества диагностических параметров (продолжение)

111

вычисление коэффициента передачи

D С диагональная матрица проводимостей исчерпана? * Е

НЕТ ДА

** множество индексов исчерпано, критерии реализованы? вывод на экран индексов оптимальных каналов диагностирования и оптимальных значений критериев

НЕТ ДА

* Запоминание в массиве оптимальных параметров ** Инверсия с реализацией двумерного перебора по двум критериям

конец Рис. 2.17в. Алгоритм формирования множества диагностических параметров (окончание)

Алгоритм А1 строится на основе разработанной методики отбора прямых диагностических параметров и содержит следующие основные блоки: 1 – начало; 2 – матрица инциденций (задается набором коэффициентов традиционным способом; рассматривается полная матрица, позволяющая реализовать вычисление коэффициентов передачи по единому алгоритму); 3 – вычисляется транспонированная матрица инциденций, используемая для получения матрицы узловых проводимостей; 4 – диагональная матрица проводимостей задается в виде строки длиной NP; 5 – в блоке формируется шаг изменения Дg, задается номер элемента диагональной матрицы проводимостей; 6, 7 – организуется четырехразрядный счетчик для перебора индексов многополюсника; 8 – организуется цикл вычисления коэффициентов передачи; 9 – формирование матрицы узловых проводимостей; 10, 11 – вы112

числение полной матрицы узловой проводимости; 12 – усечение матрицы узловой проводимости для заданных индексов выбранных каналов; 13 – вычисление коэффициента передачи с сохранением; 14 – приращение значений проводимостей; 15 – вычисление коэффициентов чувствительности; 16 – накопление результатов для вычисления критериев максимума интегральной чувствительности и эквидистантности. Окончание алгоритма (рис. 2.17в) характеризуется блоками условного перехода, организующими цикл двухмерного перебора каналов по критериям максимума интегральной чувствительности и эквидистантности направлений изоварных характеристик. Алгоритм позволяет обеспечить отбор каналов наблюдения К1 и К2 за состоянием ОД, при этом полученное семейство изоварных характеристик является оптимальным в смысле выбранных критериев.

Глава 3 РАЗРАБОТКА МЕТОДА ИЗОВАРНЫХ ХАРАКТЕРИСТИК ДЛЯ ДИАГНОСТИРОВАНИЯ МНОЖЕСТВЕННЫХ ДЕФЕКТОВ 3.1. Вероятностная модель оценки состояния объекта диагностирования на основе изоварных характеристик Рассмотренная выше детерминированная модель оценки состояния ОД обладает рядом недостатков: – потеря значимости результата при увеличении размерности задачи; – необходимость перехода к пространству трех измерений для решения задач поиска кратных дефектов; – низкая эффективность программной реализации алгоритмов поиска однократных и многократных дефектов. 113

Эти недостатки характерны для детерминированных моделей, и одним из способов их преодоления является введение в рассмотрение вероятностных характеристик при оценке состояния системы. Введем множество U элементов и элементарных событий, под которыми будем понимать множество возможных реализаций численных значений компонент вектора Y = (y1, y2, …, ym), где m – количество двухполюсных компонент эквивалентной схемы замещения; yi – значение диагностического параметра iго двухполюсника, принадлежащее интервалу [0, ∞ ). Введем также множество событий А, состоящее из конечного числа событий, равного N. Событию А1 соответствует подмножество U, элементы которого обеспечивают выполнение системы неравенств (2.15), т. е. работоспособное состояние ОД; событию А2 соответствует подмножество U, на котором нарушается первое неравенство системы (2.15), а также однократный дефект первого компонента. И далее последовательно перечисляются все возможные состояния однократных и многократных дефектов. N – общее количество элементов множества А – можно определить по формуле: N = 2m.

(3.1)

Для событий множества А определим Р(Аi) – вероятность наступления i-го события, удовлетворяющую следующим условиям: 0 ≤ P( Ai ) ≤ 1,

(3.2)

P( U ) = 1,

(3.3)

P( A ) =

N

∑ P( A ). i

(3.4)

i =1

В каждой точке плоскости области определения двух наблюдаемых диагностических параметров с координатами К1 и К2 введем счетное множество событий Вк, состоящее из подмножества элементов U, имеющих координаты К1 и К2 на карте изоварных характеристик. Определим условную вероятность 114

Р(Аi | Вк) наступления события Аi при условии нахождении системы в точке К1, К2 на карте изоварных характеристик. Множество Вк состоит из непересекающихся элементов В1, В2, …, Вк, поэтому справедлива формула полной вероятности: P( Ai ) =

∞

∑ P( A | B i

k

).

(3.5)

k =1

Введение множества В определяется многозначностью функции состояния объекта при его наблюдении на плоскости К1 , К2 . Действительно, рассмотрим семейство характеристик из трех изовар (рис. 3.1). Расположим точку наблюдения А за состоянием ОД на изоваре № 2. В эту точку можно переместиться из рабочей точки Х минимум двумя способами: либо изменив параметр g2, не меняя остальные параметры, либо изменив одновременно g1 и g3. Возможны и другие варианты перехода из точки Х в точку А (например, можно сначала переместиться по изоваре g2 в точку С, а затем из точки С переместиться в точку Х по изоварам g1, g3). Продолжая делить отрезки ХС и АС, получим счетное множество вариантов перемещения из точки Х в точку А. Таким образом, каждой точке плоскости К1, К2 может быть поставлено в соответствие счетное множество векторов состояний ОД, в которых он может находиться. Если организовать множество U как счетное, что нетрудно сделать, введя дискретизацию численных значений его элементов, то можно сказать, что событие В(К1, К2) наступает, если вектор Y имеет координаты К1, К2. При известных функциях распределения вероятностей Р(Аi(К1, К2)), определенной в области допустимых значений переменных, основная задача диагностики определения состояния объекта диагностирования по двум измерениям может быть решена поиском i, для которого Р(Аi(К1, К2)) максимальна. Однако аналитически эту задачу решить практически не представляется возможным из-за громоздкости выражений, определяющих связь К1, К2 с компонентами вектора Y.

115

К2 1

g1

g2

0,5

.

. .

g3

Х С

А

0,5 0

1 К1

Рис. 3.1. Карта изовар, поясняющая многозначность точек плоскости К1, К2

Для решения задачи оценки состояния ОД применим метод статистических испытаний. Для его реализации необходимо иметь датчик случайных чисел, программу построения семейства изовар для ОД, программу накопления и отображения результатов применения метода. Современные среды прикладного программирования (например, VISUAL BASIC и EXEL), имеют для этих целей все необходимые средства. Таким образом, метод статистических испытаний, позволяющий оценить все m функций условных вероятностей:

P( Ai / Bk ) = f ( K 1 , K 2 ),

(3.6)

позволяет решать все три перечисленные выше задачи диагностирования. Действительно, имея в каждой точке плоскости К1, К2 значения компонент вектора условных вероятностей нахождения ОД в каждом из возможных состояний, по максимуму условной вероятности можно определить наиболее вероятное состояние ОД в заданных точках плоскости (К1, К2). Таким образом, плоскость К1, К2 будет разбита на m областей, каждой из которых можно поставить в соответствие наиболее вероятное со116

стояние ОД. Задача принадлежности текущих измеренных координат К1, К2 к одной из выделенных областей эффективно решается с применением нейросети [82]. 3.2. Алгоритм и методика построения области работоспособности (вероятностная постановка) Приведенный в работах [78, 89, 94] метод оценки состояния сложной электрической цепи при его реализации требует решения задачи определения границ области работоспособности в пространстве признаков диагностических параметров. Однако детерминированность предложенного в работе [89] метода не позволяет решать эту задачу при средней и высокой размерности цепей ОД, поэтому рассмотрим вероятностный подход при решении рассматриваемой задачи. Условия, определяющие границы области работоспособности, аналитически выражаются в виде системы неравенств:

yj min ≤ yj(x) ≤ yj max,

(3.7)

где yj(x) – j-я функция работоспособности; j – индекс, определяющий номер двухполюсного элемента на эквивалентной схеме замещения (J = 1, 2, …, M, где М – общее количество элементов эквивалентной схемы замещения); yj max, yj min – соответственно наибольшее и наименьшее значения j-го параметра; х – множество двухполюсных компонентов электрической цепи. В работе [89] показано, что для оценки «холодного» состояния объекта диагностирования необходимо выделить два наиболее значимых канала и провести с каждым из них опыт холостого хода. Полученные опытным путем значения коэффициентов передач по каждому из каналов К1(yj) и К2(yj) соответственно удовлетворяют неравенствам − 1 ≤ K 1 ( y j ) ≤ 1; − 1 ≤ K 2 ( y j ) ≤ 1.

(3.8)

Учитывая более жесткие ограничения (3.1), получим систему неравенств: 117

K 1 ( y j min) ≤ K 1 ( y j ) ≤ K 1 ( y j max); K 1 ( y j min) ≤ K 1 ( y j ) ≤ K 1 ( y j max).

(3.9)

При построении семейства характеристик К1j = f(К2j) учет неравенств (3.9) приведет к ограничению изоварных кривых с обеих сторон и выделению отрезков кривых, пересекающихся в исходной рабочей точке, соответствующей номинальным значениям уjн(х). Концы отрезков, полученные в результате учета неравенств (3.9), определяют область работоспособности объекта диагностирования при условии однократного дефекта. Однако реальные электрические и электронные устройства содержат не только двухполюсные компоненты – резисторы, емкости, диоды и т. д., но и многополюсные – трансформаторы, транзисторы, тиристоры, интегральные микросхемы и другие сложные электрические и электронные приборы. Выход из строя таких компонентов приводит к кратным дефектам, и непосредственное использование системы неравенств (3.9) для определения области работоспособности в этих ситуациях невозможно. Задача построения области работоспособности при условии как одиночных, так и кратных дефектов может быть разрешена в вероятностной постановке. Для каждой точки пространства значимых параметров (К1, К2) должна быть определена функция р(К1, К2) плотности вероятности нахождения объекта диагностирования в работоспособном состоянии и функция рн(К1, К2) плотности вероятности нахождения объекта диагностирования в неработоспособном состоянии, которые удовлетворяют следующему условию: 1 1

∫ ∫ ( p( K , K 1

2

) + p H ( K 1 , K 2 ))dK 1 dK 2 = 1.

