автореферат диссертации по авиационной и ракетно-космической технике, 05.07.05, диссертация на тему:Диагностирование сложных пневмогидромеханических систем на основе математических моделей методом структурного исключения

На правах рукописи УДК 629.7.036

О

ОД

Ли Джиавел \ О ' *

Диагностирование сложных пневмогидромеханических систем на основе математических моделей методом структурного исключения

Специальность 05.07.05 "Тепловые двигатели летательных аппаратов"

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва-2000

Диссертация выполнена в Московском государственном авиационном институте (техническом университете), г. Москва.

Научный руководитель:

Официальные оппоненты:

Ведущая организация:

кандидат технических наук, доцент Коломейцев А. И.

доктор технических наук, профессор Гликман Б. Ф. кандидат технических наук, старший научный сотрудник Суриков Е. В.

Государственный научно-исследовательский институт авиационных систем, г. Москва.

Защита состоится " Т9 " ипн ш рапа в_часов на заседании

диссертационного совета К 053.18.04 в Московском государственном авиационном институте (техническом университете) по адресу: 125871, г. Москва, Волоколамское шоссе, д. 4.

Отзывы на автореферат в одном экземпляре, заверенные печатью, просьба высылать по адресу: 125871, А-80, ГСП, г. Москва, Волоколамское шоссе, 4, Ученый Совет МАИ.

С диссертацией можно ознакомиться в библиотеке МАИ. Автореферат разослан "_" _2000 г.

Ученый секретарь диссертационного совета, кандидат техн. наук, доцент

Михайлова Т.В.

О КНИГОЙ-5-ОБГ.О + 05^.5"

Общая характеристика работы

Актуальность темы

На всех стадиях жизненного цикла сложных технических систем (СТС) необходимо иметь оперативную и достоверную информацию об их техническом состоянии. В последние десятилетия получили распространение системы функционального диагностирования (СФД), которые производят оценку состояния технических систем, как по результатам натурных испытаний, так и в процессе их функционирования.

Возможность СФД обнаружить появление некоторых видов неисправностей до того, когда дальнейшее их развитие может привести к аварийным ситуациям, позволяет использовать сложные системы в соответствии с их техническим состоянием и предотвратить аварийные ситуации. СФД позволяет также определить место неисправности, или конкретный вид и степень неисправности, что значительно упрощает операции по анализу причин возникновения неисправности и уменьшает необходимое время на ремонт. Использование СФД является одним из эффективных путей повышения надежности СТС.

СФД используют разнообразные методы диагностирования, с заданной точностью и глубиной диагностирования определяющие исправное или неисправное состояние. Однако на практике применение этих методов встречает значительные затруднения. Сложность применения методов, основанных на моделировании неисправностей или проверке гипотез, состоит в том, что количество возможных неисправностей для сложных систем очень велико и первичные признаки этих неисправностей (величина неисправности, закон развития, момент возникновения, и т.д.) заранее неизвестны. Для устранения неопределенности, связанной с неизвестностью первичных признаков, используют различные способы, такие, как выбор вторичных качественных признаков состояния, нечувствительных или слабо чувствительных к изменениям первичных признаков; приведение вторичных количественных признаков к единичным векторам в диапазоне изменений первичных признаков и т.п.

С этой точки зрения преимущество методов, основанных на увязке измеренных и расчетных по математической модели параметров, состоит в том, что неисправность определяется с точностью до агрегата (блока) без моделирования ее конкретного вида.

Однако в случае изменения математической модели объекта диагностирования (введение конструктивных изменений) или состава измеряемых параметров (изменение условий испытаний) разбиение на

диагностируемые блоки и формирование диагностических признаков следует каждый раз производить заново. При этом возникают трудности, связанные с недостаточной формализацией этих процедур.

Кроме этого, важной задачей является повышение достоверности диагноза, на которую влияют, прежде всего, погрешности измерений и точность описания физических процессов в объекте диагностирования. Интерполяционные и статистические методы отбраковки недостоверной информации позволяют установить только случайные и грубые погрешности. Для выявления систематических погрешностей необходимо использовать функционально-аналитические методы, которые применяются и для поиска неисправностей.

Повышение сложности технической системы, увеличение объема измерительной информации приводят к увеличению размерности математической модели (до нескольких сотен уравнений), и усложняют алгоритмы диагностирования.

В связи с этим задача разработки методов и алгоритмов, обеспечивающих оперативную обработку измерительной информации и принятие достоверного решения, является актуальной задачей.

