Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи

Технологии мониторинга технических объектов дают возможность по комбинациям оценок среднего квадратического отклонения, математического ожидания, плотности распределения, ее максимума и точек перегиба помехи каждого зашумленного сигнала в отдельности, а также всех поступающих сигналов вместе определ...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2019
Hauptverfasser:	Алиев, Т.А., Мусаева, Н.Ф.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут кібернетики ім. В.М. Глушкова НАН України 2019
Schriftenreihe:	Проблемы управления и информатики
Schlagworte:	Технические средства для измерений и управления
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/180838
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи / Т.А. Алиев, Н.Ф. Мусаева // Проблемы управления и информатики. — 2019. — № 5. — С. 114-124. — Бібліогр.: 20 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-180838
record_format	dspace
spelling	irk-123456789-1808382021-10-21T01:26:26Z Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи Алиев, Т.А. Мусаева, Н.Ф. Технические средства для измерений и управления Технологии мониторинга технических объектов дают возможность по комбинациям оценок среднего квадратического отклонения, математического ожидания, плотности распределения, ее максимума и точек перегиба помехи каждого зашумленного сигнала в отдельности, а также всех поступающих сигналов вместе определить начальный период зарождения и динамику развития неисправности, причем для каждого отдельно промышленного объекта применение предложенной технологии следует применять с учетом специфики исследуемого объекта. Показано, що технологія моніторингу технічних об’єктів із застосуванням комбінацій оцінок середнього квадратичного відхилення, математичного очікування, щільності розподілу, її максимуму і точок перегину завади кожного зашумленого сигналу окремо, а також всіх сигналів, що надходять, дають можливість визначити початковий період зародження несправності і динаміку її розвитку. Розглянуто специфіку застосування щільності розподілу завади зашумленого сигналу при відмінному від нуля математичному очікуванні для раннього моніторингу аварій різних технічних об’єктів. It is shown that the technologies for monitoring technical objects using combinations of estimates of the mean square deviation, mathematical expectation, distribution density, its maximum and inflection points of each noisy signal separately and of all incoming signals together make it possible to determine the initial period of initiation of malfunction and the dynamics of its development. The specifics of using the noise distribution density of a noisy signal with a non-zero mathematical expectation for early monitoring of accidents of various technical objects are considered. 2019 Article Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи / Т.А. Алиев, Н.Ф. Мусаева // Проблемы управления и информатики. — 2019. — № 5. — С. 114-124. — Бібліогр.: 20 назв. — рос. 0572-2691 http://dspace.nbuv.gov.ua/handle/123456789/180838 519.216 ru Проблемы управления и информатики Інститут кібернетики ім. В.М. Глушкова НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Технические средства для измерений и управления Технические средства для измерений и управления
spellingShingle	Технические средства для измерений и управления Технические средства для измерений и управления Алиев, Т.А. Мусаева, Н.Ф. Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи Проблемы управления и информатики
description	Технологии мониторинга технических объектов дают возможность по комбинациям оценок среднего квадратического отклонения, математического ожидания, плотности распределения, ее максимума и точек перегиба помехи каждого зашумленного сигнала в отдельности, а также всех поступающих сигналов вместе определить начальный период зарождения и динамику развития неисправности, причем для каждого отдельно промышленного объекта применение предложенной технологии следует применять с учетом специфики исследуемого объекта.
format	Article
author	Алиев, Т.А. Мусаева, Н.Ф.
author_facet	Алиев, Т.А. Мусаева, Н.Ф.
author_sort	Алиев, Т.А.
title	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи
title_short	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи
title_full	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи
title_fullStr	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи
title_full_unstemmed	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи
title_sort	технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи
publisher	Інститут кібернетики ім. В.М. Глушкова НАН України
publishDate	2019
topic_facet	Технические средства для измерений и управления
url	http://dspace.nbuv.gov.ua/handle/123456789/180838
citation_txt	Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи / Т.А. Алиев, Н.Ф. Мусаева // Проблемы управления и информатики. — 2019. — № 5. — С. 114-124. — Бібліогр.: 20 назв. — рос.