(3.10)

−1 −1

Кроме того, функция р(К1, К2) имеет постоянное значение при условии выполнения неравенств (3.9), а при выходе координат оценки состояния объекта диагностирования за пределы неравенств (3.9) значения функции р(К1, К2) равны нулю. Для однократных дефектов определение функции р(К1, К2) не представляет затруднений, так как интегрирование условия (3.10) осуществляется по всем рабочим отрезкам изоварных характеристик. Таким об118

разом, Р(К1, К2) – вероятность нахождения объекта в работоспособном состоянии – равна единице в точках семейства изоварных кривых в случае однократного дефекта. Начало 1

Модель многополюсника Уjmin, Уjmax N – число испытаний

Ввод начальных данных

2

Генерация [уj]n

3

Вычисление [К1}, {К2}

4

Вычисление {F]n

5

[F]n=1

6

Накопление [p(K1,K2)]

7

Накопление [pн(K1, K2)]

8 n

≤ N

Вычисление [Р(К1, К2)]

10

Построение поверхности

Конец Рис. 3.2. Блок-схема алгоритма построения функции вероятности работоспособности объекта диагностирования в координатах К1, К2

119

Если объект диагностирования может иметь N-кратные дефекты, оценка состояния объекта по двум координатам (К1 и К2) становится неоднозначной: каждой точке оценки состояния соответствует множество векторов уj(х), а функция р(К1, К2) имеет максимум в рабочей точке и убывает по мере приближения к граничным условиям уравнения (3.9). Естественно предположить что при переходе хотя бы одного неравенства в равенство значение функции р(К1, К2) равно нулю. Р 1

0,45

0,34

0 0,25 К1

0,45

0,51

К2

Рис. 3.3. Функция Р(К1, К2) вероятности работоспособности трехфазового мостового выпрямителя

Очевидно, что вид функции р(К1, К2) зависит от топологии элементов объекта диагностирования и их свойств. Если вероятности возникновения кратных дефектов невелики, функция р(К1, К2) близка к константе на всей области (рис. 3.3). Если велика вероятность возникновения кратных дефектов, вид функции р(К1, К2) зависит от топологии соединения элементов объекта диагностирования. Для определения области работоспособности в пространстве К1, К2 в каждой его точке необходимо вычислить значение Р – вероятности нахождения объекта в работоспособном состоянии, вычислив отношение значения функции р(К1, К2) к сумме значений р(К1, К2) и рн(К1, К2). Определив таким образом функцию Р(К1, К2) и задавшись требуемым пороговым значением величины вероятности (например, Р > 0,95), получим область работоспособности объекта в пространстве выделенных параметров К1, К2. Аналитическое решение рассматриваемой задачи не найдено, так как нахождение функций р(К1, К2) и рн(К1, К2) в общем случае 120

затруднено из-за высокой размерности системы уравнений, определяющих К1 и К2 как функции уj. В такой ситуации наиболее эффективным является метод статистических испытаний. Для реализации метода статистических испытаний необходимо иметь: – детерминированную модель диагностирования, реализованную в виде программы; – генератор случайных чисел; – алгоритм испытаний; – графическое построение функций плотности вероятности и вероятности нахождения параметров объекта в области диагностирования. Детерминированная модель диагностирования с использованием изоварных характеристик, реализованная в виде программы, подробно рассмотрена в работе [89]. Генератор случайных чисел может быть реализован с использованием стандартных функций языков программирования при решении задач невысокой размерности (до 10 диагностических параметров). При решении задач высокой размерности малая периодичность стандартных датчиков случайных чисел не позволит их использовать – потребуется создание специального генератора случайных чисел. В качестве алгоритма испытаний используем статистическое испытание с двумя возможными исходами: 1) уj удовлетворяет системе неравенств (3.7); 2) уj не удовлетворяет системе неравенств (3.7). Допускаем также, что последовательность испытаний можно считать последовательностью независимых испытаний по схеме Бернулли. Тогда в результате каждого испытания с номером n будем иметь: – значения компонент [уJ ]n; – значения координат на плоскости диагностических признаков [К1]n, [К2]n; – значение функции принадлежности испытания к области работоспособности [F]n = 1, если система неравенств (1.1) не нарушена, в противном случае [F]n = 0. Полученные результаты по каждому испытанию накапливаются в два двухмерных массива, по столбцам которых отложены дискретные значения [К1]n, а по строкам – значения [К2]n. Таким образом, по завершении работы алгоритма будут накоп121

лены два массива в дискретных координатах [К1], [К2], массив численных значений функции плотности вероятности работоспособности объекта диагностирования [p{K1, K2}] и массив численных значений плотности вероятности неработоспособности объекта диагностирования [pн(К1, К2)]. Следующей процедурой является вычисление численных значений третьего массива [P{K1, K2}] – вероятности работоспособности объекта диагностирования. Для этого необходимо каждый элемент массива определить по следующей формуле: P( K 1 , K 2 ) = p( K 1 , K 2 ) /[ p( K 1 , K 2 ) + p H ( K 1 , K 2 )].

(3.11)

Построив поверхность на основе формулы (3.5) и определив на ней линии уровней Р = 0,95; 0,9; 0,8, …, получим границы области работоспособности объекта диагностирования для заданного порога вероятности. Рассмотренный алгоритм для наглядности представим в виде блок-схемы (рис. 3.2). Детерминированная модель (блоки № 1 – 5) и генератор случайных чисел реализованы в пакете VISUAL BASIC, процедуры накопления плотности вероятности и построения поверхности (блоки № 6–10) реализованы в пакете EXEL. Опробование разработанного алгоритма (рис. 3.2) осуществлено на базе подробно рассмотренного в работе [77] примера диагностической модели мостового трехфазного выпрямителя, часто использующегося в схемах возбуждения судовых синхронных генераторов и других цепях схем судовой автоматики. В работе [89] рассмотрен вопрос построения области работоспособности для случая однократного дефекта, поэтому не было необходимости использовать вероятностные методы решения задачи. Разработанный авторами алгоритм позволяет решать задачу для дефектов любой кратности, что особенно важно при диагностировании схем судовой автоматики, содержащих многополюсные элементы. На основе полученных результатов можно сделать вывод об эффективности предлагаемого метода при решении рассматриваемой задачи. Функция вероятности Р(К1, К2), представленная на рис. 3.3 в виде поверхности, получена при N = 1 000. Дальнейшее увеличение N не приводит к заметным изменениям ре122

зультата. В рассматриваемом примере временные затраты на выполнение алгоритма при N = 1 000 составляют 15 мин при использовании процессора Intel Pentium с тактовой частотой 166 Мгц. Предлагаемый вероятностный подход к оценке состояния объекта диагностирования позволит решить задачу локализации и определения множественных дефектов, а также задачу оценки и регулирования запаса работоспособности судовой аппаратуры. 3.3. Диагностика СЭСА методом изоварных характеристик с применением нейросетей Эффективность нейросетевого подхода проявляется в должной мере при решении плохо формализованных задач, для которых трудно указать последовательность действий, приводящих к желаемому результату. Следуя работам [42, 82], представим типовые постановки с анализом их применимости для решения задач диагностики судовых электрических средств автоматизации (СЭСА). Распознавание образов (постановка № 1). Задача состоит в отнесении входного набора данных, представляющего распознаваемый объект, к одному из заранее известных классов. В число этих задач входит распознавание рукописных и печатных символов при оптическом вводе в ЭВМ, типов клеток крови, речи и др. При диагностировании СЭСА за распознаваемые образы принимаются неисправности блоков, узлов, элементов СЭСА. Входной набор данных представляется массивами значений основных диагностических параметров. При использования метода изоварных характеристик [89] решение задачи распознавания образов позволит упростить процедуру поиска дефекта. Кластеризация данных (постановка № 2). Задача состоит в группировке входных данных по присущей им близости. Алгоритм определения близости данных (определение расстояния между векторами, вычисление коэффициента корреляции и другие способы) закладывается в нейросеть при ее построении. Сеть кластеризует данные на заранее неизвестное число кластеров. Наиболее известные применения кластеризации связаны со сжатием данных, анализом данных и поиском в них закономерностей. При 123

решении задач диагностики СЭСА необходимость кластеризации очевидна, так как эффективный анализ дефектов, отображенных в пространстве основных диагностических параметров, возможен при разбиении этого пространства на области соответствующих состояний объекта диагностирования: работоспособности, однократных дефектов, многократных дефектов и т. д. В работе [89] показано, что задачи диагностики СЭСА можно свести к задаче наблюдения за параметрами четырехполюсника (один канал наблюдения) или наблюдения за двумя выделенными четырехполюсниками (два канала наблюдения). В обеих ситуациях при средней размерности диагностируемой цепи удается свести эту задачу к двухмерному наблюдению, выбрав из возможных параметров два наиболее значимых с точки зрения критерия интегральной чувствительности и равномерности распределения изоварных характеристик по плоскости выбранных диагностических параметров. На рис. 3.4 показаны области, выделяемые в данной плоскости: область работоспособности (в которой не нарушены ограничения на диагностические параметры), области однократных дефектов (в которых нарушено одно из ограничений), области многократных дефектов (в которых нарушено несколько ограничений). При введении вероятностных переменных эти области выделяются на основе функций плотности вероятности нахождения объекта диагностирования в заданном состоянии. Так, например, область работоспособности мостового трехфазного выпрямителя, представленная в работе [111], имеет овальную форму. Применение нейросетевого подхода (постановка № 1) позволит автоматизировать процесс классификации возникшего дефекта, а постановка № 2 позволит провести кластеризацию выделяемых областей. Однако для реализации необходимо выбрать способ выделения областей. В настоящее время применяются различные способы реализации запоминания областей. Наиболее употребляемые в настоящее время способы – это выделение областей гиперплоскостями и покрытие областей гипершарами. Для запоминания одной из ограничивающих область гиперплоскости достаточно сохранения n + 1 значений, где n – размерность пространства. Соответственно для запоминания одного гипершара также требуется п + 1 значений: координаты центра и радиус. 124

Рис. 3.4. Выделение областей состояний объекта диагностирования в двухмерном пространстве К1, К2

В нейронных сетях для запоминания каждой гиперплоскости или гипершара используется отдельный элементарный вычислитель, называемый нейроном, а для запоминания всех гиперплоскостей или гипершаров используется объединение составляющих нейронов в параллельную структуру – нейросеть. Именно параллельная согласованная работа всех нейронов обеспечивает быстрое решение задачи о принадлежности точки n-мерного пространства выделяемой при создании сети области. На рис. 3.4 показано выделение областей в двухмерном пространстве К1, К2 для карты изовар мостового трехфазного выпрямителя. Концы изовар помечены точками ZNk и ZNh, что соответствует короткому замыканию и разрыву цепи для N-го параметра. Жирная линия определяет границы области работоспособности, полужирная – границы областей однократных дефектов, тонкая – границу области многократных дефектов. Из анализа приведенного рисунка видно, что выделение области работоспособности и областей одиночных и кратных дефектов наиболее эффективно проводить гиперплоскостями, однако при этом количество нейронов в сети достаточно велико – потребуется 72 нейрона при шести элементах цепи, в то время как покрытие указанных областей гипершарами потребует 25 нейронов. 125

Проведенный на основе диагностики мостового трехфазного выпрямителя анализ показывает возможность использования нейросети для автоматизации диагностических процедур локализации и поиска как однократных, так и множественных дефектов СЭСА.