Предметом исследований, излагаемых в данной диссертации, является разработка алгоритмов функционального диагностирования по медленноменяющимся параметрам.

Объектом исследований является экспериментальная установка для У испытания кислородно-спиртового газогенератора.

Цель работы

1. Разработать алгоритмы поиска неисправностей в сложных пневмогидромеханических системах по медленноменяющимся параметрам, позволяющие также отбраковывать недостоверные измерения.

2. Показать эффективность разработанных алгоритмов при диагностировании технического состояния экспериментальной

ч установки по результатам натурных испытаний кислородно-спиртового газогенератора.

Общая методика выполнения исследований

Методической основой исследований являются работы российских и зарубежных ученых в области функционального диагностирования сложных технических систем.

Экспериментальные исследования базируются на натурных испытаниях газогенератора в составе экспериментальной установки.

Научная новизна работы

1. Разработаны способы корректного формирования математических моделей, описывающих нормальное функционирование объекта, для поиска двух основных видов неисправностей в гидравлической сети -изменения гидравлического сопротивления и утечки. " Эти способы заключаются в учете балансов расходов в местах соединений агрегатов и разбиении трубопроводов на необходимое количество участков.

2. Разработан алгоритм определения глубины диагностирования на основе совокупности элементарных матриц неисправностей, формируемых с помощью двух датчиков.

3. Разработан алгоритм поиска неисправностей на основе промежуточных диагнозов, позволяющий также отбраковать недостоверные измерения.

Практическая ценность результатов работы и их реализация

Разработанные алгоритмы и программное обеспечение диагностирования на основе метода структурного исключения обеспечивают возможность выбора минимального состава датчиков для обеспечения заданной глубины диагностирования и формирования диагноза при наличии недостоверных измерений.

Полученные результаты могут быть распространены на диагностирование широкого класса сложных технических систем, математические модели которых представлены в виде систем уравнений, описывающих их функционирование.

Результаты диссертационной работы используются в учебном процессе МАИ при проведении лабораторных работ и практических занятий по курсу "Испытания и обеспечение надежности ДЛА".

Апробация работы н публикации

Материалы диссертационной работы доложены и обсуждены на семинарах кафедры 202 Московского государственного авиационного института (технического университета) в 1998 г. и 1999 г.

Результаты диссертационной работы опубликованы в двух статьях, тезисах докладов Ш-ей международной научно-технической конференции "Чкаловские чтения" (Егорьевский авиационный технический колледж гражданской авиации, г. Егорьевск, 1999 г.) и изложены в научно-техническом отчете.

Объем работы

Диссертация изложена на 122 листах, состоит из введения, четырех глав, основных выводов и списка литературы. Список литературы содержит 39 наименований.

Автор защищает следующие основные положения работы

1. Способы формирования математической модели для поиска утечек в местах соединений агрегатов и по длине трубопроводов.

2. Алгоритм определения глубины диагностирования для заданного состава датчиков на основе элементарных матриц неисправностей.

3. Алгоритм поиска неисправностей на основе промежуточных диагнозов.

4. Разработанную математическую модель, описывающую стационарные процессы в экспериментальной установке для испытания кислородно-спиртового газогенератора, а также результаты диагностирования данной установки.

Содержание работы

В первой главе проведен обзор и анализ методов функционального диагностирования на основе математических моделей.

В работе проанализированы методы идентификации, методы на основе признаков состояний, методы на основе алгебраической инвариантности, и др., представленные в работах Лихачева В.Я., Васина A.C., Гликмана Б.Ф., Биргера И.А., Латышева A.B., Мартиросова Д.С., Пархоменко П.П., Мироновского Л.А., Шумского А.Е., и др.

В результате проведенного анализа в качестве основы для разработки алгоритмов поиска неисправностей выбран метод структурного исключения, являющийся обобщением известных методов диагностирования по увязке параметров, измеренных при эксперименте и рассчитанных с помощью математической модели физических процессов.

Основная идея метода структурного исключения состоит в том, что, если из исходной системы уравнений, описывающей нормальное функционирующий объект, исключить уравнение, соответствующее нарушенной функциональной связи, то невязки расчетных и измеренных значений будут минимальными.

Схематически процедуру диагностирования методом структурного исключения можно представить следующим образом.