series	Проблемы управления и информатики
work_keys_str_mv	AT alievta tehnologiirannegomonitoringatehničeskihobʺektovsprimeneniemocenokplotnostiraspredeleniâpomehi AT musaevanf tehnologiirannegomonitoringatehničeskihobʺektovsprimeneniemocenokplotnostiraspredeleniâpomehi
first_indexed	2025-07-15T21:10:53Z
last_indexed	2025-07-15T21:10:53Z
_version_	1837748826230751232
fulltext	© Т.А. АЛИЕВ, Н.Ф. МУСАЕВА, 2019 114 ISSN 0572-2691 УДК 519.216 Т.А. Алиев, Н.Ф. Мусаева ТЕХНОЛОГИИ РАННЕГО МОНИТОРИНГА ТЕХНИЧЕСКИХ ОБЪЕКТОВ С ПРИМЕНЕНИЕМ ОЦЕНОК ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ ПОМЕХИ Ключевые слова: помеха с отличным от нуля математическим ожиданием, зашумленный сигнал, плотность распределения, система контроля, диагностика мониторинга. Введение Известно, что чрезвычайные ситуации возникают в результате негодности производственных фондов, ветшания технологического оборудования, износа систем противоаварийной защиты, нарушения производственного процесса, отсутствия непрерывного контроля за состоянием технологического процесса, нарушения технологии производства и т.д. [1]. К авариям приводят поврежде- ния, поломки, коррозии, выход из строя агрегатов, двигателей, оборудования, машин, станков, механизмов, разрушение строительных сооружений, систем жизнеобеспечения зданий и т.д. Например, основными причинами, приводящими к разрушению строи- тельной конструкции, могут быть визуально невидимые дефекты, которые по- являются даже при относительно слабых, но частых сейсмических воздействи- ях на высотные здания, большепролетные конструкции, спортивные сооруже- ния, строительные конструкции, энергетические объекты, промышленные объекты и т.д. Кроме того, основными причинами аварий строительных объ- ектов и конструкций являются также внешние техногенные (неравномерные деформации основания) и природные воздействия (снег, ветер, вода, темпера- тура и т.п.); превышение эксплуатационных нагрузок и износ; ошибки при проектировании; экстремальные воздействия в результате пожара, взрыва и т.д. [1]. При бурении основными видами аварий являются прихваты, поломка и от- винчивание бурильных труб, поломка в скважине долот и турбобуров, падение бурильного инструмента и других предметов в скважину. Подобные аварии могут возникнуть при резком изменении гидравлического давления в скважине в ре- зультате выброса, нарушения целостности ствола скважины, заклинивания бу- рильной и обсадной колонн и т.д. Аварии на объектах теплоснабжения, к которым относятся теплотрассы, ко- тельные установки, когенерационные станции и т.д., происходят в результате по- вреждений, коррозий, дефектов и т.д. в трубопроводах, тепловых сетях, котлах и общекотельном оборудовании и т.д. [1]. Для того чтобы в вышеуказанных случаях исключить перерастание мел- ких повреждений в крупномасштабную чрезвычайную ситуацию, необходимо своевременно выявить возникшие неполадки на ранней стадии и провести профилактические и ремонтные работы [1]. Для этого на технических объек- тах совершенствуются технологические процессы, повышается надежность технологического оборудования и систем, применяются конструкторские и  Работа выполнена при финансовой поддержке Научного фонда Государственной нефтяной компании Азербайджана SOCAR. Международный научно-технический журнал «Проблемы управления и информатики», 2019, № 5 115 технологические решения, используется высококачественное сырье, материа- лы, комплектующие изделия, используются и совершенствуются системы тех- нологического мониторинга, контроля, технической диагностики, безаварий- ной остановки производства, проводится локализация и подавление аварий- ных ситуаций и т.д. Это особенно важно, например, на объектах нефтяной, химической и газовой промышленности; на предприятиях, которые произво- дят, используют, хранят и транспортируют взрыво- и огнеопасные вещества и материалы, ядовитые вещества [1]. Однако перечисленные мероприятия и работы не дают возможность выявить дефекты на начальном периоде их появления, когда они еще находятся в скрытом виде. Поэтому для раннего обнаружения техногенных ситуаций и мониторинга аварий необходимо разработать алгоритмы обнаружения раннего периода зарож- дения дефекта, определить динамику развития неисправности, своевременно опо- вестить обслуживающий персонал о необходимости остановки и проведения про- филактических ремонтных работ. В последние годы для решения этих задач разработаны методы, основанные на оценке текущего технического состояния производственных объектов с ис- пользованием характеристик помехи [2–15]. В данной работе предлагаются технологии раннего мониторинга техниче- ских объектов на основе анализа оценок плотности распределения помехи, имеющей отличное от нуля математическое ожидание. С помощью этой ин- формации система мониторинга может формировать информацию о целесооб- разности проведения необходимых мероприятий на раннем этапе возникнове- ния неисправности. 