Глава 4 ЭКСПЕРИМЕНТЫ ПО РЕШЕНИЮ ЗАДАЧ ДИАГНОСТИКИ СЭСА 4.1. Архитектура программно-аппаратного микропроцессорного комплекса Изменчивые условия эксплуатации судового электрооборудования, широкое использование для построения СЭСА полупроводниковых элементов и микросхем, имеющих повышенные скорости изменения своих параметров, а также автономность работы СЭСА выдвигают задачу обеспечения периодического контроля работоспособности и поиска возникших дефектов на одно из первых мест [95]. Наблюдается также значительное усложнение систем судовой автоматики [97]. Поэтому назрела необходимость в более совершенных устройствах диагностирования, построенных с применением последних достижений микропроцессорной техники и технической диагностики. Для решения задач диагностики и исследований возможностей метода изоварных характеристик [48, 53, 83, 89], разработанного в КамчатГТУ, на кафедре электротехники и электрооборудования судов данного вуза создано микропроцессорное устройство (рис 4.1), которое может регистрировать процессы в СЭСА в цифровой форме и записывать эти данные в энергонезависимую память либо передавать их на стационарный компьютер с целью разработки алгоритмов и программ диагностики судовых электрических средств автоматизации. Регистрация 126

информации осуществляется в цифровой форме, и данные накапливаются во FLASH памяти. После заполнения памяти ее содержимое считывается в память стационарного компьютера, где эти данные подвергаются обработке. Поскольку данное микропроцессорное устройство применяется для отслеживания параметров СЭСА в переходных режимах, то системе измерения предъявляются повышенные требования к частоте дискретизации – для учета высших гармоник и импульсных помех. Особое внимание уделено надежности источников питания, потому что необходимо исключить влияние изменяющихся параметров СЭСА на работу измерительной схемы, а также снизить вероятность «зависания» микроконтроллеров во время переходных процессов. Структура микропроцессорного комплекса (рис. 4.1) организована по модульному принципу [84] и состоит из трех основных модулей: измерительного, управления и памяти. Универсальные интерфейсы обмена данными предоставляют возможность подключать к данному комплексу различные приборы как отечественного, так и зарубежного производства, а также дополнять его другими модулями в зависимости от поставленной задачи. Устройство мониторинга поддерживает передачу данных с помощью стандартных интерфейсов RS – 232C и USB. Архитектура всех модулей базируется на RISC микроконтроллере AT90S8515 [42]. Отличительными особенностями данного микроконтроллера являются: производительность, приближающаяся к 1 MIPS/МГц; усовершенствованная AVR RISC архитектура; раздельные шины памяти команд и данных; 32 регистра общего назначения; Flash ПЗУ программ с возможностью внутрисистемного перепрограммирования и загрузки через SPI последовательный канал; 1 000 циклов стирание/запись; блокировка режима программирования; встроенный аналоговый компаратор; сторожевой таймер; порты SPI и UART; таймеры; счетчики. Полностью статические приборы работают на тактовой частоте от 0 Гц до 20 МГц, имеют диапазон напряжений питания от 2,7 В до 6,0 В, режимы энергосбережения пассивный (idle) и стоповый (power down). Эти КМОП микроконтроллеры выполнены по AVR RISC архитектуре с раздельной памятью программ и данных, с раздельными шинами для памяти программ 127

и данных (Гарвардская архитектура). Ядро AVR объединяет мощную систему команд с 32-мя регистрами общего назначения и конвейером. В одном цикле одна команда выполняется, а другая выбирается из памяти программ. Все 32 регистра напрямую связаны с АЛУ, что позволяет выполнять обращение к двум независимым регистрам и возвращать результат одной командой, выполняемой в одном тактовом цикле. Шесть регистров могут использоваться как три 16-разрядных указателя адреса данных. Выполняя команды за один тактовый цикл, прибор обеспечивает производительность, приближающуюся к 1 MIPS на МГц, что на порядок больше, чем у CISC микроконтроллеров. УПРАВЛЯЮЩИЕ СИГНАЛЫ НА МУЛЬТИПЛЕКСОРЫ

ИЗМЕРИТЕЛЬНЫЙ МОДУЛЬ

90

Аналоговые данные

МУЛЬТИПЛЕКСОРЫ

УСИЛИТЕЛЬ

УСТРОЙСТВО АВТОМАТИЧЕСКОГО СБРОСА

УПРАВЛЯЮЩИЕ СИГНАЛЫ НА АЦП

ФИЛЬТР

СИГНАЛ СБРОСА

ТЕСТОВОЕ НАПРЯЖЕНИЕ

ИСТОЧНИК ТЕСТОВОГО НАПРЯЖЕНИЯ

АЦП

МИКРОКОНТРОЛЛЕР

ТЕСТОВОЕ НАПРЯЖЕНИЕ Аналоговые данные

МУЛЬТИПЛЕКСОРЫ

УСИЛИТЕЛЬ

ФИЛЬТР

ГАЛЬВАНИЧЕСКАЯ РАЗВЯЗКА

ЛИНИЯ СВЯЗИ

УПРАВЛЯЮЩИЕ СИГНАЛЫ НА МУЛЬТИПЛЕКСОРЫ ОБОЗНАЧАЕТ НАПРАВЛЕНИЕ ПОТОКА ДАННЫХ

К ДОПОЛНИТЕЛЬНЫМ

МОДУЛЯМ

МОДУЛЬ УПРАВЛЕНИЯ

ГАЛЬВАНИЧЕСКАЯ РАЗВЯЗКА

МИКРОКОНТРОЛЛЕР

ДРАЙВЕР USB

КЛАВИАТУРА

ЖИДКОКРИСТАЛЛИЧЕСКИЙ ИНДИКАТОР

ЭНЕРГОНЕЗАВИСИМАЯ ПАМЯТЬ ПАРАМЕТРОВ

МОДУЛЬ ПАМЯТИ ГАЛЬВАНИЧЕСКАЯ РАЗВЯЗКА

МИКРОКОНТРОЛЛЕР

БУФЕРНОЕ ОЗУ

ЭНЕРГОНЕЗАВИСИМАЯ ПАМЯТЬ ДАННЫХ

НА ВНЕШНЕЕ УСТРОЙСТВО

Рис. 4.1. Структура микропроцессорного комплекса решения задач диагностики судовых ЭСА

128

Архитектура эффективно поддерживает как языки высокого уровня, так и программы, написанные на экстремально плотных языках ассемблера. Микроконтроллер оснащен встроенной загружаемой Flash памятью программ, обеспечивающей внутрисистемное перепрограммирование с использованием интерфейса SPI или программирование внешними стандартными программаторами энергонезависимой памяти. Поскольку все команды имеют 16- или 32-разрядный формат, то Flash память программ имеет 16-разрядную организацию. В качестве памяти данных в микроконтроллере используется комбинация СОЗУ и ЭСППЗУ, в которых размещается также и пространство памяти ввода/вывода. Стек, предназначенный для хранения адресов возврата из подпрограмм и прерываний располагается в памяти данных. Модуль управления включает в себя управляющий контроллер, жидкокристаллический индикатор, клавиатуру, энергонезависимую память для хранения параметров, необходимых для работы схемы, и микросхему драйвер-шины USB. Блок жидкокристаллического индикатора состоит из стандартного контролера ЖКИ и собственно жидкокристаллического индикатора. Управляющий контроллер принимает данные от линии связи в формате RS – 232C, интерпретирует их и управляет работой контроллера ЖКИ, производя вывод алфавитно-цифровой информации на жидкокристаллический индикатор по команде оператора. В функции управляющего контроллера входят также опрос клавиатурной матрицы и передача команд оператора в другие модули устройства. В блоке управления имеется встроенный разъем USB (Universal Serial Bus – универсальная последовательная шина, позволяющая подключать внешнее устройство без отключения питания) для обеспечения возможности подключения персонального компьютера, с помощью которого можно загружать накопленные данные из модуля памяти, изменять параметры системы, осуществлять непосредственное управление работой устройства или просматривать регистрируемые параметры в виде графических зависимостей. Модуль управления служит для ввода команд оператора, который может изменить режим работы устройства мониторинга, дать команду на выполнение самотестирования и просмотреть его результаты, ввести 129

новые значения отклонения измеряемых величин, дать команду на выгрузку содержимого энергонезависимой памяти в персональный компьютер, перезапустить устройство. Результаты всех операций выводятся на жидкокристаллический индикатор. Модуль регистрации представляет собой функционально законченное устройство и включает в себя собственный источник питания, аккумулятор, схему самотестирования, схему усиления входного сигнала, встроенный источник тестового напряжения, устройство, предохраняющее схему от “зависания” на тот случай, если через импульсный источник питания пройдет достаточно большая помеха, вызванная броском напряжения в судовой сети, и нарушит нормальную работу блока. Измерительный модуль имеет в своем составе также гальванические развязки на линии передачи данных в измерительный блок и из него. Это сделано для того, чтобы исключить наводки от подключенной аппаратуры, которые в цифровых схемах могут быть довольно велики. Модуль регистрации обеспечивает выполнение следующих функций: фильтрацию входных сигналов датчиков с целью ограничения частотного спектра измеряемых сигналов, усиление измеряемых сигналов, мультиплексирование (коммутацию) входных аналоговых сигналов, аналоговоцифровое преобразование измеряемых сигналов, цифровую обработку измерительной информации по заданной программе в реальном масштабе времени, обмен данными и командами с другими блоками устройства. В модуле регистрации предусмотрены также разъемы для подключения различных устройств в измерительный тракт. Фильтры выполнены в виде съемных плат и при необходимости могут быть заменены другими или вовсе удалены из модуля. Модуль памяти включает в себя микроконтроллер, производящий прием данных и команд от блока управления и блока регистрации, микросхемы буферной памяти для временного хранения данных, аккумуляторы для обеспечения работы схемы в случае недопустимого снижения или пропадания питания схемы, источники питания схемы и аккумулятора, микросхемы памяти серии AT45 для хранения данных регистрации. Серия памяти AT45 – это Flash память с последовательным интерфейсом передачи, полностью совместимая с SPI (Serial Peripheral 130

Interface – полнодуплексный скоростной синхронный трёхпроводный интерфейс, который настоящее в время поддерживают не только AVR микроконтроллеры, но и контроллеры других фирм) [42]. SPI в реализации Atmel имеет четыре задаваемые программно скорости передачи, может передавать байты от старшего к младшему биту и в обратном направлении, обнаруживает ошибки пакета AVR контроллеров фирмы Atmel. Типовая схема подключения показана на рис. 4.2. Использование памяти данного типа обусловлено тем, что для хранения результатов измерений необходимы значительные, по сравнению с типовыми решениями, объемы энергонезависимой памяти. Поэтому, чтобы не усложнять схемотехническую и программную части комплекса, применены микросхемы данного типа. В 2003 г. фирма Atmel планирует довести емкость одной микросхемы до 1 Гбита. +5 Вольт

ADP3301AR-3.3

Микроконтроллер AT45DBxxxB

Рис. 4.2. Подключение микросхемы последовательной Flash памяти к микроконтроллеру

Линия связи соединяет модули устройства в единое целое и обеспечивает их взаимодействие. Имеется возможность подключения дополнительных модулей. Передача данных и управляющих сигналов осуществляется последовательно. Каждый модуль подключен к линии связи и непрерывно прослушивает ее. Обмен по шине адреса устройства осуществляется следующим образом: сначала модуль запрашивает состояние линии; затем, если она свободна, выставляет на ней свой адрес и адрес модуля, которому предназначается передача; запрашиваемый модуль отвечает. Таким образом устанавливается связь и начинается обмен данными по шине данных. 131

При запуске устройства модуль управления определяет свою собственную исправность, принимает результаты самотестирования от других модулей и выводит результаты на экран ЖКИ. Модуль памяти, используя специальные алгоритмы, тестирует память. В блоке регистрации на один из выводов каждого мультиплексора всегда подается тестовое постоянное напряжение заранее известной величины от отдельного источника. Величина этого напряжения мало зависит от изменения температуры и напряжения питания схемы. Поэтому в любой момент, по команде оператора или периодически, управляющий контроллер сам переключает мультиплексоры на те каналы, к которым подходит контрольное напряжение, и измеряя его, может оценивать работоспособность всего измерительного тракта: мультиплексоров, дифференциальных усилителей, аналогово-цифрового преобразователя. Можно также определиться с величиной искажений, вносимых в измерительный тракт дополнительными приборами, если таковые имеются. Контроль погрешностей измерительного тракта может осуществляться автоматически контроллером измерительного модуля с выводом результатов на ЖКИ или оператором по команде с клавиатуры или персонального компьютера, подключенного к блоку управления. При установке блока регистрации производятся контрольные замеры напряжения с датчиков, сопоставление результатов с реальными величинами и вычисление погрешностей. Результаты вычислений заносятся в энергонезависимую память параметров контроллера модуля управления, откуда они будут считываться в процессе работы и использоваться для учета погрешностей. В процессе эксплуатации на судне планируются следующие режимы работы комплекса: 1. Режим мониторинга заданных параметров судовой сети без записи в энергонезависимую память. Запись в энергонезависимую память происходит во время переходных процессов при резком изменении заданных параметров, и через некоторое время после этого заданные параметры возвращаются в свои нормальные пределы. Параметры, отслеживаемые комплексом, а также их граничные значения, при достижении которых происходит переключение в режим записи, задаются по умолчанию 132

