Содержание

Введение…………………………………………………………………….3

1. История дисциплины «Техническая диагностика»…………….....6

2. Теоретические принципы технической диагностики……………10

Заключение………………………………………………………………..17

Литература………………………………………………………………...18

Введение

Техническая диагностика - научно-техническая дисциплина, изучающая и устанавливающая признаки дефектов технических объектов, а также методы и средства обнаружения и поиска (указания местоположения) дефектов. Основной предмет технической диагностики — организация эффективной проверки исправности, работоспособности, правильности функционирования технических объектов (деталей, элементов, узлов, блоков, заготовок, устройств, изделий, агрегатов, систем, а также процессов передачи, обработки и хранения материи, энергии и информации), то есть организация процессов диагностирования технического состояния объектов при их изготовлении и эксплуатации, в том числе во время, до и после применения по назначению, при профилактике, ремонте и хранении. Диагностирование — одна из важных мер обеспечения и поддержания надёжности технических объектов. [1]

Диагностирование осуществляется либо человеком непосредственно (например, внешним осмотром, «на слух»), либо при помощи аппаратуры. Объект и средства его диагностирования в совокупности образуют систему диагностирования. Взаимодействуя между собой, объект и средства реализуют некоторый алгоритм диагностирования. Результатом является заключение о техническом состоянии объекта — технический диагноз, например: «радиоприёмник исправен», «станок неработоспособен», «в телевизоре отказал частотный детектор». Различают системы тестового и функционального диагностирования. Системы первого вида применяют при изготовлении объекта, во время его ремонта и профилактики и при хранении, а также перед применением и после него, когда необходимы проверка исправности объекта или его работоспособности и поиск дефектов. В этом случае на объект диагностирования подаются специально организуемые тестовые воздействия. Системы второго вида применяют при использовании объекта по назначению, когда необходимы проверка правильности функционирования и поиск дефектов, нарушающих последнее. При этом на объект поступают только предусмотренные его алгоритмом функционирования (рабочие) воздействия. Разработка и создание систем диагностирования включают: изучение объекта, его возможных дефектов и их признаков; составление математических моделей (формализованного описания) исправного (работоспособного) объекта и того же объекта в неисправных состояниях; построение алгоритмов диагностирования; отладку и опробование системы.

В изучении объектов большое значение имеет их классификация по различным признакам, например по характеру изменения значений параметров, по виду потребляемой энергии и т. п. Изучение дефектов проводится с целью определения их природы, причин и вероятностей возникновения, физических условий их проявления, условий обнаружения и т. п.

Математическая модель объекта диагностирования (детерминированная или вероятностная) — описание объекта в исправном и в неисправном его состояниях в виде формальных зависимостей между возможными воздействиями на объект и его реакциями на эти воздействия [7]. Модели (даже исправных объектов), используемые при диагностировании, могут отличаться от моделей, используемых при проектировании тех же объектов. Например, для диагностирования технического состояния шумящих объектов моделями могут служить кривые шума или вибрации (при так называемых акустических методах технической диагностики), а в микроэлектронной технологии или в сварочном производстве — изображения объектов в рентгеновских лучах (при неразрушающем контроле).

Алгоритм диагностирования предусматривает выполнение некоторой условной или безусловной последовательности определённых экспериментов с объектом. Эксперимент характеризуется тестовым или рабочим воздействием и составом контролируемых признаков, определяющих реакцию объекта на воздействие. Различают алгоритмы проверки и алгоритмы поиска. Алгоритмы проверки позволяют обнаружить наличие дефектов, нарушающих исправность объекта, его работоспособность или правильность функционирования. По результатам экспериментов, проведённых в соответствии с алгоритмом поиска, можно указать, какой дефект или группа дефектов (из числа рассматриваемых) имеются в объекте.