1. Постановка задачи Пусть от датчика, размещенного в зоне действия влияющих на объект факторов, поступает зашумленный цифровой сигнал ).(tG При стабильном состоянии объекта сигнал )(tG состоит из полезного сигнала )(tX и аддитивной помехи ),(1 t воз- никшей в результате воздействия внешних факторов: )(tG = )(tX + ).(1 t В системе мониторинга, контроля, диагностики, прогноза, управления, идентификации и т.д. при появлении износа, коррозии, трещин, поломок, повреждений, выходов из строя агрегатов, двигателей, механизмов, разрушений строительных соору- жений, систем жизнеобеспечения зданий и т.д. также возникает помеха ).(2 t Тогда зашумленный сигнал )(tG можно представить в виде )(tG = )(tX + ),(t где )(t = )(1 t + ).(2 t Сигналы )(tX , ),(t )(tG являются случайными стационарными эргодиче- скими процессами, и помеху )(t невозможно выделить из ).(tG Для зашумленно- го сигнала )(tG можно вычислить математическое ожидание ,Gm дисперсию ,GD среднее квадратическое отклонение ,G корреляционную функцию )(GGR [16–9]:    N i G tiG N m 1 ),( 1 ,])([ 1 1 2    N i GG mtiG N D ,GG D (1)    N i GG tiGtiG N R 1 ),)(()( 1 )(  где t — шаг дискретизации,  = 0, ,t ,2 t … — временной сдвиг. 116 ISSN 0572-2691 При этом сигнал )(tX оценивает текущее состояние исследуемого процесса. Априори известно, что помеха )(t имеет нормальное распределение ),;(   mN и нулевое среднее .0m Кроме того, помеха )(t не коррелирована с полезным сигналом, причем в момент зарождения дефекта время корреляции шума )(t меньше времени корреляции полезного сигнала. Поскольку стационарная случайная помеха )(t — эргодическая, то ее мате- матическое ожидание m и среднее квадратическое отклонение  имеют одно и то же значение для любого из случайных сигналов, входящих в совокупность. Поэтому функцию плотности нормального распределения )(),;(   NmN помехи представим . 2 1 )( 2 2 2 )(         m eN (2) При этом следует отметить, что дисперсия D помехи )(t , входящая в формулу (2), состоит из дисперсии 1 D помехи )(1 t от внешних факторов и дисперсии 2 D помехи )(2 t в результате образования неисправности: D = = 1 D + . 2 D Предполагается, что дисперсия 1 D помехи )(1 t от внешних факторов постоянна или же изменения внешних воздействий поддаются кон- тролю. Дисперсия 2 D помехи )(2 t , возникшей в результате дефекта, не поддается контролю. Поэтому по виду и динамике изменения функции плот- ности распределения )(N помехи )(t можно судить об изменениях, проис- ходящих в техническом состоянии исследуемого объекта, так как различным степеням неисправности соответствуют различные виды кривой )(N . Поэто- му ниже предлагаются технологии раннего мониторинга различных конкрет- ных технических объектов на основе анализа оценок плотности распределения )(N помехи )(t с отличным от нуля математическим ожиданием. 2. Алгоритмы вычисления оценок плотности распределения помехи с отличным от нуля математическим ожиданием для определения раннего периода и динамики развития неисправностей технических объектов Из формулы (2) очевидно, что для определения плотности распределения поме- хи )(t необходимо вычислить среднее квадратическое отклонение   D и математическое ожидание m . Так как помеха )(t распределена по нормальному закону с нулевым средним ,0m то задача сводится к вычислению параметра  и построению доверительного интервала для оценки математического ожидания. Вычислим сначала дисперсию D помехи, используя выражение (1) ,)))(())(())(()(( 1 )( 1    N i GG titiXtitiX N R  ,)()( XmtiXtiX      N i X tiX N m 1 )( 1 — математическое ожидание ).(tX Учитывая, что сигнал )(tX и помеха )(t некоррелированы, т.