Из исходной системы уравнений формируется (0,1)-индикаторная матрица М. С помощью замыкающих датчиков из матрицы М формируется матрица Л/Ч Далее из матрицы Л-/1' путем исключения строк и столбцов по специальному алгоритму формируется (0,1)-матрица неисправностей Z= {г,у}. Элемент z„ характеризует так называемую структурную чувствительность выбранного контрольного параметра хк к нарушению /-й функциональной связи при исключении j-й связи с

помощью выбранного исключающего датчике .г„„. Матрица неисправностей 2" составляется до эксперимента. По результатам измерений формируется (0,1)-вектор диагностических признаков П = {клг, •■■, лП/), который характеризует состояние объекта

диагностирования.

Если вектор диагностических признаков П совпадает с одной или несколькими строками матрицы неисправностей Z, то принимается решение о нарушении одной функциональной связи или нарушении в совокупности функциональных связей соответственно. Если вектор П= (1, 1, ..., 1), принимается решение об отсутствии неисправностей. Если вектор П не совпадает ни с одной из строк матрицы Z, принимается решение, что диагноз не определен.

Для своего применения метод структурного исключения не требует трудоемкой подготовительной работы. Алгоритмы формирования матриц неисправностей и вектора диагностических признаков являются универсальными, т.е. для различных объектов диагностирования нет необходимости вносить в них изменения.

Во второй главе анализируются два основных вида неисправности гидравлических сетей: изменение гидравлического сопротивления в магистралях и утечка, и предложены способы составления математических моделей для их поиска.

Для диагностирования неисправностей, вызывающих изменение гидравлического сопротивления, например, перекрытие проточной части, в исходной математической модели не нужно изменять вид уравнений, так как данный вид неисправностей приводит к изменению коэффициента гидравлического сопротивления, входящего непосредственно в данное уравнение.

Однако для диагностирования утечки в соединениях агрегатов гидравлической сети в исходную систему уравнений следует добавить функциональные связи, учитывающие балансы расходов в местах соединений. Например, для гидравлической сети, изображенной на рис. 1,

Р\ Рг Рз Р*

Рис. 1. Структурная схема гидравлической сети вместо системы уравнений (1):

А- Р\ -Рг=°;

Аг- Рг- Рз-^.т2 =0; (1)

Аз- Рз~ Р*-^1"2

необходимо использовать систему (2), которая получается из системы (1) путем добавления связей_/) и

Р\ = 0

Аг- Рг = 0

Аз- Рз = 0

Аа- т1 - т2 = 0

и- т2 - щ = 0

где /н,,/и2 и т3 — расходы в блоках 1, 2 и 3.

Для диагностирования утечки по длине отдельного трубопровода (рис. 2) следует разбить его на п участков:

^ С1 ~ АРг тах ~ »'з)

где Др2.тах _ допуск на относительную невязку расчетного и измеренного значений /?2.

Т Р3,т3

Рис. 2. Течение в трубопроводе при наличии утечки

В этом случае в систему уравнений добавляется п пар уравнений:

А - Рм - = /л,- - тм =0, /' = 1 ,п.

В третьей главе разработаны алгоритмы определения глубины диагностирования на основе элементарных матриц неисправностей, а также алгоритм поиска неисправностей с помощью промежуточных диагнозов; приведены примеры, иллюстрирующие эти алгоритмы; предложены способы формирования вектора диагностических признаков и

выбора допусков на контрольный параметр при формировании вектора диагностических признаков.

Поиск неисправности в методе структурного исключения можно разделить на три этапа: 1) формирование матриц неисправностей для определения глубины диагностирования до проведения эксперимента; 2) формирование векторов диагностических признаков по результатам измерений; 3) принятие решения по полученным матрицам неисправностей и векторам диагностических признаков.

В рамках метода структурного исключения измеряемые параметры (датчики) условно делятся на замыкающие, исключающие и контрольные. Если количество измеряемых параметров, оставшихся после замыкания исходной системы уравнений к>2, существует С* = к(к-\)12 > 1 способов выбора двух датчиков из t, т.е. можно найти совокупность матриц неисправностей, состоящую из с/ матриц неисправностей, которые будем называть элементарными матрицами неисправностей.

При формировании матриц неисправностей необходимо решить две задачи: 1) выбор замыкающих датчиков для обеспечения структурной замкнутости системы уравнений; 2) определение достигаемой глубины диагностирования при заданном составе датчиков или выбор состава датчиков для обеспечения требуемой глубины диагностирования.

Для отдельной матрицы неисправностей диагностируемые контуры определяются объединениями совпадающих строк. Число таких объединений определяет глубину диагностирования.

В работе предлагается разбить п элементарных матриц неисправностей на диагностируемые контуры с помощью обобщенной матрицы неисправностей Zоб, являющейся объединением всех и элементарных матриц неисправностей Z\, Z-i, ..., Z„. Матрица Z^ имеет пу-строк и яхпу столбцов, где п/—число функциональных связей. Каждая строка матрицы Z^ получается путем объединения соответствующих строк п матриц неисправностей.