при старте внутренней программы и могут быть изменены оператором, так что при следующем запуске устройства оно начнет работу с новыми условиями начала записи. 2. Непрерывная регистрация и передача данных на внешнее устройство вывода (например, персональный компьютер) в реальном времени по шине USB или интерфейсу RS-232C. 3. Режим самотестирования и определения собственной работоспособности. 4. Передача ранее сохраненных данных из энергонезависимой памяти на внешнее устройство, подключаемое к порту RS-232 или USB блока управления. Это может быть персональный компьютер с установленной на нем специальной программой. Модульная структура, наличие универсальной шины обмена, наличие режима самотестирования, возможность подключения дополнительных измерительных и регистрирующих устройств делают данное устройство универсальным и пригодным для решения широкого круга задач, в том числе и задач диагностики судового ЭСА. При некоторой доработке комплекса (расширение памяти) планируется добавление отдельного модуля для обработки данных с использованием нейросети, что позволит выдать оператору диагностическое заключение по состоянию объекта диагностирования. Данный комплекс прошел лабораторные испытания в 2002–2003 гг. на кафедре электротехники и электрооборудования судов КамчатГТУ, а также использовался для измерения поверхностных электрических потенциалов земной поверхности. В качестве дополнительного модуля к нему был подключен модуль радиомодема, что позволило осуществить передачу данных измерений в центр сбора информации. Планируется также использование комплекса в судовых условиях. 4.2. Решение задачи уточнения допустимых границ изменения параметров компонент ОД Решение основной задачи диагностики – определение текущего состояния объекта диагностирования (ОД) – часто сталкиваются с необходимостью расчетов при наличии в уравнениях нечетко заданных параметров или неточной технологической 133

информации. Возникающие при этом нарушения равенств, балансовых соотношений и т. д. приводят к необходимости варьирования некоторыми параметрами для точного удовлетворения заданных уравнений и получения приемлемого результата. Эта ситуация характерна для оценки текущего состояния электрических и электронных цепей судовой автоматики. Допустимые границы изменения параметров отдельных компонент неизвестны, и их выбирают исходя из статистических характеристик на основе паспортной информации завода – изготовителя электронных и электрических компонент диагностируемой аппаратуры. Однако такой подход к определению граничных значений изменения параметров не учитывает топологии соединения элементов цепей, поэтому снижается точность и достоверность решения задач диагностики по оценке работоспособности и запаса работоспособности устройств в целом. Предлагается алгоритм определения допустимых границ конечных интервалов изменения параметров двухполюсных компонент эквивалентной схемы замещения сложной электрической цепи, исходя из условий допустимых напряжений U n доп , токов I n доп и мощности Pn доп рассеивания каждого двухполюсника (n – его номер) эквивалентной схемы замещения в режиме покоя при условии подачи электропитания. Целесообразность такого подхода в практических применениях диагностических алгоритмов очевидна, так как на практике интуитивно он используется при неавтоматических методах решения диагностических задач. Формализованные задачи диагностики [8, 70, 82, 126], к которым относится и метод изоварных характеристик [48], основаны на априорной информации о значении допустимых границ. Метод изоварных характеристик основывается на выборе системы двух независимых каналов по критериям интегральной чувствительности и равномерности распределения углов наклона изоварных характеристик в рабочей точке. Однако задание границ работоспособности двухполюсных компонент эквивалентной схемы замещения объекта диагностирования, исходя из точности основных диагностических параметров электрической цепи, заданных разработчиками принципиальных электрических схем, не обеспечивает для большинства цепей высокой и средней размерности эффективных результатов. Дело в том, что оп134

ределенные статистическими методами допустимые погрешности отдельных компонент не учитывают топологические особенности их соединений и влияния на основные характеристики электрической схемы, которые задают область работоспособности. Аналитическое решение этой задачи не может быть получено из-за высокой размерности системы уравнений состояния системы. Обычные количественные методы анализа электрических цепей по своей сути малопригодны и не эффективны для такого рода задач. Это определяется так называемым принципом несовместимости: чем сложнее система, тем труднее дать точные и в то же время имеющие практическое значение суждения о ее поведении. Для систем, сложность которых превосходит некоторый пороговый уровень, точность и практический смысл становятся почти исключающими. Именно в этом смысле точный количественный анализ в реальных системах не имеет требуемого практического значения. Для обработки неточно известных величин обычно применяется аппарат теории вероятностей. Однако в последние годы успешно развивается и другой подход при решении подобных задач – математические методы интервального анализа [2, 30] и нечетких множеств [1], которые совершенно не похожи на методы теории вероятностей. Во многих отношениях они проще – вследствие того, что понятию вероятностной меры в теории вероятностей соответствует более простое понятие функции принадлежности в теории нечетких множеств. По этой причине даже в тех случаях, когда неопределенность в процессе принятия решений может быть представлена вероятностной моделью, обычно удобнее оперировать с ней методами теории нечетких множеств без привлечения аппарата теории вероятностей. При решении основных задач диагностики судовых электрических средств автоматизации необходимо обеспечить в реальном масштабе времени расчет и оптимизацию режима, который гарантированно будет находиться в области допустимых режимов и реализуем системами автоматического управления нижнего уровня иерархической системы управления. Стандартно применяемые методы мало подходят для решения задач такого класса ввиду низких скоростей сходимости вещественных итерационных методов и возможности появления произвольных 135

неконтролируемых ошибок в результатах при наличии погрешностей в исходных данных. Кроме того, в зависимости от имеющегося вида неопределенности при принятии решений необходимо обеспечить проведение на ЭВМ расчетов с интервальными величинами. Наиболее перспективными для нахождения решений систем уравнений с учетом отмеченных особенностей работы алгоритмов в условиях неопределенности являются интервальные [38, 77] методы. Эти методы получили большое распространение при решении систем линейных и нелинейных уравнений [2, 30]. Применение интервального анализа и различных минимаксных подходов [38] обладает целым рядом преимуществ по сравнению с вероятностными методами: – не требуются знания вероятностных характеристик неопределенных факторов, которые редко бывают точно известны на практике; – при интервальных решениях получают строгие оценки для самих искомых величин, а не для вероятностей или математических ожиданий, что особенно важно при наличии малого числа замеров параметров метода изоварных характеристик; – определенный исход одного конкретного опыта не может быть гарантирован статистическими характеристиками; – интервальный анализ дает гарантированные двусторонние аппроксимации искомых решений. Учитывая характер решаемых задач и специфику судовых ЭСА как объекта диагностирования, целесообразно при выборе диагностической модели представить ОД в виде совокупности структурных единиц (СЕ) в количестве m с последующей фиксацией определенного количества полюсов съема информации. При таком делении электрической схемы дефект определяется с точностью до СЕ, а весь ОД представляется как n-полюсная система. Тогда главным (с максимальным запасом работоспособности) из работоспособных состояний ОД будем считать состояние S0, соответствующее совокупности значений параметров gi ном всех СЕ при их номинальных значениях. Всякое отклонение параметра gi любой СЕ или параметров нескольких СЕ от номинального значения будем считать новым состоянием Si, принадлежащим области работоспособных или неработоспособных состояний. Тогда каждому состоянию Si можно поста136

вить в соответствие определенное значение одного или нескольких диагностических параметров Kj. Область работоспособности определяется как область изменения диагностических параметров, ограниченная их допустимыми значениями, в которых ОД работоспособен, а значения gi находятся в области допустимых значений. Для обеспечения однозначности полученного соответствия необходимо определить наименьшее количество диагностических параметров, однозначно идентифицирующих отклонение параметров gi всех СЕ от номинальных значений. Для разветвленной электрической цепи, состоящей из m СЕ и имеющей m параметров, такое соответствие имеет место, если в качестве контролируемого параметра выбрать проводимость gi i-й СЕ, а диагностическими параметрами – множество Kj коэффициентов четырехполюсников всех возможных каналов электрической цепи, представленной в виде многополюсной системы. Напряжения и токи внешних полюсов линейного n-полюсника связаны системой линейных уравнений:

Yузл · U0 = I0,

(4.1)

где Yузл – укороченная матрица узловых проводимостей; U0 – матрица-столбец узловых напряжений; I0 – матрица-столбец суммы токов источников тока и источников тока, преобразованных из источников ЭДС, подключенных к i-му узлу. Используя понятие обобщенной ветви Ĭ = I + J; Ŭ = U – Е, можно записать систему узловых уравнений:

А · I + А· J = 0, где А – матрица инциденций; I – матрица-столбец токов ветвей; J – матрица-столбец токов источников тока; Е – матрица-столбец ЭДС источников ЭДС; U – матрица-столбец полюсных напряжений. Исходя из этого можно получить выражение Yузл, удобное к применению при машинной обработке данных:

А · I = – А· J; но I = Y · U, где Y – диагональная матрица проводимостей ветвей. 137

Тогда

А · Y · U = – А · J; но поскольку

U = Ŭ+Е, а

Ŭ = Аt · U0,

то

U = Аt · U0 + Е. Таким образом,

АYAt = –A(J + YE), где –А( J + YE ) = I0. Соответственно

AYAt = Yузл.

(4.2)

Матричное соотношение (4.2) позволяет рассчитать при заданной диагональной матрице проводимостей отдельных СЕ (Y) и матрице инциденций (А) матрицу узловых проводимостей Yузл, подставляя которую в соотношение (4.1) получим матричное уравнение относительно узловых потенциалов. Для получения аналитических выражений функций передачи необходимо воспользоваться системой (4.1), в соответствии с которой для напряжения внешнего i-го полюса можно записать:

Ui = Δi / Δ, где Δ – определитель матрицы Yузл; Δi – определитель, полученный из Δ путем замены i-го столбца столбцом полюсных токов (i1, i2, …, i n – 1)t . Разложив определитель в числителе по элементам i-го столбца, получим:

Ui = i1 Δ1i / Δ + i 2 Δ 2 i / Δ + … + i s Δ s i / Δ + … + i n Δn i / Δ. При возбуждении соответствующего входа (например, на полюсе s) в цепи возникает только один полюсный ток is, и общее уравнение обращается в частное:

U i = i s Δs i / Δ, где Δs i – взаимные и при s = i – собственные сопротивления полюсов. Соответственно коэффициент передачи Кs–k от входа s к выходу k определяется следующим образом: 138

Ks – k = U k / U s = (i s Δs k / Δ) / (is Δs s / Δ) = Δ s k / Δ, где Δsk – определитель, полученный из определителя Δ вычеркиванием s-й строки и k-го столбца; Δss – определитель, полученный из определителя Δ соответственно вычеркиванием s-й строки и s-го столбца. Рассматривая различные сочетания входных и выходных полюсов, можно получить всю совокупность функций передачи, порождаемых исследуемой цепью, представленной многополюсной системой. Для формирования множества прямых диагностических параметров могут быть использованы вышеприведенные способы. Метод изоварных характеристик основан на анализе информации, полученной в результате измерения диагностических показателей и оценке состояния ОД по измеренным значениям этих параметров с учетом положения точки измерения относительно семейства изоварных кривых [42]. Однако определение в этой ситуации области работоспособных состояний ОД в пространстве измеряемых параметров в работах [99, 100] осуществляется на основе вероятностных характеристик разброса параметров диагональной матрицы проводимостей Y двухполюсников исследуемой цепи. В работе [100] показано, что определение области работоспособности статистическими методами является громоздкой, малоэффективной процедурой для цепей средней и тем более высокой размерности, которые в практических приложениях доминируют. Кроме того, явным недостатком статистического подхода является тот факт, что при определении области работоспособности по статистическим характеристикам разброса параметров отдельных элементов не учитывается топология их соединения, что приводит к сужению области работоспособных состояний ОД и искажению конфигурации ее границ в пространстве наблюдаемых параметров. Для устранения отмеченных недостатков и увеличения эффективности и точности оценок состояний ОД предлагается следующий метод и алгоритм определения границ изменения исходных параметров отдельных элементов цепи для оценки работоспособных состояний ОД. Пусть имеется исходная система уравнений электрической цепи (4.1) с учетом соотношения (4.2), для которой вероятност139