е. ,0))(()( 1 1   N i titiX N  ,0))(()( 1 1   N i tiXti N  Международный научно-технический журнал «Проблемы управления и информатики», 2019, № 5 117 можно написать [2–15]: )(GGR = )(XXR + ),(R (3) где    N i XX tiXtiX N R 1 ))(()( 1 )(  — корреляционная функция ),(tX  )(R    N i titi N 1 ))(()( 1 — корреляционная функция помехи )(t . При этом на практике для таких инфранизкочастотных медленно протекающих технологических процессов: нефтепереработка, нефтехимия, когда t значи- тельно мало по сравнению со временем наблюдения ,T помеха )(t формируется из высокочастотных спектров в результате возникновения таких неисправностей, как износ, коррозия, нагарообразование и т.д. и имеет более высокий спектр, чем сама полезная составляющая )(tX . Значение же полезной составляющей за вре- мя t не успевает измениться, и )( ttX  совпадает со значением ),(tX т.е. )( ttX  = )(tX . (4) Это равенство выполняется для случаев, когда T составляет, например, 10–20 ча- сов, а t — секунды или минуты (в зависимости от специфики исследуемого процесса). В этом случае шаг дискретизации t выбирается исходя из конечного времени корреляции cor помехи )(t с полезным сигналом. Очевидно, что такое строгое равенство справедливо не для всех реальных процессов, а для таких, как нефтепереработка, нефтехимия. Для остальных технологических процессов допу- стимо приближенное равенство. Тогда для указанных объектов при выполнении условия (4) отношение )0( )( XX XX R tR  равно единице, т.е. [16]: ).0()( XXXX RtR  В то же время в силу того, что для случайной помехи шаг дискретизации t выбран, исходя из конечного времени корреляции cor помехи, то )(R можно представить [2–15]         .при0 ,0при)0( )( t R R (5) Поэтому, если по формуле (1) вычислить оценки корреляционной функции )(GGR зашумленного сигнала при  =0 и достаточно малом по сравнению со временем наблюдения T временном интервале tcor и найти разницу между этими оценками, получим )0(GGR – )( tRGG  = )0(XXR + )0(R – )( tRXX  – ).( tR  (6) Учитывая условия (5), (6), а также то, что оценки автокорреляционных функ- ций соответственно полезного сигнала )(tX и помехи )(t при нулевом времен- ном сдвиге  =0 представляют собой дисперсии соответственно полезного сигна- ла и помехи: )0(XXR = ,XD )0(R = ,D получаем  D = )0( GGR – ).( tRGG  (7) В работах [2–15] была выведена формула вычисления дисперсии помехи для более общего случая, когда шаг дискретизации t выбран, исходя из частот- 118 ISSN 0572-2691 ной полосы спектра помехи )(t , т.е. ),2/(1  ft где f — частота среза по- мехи (герц), а также имеется корреляция между полезным сигналом )(tX и помехой )(t :  D = )0( GGR – 2 )( tRGG  + ).2( tRGG  (8) После вычисления среднего квадратического отклонения   помехи можно определить доверительный интервал для математического ожидания 0m по- мехи. Известно, что доверительный интервал для оценки математического ожида- ния при известном среднем квадратическом отклонении вычисляется по выраже- нию [19]                 N zm N zm pp ; , (9) где pz можно найти, задавая определенную доверительную вероятность p );(1 z например, для вероятности p = 0,95 имеем ;96,195,0 z N — объем выборки. Тогда с учетом выражений (7)–(9) и условия 0m можно вычислить уточ- ненную оценку математического ожидания  m помехи: . N zm p      (10) Принимая во внимание (2), (7)–(10), предлагается вычислять плотность рас- пределения )(N нормально распределенной помехи )(t по выражению , 2 1 ))(( 2 2 )(2 ))((             mi eiN (11) где дискретные значения функции плотности распределения )(N помехи )(t вычисляются в интервале ,3     m т.е. при .3)(3          mtm Максимум функции плотности нормального распределения ))((max iN  поме- хи, который находится в точке ,m определяется по выражению         2 1 )(max mN           случая.общегодля ))2()(2)0((2 1 случая,частногодля ))()0((2 1 tRtRR tRR GGGGGG GGGG (12) Точки перегиба с координатами                 e m 2 1 ; и                 e m 2 1 ; вычисляются по выражениям: — для первой и второй точек по оси абсцисс: Международный научно-технический журнал «Проблемы управления и информатики», 2019, № 5 119  1A               случая;общегодля))2()(2)0(( ))()0(( случая,частногодля))()0(( ))()0(( tRtRR N tRR z tRR N tRR z GGGGGG GGGG p GGGG GGGG p (13)  2A               случая;общегодля))2()(2)0(( ))()0(( случая,частногодля))()0(( ))()0(( tRtRR N tRR z tRR N tRR z GGGGGG GGGG p GGGG GGGG p (14) — для первой и второй точек по оси ординат:           случая.общегодля ))2()(2)0((2 1 случая,частногодля ))()0((2 1 etRtRR etRR O GGGGGG GGGG (15) 3. Технологии раннего мониторинга технических объектов на основе анализа оценок плотности распределения помехи Для обнаружения появления дефекта на ранней стадии необходимо создать банк данных, состоящий из оценок характеристик помехи, полученных в различ- ные моменты времени ,it ,3,2,1i Для обработки этих данных предлагается следующий алгоритм. 