Средства диагностирования являются носителями алгоритмов диагностирования, хранят возможные реакции объекта на воздействия, вырабатывают и подают на объект тестовые воздействия, «читают» фактические реакции объекта и ставят диагноз, сравнивая фактические реакции с возможными. Их делят на аппаратурные, программные и программно-аппаратурные (средства двух последних категорий применяют для диагностирования технического состояния ЭВМ, работающих по сменной программе). Аппаратурные средства бывают внешние (по отношению к объекту) и встроенные. Первые применяются в основном в системах тестового, вторые — функционального диагностирования. Внешние аппаратурные средства могут быть автоматическими, автоматизированными или с ручным управлением, универсальными или специализированными. [1]

1. История дисциплины «Техническая диагностика»

С начала 1970-х годов проблеме диагностики и изоляции отказов динамических процессов стали уделять все большее внимание. Было изучено и разработано большое количество методологий основанных на физической и аналитической избыточности.

В 1973 году Джонс представил, например, хорошо известный метод «фильтров выявления отказов» для линейных систем. Виллски обобщил ранние исследования в этой области. Ролт рассмотрел применение методов идентификации к выявлению отказов реактивных двигателей. Методы корреляции были применены для выявления протечек Изерманом.

Первая книга по методам диагностики, основанным на моделях, применительно к химическим процессам была опубликована Химмелблау в 1978. Выявление отказов датчиков, основанное на аналитической избыточности наблюдателей было предложено Кларком.

Использование методов оценки параметров для выявления отказов технических систем было продемонстрировано Холлманом, Гейгером, Филбертом и Метсгером. Развитие методов выявления отказов процесса, основанное на моделировании, оценке параметров и состояния, было обобщено Изерманом. Методы вектора равенства были изначально предложены Шой и Вилски, а затем в дальнейшем доработаны Патоном и Ченом.

Методы частотной области обычно применяются, когда воздействие, как отказов, так и возмущений имеет частотные характеристики, отличающиеся друг от друга и, следовательно, частотный спектр служит критерием различения отказов. Данные методы рассматриваются в работах Франка и Динга.

Задача отделения рассогласований от возмущений рассматривается в нескольких статьях. Например, Шоу и Вилски, Чанг, Спейер, Лю и др. предложили оптимальные надежные отношения равенства, а Энами и Наэни выдвинули концепцию порогового селектора. Чен и Патон для выполнения надежной диагностики использовали метод отделения возмущений. Метод Патона и Чена интересен в противопоставлении с методом Шоу и Вилски, которые минимизировали моделируемую неопределенность, для нескольких рабочих точек. Патон и Чен рассматривали эту проблему непосредственно при оценке оптимальной матрицы неизвестных входных возмущений в диапазоне рабочих точек и использовали метод распределения собственных чисел. [11]

Широко распространены традиционные подходы диагностики отказов, основанные на методах «аппаратной (или физической)» избыточности, которые используют дополнительные наборы датчиков, исполнительных механизмов, компьютеров и программного обеспечения для измерения и/или управления отдельными переменными. Основные недостатки этих методов аппаратной избыточности – дополнительное оборудование и стоимость технического обслуживания, а так же дополнительное пространство, требуемое для размещения оборудования.

В последнее время в этом направлении появилось несколько альтернативных решений, позволяющих проводить диагностику отказов в сложных и неопределенных системах. Самым многообещающим из них является использование для моделирования нелинейных динамических систем и диагностики отказов нейронных сетей.

Нейронные сети достаточно широко используются во многих инженерных областях, но с их использованием также возникают некоторые трудности. Первой проблемой является то, что в большинстве случаев нейронные сети использовались только для работы со статическими процессами. Таким образом, поведение нейронной сетей при моделировании нелинейных динамических процессов является достаточно неопределенным и слабо изученным. Вторая трудность заключается в том, что зачастую нейронные сети использовались лишь в качестве классификаторов отказов. Остальные возможности нейронных сетей при этом не использовались. Обычно нейронные сети использовались для определения возможных отказов или других изменений в системе по ее выходам. Такой подход использования только лишь выходов системы для диагностики отказов мог быть корректным для статических систем, но в динамических системах изменение их входов может значительно повлиять на их выходы. Таким образом, такой метод диагностики, который только анализирует выходную информацию, может давать неправильные оценки о состоянии системы в те моменты времени, когда изменяются ее входные характеристики.