Пусть имеется две матрицы неисправностей Z\, Zi

Z,=

1 О о О 1 1 О 1 1

контур 1

¿2 =

контур 2

1 1 О") 1 1 О О 0 1

—» контур 1 -> контур 2

Обобщенная матрица неисправностей Zoe имеет вид:

г, г?

10 0 11 0^-» контур!

0 11110

0 110 0 11-» контур 3

-» контур 2.

Разбиение на диагностируемые контуры в данном случае аналогично разбиению для одной матрицы неисправностей. Как видно, число диагностируемых контуров увеличивается. В работе приведен алгоритм разбиения на диагностируемые контуры без формирования обобщенной матрицы неисправностей.

Для выбора состава датчиков, обеспечивающих требуемую глубину диагностирования, сначала проверяем возможность обеспечения заданной глубины диагностирования с помощью двух параметров. Далее, постепенно увеличивая количество измеряемых параметров и проверяя выполнение требуемой глубины диагностирования, находим требуемый состав измеряемых параметров. Таким образом, можно найти минимальный состав датчиков для обеспечения заданной глубины диагностирования.

После фиксирования выхода одного или нескольких измеряемых параметров за допустимые пределы в момент времени г, необходимо провести процедуру диагностирования для выявления причины выхода этих параметров за допустимые пределы. Как и для разбиения на диагностируемые контуры, можно вычислить Ск векторов диагностических признаков. По этим векторам признаков и соответствующим матрицам неисправностей ставятся п = с1 промежуточных диагнозов: ..., с1„. Проанализировав эти

промежуточные диагнозы, получим окончательный диагноз И.

Если математическая модель объекта диагностирования с требуемой точностью описывают рабочие процессы, то в случае выхода контролируемых параметров за допустимые пределы можно выдвинуть следующие три гипотезы: 1)в системе нарушена одна функциональная связь, все датчики работают исправно; 2) ни одна функциональная связь не нарушена, показания одного или нескольких датчиков ложные; 3) в системе нарушена одна функциональная связь, и показания одного или нескольких датчиков ложные.

Промежуточный диагноз может быть «нарушение не выявлено», т.е. вектор признаков Л = (1, 1, ..., 1). Такой диагноз может получиться в двух случаях: когда выбранный набор контрольного и исключающего датчиков

не может выявить нарушенную функциональную связь (контрольный параметр не чувствителен к нарушенной связи), или в объекте диагностирования отсутствует неисправность. Можно отличить их следующим образом. Если в матрице неисправностей нет строки (1, 1, ..., 1), то принимаем решение «в системе нет нарушенной связи». В противном случае - «нарушение не выявлено из-за нечувствительности контрольного параметра к нарушенной связи», и такой диагноз не учитывается при формировании окончательного диагноза. Нужно отметить, что такое решение является не совсем точным, т.к. в этом случае тоже может отсутствовать неисправность, следовательно, потеряется часть информации, но это не приводит к ошибочному выводу.

При формировании окончательного диагноза необходимо учитывать наличие недостоверных измерений. Если один или оба параметров измеряются с недопустимой погрешностью, полученный с их помощью вектор признаков либо не совпадает ни с одной из строк матрицы неисправностей (можно поставить диагноз «большие погрешности измерений»), либо получим другой контур, куда не входит нарушенная связь. В работе предлагается следующий способ формирования окончательного диагноза. Окончательный диагноз ставится с помощью тех датчиков (количеством т, т < п), с помощью которых полученные промежуточные диагнозы не противоречат друг другу, и отсутствуют диагнозы «большие погрешности измерений». = п-п^.

Выбрать такой состав датчиков можно следующим образом. Сначала проверяем все к датчиков на выполнение условия окончательного диагноза. Потом исключаем последовательно один из к датчиков. Потом -

•у

два датчика {СЦ = к{к-\)И раз), и так далее. Если на каком-то шаге можно поставить окончательный диагноз, то процесс исключения останавливается. Не использованные при формировании окончательного диагноза датчики считаются отбракованными.

При формировании векторов диагностических признаков решаются две задачи: выбор одного из двух параметров в качестве контрольного (другой используется в качестве исключающего) и назначение допуска на невязки расчетного и измеренного значений контрольного параметра.