1. В момент времени ,1t когда объект находится в нормальном режиме эксплуатации, по выражениям (7)–(15) вычисляются значения характеристик помехи , 1  t D , 1   t , 1  t m )),((1 iNt  ),(max,1    mNt ,1 1  tA ,2 1  tA .1  tO Полученные значения заносятся в банк данных в виде информативных признаков: 1tS ],21)())(([ 111max,11111          ttttt OEAEAEmNiNmD ttt где отмеча- ется, что в техническом состоянии объекта нет неисправностей. Данные значения фиксируются как характеристики помехи от внешнего воздействия и предполага- ется, что внешние помехи находятся в неизменном состоянии. 2. Затем аналогичные характеристики помехи , 2  t D , 2   t , 2  t m )),((2 iNt  ),(max,2    mNt ,1 2  tAE ,2 2  tAE  2tOE вычисляются в момент времени 2t и также заносятся в банк данных информативных признаков .2tS Проводится анализ оценок помехи, полученных в моменты времени 1t и ,2t и делаются выводы. Если   1t D =   2t D ,   1t = , 2   t   1t m = , 2  t m ))((1 iNt  = = ))((2 iNt  , )0(max,1  tN = ),0(max,2  tN  11tAE = ,1 2  tAE  12tAE = ,2 2  tAE  1tOE = ,2  tOE то это означает, что техническое состояние объекта стабильное и неисправности не наблюдаются. Если   1t D ≠ , 2  t D   1t ≠ , 2   t   1t m ≠ , 2  t m ))((1 iNt  ≠ )),((2 iNt  )0(max,1  tN ≠ ≠ ),0(max,2  tN  11tAE ≠ ,1 2  tAE  12tAE ≠ ,2 2  tAE  1tOE ≠ ,2  tOE то имеется неисправ- 120 ISSN 0572-2691 ность. Причем если   1t D >   2t D ,   1t  >   2t  , то это означает, что имеется дефект, его следует выявить и провести ремонтные работы. Если   1t D ≫ , 2  t D   1t ≫ ≫ , 2   t то это означает, что появился дефект, который интенсивно развивается. Тогда для вектора информативных признаков 2tS устанавливается соответствие между значениями характеристик помехи и степенью этого вида дефекта. 3. Затем характеристики помехи , 3  t D , 3   t , 3  t m )),((3 iNt  ),(max,3    mNt ,1 3  tAE ,2 3  tAE  3tOE вычисляются в момент времени ;3t полученные значения также заносятся в банк данных информативных признаков .3tS Если   3t D ≫ ≫ , 2  t D   3t ≫ , 2   t то это означает, что повреждение интенсивно развивается. Тогда в векторе информативных признаков этим значениям характеристик поме- хи ставится в соответствие состояние «быстро развивающаяся степень дефекта». В этом случае необходимо остановить работу оборудования во избежание воз- никновения аварии. 4. Затем характеристики помехи вычисляются в моменты времени ,4t ,5t … …, nt , и для каждого момента времени составляется банк информативных при- знаков ,4tS ,5tS …, .tnS При этом для каждого из этих векторов устанавливается соответствие между значениями характеристик помехи и степенью развития дан- ного вида дефекта. Составляется матрица информативных признаков динамики развития данного вида неисправности технического объекта:                                                            tntntnttnn ttttt ttttt ttttt OAAmNNmD OAAmNNmD OEAEAEmNNmD OAAmNNmD S tntn ttt ttt ttt 21)()( 21)()( 21)()( 21)()( max,3 333max,33 222max,22 111max,11 333 222 111  . (16) 5. Для других видов дефектов составляются аналогичные матрицы информа- тивных признаков динамики развития неисправностей технических объектов. Это дает возможность обнаружить момент возникновения дефекта и провести ранний мониторинг аварий. 4. Примеры применения технологии раннего мониторинга технических объектов на основе анализа оценок плотности распределения помехи 4.1. Технологии составления noise-матрицы раннего сейсмического мо- ниторинга строительных объектов. Проведение сейсмометрического монито- ринга строительных объектов — чрезвычайно важная задача, так как даже при от- носительно слабых, но частых сейсмических воздействиях могут появиться визу- ально невидимые дефекты, приводящие к разрушению конструкции. Ниже пред- лагается следующий алгоритм раннего мониторинга. Составляется noise-матрица информативных признаков (16). Затем после каждого маломощного землетрясе- ния начинается поиск возникшего дефекта и устанавливается соответствие между значениями характеристик помехи и видом дефекта. Одновременно в матрице влияния сейсмических воздействий на техническое состояние строительного объ- Международный научно-технический журнал «Проблемы управления и информатики», 2019, № 5 121 екта выделяется i-я строка и отмечается тип и степень тяжести повреждения. Для этого к noise-матрице (16) добавляют еще два столбца, первый соответствует виду дефекта, а второй указывает на степень его повреждения. Виды дефекта записы- ваются в закодированном виде: 1 — дефект несущей конструкции, в результате которого теряется прочность и устойчивость; 2 — дефект ограждающей кон- струкции, в результате которого сооружение ослабевает; 3 — дефект второсте- пенного элемента конструкции, в результате которого снижаются эксплуатацион- ные характеристики сооружений; 4 — дефекты механического происхождения, например изменения грунтового основания, механические воздействия; 5 — де- фекты физико-химического характера, например от коррозии, влажности, повы- шенной температуры и т.д. Таким образом, получают расширенную noise-мат- рицу технического состояния строительного объекта. При этом одному и тому же дефекту могут соответствовать различные степени повреждения: 1 — незначи- тельная, 2 — слабая, 3 — средняя, 4 — сильная, 5 — полное разрушение: . 5 4 3 2 1 5 4 3 2 1 1 1 1 1 1 21)()( 21)()( 21)()( 21)()( 21)()( 21)()( 21)()( 21)()( 21)()( 21)()( 4,54,4,4, 3,43,3,3, 2,32,2,2, 1,21,1,1, 11111 55555 44444 33333 22222 11111 4,4,4, 3,3,3, 2,2,2, 1,1,1, 111 555 444 333 222 111                                                                                                                                                                                                                                                                                        n n n n n OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD OAAmNNmD nttntntnt nttntntnt nttntntnt nttntntnt ttttt ttttt ttttt ttttt ttttt ttttt ntntnt ntntnt ntntnt ntntnt ttt ttt ttt ttt ttt ttt (17) После каждого маломощного землетрясения проводится анализ технического состояния строительного сооружения, и система мониторинга выдает сообщение о мерах, которые необходимо предпринять в данном конкретном случае: 1 — ре- монт не требуется; 2 — необходим текущий ремонт; 3 — провести капитальный ремонт; 4 — заменить поврежденную строительную конструкцию; 5 — разобрать и усилить строительную конструкцию. 4.2. Технологии составления noise-таблицы начала аварий в системе кон- троля буровых установок. В настоящее время для управления процессом бурения создаются системы контроля установки (СКУ). Однако существующие техноло- гии контроля не обеспечивают бурильщика информацией, позволяющей выявить начальный скрытый период возникновения аварий. Чаще всего этот момент уста- навливается буровым мастером интуитивно. Ниже предлагается технология определения ранней стадии зарождения де- фекта с помощью характеристик (7)–(15) помехи. Пусть от датчиков, установлен- ных на столе ротора, наверху буровой вышки и середине каркаса станка, посту- пают вибрационные сигналы ),(1 tGV ),(2 tVG ),(3 tVG которые возникли от кру- тильной, осевой и боковой вибраций, и передаются в компьютер. В компьютере 122 ISSN 0572-2691 по формулам (7)–(15) для каждого сигнала вычисляются характеристики помехи, строится график плотности распределения помехи, которые затем выдаются на экран: ,T мин: , t D ,  t , t m )),(( iNt  ),(max,    mNt ,1tA ,2tA .tO При изменении технического состояния буровой установки меняются зна- чения среднего квадратического отклонения помехи и ее математическое ожи- дание. Естественно, что при увеличении значения среднего квадратического отклонения помехи максимум плотности распределения уменьшается, кривая приобретает более плоскую форму. При изменении значения математического ожидания помехи график плотности распределения помехи перемещается вдоль оси абсцисс. При изменении формы кривой распределения меняются координаты точек перегиба. В зависимости от значений характеристик помехи для каждого отдельного зашумленного сигнала система сначала формирует предварительное решение о состоянии буровой установки. Затем, анализируя значения характеристик помехи для всех зашумленных сигналов в совокупно- сти, система выносит окончательное решение. При этом для всех сигналов вы- даются графики кривых плотности распределения с отмеченными точками пе- региба и максимумами. Эти графики сравниваются с графиками, полученными при нормальном функционировании объекта. Этим самым система оповещает о произошедших изменениях и дает возможность буровому мастеру более наглядно в этом убедиться. Одновременно система ставит в известность буро- вого мастера о степени повреждения: 1 — повреждение несущественное и воз- растает неинтенсивно и неравномерно; 2 — повреждение неощутимое и разви- вается с небольшой интенсивностью; 3 — повреждение ощутимое и развива- ется ускоренно; 4 — повреждение сильное и характеризуется интенсивным развитием. 