close

Вход

Забыли?

вход по аккаунту

Прогнозирование отказов - одна из актуальных проблем

код для вставкиСкачать
Прогнозирование отказов - одна из актуальных проблем промышленного и транспортного
машиностроения. Предсказание отказов, кроме традиционного решения задач безопасности
эксплуатации, становится все более значимым фактором рентабельности эксплуатации.
Неожиданные отказы оборудования всегда были проблемой при эксплуатации сложных
технических комплексов оборудования. Типичное разделение отказов по характеру последствий
включает две группы: проектные аварии из-за отказов, и запроектные нештатные ситуации,
ставшие следствием неожиданных отказов. Особенностью запроектных нештатных ситуаций
является сложная комбинация событий, включающая цепную последовательность ошибочных
действий оперативного персонала из-за неожиданности и нераспознанности текущего отказа.
Последствия
компенсируют
проектных
аварий
системами
изготовители
автоматической
оборудования,
защиты,
как
правило,
рассчитанными
на
эффективно
возникновение
соответствующих отказов. В то же время предупреждение запроектных нештатных ситуаций с
помощью систем автоматической защиты менее эффективно, т.к. последствия таких отказов
развиваются в реальном времени по уникальным схемам, отсутствующим в базе знаний
диагностических систем и в опыте оперативного персонала. Эффективной альтернативой для
предупреждения таких отказов в эксплуатации является достоверное прогнозирование времени
наступления предельного технического состояния.
Современные газотурбинные агрегаты (ГТА), используемые в объектах энергогенерации
(мобильные электростанции) и в объектах магистральной нефте-газоперекачки, являются
областью высокой востребованности систем прогнозирования отказов.
Приемлемые
конструктивно-производственные
методы
уменьшения
закупочных
и
эксплуатационных удельных затрат, отнесенных к часу наработки, в настоящее время в
значительной
степени
исчерпаны.
Способы
дальнейшего
увеличения
эксплуатационной
надежности и ресурсов ГТА за счет новых конструкторских решений или новых конструкционных
материалов становятся настолько дорогими, что закупочные затраты превышают границу
экономической рентабельности ГТА. Поэтому, в условиях развитого рынка ГТА системы
встроенной диагностики отказов и неисправностей становятся в настоящее время эффективным
инструментом снижения удельных эксплуатационных затрат (в группах ГТА сопоставимой
мощности и сопоставимых коэффициентов полезного действия).
Центральное
место
в
области
модификационных
улучшений
систем
встроенной
диагностики ГТА занимают подсистемы прогнозирования отказов. Наличие таких подсистем может
обеспечить
существенное
увеличение
наработки
на
отказ,
увеличение
нормативных
коэффициентов готовности и надежности пуска, а также поэтапное увеличение доли планового
технического обслуживания, которое выполняется по состоянию ГТА, а не наработке.
Современные системы ранней диагностики и прогнозирования отказов у ведущих
изготовителей ГТА включают, как правило, три основные компоненты:

систему цифрового мониторинга рабочих параметров и вибросигналов;

информационно-поисковые
системы
на
базе
информационной
технологии
искусственного интеллекта;

искусственные нейросети для прогнозирования отказов.
Перечисленные компоненты включают программное обеспечение (ПО) для анализа
временных
рядов различными математическими
характеристик
(спектр,
вейвлет)
и
ПО
для
методами, ПО
формирования
для
анализа частотных
упреждающих
сообщений
и
рекомендаций оперативному персоналу.
Несмотря на использование такого разнообразного и значительного по сложности и
объему
ПО
для
анализа
цифровых
данных
систем
мониторинга
более
70%
эксплуатационного потока отказов ГТА не имеют надежного интервала упреждения.
Преимущественно это отказы, возникающие из-за случайных эксплуатационных факторов и
не
имеющие
повторяющихся
физических
причин
функциональной
деградации
оборудования. К таким отказам относятся отказы датчиков, отказы регулирующих
элементов
электрогидравлических
агрегатов
и
электронных
компонент
системы
автоматического управления. В эту же группу входит часть отказов, изменяющих
вибросигналы, но в области недопустимо низкого отношения сигнал/шум. Результатом
плохой предсказуемости таких отказов являются значительные потери, обусловленные
внеплановыми или аварийными остановами ГТА.
Информационный
микроскоп
предназначен
для
существенного
увеличения
интервала упреждения в выявлении отказов ГТА таким образом, чтобы средняя наработка
на отказ увеличивалась не менее, чем в 2 раза. Методическую основу такого улучшения
прогнозных возможностей специального ПО ИМ составляют два принципа:

использование
низкоамплитудных
низкочастотных
колебаний
контролируемых
параметров в качестве основного детектора изменений технического состояния (анализ
параметрических флуктуаций);

использование новой схемы взаимодействия между ПО специальной графической 3Dсистемы базового РС-компьютера и ПО искусственной нейросети.
Базовая вычислительная архитектура ИМ реализует трехэтапную процедуру анализа
цифровых данных:

по исходным данным формируются массивы низкоамплитудных колебаний;

полученные массивы используются для формирования топологического представления
этих данных в виде 3D-объекта, получившего название «3D-микрограмма»;

на третьем этапе анализа 3D-микрограмма, отражающая техническое состояние
объекта, распознается с помощью искусственной нейросети.
Такая вычислительная архитектура позволяет значительно оптимизировать взаимодействие
традиционного PC-компьютера (компьютера фон Неймана) и нейросети, и в итоге значительно
увеличить интервал упреждения в выявлении отказов.
Кроме вычислительной архитектуры ИМ принципиально отличается от стандартных
нейросетевых систем параметрической диагностики наличием специальной интерактивной
функции визуализации 3D-микрограмм. Эта функция позволяет непосредственно видеть
динамику изменения 3D-микрограмм и легко интерпретировать наблюдаемые изменения,
что недоступно для традиционных нейросетей. Это качество резко увеличивает доверие
оперативного персонала к автоматическим рекомендациям ИМ.
Встраивание ИМ в штатную систему мониторинга рабочих параметров ГТА
обеспечивает:

увеличение средней наработки на отказ не менее, чем в 22,5 раза;

увеличение коэффициента готовности до величины не менее 0.994;

увеличение коэффициента надежности пуска до величины не менее 0.98;

поэтапное внедрение планового техобслуживания отдельных агрегатов ГТА по
состоянию, а не по наработке;

дополнительный прогнозирующий контроль на этапах эксплуатации с продлением
межремонтных ресурсов.
В
базовом
варианте
аппаратные
компоненты
ИМ
содержат
два
локальных
автоматизированных рабочих места (АРМ), подсоединяемых к штатной системе удаленного
мониторинга рабочих параметров. Первый АРМ - для оперативного персонала, эксплуатирующего
ГТА. Второй АРМ – для удаленного сервисного центра изготовителя. Такая вычислительная
архитектура обеспечивает достижение наибольшей функциональной надежности ИМ при решении
задач ранней диагностики и прогнозирования неисправностей.
ПО ИМ после соединения с локальной сетью системы мониторинга должно быть
адаптировано к базе технологических данных (список параметров, допусковые границы, тексты
критических сообщений и т.п. данные эксплуатационной документации). Адаптация и пусконаладочные работы выполняются изготовителем ИМ с помощью системы настройки ИМ.
1/--страниц
Пожаловаться на содержимое документа