Если контрольный параметр мало чувствителен к нарушенной функциональной связи, то вероятность ошибочного диагноза выше. Для увеличения достоверности промежуточного диагноза предложен следующий способ. Для каждого набора из двух параметров Х\ и .г2 формируются два вектора диагностических признаков: 77| = {л-'1)} с

помощью контрольного параметра х\ и исключающего параметра х2 и /72={тг/2)} с помощью контрольного параметра х2 и исключающего параметра Окончательный вектор диагностических признаков П вычисляется следующим образом:

Л = {*,}, » = 1,2,...^; я",- = 7г}]) ■ лг}2),

где пу — количество функциональных связей в математической модели объекта диагностирования.

Из метода структурного исключения следует, что в случае исключения нарушенной функциональной связи невязка расчетного и измеренного значений контрольного параметра равна нулю. На практике невязка может быть отлична от нуля из-за погрешностей вычислений, но предполагается, что она меньше других невязок, полученных в результате исключения ненарушенных связей. Исходя из этого, в данной работе предлагается следующий подход к назначению допуска при формировании вектора признаков.

Вычисляются все невязки ¿¡, находится минимальная из них:

При назначении допуска на невязки Д,)„„ для формирования векторов признаков необходимо учесть погрешности вычислений е\

и диагностические признаки формируются по следующей формуле:

("1, если < АЛо11 я, =\

(О, если 5, > Адо„

В четвертой главе проведена проверка эффективности разработанных алгоритмов при диагностировании экспериментальной установки для испытания кислородно-спиртового газогенератора (ГГ) (рис. 3) при введении смоделированных неисправностей. Приведены описание экспериментальной установки, математическая модель, описывающая стационарные процессы в экспериментальной установке. Получены матрицы неисправностей и представлены результаты диагностирования двух неисправных состояний.

Газогенератор работает на газообразном кислороде и этиловом спирте. Диагностирование проводится на стационарных режимах. Диагностируется часть экспериментальной установки (объект

диагностирования) - на линии подачи кислорода от редуктора 3 до камеры ГГ 62, на линии подачи этилового спирта от выхода из бака 20 до камеры ГГ 62.

В математической модели объекта диагностирования, состоящей из системы 46 уравнений, использованы следующие основные уравнения. Магистраль и местное сопротивление

Др = -

т2

■ = А- т

2

где Ар - перепад давления; т - массовый расход; р- плотность; р-коэффициент расхода; площадь проходного сечения.

Плотность спирта принимается постоянной. Плотность кислорода вычисляется по следующей формуле:

Ро = Рак '(КТо)

где р0к - давление кислорода; /?„ = 260 Дж/(кг-К) - газовая постоянная кислорода; Т0 - температура кислорода.

Суммарный расход через камеру газогенератора

где тс и тп - массовые расходы этилового спирта и спирта через газогенератор соответственно.

Рк^кр ,

ГПт --

= 0 Р

-- 4,52-10^ м2

площадь критического

где рк - давление в камере ГТ; Ркр сечения.

Расходный комплекс газогенератора ¡3 зависит от коэффициента соотношения компонентов к„, по экспериментальным данным получена аппроксимирующая зависимость /7 = -297-к* +1152• кт + 630 (см. рис. 4).

Режим работы газогенератора задается давлениями подачи кислорода Р44 и этилового спирта р\. При каждом запуске после выхода газогенератора на режим (через 35 сек. после запуска) записываются показания следующих приборов:

1) манометра 71, измеряющего давление ргь в камере ГТ 62;

2) дифференциального манометра 77, измеряющего перепад давления на трубке Вентури 47 Арс (расход спирта т]5);

3) дифференциального манометра 75, измеряющего перепад

Р . м/с 1550

1500

1300

0.90 Кт

Рис. 4

пи = т + ш

давления на мерной шайбе 1 Лра (расход кислорода от37);

4) манометра 70, измеряющего давление кислорода /з38 перед мерной шайбой 1;

5) манометра 17, измеряющего давление спирта р4 после ручного крана 16;

6) потенциометра 76, регистрирующего температуру кислорода Т0 перед мерной шайбой 1.

В качестве замыкающих датчиков используются давление подачи кислорода, давление подачи этилового спирта и температура кислорода перед мерной шайбой. Остаются 5 параметров, с помощью которых формируются 10 матриц неисправностей. На рис. 5 показана элементарная матрица неисправностей, сформированная с помощью р4 и /738.