4.3. Технологии выявления ранней стадии возникновения неисправно- стей объектов теплоснабжения. Известно, что одна из основных подсистем энергетики — теплоснабжение. Для эффективного и надежного функционирова- ния объектов теплоснабжения часто разрабатываются и внедряются системы автоматизации, которые осуществляют контроль и сигнализацию отклонения параметров, контроль за техническим состоянием трубопроводов, оперативное оповещение о режимах работы тепловых сетей, мониторинг и контроль состо- яния оборудования котлов и общекотельного оборудования, планирование ре- монтных работ и оперативное реагирование на возникающие неполадки и т.д. без остановки работы самого объекта на капитальный ремонт. Разработанные алгоритмы вычисления характеристик помехи (7)–(15) рекомендуется также применить для выявления ранней стадии возникновения неисправностей объ- ектов теплоснабжения. Это особенно важно, например, при транспортировке газа или другого горючего вещества. Заключение Технологии мониторинга технических объектов дают возможность по комбинациям оценок среднего квадратического отклонения, математического ожидания, плотности распределения, ее максимума и точек перегиба помехи каждого зашумленного сигнала в отдельности, а также всех поступающих сигналов вместе определить начальный период зарождения и динамику раз- вития неисправности, причем для каждого отдельно промышленного объекта применение предложенной технологии следует применять с учетом специфи- ки исследуемого объекта [2–15, 20]. Международный научно-технический журнал «Проблемы управления и информатики», 2019, № 5 123 Т.А. Алієв, Н.Ф. Мусаєва ТЕХНОЛОГІЇ РАННЬОГО МОНІТОРИНГУ ТЕХНІЧНИХ ОБ’ЄКТІВ ІЗ ЗАСТОСУВАННЯМ ОЦІНОК ЩІЛЬНОСТІ РОЗПОДІЛЕНИХ ЗАВАД Показано, що технологія моніторингу технічних об’єктів із застосуванням комбінацій оцінок середнього квадратичного відхилення, математичного очікування, щільності розподілу, її максимуму і точок перегину завади кожного зашумленого сигналу окремо, а також всіх сигналів, що надхо- дять, дають можливість визначити початковий період зародження неспра- вності і динаміку її розвитку. Розглянуто специфіку застосування щільно- сті розподілу завади зашумленого сигналу при відмінному від нуля мате- матичному очікуванні для раннього моніторингу аварій різних технічних об’єктів. Ключові слова: завада з відмінним від нуля математичним очікуванням, зашумлений сигнал, щільність розподілу, система контролю, діагностика моніторингу. T.A. Aliev, N.F. Musaeva TECHNOLOGIES FOR EARLY MONITORING OF TECHNICAL OBJECTS USING THE ESTIMATES OF NOISE DISTRIBUTION DENSITY It is shown that the technologies for monitoring technical objects using combi- nations of estimates of the mean square deviation, mathematical expectation, distribution density, its maximum and inflection points of each noisy signal separately and of all incoming signals together make it possible to determine the initial period of initiation of malfunction and the dynamics of its develop- ment. The specifics of using the noise distribution density of a noisy signal with a non-zero mathematical expectation for early monitoring of accidents of various technical objects are considered. Keywords: Noise with non-zero mathematical expectation, noisy signal, distribution density, control, diagnostics and monitoring system. 1. Aliev T. Noise control of the beginning and development dynamics of accidents. Switzerland : Springer. 2019. 201 p. DOI: 10.1007/978-3-030-12512-7 2. Aliev T.A. Digital noise monitoring of defect origin. New York : Springer. 2007. 223 p. DOI: 10.1007/978-0-387-71754-8 3. Aliev T.A., Musaeva N.F., Suleymanova M.T. Density function of noise distribution as an indica- tor for identifying the degree of fault growth in sucker rod pumping unit (SRPU). Journal of Au- tomation and Information Sciences. 2017. 49, N 4. P. 1–11. DOI: 10.1615/JAutomatInf Scien.v49.i4.10 4. Position-binary technology for processing the signals of a load for identification of the technical state of deep-well sucker-rod pumps. T.A. Aliev, O.G. Nusratov, G.A. Guluev, As.G. Rzaev, F.G. Pashaev, M.G. Rezvan. Measurement Techniques. 2018. 61, N 9. P. 885–890. https://doi. org/10.1007/s11018-018-1519-x 5. Алиев Т.