ными характеристиками заданы ограничения на коэффициенты в виде системы неравенств (4.3):

y j min ≤ y j ( x ) ≤ y j max,

(4.3)

где yj(x) – j-я функция работоспособности; j – индекс, определяющий номер двухполюсного элемента на эквивалентной схеме замещения (j = 1, 2, …, M, где М – общее количество элементов эквивалентной схемы замещения); yj max, yj min – соответственно наибольшее и наименьшее значения j-го параметра; х – множество двухполюсных компонент электрической цепи. При использовании уравнений (4.1) и (4.2) под yj(x) подразумевается проводимость двухполюсных СЕ. Для описания задачи введем интервальные числа YYi. Задание диагональных элементов матрицы Y, интервалы которых заданы системой неравенств (4.3) осуществим на основании условий описания интервальных чисел [2]. Подставив интервальные числа в Y, получим интервальную диагональную матрицу проводимостей СЕ – YY. Далее будем обозначать интервальные числа, переменные и объекты, их использующие, двойными буквами в отличие от обычных чисел и переменных. Тогда уравнение (4.1) и соотношение (4.2) примут вид уравнения (4.4) и соотношения (4.5):

YYузл · UUо = IIо, t

AA · YY · AA = YYузл,

(4.4) (4.5)

где YY – интервальная диагональная матрица проводимостей элементов; AA – интервальная матрица инциденций; AAt – транспонированная интервальная матрица инциденций; YYузл – интервальная матрица узловых проводимостей; UUо – интервальный вектор узловых напряжений; IIо – интервальный вектор источников тока. Справедливость такого перехода от обычных и переменных чисел к интервальным доказывается в работе[3]. Рассмотрим структуру введенных интервальных матриц и векторов. Матрицы AA и AAt состоят из 0 и 1 и не требуют ин140

тервальных описаний. Матрица YY имеет интервальные числа, расположенные по диагонали и заданные системой неравенств (4.3) – в качестве начального приближения можно взять традиционные оценки границ разброса проводимостей элементов вероятностным методом. Матрица YYузл вычисляется в соответствии с правилами интервальной арифметики. Необходимо отметить, что обратные операции интервальной арифметики – вычитание и деление – могут быть определены как обычные, а могут определяться через обобщенные интервальные преобразования, которые рекомендуются в случае включения точки 0 в преобразуемых интервальных числах. В рассматриваемой ситуации все преобразуемые интервальные числа и переменные не содержат нули, так как и проводимости элементов и узловые проводимости по своей природе строго больше нуля (исключение составляют гираторные цепи и генераторы, поэтому исключим их из рассмотрения ввиду редкого использования в цепях судовой автоматики). Таким образом, будем использовать в дальнейшем арифметические операции обычной интервальной арифметики. Решение интервального уравнения (4.4) позволит определить неизвестный интервальный вектор UUо при известном векторе задающих воздействий IIо. После чего известными методами [1, 2] рассчитываются интервальные токи I, интервальные напряжения U, интервальная мощность P каждой СЕ цепи. Проверяются отношения включения: I ⊂ I доп ; U ⊂ U доп ; P ⊂ Pдоп . Если они выполняются, то заданные исходные интервалы проводимостей СЕ могут быть скорректированы в сторону увеличения, в противном случае их необходимо сужать. Расширение и сужение интервалов может быть проведено с помощью пошаговых процедур с последовательным перебором изменения границ каждой СЕ. Наиболее сложной и емкой по времени процедурой является решение линейного интервального уравнения (4.4). Основная теорема интервальной арифметики [2] позволяет использовать при решении уравнения (4.4) метод исключения неизвестных Гаусса. Однако применимость этого метода для решения интервальных линейных уравнений не всегда возможна. В работе [1] показано, что для его применимости необходимо выполнение условия: матрица коэффициентов системы уравнений должна быть М-матрицей. Это условие выполняется 141

в рассматриваемой задаче, поскольку элементы матрицы узловых проводимостей, как следует из теории электрических цепей, yij > 0 при i = j, yij < 0 при i ≠ j, спектральный радиус меньше единицы, а любой положительный вектор, умноженный на матрицу YY, дает также положительный вектор. Для М-матриц применимы также и итерационные алгоритмы Ньютона – Зейделя: их сходимость в этом случае доказана в работе [30]. Рассмотрим систему линейных уравнений (4.6) с интервальными коэффициентами, полученную из матричного уравнения (4.4): n

∑ yy

ij

⋅ uu j = iioi ,

i = 1, n.

(4.6)

j =1

Разрешим систему уравнений (4.6) относительно неизвестных uuj в соответствии с методом Зейделя. Получим следующую систему уравнений:

uuik +1 = iioi +

yyij

n

∑ − yy

j −1 , j ≠ i

⋅ uu kj ,

i = 1, n.

(4.7)

ii

Сходимость гарантирована, как показано в работе [30], для любого начального вектора uuk (k = 0). При решении рассматриваемой задачи компоненты вектора uuo целесообразно задавать E интервальными константами AA = ( , E ) , где Е – величина 2 ЭДС источника питания исследуемой цепи. Критерием окончания итерационной процедуры нахождения вектора uu является выполнение системы неравенств (4.8):

uuik +1 − uuik < δ ,i = 1, n ,

(4.8)

где δ – заданная точность решения. Найденный в результате решения интервальный вектор uu может быть использован в дальнейших вычислениях. Проведенный анализ структуры алгоритма определения границ изменения диагностических параметров судовых ЭСА позволяет составить его в виде блок-схемы (рис. 4.3). Программа, составленная авторами на языке программирования VBA, была опробована на контрольном примере тестовой 142

цепи, рассмотренной в работе [95]. Результаты показали, что решение интервальных уравнений позволяет скорректировать допустимые границы параметров СЕ с учетом топологии элементов цепи. При этом часть допустимых границ расширяется, а другая часть сужается. Результаты свидетельствуют, что рассмотренный алгоритм позволяет получить более точные границы области работоспособности ОД в пространстве выбранных диагностических параметров. А

Начало Ввод статистических параметров, точности

Определение условий соответствия полученных решений Iдоп, Uдоп, Рдоп для каждой СЕ

Вычисление и коррекция интервального вектора YY, формирование диагональной матрицы СЕ Вычисление интервальной матрицы узловых проводимостей YYузл

Условия включения нарушены? НЕТ ДА

Вычисление начального значения интервального вектора узловых проводимостей UU

Возможно продолжение коррекции НЕТ Вывод значений интервального вектора YY

Итерационный процесс решения интервальной системы уравнений

Окончание

А Рис. 4.3. Блок-схема алгоритма определения допустимых границ

143

Возможность применения интервального алгоритма для рассматриваемой задачи позволяет создать эффективные программы, которые могут быть компилированы для автономного исполнения в программно-аппаратном комплексе КамчатГТУ. 4.3. Настройка и опробование нейросетевых алгоритмов Разработанный метод изоварных характеристик в вероятностной постановке [95] при реализации средствами программноаппаратного диагностического комплекса КамчатГТУ [95] предполагает использование нейросети при оценке состояния объекта диагностирования. В работе [99] проведено обоснование структуры и основных характеристик нейросети для решения задач оценки работоспособности, определения и поиска однократных и кратных дефектов. На примере диагностической изоварной карты электронного стабилизатора напряжения переменного тока показано, что для процедур кластеризации и классификации состояний объекта диагностирования (ОД) наиболее эффективны сети с радиальными базисными элементами [99]. Для обучения нейросети требуется построение входного вектора Рвх и выходного вектора Твых в качестве эталонной обучающей последовательности. Структура и содержание компонент Рвх очевидна: две строки, соответствующие двум координатам изоварной карты К1, К2, и N столбцов, задающих объем обучающей выборки. Структура вектора Твых зависит от кодирования состояний ОД. Закодируем состояния ОД следующим образом: каждой строке вектора Твых поставим в соответствие состояние ОД. Так, первой строке вектора Твых соответствует работоспособное состояние ОД: если ОД в работоспособном состоянии, то значение компоненты вектора Твых (1,1 : N) = 1, в противном случае Твых = 0. Второй строке вектора Твых соответствует дефект одного или нескольких элементов ОД: если ОД потеряет работоспособность, то значение компоненты вектора Твых (2,1 : N) = 1, в противном случае Твых = 0. Третьей строке вектора Твых соответствует выход из строя всех элементов ОД: если ОД имеет недопустимое состояние, то Твых (3,1 : N) = 1, в противном случае Твых = 0. 144

Количество столбцов вектора Твых определим равным N – общему объему обучающей выборки. Для кодирования состояний ОД по координатам изоварной карты К1, К2 построим конфигурацию соответствующих областей (рис. 4.4), которая соответствует реальным картам изовар, представленным в работе [95]. Введем два независимых параметра: R0 – расстояние от рабочей точки с координатами К1 = К2 = 0,5 и угол Fi, меняющийся от 0 до 2 π . Связь между декартовыми координатами произвольной точки плоскости К1 К2 и введенными параметрами определится соотношениями: К 1 = Ro ⋅ cos Fi + 0 ,5;

(4.9)

К 2 = Ro ⋅ sin Fi + 0 ,5. К2

Область работоспособности Область однократных дефектов Область многократных дефектов Область недопустимых состояний К1

Рис. 4.4. Структура областей состояний ОД для кодирования вектора Твых обучающей выборки на карте изовар

Меняя параметр Ro, можно переместиться из рабочей точки в любую область (рис. 4.4), построив векторы обучающей последовательности Р и Т. Для оценки качества обучения необхо145

димо осуществить тестовое опробование, задав точки теста внутри рассматриваемых областей. Получившая распространение при решении научных задач среда MATLAB содержит специальный пакет Neural Networks Toolbox, в состав которого входит 150 различных функций, образующих своеобразный макроязык программирования и позволяющих создавать, обучать и использовать самый широкий класс нейросетей. В работе [99] показано, что для решения задач кластеризации, выделения и классификации областей состояний ОД на плоскости изоварных характеристик наиболее эффективно использовать сети с радиусными базисными функциями. В пакете Neural Networks Toolbox их три – newrbe, newpnn и negrnn, отличающихся структурой и видом функции активации нейронов. Выбор нейросети можно осуществить, создав алгоритм и программу тестового опробования в соответствии с изложенной методикой. Приведем текст программы с комментариями и результатами опробования: Fi = 0 : pi/60 : 2 · pi – создание массива угловых координат; Q = length (Fi) – определение размера массива угловых координат; X = 0,5 · cos (Fi) – переход от угловой координаты к декартовой оси Х; P = zeros (2,5 · Q) – обнуление входного вектора Р; P(1,1 : Q) = 0,01 · X(1,1 : Q) + 0,5 – вычисление массива координат Х границы области работоспособности; Y = 0,5 · sin (Fi) – переход от угловой координаты к декартовой оси Y; P(2,1 : Q) = 0,01 · Y(1,1 : Q) + 0,5 – вычисление массива координат Y границы области работоспособности; T = zeros (3,5 · Q) – обнуление выходного вектора Т; T(1,1 : Q) = 1 – задание в выходном векторе Т области работоспособности; P(1,Q + 1 : 2 · Q) = 0,1 · X(1,1 : Q) + 0,5 – задание во входном векторе Р области работоспособности по координате Х; P(2,Q + 1 : 2 · Q) = 0,1 · Y(1,1 : Q) + 0,5 – задание во входном векторе Р области работоспособности по координате Y; T(1,Q + 1 : 2 · Q) = 1 – задание в выходном векторе Т области работоспособности; 146