Диагностические признаки щ -►

1111111111222222222233333333334444444 1234 56789012 34567 8 901234 56789012345678901234 56

1 1111000000000000000000000000000000000000000000

2 1111000000000000000000000000000000000000000000

3 1111000000000000000000000000000000000000000000

4 1111000000000000000000000000000000000000000000

5 0000101010101010101010101000000000000000000000

6 0000010000000000000000000000000000000000000000

7 0000101010101010101010101000000000000000000000

8 0000000100000000000000000000000000000000000000 9 0000101010101010101010101000000000000000000000

10 0000000001000000000000000000000000000000000000

11 0000101010101010101010101000000000000000000000

12 0000000000010000000000 000000000000000000000000

13 0000101010101010101010101000000000000000000000

14 0000000000000100000000000000000000000000000000

15 0000101010101010101010101000000000000000000000

16 0000000000000001000000000000000000000000000000

17 0000101010101010101010101000000000000000000000

18 0000000000000000010000000000000000000000000000

19 0000101010101010101010101000000000000000000000

20 0000000000000000000100000000000000000000000000 21 0000101010101010101010101000000000000000000000 22 0000000000000000000001000000000000000000000000

23 0000101010101010101010101000000000000000000000

24 0000000000000000000000010000000000000000000000

25 0000101010101010101010101000000000000000000000

26 0000000000000000000000000100000000000000000110

27 0000000000000000000000000010101010101000000000

28 0000000000000000000000000001000000000000000000

29 0000000000000000000000000010101010101000000000

30 оооооооооооооооооооооооооооооюооооооооооооооо

31 0000000000000000000000000010101010101000000000

32 0000000000000000000000000000000100000000000000

33 0000000000000000000000000010101010101000000000

34 0000000000000000000000000000000001000000000000

35 0000000000000000000000000010101010101000000000

36 0000000000000000000000000000000000010000000000

37 0000000000000000000000000010101010101000000000

38 0000000000000000000000000000000000000111111000

39 0000000000000000000000000000000000000111111000

40 0000000000000000000000000000000000000111111000

41 0000000000000000000000000000000000000111111000

42 0000000000000000000000000000000000000111111000 4 3 0000000000000000000000000000000000000111111000 4 4 0000000000000000000000000100000000000000000110 4 5 0000000000000000000000000100000000000000000110 4 6 0000000000000000000000000000000000000000000001

Рис. 5. Элементарная матрица неисправностей

2 о

£

Неисправное состояние I: изменение гидравлического сопротивления на участке от редуктора до мерной шайбы на линии подачи кислорода. Так как прямое изменение гидравлического сопротивления кислородной магистрали сложно и небезопасно, данное неисправное состояние смоделировано следующим образом. Сначала установка работает на режиме р\ - 1,25 МПа и рм ~ 1,75 МПа. Затем давление подачи кислорода увеличивают до р^ = 1,95 МПа, что имитирует изменение перепада давления на рассматриваемом участке.

Неисправное состояние II: изменение гидравлического сопротивления на участке от редуктора до мерной шайбы на линии подачи кислорода (неисправное состояние I) и отказ манометра, показывающего перепад давления на трубке Вентури, т.е. ошибка измерения расхода этилового спирта. Для моделирования данного неисправного состояния не проводился запуск, измеренные значения параметров кроме расхода этилового спирта являются теми же, как при неисправном состоянии I, для моделирования ошибки измерения значение расхода этилового спирта было искусственно изменено.

Ниже приведены результаты диагностирования двух неисправных состояний. Для каждой пары датчиков формируется окончательный вектор диагностических признаков из двух промежуточных векторов и ставится промежуточный диагноз. Если окончательный вектор признаков П не совпадает ни с одной из строк соответствующей матрицы неисправностей, то ставится диагноз "большие погрешности измерений", если вектор П-{\, I, ..., 1), то ставится диагноз "неисправность не выявлена", если вектор П совпадает с какой-либо строкой матрицы неисправностей, то ставится диагноз о неисправности в соответствующем контуре.

Диагностирование неисправного состояния I

■ На рис. 6 приведены осциллограммы натурного испытания, где показаны изменения параметров при наличии неисправности: кривая 1 показывает перепад давления на трубке Вентури, кривая 2 — перепад давления на мерной шайбе, кривая 3 — изменение давления кислорода перед мерной шайбой. Значения замыкающих параметров: />44 = 1,75 МПа р\ = 1,25 МПа Г. = 266 К

Измеренные значения параметров после появления неисправности:

Рк - 0,99 МПа ргг = 1,73 МПа р4= 1,232 МПа т15 = 0,149 кг/с т37 = 0,153 кг/с

Расчетные значения параметров:

Ргб = 0,907 МПа /738 = 1,552 МПа р* = 1,227 МПа т15 = 0,168 кг/с т31 = 0,134 кг/с

У

/3

"•^W-—Л-г*

/

аолиикповение неисправности

запуск

устан. режим 1

/

устак.. режим 2

Рис. 6. Изменения параметров при наличии неисправности

Ниже приведены результаты формирования промежуточных диагнозов. Для каждой пары контрольного и исключающего датчиков показан только окончательный вектор диагностических признаков.