А., Мусаева Н.Ф., Сулейманова М.Т., Газызаде Б.И. Чувствительные алгоритмы выявления степени развития неисправности штанговой глубинной насосной установки. Мехатроника, автоматизация, управление. 2017. 18, № 2. С. 94–102. DOI: 10.17587/mau. 18.91-102 6. Aliev T.A., Musaeva N.F. An algorithm for eliminating microerrors of noise in the solution of statistical dynamics problems. Automation and remote control. 1998. 59 (2), N 5. P. 679–688. https://link.springer.com/article/10.1007/s11018-018-1519-x https://link.springer.com/article/10.1007/s11018-018-1519-x https://doi.org/10.17587/mau.18.91-102 https://doi.org/10.17587/mau.18.91-102 http://www.refdoc.fr/?traduire=en&FormRechercher=submit&FormRechercher_Txt_Recherche_name_attr=auteursNom:%20(ALIEV) http://www.refdoc.fr/?traduire=en&FormRechercher=submit&FormRechercher_Txt_Recherche_name_attr=auteursNom:%20(MUSAEVA) 124 ISSN 0572-2691 7. Aliev T.A., Musaeva N.F., Suleymanova M.T., Gazizade B.I. Analytic representation of the den- sity function of normal distribution of noise. Journal of Automation and Information Sciences. 2015. 47(8), N 4. P. 24–40. DOI: 10.1615/JAutomatInfScien.v47.i8.30 8. Aliev T.A., Musaeva N.F., Suleymanova M.T., Gazizade B.I. Technology for calculating the pa- rameters of the density function of normal distribution of the useful component in a noisy process. Journal of Automation and Information Sciences. 2016. 48, N 4. P. 35–55. DOI: 10.1615/ JAutomatInfScien.v48.i4.50 9. Aliev T.A., Musaeva N.F., Gazizade B.I. Algorithms of building a model of the noisy process by correction of the law of its distribution. Journal of Automation and Information Sciences. 2017. 49, N 9. P. 61–75. DOI: 10.1615/ JAutomatInfScien.v49.i9.50 10. Aliev T.A., Musaeva N.F., Suleymanova M.T. Algorithms for Indicating the Beginning of Accidents Based on the Estimate of the Density Distribution Function of the Noise of Technological Parameters. Automatic Control and Computer Science. 2018. 52, N 3. P. 231–242. DOI: 10.3103/S0146411618030021 11. Musaeva N.F. Robust method of estimation with «contaminated» coarse errors. Automatic Cont rol and Computer Sciences. 2003. 37, N 6. P. 50–63. https:// elibrary.ru/contents.asp? id=33405883 12. Aliev T.A., Musaeva N.F. Statistical identification with error balancing. Journal of computer and systems sciences international. 1996. 34, N 5. P. 119–124 13. Aliev T.A., Musaeva N.F. Algorithms for improving adequacy of statistical identification. Jour- nal of computer and systems sciences International, 1997. 36, N 3. P. 363–369. https://www. tib.eu/en/search/id/olc%3A1518633188/Algorithms-for-Improving-Adequacy-of-Statistical 14. Aliev T.A., Musaeva N.F., Gazizade B.I. Algorithm of application of high-order moments of the useful component as a diagnostic indicator of changes in the technical state. Journal of Automa- tion and Information Sciences. 2018. 50, N 11. P. 29-43. https:// DOI: 10.1615/JAuto- matInfScien.v50.i11.30 15. Aliev T.A., Musaeva N.F., Gazizade B.I. Algorithms for calculating high-order moments of the noise of noisy signals. Journal of Automation and Information Sciences. 2018. 50, N 6. P. 1–13. https:// DOI: 10.1615/JAutomatInfScien.v50.i6.10. 16. Техническая кибернетика. Кн. 2. Под ред. В.В. Солодовникова. М. : Машиностроение, 1967. 496 с. 17. Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные приложения. 5-е изд. М. : КНОРУС, 2013. 448 с. 18. Пугачев В.С. Теория вероятностей и математическая статистика. 2-е изд. М. : Физматлит, 2002. 398 с. 19. Иванова В.М., Калинина В.Н., Нешумова Л.А., Решетникова И.О. Математическая стати- стика. М. : Высшая шк., 1975. 398 с. 20. Abbasov A.M., Маmеdоva М.H., Orujov G.H.Aliyev H.B. Synthesis of the methods of subjective knowledge representations in problems of fuzzy pattern recognition. Mechatronics. 2001. N 11. P. 439–449. Получено 18.06.2019 http://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=1&SID=F6arLwWxoPxgiiUzNY1&page=2&doc=13 http://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=1&SID=F6arLwWxoPxgiiUzNY1&page=2&doc=12 Journal%20of%20computer%20and%20systems%20sciences%20International,%201997.%2036,%20N 3.%20P.%20363–369%20 Journal%20of%20computer%20and%20systems%20sciences%20International,%201997.%2036,%20N 3.%20P.%20363–369%20

Технологии раннего мониторинга технических объектов с применением оценок плотности распределения помехи

Institution

Ähnliche Einträge