P(1,2 · Q + 1 : 3 · Q) = 0,5 · X(1,1 : Q) + 0,5 – задание во входном векторе Р области работоспособности по координате Х; P(2,2 · Q + 1 : 3 · Q) = 0,5 · Y(1,1 : Q) + 0,5 – задание во входном векторе Р области работоспособности по координате Y; T(2,2 · Q + 1 : 3 · Q) = 1 – задание в выходном векторе Т области однократных и кратных дефектов; P(1,3 · Q + 1 : 4 · Q) = 0,9 · X(1,1 : Q) + 0,5 – задание во входном векторе Р области однократных и кратных дефектов по координате Х; P(2,3 · Q + 1 : 4 · Q) = 0,9 · Y(1,1 : Q) + 0,5 – задание во входном векторе Р области однократных и кратных дефектов по координате Y; T(2,3 · Q + 1 : 4 · Q) = 1 – задание в выходном векторе Т области однократных и кратных дефектов; P(1,4 · Q + 1 : 5 · Q) = 0,95 · X(1,1 : Q) + 0,5 – задание во входном векторе Р области недопустимых состояний по координате Х; P(2,4 · Q + 1 : 5 · Q) = 0,95 · Y(1,1 : Q) + 0,5 – задание во входном векторе Р области недопустимых состояний по координате Y; T(3,4 · Q + 1 : 5 · Q) = 1 – задание в выходном векторе Т области недопустимых состояний; b = newpnn (P,T) – создание и обучение сети с радиусными базисными функциями; Y = sim (b,[0,55 0,7 0,95, 0,55 0,7 0,1]) – опробование нейросети на тестовой последовательности; plot(P(1,1 : 2 · Q), P(2,1 : 2 – Q),' + ', P(1,2 · Q + 1 : 4 · Q), P(2,2 · Q + 1 : 4 · Q), '·' ,P(1,4 · Q + 1 : 5 · Q), P(2,4 · Q + 1 : 5 · Q),'–') – построение областей состояний; (1,1) 1 – первая точка тестовой последовательности отнесена к области работоспособности; (2,2) 1 – вторая точка тестовой последовательности отнесена к области однократных и многократных дефектов; (3,3) 1 – третья точка тестовой последовательности отнесена к области недопустимых состояний. Программа для сети newpnn опробована и на двух других типах радиусных сетей пакета Neural Networks Toolbox, однако, как видно из результатов, тесты для нейросети newpnn дают результат с нулевой ошибкой, в то время как для других типов сети ошибка значительна и составляет десятки процентов. Иными 147

словами, проведенное исследование показало высокую эффективность сети newpnn пакета Neural Networks Toolbox и возможность ее применения на реальных задачах диагностики судовых электрических средств автоматизации. 4.4. Оценка запаса работоспособности и определение предотказных состояний ОД На основе метода изоварных характеристик [42] в вероятностной постановке [100] могут быть решены основные задачи диагностики: – оценка состояния объекта диагностирования (ОД); – определение области работоспособности состояний ОД; – обнаружение и поиск однократных и многократных дефектов. Состояние флота рыбной промышленности [95] таково, что кроме перечисленных задач должны решаться и задачи прогноза оценки состояния электрических средств автоматизации в процессе их эксплуатации. Разработанный в КамчатГТУ программно-аппаратный комплекс решения задач диагностики [95] позволяет организовать мониторинг ОД с последующей обработкой информации о состоянии ОД, записанной в энергонезависимую память. Иначе говоря, имеется экспериментальная основа для решения и отладки задач прогнозирования на основе метода изоварных характеристик. Существующие методы прогноза состояний ОД обладают либо недостаточной точностью предсказания [15], либо слишком высокой стоимостью реализации [112] из-за необходимости отслеживания во времени большого количества диагностических параметров ОД. Рассмотрим процедуру прогноза на основе анализа компонент вектора условных вероятностей состояний ОД, полученного на основе метода статистических испытаний [100]. Предположим, что в соответствии с методом изоварных характеристик отобраны два информативных канала наблюдения, с которых поступает информация об измеренных численных значениях двух независимых параметров К1 и К2. Отбор производится по критериям максимальной интегральной чувствительности и кучности кривых семейства изоварных характеристик. 148

В работе [95] показано, что оценка состояний ОД в пространстве наблюдаемых признаков может производиться на основе значений компонент вектора условных вероятностей Р(К1, К2). При испытаниях по схеме Бернулли каждая компонента вектора определяется следующим соотношением: Nn , (4.10) N где К1 и К2 – значения наблюдаемых параметров; n – номер состояния ОД; m – номер испытания; N – число испытаний ОД, попавших в точку К1, К2; Nn – число испытаний ОД, попавших в точку К1, К2 при условии нахождения ОД в состоянии n; m – общее число проведенных испытаний. Размерность L вектора Р определяется числом состояний ОД. В случае представления ОД в виде двухполюсных компонент, рассмотренном в работе [95], L задается соотношением: Pn( K 1 , K 2 ) = lim

m→∞

L = 2d , (4.11) где L – размерность вектора Р; d – число двухполюсных компонент эквивалентной схемы замещения принципиальной электрической схемы ОД. Очевидно, что для большинства ОД судовых электрических схем автоматизации величина d значительна и находится в диапазоне 10–100. В работе [95] рассмотрены методы снижения d, которые позволяют снизить размерность до 10–20, что позволяет использовать современный персональный компьютер для прямого расчета вектора Р в каждой измеренной точке пространства наблюдения К1, К2 методом статистических испытаний. Если значения компонент вектора Р определены, то для каждой точки наблюдения можно определить величины запаса работоспособности (Z) и номер наиболее вероятного дефекта (Nd) по следующим формулам:

Z ( K 1 , K 2 ) = lg

P0 ( K 1 , K 2 ) ; max Pn( K 1 , K 2 )

(4.12)

n = 1 ,L

Nd = n ∧ max Pn( K 1 , K 2 ). n = 1 ,L

149

(4.13)

Компонента Р0 является функцией вероятности работоспособных состояний ОД, ее максимум находится в рабочей точке, на пересечении изоварных характеристик [100]. Функция max Pn( K 1 , K 2 ) отражает поведение максимума вероятности n=1 ,L

возникновения дефекта в точке К1, К2. Следует отметить, что учету подлежат все дефекты – как однократные, так и многократные. Это обстоятельство особенно важно для схем высокой размерности. При значениях Z > 1 вероятность работоспособных состояний ОД на порядок превышает вероятности других событий – и определение предотказных состояний малоэффективно, ОД находится в работоспособном состоянии с большим запасом работоспособности. При значениях 0 < Z < 1 ОД находится в работоспособном состоянии, но запас работоспособности невелик, и по условию max Pn( K 1 , K 2 ) можно определить номер наиболее n=1 ,L

вероятного дефекта. При значениях Z < 0 ОД неработоспособен и находится в состоянии дефекта. В этом случае определение предотказных состояний нецелесообразно, так как необходимо решать задачу локализации и определения дефектных элементов. Иными словами, область, в которой процедура эффективна, задается условием 0 < Z < 1 . Это условие выполняется вблизи границы области работоспособности и выделяет переходную зону на карте изоварных характеристик – от работоспособного состояния ОД к дефекту.

Заключение Основными проблемами, с которыми сталкивается диагностика СЭСА на современном этапе, являются: – оценка состояния ОД при минимизации затрат на съем и регистрацию получаемой информации; – решение задачи обнаружения локализации и поиска кратных дефектов в цепях высокой размерности; – оценка работоспособности ОД; – прогноз состояния ОД; – прогноз возникновения дефектов. 150

Теоретически не представляется возможным полностью формализовать ни одну из поставленных задач. Так, например, оценка состояния ОД в соответствии с теорией измерений требует проведения измерений, равных количеству измеряемых величин, т. е. числу двухполюсных компонент ОД, которое для СЭСА, содержащих несколько электронных приборов или микросхем, может составлять значительную величину. Очевидно, что это требование находится в противоречии с требованием минимизации затрат на съем и регистрацию информации о состоянии ОД, а без решения этой задачи и остальные задачи не могут быть решены. Рассмотренная методология применения метода изоварных характеристик может быть рекомендована для СЭСА, имеющих электронные или электрические цепи низкой или средней размерности. Метод позволяет решить весь комплекс диагностических задач: оценку состояния ОД, оценку запаса работоспособности, обнаружение дефекта, как одиночного, так и кратного, локализацию дефекта с глубиной поиска до элемента ОД. Основное достоинство предлагаемого метода – уменьшение числа точек съема информации всего до двух независимых параметров К1 и К2. Это позволяет в сочетании с другими методами обеспечить глубину поиска дефекта с точностью до двухполюсной компоненты схемы для цепей низкой и средней размерности при условии однократного дефекта. При детерминированной постановке метода изоварных характеристик для цепей высокой размерности поиск дефекта с точностью до элемента практически неосуществим из-за проблем недостаточной эффективности вычислительных алгоритмов, а также из-за неоднозначности оценки состояния ОД методом изоварных характеристик, разрешение которой при высокой размерности решаемой задачи детерминированным способом невозможно. Предложенный в настоящей работе вероятностный подход к оценке состояний ОД позволяет решать задачи диагностики для цепей как средней, так и высокой размерности благодаря применению мощного инструмента – нейросетей, которые помимо перечисленных задач могут решать в рамках метода изоварных характеристик задачи прогноза дефектов ОД. 151

Наиболее значимые для практических приложений результаты получены при решении задач оценки работоспособности ОД на примере электронного стабилизатора напряжения переменного тока и определения предотказных состояний ОД.