Контрольный датчик = р4, исключающий датчик = р2б 00000000000000000000000001X11111111111111111X1 Промежуточный диагноз: неисправность в 13-м контуре. Контрольный датчик = р4, исключающий датчик = р38 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность в 20-м контуре. Контрольный датчик = р4, исключающий датчик = т15 00001010101010ХХ111111111111111111111111111111 Промежуточный диагноз: неисправность во 2-м контуре. Контрольный датчик = р4, исключающий датчик = т37 0000000000000000000000000010101010101111111001 Промежуточный диагноз: неисправность в 14-м контуре. Контрольный датчик = р2б, исключающий датчик = р38 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность в 8-м контуре. Контрольный датчик = р26, исключающий датчик = т15 0000000000000000000000000111111111111111111111 Промежуточный диагноз: неисправность в 7-м контуре. Контрольный датчик = р2б, исключающий датчик = т37 0000000000000000000000000010101010X01111111001 Промежуточный диагноз: неисправность во 2-м контуре. Контрольный датчик = р38, исключающий датчик = т15 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность в 14-м контуре.

Контрольный датчик = р38, исключающий датчик = т37 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность во 2-м контуре. Контрольный датчик = т15, исключающий датчик = т37 0000000000000000000000000010101010101111111001 Промежуточный диагноз: неисправность в 8-м контуре.

Окончательный диагноз — неисправность находится в контуре (/38, /и, /ю, /¡2. /»)> т.е. на линии подачи кислорода от редуктора до расходомера.

Диагностирование неисправного состояния II

Значения замыкающих параметров: ри = 1,75 МПа р\ - 1,25 МПа Г0 = 266 К Измеренные значения параметров:

рг6 = 0,99 МПа р38= 1,73 МПа = 1,232 МПа /?!15 = 0,189 кг/с /Л37 = 0,153 кг/с Расчетные значения параметров:

рм = 0,907 МПа ры = 1,552 МПа p^ = \,227 МПа т15 = 0,168 кг/с /н37 = 0,134 кг/с Ниже приведены результаты формирования промежуточных диагнозов (для каждой пары контрольного и исключающего датчиков показан только окончательный вектор диагностических признаков).

Контрольный датчик = р4, исключающий датчик = р2б 0000000000000000000000000111111111111111111111 Промежуточный диагноз: неисправность в 13-м контуре. Контрольный датчик = р4, исключающий датчик = р38 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность в 20-м контуре. Контрольный датчик = р4, исключающий датчик = т15 0000000000000000000000000000000000000000000000 Промежуточный диагноз: большие погрешности измерений. Контрольный датчик = р4, исключающий датчик = т37 0000000000000000000000000010101010101111111001 Промежуточный диагноз: неисправность в 14-м контуре. Контрольный датчик = р26, исключающий датчик = р38 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность в 8-м контуре. Контрольный датчик = р2б, исключающий датчик = т15 0000000000000000000000000000000000000000000000 Промежуточный диагноз: большие погрешности измерений. Контрольный датчик = р2б, исключающий датчик = т37 0000000000000000000000000010101010101111111001 Промежуточный диагноз: неисправность во 2-м контуре. Контрольный датчик = р38, исключающий датчик ■= т15 0000000000000000000000000010101010101000000000

Промежуточный диагноз: неисправность в 8-м контуре. Контрольный датчик = р38, исключающий датчик = т37 0000000000000000000000000000000000000111111000 Промежуточный диагноз: неисправность во 2-м контуре. Контрольный датчик = т15, исключающий датчик = т37 0000000000000000000000000001000000000000000000 Промежуточный диагноз: неисправность в 9-м контуре.

Если исключить датчик /и|5, то остальные промежуточные диагнозы не противоречат друг другу, следовательно, можно сделать окончательный диагноз — неисправность находится в контуре (/з8,/з9,/м, /41,^42,743), т.е. на линии подачи кислорода от редуктора до расходомера, и расход этилового спирта измеряется с недопустимой погрешностью.