В последнее десятилетие были разработаны несколько эффективных методов обнаружения основных дефектов машин и оборудования по вибрации на этапе их зарождения. Они основаны, главным образом, на анализе высокочастотной вибрации, для возбуждения которой не нужны большие колебательные силы, но и проявляется она только в месте их действия, быстро затухая при распространении. Такие методы стали использоваться диагностами многих стран для перехода от вибрационного мониторинга к глубокой диагностике. Параллельно развивались методы автоматизации алгоритмов диагностики, что позволило ряду производителей диагностических систем заменить программным обеспечением экспертов при решении типовых диагностических задач. Доля таких задач очень высока и превышает девяносто процентов от всех задач, решаемых путем анализа сигналов вибрации. Первые автоматические системы вибрационной диагностики были разработаны в 1991-1992 годах и постоянно совершенствовались. [7]

В 1998 году появилось новое поколение систем автоматической диагностики машин по вибрации, разработанное совместно специалистами России и США, и объединившее лучшие свойства, как систем мониторинга, так и систем диагностики.

Задача построения диагностических моделей также может решаться на основе различных подходов. Среди которых наиболее оптимальным средством для обеспечения высокой точности, хороших аппроксимационных свойств и логической прозрачности представляются нейро-нечеткие сети. [9]

2. Теоретические принципы технической диагностики

Сложные системы, в том числе и технические, требуют обеспечения высокого уровня качества функционирования и надежности. Это требование становится особенно актуальным в случае, кода от работы системы зависит выполнение поставленной оперативно-функциональной задачи, сопряженной с опасностью потери человеческих жизней или значительных капитальных финансовых вложений. Резервом повышения надежности является переход от планово-предупредительного обслуживания и ремонта к обслуживанию и ремонту по действительному техническому состоянию. Использование этой стратегии обслуживания требует широкого применения средств и методов автоматизированного контроля и диагностирования. В связи с этим возникает необходимость обеспечения такого свойства изделия (объекта технического диагностирования), которое позволило бы с минимальными затратами достоверно определить его техническое состояние. Функционирование сложных технических систем, в особенности электронных, в структурах управления оперативно-функциональными объектами, весьма чувствительных к внешним влияниям (излучение, температура, влажность, механические воздействия, биологическая агрессивность, и т.д.), с течением времени может не только изменять свои параметры в допустимых пределах, но катастрофически приводить их к таким значениям, которые не только не совместимы с их нормальной работой, но опасны для окружающей среды и могут явиться причиной самоликвидации (разрушения). Распознавание и прогнозирование таких ситуаций выходит за пределы простой диагностики.

Во-первых, это сопряжено с неточностью получаемой информации и ограниченностью числа параметров диагностирования по мере старения системы или несанкционированного доступа к ней. Во-вторых, с недостаточностью точек контроля системы, в особенности в условиях кратных дефектов. В-третьих, отсутствием своевременного мониторинга и прогнозирования поведения окружающей среды, влияющей на процесс работы системы в режиме реального времени. В-четвертых, для систем технической диагностики, встроенных в комплексы управления, важной составляющей является временной фактор, то есть скорость принятия решения. В-пятых, любое усложнение системы диагностирования приводит к “нежелательным”, со стороны заказчика, финансовым вложениям в их разработки и производство. [4]

Техническая система обязательно взаимодействует с внешней средой. Поэтому происходит изменение величин диагностируемых параметров под влиянием внешних условий. Прогнозирование этого влияния является составной частью встроенных систем диагностирования.

Работоспособность и качество системы диагностирования оцениваются незамедлительностью выдачи информации о местонахождении, типе и причине неисправности при проведении мониторинга технической системы и окружающей среды. Таким образом, во-первых, система диагностирования должна обладать высоким быстродействием.

Во-вторых, отысканию местонахождения дефекта способствует правильность организации поисков дефектов, которая связанна с коэффициентом глубины поиска.

В-третьих, система отыскания неисправности (дефекта) должна располагать методологией правильного распознавания и классификацией признаков дефектов любой кратности. Распознавание и классификация неисправностей определяет их тип и причину возникновения.

Решению второй проблемы посвящены исследования [2, 4, 5], первой проблеме из приводимого библиографического списка – работы [3, 6, 8], а третьей – лишь [3]. В целом, проблема быстродействия диагностических систем может быть успешно решена распараллеливанием потоков обработки диагностической информации путем применения вычислительных систем с массовым параллелизмом – нейронных сетей.

--> ЧИТАТЬ ПОЛНОСТЬЮ <--