Литература 1. Абрамович Ф.П., Вагенкнехт М.А., Хургин Я.И. Решение нечетких систем линейных алгебраических уравнений LR-типа / Методы и системы принятия решений. – Рига: РПИ, 1987. – С. 35–47. 2. Аленфельд Г., Херцбергер Ю. Введение в интервальные вычисления. – М.: Мир, 1987. – 360 с. 3. Акулов Ю.И., Коробков А.Ф., Мнушко Ю.В. Судовая электроника и электроавтоматика. – М.: Транспорт, 1982. – 271 с. 4. Автоматический поиск неисправностей / А.В. Мозгалевский, Л.П. Глазунов, Д.В. Гаскаров, В.Д. Ерастов. – Л.: Машиностроение, 1967. – 345 с. 5. Абрамов О.В. Параметрическая коррекция систем управления. – М.: Энергия, 1984. – 180 с. 6. Авхач М.Я. Настройка технических объектов. – М.: Машиностроение, 1980. – 250 с. 7. Баранов А.П., Раимов М.М. Моделирование судового электрооборудования и средств автоматизации. – СПб.: Элмор, 1997. – 232 с. 8. Биргер И.А. Техническая диагностика.– М.: Машиностроение, 1978. – 240 с. 9. Бабаев А.М., Ягодкин В.Я. Автоматизированные судовые электроприводы. – М.: Транспорт, 1986. – 448 с. 10. Бублык Б.С. Безопасность мореплавания, технология перевозки грузов. – Петропавловск-Камчатский: КГАРФ, 1998. – 50 с. 11. Виленкин Н.Я. Комбинаторика. – М.: Наука, 1969. – 328 с. 12. Веретенников Л.П. Исследование процессов в судовых энергетических установках. – Л.: Судостроение, 1984. – 210 с. 152

13. Гуткин Л.С. Оптимизация радиоэлектронных устройств. – М.: Машиностроение, 1981. – 125 с. 14. Грундсленькис Я.А., Тенгерис Я.К. Автоматизация построения топологической модели сложной системы для решения задач диагностики // Гибридные вычислительные машины и комплексы. Вып. 3.– Киев: Наукова думка, 1980. – С. 88 – 93. 15. Глазунов Л.П. Структурные методы диагностики сложных систем // Поиск неисправностей в технических системах при их производстве и эксплуатации: Сб. статей – Л.: Знание, 1977. – С. 10–12. 16. Выбор информативных параметров при контроле качества изделий электронной техники / Д.В. Гаскаров, В.И. Попеначенко, С.А. Попов и др.– Л.: Знание, 1979. – 32 с. 17. ГОСТ 27518–87. Диагностирование изделий. Общие требования. – М.: Изд-во стандартов, 1988. – 6 с. 18. ГОСТ 20911–89. Техническая диагностика. Термины и определения.– М.: Изд-во стандартов, 1990. – 13 с. 19. ГОСТ 27002–28. Надежность в технике. Термины и определения. – М.: Изд-во стандартов, 1983. – 21 с. 20. Демирчян К.С., Бутырин П.А. Моделирование и машинный расчет электрических цепей. – М: Высшая школа, 1988. – 335 с. 21. Дубровский Л.К., Мозгалевский А.В. Контроль работоспособности САУ с помощью эквивалентной модели // Техническая диагностика. – Л.: ЛЭТИ, 1972. – Вып. 303. – С. 96–98. 22. Дубровский Л.К. Определение работоспособности сложных систем // Методы и системы технической диагностики: Сб. статей. – Саратов: СГУ, 1981. – Вып. 2. – С. 45–48. 23. Дуров А.А., Портнягин Н.Н. Аппаратно-программный комплекс для мониторинга поверхностных электрических полей // Вестник КамчатГТУ. – Петропавловск-Камчатский: КамчатГТУ, 2002. – № 1. – С. 111–113. 24. Дмитренко Л.Л., Калявин В.П. Формализация структурного проектирования технических средств диагностирования // Автоматизированные системы управления и приборы автоматики: Cб. статей. – Харьков: Высшая школа, 1983. – С. 63–71. 25. Дмитриев А.К., Александров В.В. Применение алгоритмов распознавания образов в задачах технической диагно153

стики // Техническая диагностика: Сб. статей. – М.: Наука, 1972. С. 127–130. 26. Дялов В.А., Кабанов А.Н., Милов Л.Т. Контроль динамических систем. – Л.: Энергия, 1978. – 88 с. 27. Зубарев Ю.Я. Автоматизация процессов управления. – Л.: Судостроение, 1980. – 130 с. 28. Захаров О.Г. Настройка судового оборудования. – Л.: Судостроение, 1982. – 320 с. 29. Синтез линейных электрических и электронных цепей // П.А. Ионкин, Н.Г. Максимович, В.Г. Миронов. – Львов: Высшая школа, 1982. – 312 с. 30. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. – Новосибирск: Наука, 1986. – 222 с. 31. Калявин В.П., Малышев А.М., Мозгалевский А.В. Организация систем диагностирования судового оборудования. – Л.: Судостроение, 1991. – 168 с. 32. Калявин В.П., Малышев А.М. Определение оптимального количества технических средств диагностирования // Электронное моделирование. – 1985. – № 1. – С. 66–71. 33. Калявин В.П., Мозгалевский А.В. Технические средства диагностирования. – Л.: Судостроение, 1984. – 208 с. 34. Калявин В.П. Постановка задачи проектирования технических средств диагностирования // Методы и системы технической диагностики. – Саратов: СГУ, 1981. – Вып. 2. – С. 20 – 25. 35. Калявин В.П. Системный подход в проектировании технических средств диагностирования // Техническая диагностика. – Л.: ЛЭТИ, 1982. – Вып. 313. – С. 25–30. 36. Калявин В.П., Хузин Р.З. Оптимизация элементной базы автоматизированных средств диагностирования // Техническая диагностика. – Л.: ЛЭТИ, 1980. – Вып. 278. – С. 3–10. 37. Калявин В.П., Мозгалевский А.В., Галка В.Л. Надежность и техническая диагностика судового электрооборудования и автоматики: Учебник. – СПб.: Элмор, 1996. – 246 с. 38. Кейн В.М. Оптимизация систем управления по минимаксному критерию. – М: Наука, 1985. – 248 с. 39. Климов Е.Н., Попов С.А., Сахаров В.В. Идентификация и диагностика судовых технических систем. – Л.: Судостроение, 1978. – 176 с. 154

40. Киселев Н.В., Сечкин В.А. Техническая диагностика методами нелинейного преобразования. – Л.: Энергия, 1980. – 112 с. 41. Коваленко В. В. Автоматическое регулирование систем. – М.: Энергия, 1981. – 160 с. 42. Корнеев В.В., Кисилев А.В. Современные микропроцессоры. – М.: НОЛИДЖ, 2000. – 320 с.: ил. 43. Костанди Г.Г. Устройство контроля работоспособности технических объектов по показателям качества переходной характеристики // Вопросы технической диагностики и управления в сложных объектах. – Л.: ЛЭТИ, 1971. – С. 10–14. 44. Крутько П.Д. Решение задачи идентификации методом теории чувствительности // Изв. АН СССР. Техническая диагностика. – 1969. – № 6. – С. 146–153. 45. Ксенз С.П. Поиск неисправностей в радиоэлектронных системах методом функциональных проб. – М.: Cов. радио, 1965. – 135 с. 46. Кузькин В.И., Шанн Ю.Г., Яблонский В.И. Схема проверки транзисторов перед включением // Преобразовательная техника. – 1973. – № 6. – С. 28–32. 47. Кузнецов С.Е., Филев В.С. Основы технической эксплуатации судового электрооборудования и автоматики. – СПб.: Судостроение, 1995. – 448 с. 48. Кузнецов С.Е., Портнягин Н.Н., Пюкке Г.А. Диагностирование электрических цепей методом изовар // Изв. вузов. Электромеханика. – 1998. – № 1. – С. 35–40. 49. Кузнецов С.Е., Пюкке Г.А., Говорский А.Э. Диагностирование электрических цепей методом изовар // Тезисы докл. конф. «Высшее образование в современных условиях». – СПб.: ГМА, 1996. – С. 124. 50. Кузнецов С.Е., Пюкке Г.А. Диагностирование электрических цепей // Тезисы докл. конф. «Проблемы применения новой техники и технологий для предупреждения и ликвидации последствий чрезвычайных ситуаций на транспорте». – СПб.: ГМА, 1996. – С. 18. 51. Кузнецов С.Е., Пюкке Г.А. Контроль работоспособности СЭО // Тезисы докл. на юбил. конф. проф.-преп. сост., научн. сотр. и курсантов ГМА им. адм. С.О. Макарова. – СПб.: ГМА, 1997. – С. 30. 155

52. Кузнецов С.Е., Пюкке Г.А. Контроль работоспособности судового оборудования // Тезисы докл. на юбил. научнотехн. конф. проф.-преп. сост., научн. раб. и курсантов. – СПб.: ГМА, 1996. – С. 18. 53. Кузнецов С.Е., Портнягин Н.Н., Пюкке Г.А. Оптимизация варьируемых параметров судовых электрических средств автоматизации: Сб. тезисов докл. научн.-техн. конф. ППС и научн. сотр. – СПб.: ГМА, 2001. – С. 70–71. 54. Теория и практика эксплуатации радиолокационных систем / С.М. Латинский, В.И. Шарапов, С.П. Ксенз и др. // Под ред. С.М. Латинского – М.: Сов. радио, 1970. – 432 с. 55. Лурье О.Б. Интегральные микросхемы в усилительных устройствах: Анализ и расчет.– М.: Радио и связь, 1988. – 176 с. 56. Мартыненко О.Н., Сердаков А.С. Некоторые возможности оптимизации глубины контроля в радиоэлектронной аппаратуре // Автоматика и телемеханика. – 1981. – № 8. – С. 17–19. 57. Методы автоматизированного проектирования нелинейных систем / С.К. Коваленко, М.А. Колывагин, С.В. Медведев и др. // Под ред. Ю.И. Топчеева. – М.: Машиностроение, 1993. – 576 с. 58. Методика выбора диагностических параметров для непрерывных объектов, представленных логическими моделями в форме графа с помощью ЭВМ: Научно-технический отчет. – Горький: ВНИИНМАШ, 1978. – 82 с. 59. Методика диагностирования непрерывных динамических объектов по их частотным характеристикам: Научнотехнический отчет. – Горький: ВНИИНМАШ, 1977. – 60 с. 60. Методика построения логических моделей непрерывных объектов диагностирования: Научно-технический отчет. – Горький: ВНИИНМАШ, 1976. – 60 с. 61. Методы теории чувствительности в автоматическом управлении / Под ред. Е.Н. Розенванссера, Р.М. Юсупова. – Л.: Энергия, 1971. – 334 с. 62. Миронов В.Н., Обухов С.Г. Процедуры тестового диагноза вентильных преобразователей // Электричество. – 1983. – № 2. – С. 53–59. 63. Мироновский Л.А. Функциональное диагностирование линейных динамических систем // Автоматика и телемеханика. – 1980. – № 8. – С. 120–128. 156

64. Мозгалевский А.В. Вопросы функционирования судового диагностического комплекса // Совершенствование судоремонта. – Л.: Cудостроение, 1974. – С. 206–210. 65. Мозгалевский А.В. Задачи технической диагностики для непрерывных объектов // Техническая диагностика. – Челябинск: ЧПИ, 1976. – С. 3–6. 66. Мозгалевский А.В., Калявин В.П., Хузин Р.З. Построение оптимальных алгоритмов поиска дефектов в сложных системах // Изв. вузов. Приборостроение. – 1979. – № 2. – С. 70–76. 67. Мозгалевский А.В., Калявин В.П. Системы диагностирования судового оборудования: Учеб. пособие. – Л.: Судостроение, 1987. – 224 с. 68. Мозгалевский А.В., Волынский В.И., Гаскаров Д.В. Техническая диагностика судовой автоматики. – Л.: Судостроение, 1972. – 224 с. 69. Мозгалевский А.В., Калявин В.П. Системы диагностирования судового оборудования: Учеб. пособие. – Л.: Судостроение, 1987. – 224 с. 70. Мозгалевский А.В., Гаскаров Д.В. Техническая диагностика: Учеб. пособие для вузов. – М.: Высшая школа, 1975. – 207 с. 71. Мозгалевский А.В., Калявин В.П., Костанди Г.Г. Диагностирование электронных систем / Под ред. А.В. Мозгалевского. – Л.: Судостроение, 1984. – 224 с. 72. Автоматический поиск неисправностей / А.В. Мозгалевский, Д.В. Гаскаров, Л.П. Глазунов и др. – М.: Машиностроение, 1967. – 56 с. 73. Мозгалевский А.В., Калявин В.П. Системы диагностирования судового оборудования. – Л.: Cудостроение, 1982. – 140 с. 74. Мышкис А.Д. Элементы теории математических моделей. – М.: Физматлит, 1994. – 192 с. 75. Нейман Л.Р., Демирчян К.С. Теоретические основы электротехники. – 3-е изд., доп. Т. 1. – Л.: Энергия, 1981. – 534 с. 76. Нелепин Р.А., Шахов Г.В., Чецкий В.И. Диагностирование судовых электрических машин с использованием частотных характеристик // Водный транспорт. – 1980. – № 6. – С. 21–26. 77. Норри Д., де Фриз Ж. Введение в метод конечных элементов. – М.: Мир, 1981. – 304 с. 157

78. Об одном методе оценки действительного значения системы управления по временной характеристике / А.В. Мозгалевский, К.К. Муромцев, И.А. Немировский и др. // Вопросы технической диагностики. – Таганрог: ТРТИ, 1973. – Вып. 9. – С. 59–64. 79. Основы технической диагностики. Т. 1 / Под ред. П.П. Пархоменко. – М.: Энергия, 1976. – 464 с. 80. Овчаренко Н.И. Аналоговые и цифровые элементы автоматических устройств энергосистем. – М.: Энергоатомиздат, 1989. – 320 с. 81. Пархоменко П.П., Согомонян Е.С. Основы технической диагностики. – М.: Энергия, 1981. – 320 с. 82. Портнягин Н.Н. Диагностика судовых электрических средств автоматизации с применением нейросетей: Мат-лы междунар. научно-техн. конф. «Рыбохозяйственное образование Камчатки в ХХI веке». – Петропавловск-Камчатский: КамчатГТУ, 2002. – С. 191–194. 83. Портнягин Н.Н. Определение области работоспособности судовых электрических средств автоматизации методом статистических испытаний // Вестник КамчатГТУ. – Петропавловск-Камчатский: КамчатГТУ, 2002. – № 1. – С. 148–152. 84. Портнягин Н.Н., Рапопорт М.Б. Устройство для обработки сейсмических данных: А. с. 747591 / Госкомитет СССР по делам изобретений и открытий, 1980. 85. Портнягин Н.Н., Шевчук М.А. Устройство для определения геометрических параметров орудий рыболовства: А. с. 1273042 / Госкомитет СССР по делам изобретений и открытий, 1986. 86. Портнягин Н.Н., Рапопорт М.Б. Спецпроцессор МК-1. Экспресс-информация. – М.: ВИЭМС, 1977. – 19 с. 87. Портнягин Н.Н., Пюкке Г.А. Имитационная модель судового генераторного агрегата с САРН и АРЧ. – М., 2000. – С. 1–2. – ФАП Деп. в ВНТИЦ 31.10.2000. ФН 50200000187. 88. Портнягин Н.Н., Пюкке Г.А. Использование конформных отображений при построении моделей диагностирования электрических цепей // Информационные технологии в моделировании и управлении: Труды 2-й междунар. научно-практ. конф. – СПб.: СПГТУ, 2000. – С. 309–311. 158

89. Портнягин Н.Н., Пюкке Г.А. Разработка диагностического обеспечения при контроле технического состояния судового электрооборудования методом коррекции состояний: Мат-лы междунар. научно-техн. конф. Ч. 3. – Калининград: КГТУ, 2000. – С. 64 – 67. 90. Портнягин Н.Н., Пюкке Г.А. Устройство для проверки электронных схем: Пат. 2137148 от 24.03.1997 г. 91. Портнягин Н.Н., Пюкке Г.А. Устройство для проверки электронных схем: Пат. 2179729 от 25.02.2000 г. 92. Портнягин Н.Н., Пюкке Г.А. Выбор диагностических параметров при решении задач диагностирования электронных цепей высокой размерности // Теория, методы и средства измерений, контроля и диагностики: Мат-лы междунар. научнопракт. конф. Ч. 10. – Новочеркасск: ЮРГТУ, 2000. – С. 13–19. 93. Портнягин Н.Н., Пюкке Г.А., Кузнецов С.Е. Проблемы повышения технического уровня электроэнергетических систем и электрооборудования кораблей, плавучих сооружений и транспортных средств // Тезисы докладов 7-ой междунар. научно-техн. конф. «ТРАНСТЕК 2000». – СПб., 2000. – С. 67. 94. Портнягин Н.Н., Пюкке Г.А. Диагностирование и настройка динамических параметров системы автоматического регулирования генераторных агрегатов судовой электростанции // Розвiдка i розробка нафтових i газових родовищ. Серiя: Методи i засоби технiчноi дiагностики: Державний мiжвiдомчий науково-техничний збiрник. – Вип. 38. – Т. 8. – Iвано-Франкiвськ, ИФГИНиГ, 2001. – С. 132–137. 95. Портнягин Н.Н., Пюкке Г.А. Теория и методы диагностики судовых электрических средств автоматизации. – Петропавловск-Камчатский: КамчатГТУ, 2003. – 117 с. 96. Портнягин Н.Н., Пюкке Г.А., Кузнецов С.Е. Методы регулирования при решении задачи параметрической оптимизации судового электрооборудования / Электрофорум. – 2001. – № 1. – С. 22–23. 97. Портнягин Н.Н., Хатылов А.А. Модель судового синхронного генератора для оценки влияния расхода топлива из-за разброса параметров пропорциональных регуляторов САРН и АРЧ // Проблемы современного естествознания: Мат-лы научно-техн. конф. КамчатГТУ. – Петропавловск-Камчатский: КамчатГТУ, 2002. – С. 125–132. 159

98. Портнягин Н.Н., Беззубов А.В., Олейников Б.И. Ветроэнергетическая установка: А. с. на полезную модель 21072 от 20.12. 2001 г. 99. Портнягин Н.Н. Диагностика судовых электрических средств автоматизации с применением нейросетей /Мат-лы междунар. научно-техн. конф. «Рыбохозяйственное образование Камчатки в ХХ1 веке» -– Петропавловск-Камчатский: КамчатГТУ, 2002. – С. 191–194. 100. Портнягин Н.Н. Определение области работоспособности судовых электрических средств автоматизации методом статистических испытаний / Вестник КамчатГТУ.– Петропавловск-Камчатский: КамчатГТУ, 2002. – № 1. – С. 148–152. 101. Прямые и обратные задачи теории чувствительности // В.И. Городецкий, Ф.Н. Захарин, В.И. Пономарев и др. // Изв. АН СССР. Техническая кибернетика. – 1971. – № 5. – С. 177. 102. Пюкке Г.А. Поиск множественных дефектов в разветвленных электрических цепях // Методы и средства технической диагностики: Сб. мат-лов. – Ивано-Франковск: ИФГИНиГ, 1997. – С. 29–32. 103. Пюкке Г.А., Портнягин Н.Н. Диагностирование цифровых систем // Проблемы современного естествознания: Матлы научно-техн. конф. КамчатГТУ. – Петропавловск-Камчатский: КамчатГТУ. – 2002. – С. 115–125. 104. Пюкке Г.А., Портнягин Н.Н., Водинчар Г.М. Метод матричных преобразований и пути его аппаратной реализации при диагностировании пассивных электрических цепей // Методы и средства технической диагностики: Сб. мат-лов. – ИваноФранковск: ИФГИНиГ, 1997. – С. 32–37. 105. Пюкке Г.А., Портнягин Н.Н. Формирование множества основных диагностических признаков с использованием процедуры ротации топологического графа при диагностировании разветвленных электрических цепей: Сб. научн. трудов. – Калининград: БТУ, 1999. – С. 40–45. 106. Пюкке Г.А. Методы технической диагностики и возможности их реализации // Тезисы докл. научно-практ. конф. проф.-преп. сост. и сотр. ПКВМУ. – Петропавловск-Камчатский: ПКВМУ, 1992. – С. 70. 160

107. Пюкке Г.А., Портнягин Н.Н. Диагностирование цифровых схем методом матричных преобразований // Методы и средства диагностики: Сб. науч. ст. – Вып. 19. – Йошкар-Ола: Марийский гос. ун-т, 2002. – С. 99–108. 108. Розенванссер Е.Н., Юсупов Р.М. Чувствительность систем управления. – М.: Наука, 1981. – 464 с. 109. Самосейко В.Ф., Висленев Ю.С. Надежность судового электрооборудования. – М.: Транспорт, 1986. – 168 с. 110. Сигорский В.П. Методы анализа электрических схем с многополюсными элементами. – Киев: АН УССР, 1958. – 402 с. 111. Скляревич А.Н. Линейные системы с возможными нарушениями. – М.: Наука, 1975. – 352 с. 112. Смагин Ю.Е. Матричные испытания радиоэлектронных устройств с помощью ЭВМ. – М.: Энергия, 1979. – 152 с. 113. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. для вузов. – М.: Высшая школа, 1985. – 271 с. 114. Соловьев Н.Н. Судовые электроэнергетические системы. – М.: Транспорт, 1987. – 221 с. 115. Сотсков Б.С. Основы теории и расчета элементов и устройств автоматики и вычислительной техники. – М.: Высшая школа, 1970. – 271 с. 116. Вирьянский З.Я., Пивневский Н.М. Судовые системы автоматического контроля – Л.: Судостроение, 1974. – 300 с. 117. Ткаченко А.Н. Судовые системы автоматического управления и регулирования. – Л.: Судостроение, 1984. – 288 с. 118. Фрейдзон И.Р. Судовые автоматизированные электроприводы и системы. – Л.: Судостроение, 1980. – 440 с. 119. Хайдуков О.П., Осокин Б.В. Электрооборудование судов. – М.: Транспорт, 1974. – 327 с. 120. Харари Ф. Теория графов. – М.: Мир, 1979. – 300 с. 121. Шамин В.Б. Частотный метод поиска неисправного элемента в непрерывном объекте с обратной связью // Поиск неисправностей в технических системах при их производстве и эксплуатации. – Л.: Знание, 1977. – 48 с. 122. Шаталов А.М. Процедура формирования диагностического словаря для поиска неисправностей в блоке судовой автоматики: Сб. трудов КТИРПиХ. – Калининград: КТИРПиХ, 1981. – С. 33–38. 161

123. Шатихин Л.Г. Структурные матрицы и их применение для исследования систем. – М.: Машиностроение, 1991. – 80 с. 124. Шибанов Г. П. Распознавание в системах самоконтроля. – М.: Машиностроение, 1973. – 424 с. 125. Эйкхофф П. Основы идентификации систем управления. – М.: Мир, 1975. – 648 с. 126. Юсупов Р.М. Элементы теории испытаний и контроля технических систем. – Л.: Энергия, 1978. – 220 с.

162

Портнягин Николай Николаевич Пюкке Георгий Александрович ТЕОРИЯ, МЕТОДЫ И ЭКСПЕРИМЕНТЫ РЕШЕНИЯ ЗАДАЧ ДИАГНОСТИКИ СУДОВЫХ ЭЛЕКТРИЧЕСКИХ СРЕДСТВ АВТОМАТИЗАЦИИ Редактор Г.Ф. Майорова Технический редактор Е.Е. Бабух Набор текста Н.Н. Портнягин, Г.А. Пюкке Верстка Н.Н. Портнягин, Е.Е. Бабух Оригинал-макет Е.Е. Бабух Лицензия ИД № 02187 от 30.06.00 г. Подписано в печать 13.05.2004 г. Формат 61*86/16. Печать офсетная. Гарнитура Times New Roman Авт. л. 8,46. Уч.-изд. л. 8,57. Усл. печ. л. 10,06 Тираж 500 экз. Заказ № 258

Редакционно-издательский отдел Камчатского государственного технического университета Отпечатано полиграфическим участком РИО КамчатГТУ 683003, г. Петропавловск-Камчатский, ул. Ключевская, 35

163