Основные выводы:

1. В результате проведенных обзора и анализа известных методов функционального диагностирования по медленноменяющимся параметрам на основе математических моделей обоснован выбор метода структурного исключения в качестве базового для разработки новых алгоритмов поиска неисправностей.

2. Предложены способы корректного формирования математической модели для диагностирования утечки без изменения состава измеряемых параметров.

3. Разработаны алгоритм и программное обеспечение для определения глубины диагностирования с использованием совокупности элементарных матриц неисправностей (с помощью двух датчиков), которые позволяют обеспечить максимально достигаемую глубину диагностирования при заданном составе измеряемых параметров или выбрать минимальный состав измеряемых параметров для обеспечения заданной глубины диагностирования.

4. Разработаны алгоритм и программное обеспечение для поиска неисправностей с помощью промежуточных диагнозов, которые позволяют также отбраковать недостоверные измерения.

5. Предложены способы формирования вектора диагностических признаков и выбора допуска на контрольный параметр при формировании вектора диагностических признаков, которые позволяют повысить достоверность промежуточных диагнозов и увеличить глубину диагностирования.

6. Разработана статическая математическая модель экспериментальной установки для испытания кислородно-спиртового газогенератора.

7. Проведена экспериментальная проверка разработанных алгоритмов при диагностировании состояния экспериментальной установки по результатам натурных испытаний при введении смоделированных неисправностей. Результаты диагностирования показывают, что разработанные алгоритмы просты и надежны в использовании и позволяют отбраковать недостоверные измерения.

Основные результаты диссертации отражены в работах:

1. Кесаев Х.В., Козлов A.A., Жданов В.И., Семенов В.В., Ли Джиавел. Разработка схем и элементов перспективных двигателей летательных аппаратов. Отчет по НИР, 1999 г.

2. Коломейцев А.И., Ли Джиавел, Мартиросов Д.С. Прикладные методы функционального диагностирования сложных газогидромеханических систем. //Чкаловские чтения. Инженерно-физические проблемы авиационной и космической техники: Тезисы докладов. - Егорьевск: ЕАТК ГА, 1999.-С. 99-100.

3. Ли Джиавел, Коломейцев А.И. Увеличение глубины диагностирования сложных технических систем при использовании метода структурного исключения. //Вестник МАИ, том 7, № 2, 2000 г.

4. Ли Джиавел, Коломенцев А.И., Мартиросов Д.С. Диагностирование разветвленной гидравлической сети методом структурного исключения. //Изв. вузов. Авиационная техника, (в печати).

Введение.

Глава 1. Обзор методов функционального диагностирования на основе математических моделей, постановка цели и задач исследования.

1.1. Основные понятия и определения.

1.2. Контроль технического состояния объекта в целом.

1.3. Методы функционального диагностирования (поиска) неисправностей

1.3.1. Методы диагностирования с использованием моделей возможных неисправностей.

1.3.2. Методы диагностирования без моделирования неисправностей.

1.4. Основные алгоритмы метода структурного исключения.

1.5. Отбраковка недостоверной информации.

Вывод.

Глава 2. Особенности формирования математических моделей в методе структурного исключения.

2.1. Форма представления математической модели.

2.2. Поиск неисправностей в местах соединений агрегатов.

2.3. Поиск неисправностей в отдельных трубопроводах.

Выводы.

Глава 3. Алгоритмы диагностирования на основе совокупности элементарных матриц неисправностей.

3.1. Выбор замыкающих датчиков.

3.2. Определение достигаемой глубины диагностирования при заданном составе измеряемых параметров (датчиков).

3.2.1. Алгоритм определения глубины диагностирования для одной матрицы неисправностей.

3.2.2. Алгоритмы определения глубины диагностирования для нескольких матриц неисправностей.

3.2.3. Примеры определения глубины диагностирования.

3.3. Выбор состава датчиков для обеспечения требуемой глубины диагностирования.

3.4. Алгоритм поиска неисправностей.

3.5. Примеры поиска неисправностей.

3.6. Выбор контрольного параметра при формировании вектора диагностических признаков.

3.7. Назначение допуска на контрольный параметр при формировании вектора диагностических признаков.

Выводы.

Глава 4. Диагностирование натурных испытаний экспериментальной установки.

4.1. Описание экспериментальной установки.

4.1.1. Система пусковых компонентов.

4.1.2. Система основных компонентов.

4.1.3. Системы продувки и командного воздуха.

4.1.4. Система управления. Процедура запуска и остановки.

4.1.5. Система измерений.

4.2. Математическая модель экспериментальной установки.

4.2.1. Математические модели основных блоков.

4.2.2. Математическая модель объекта диагностирования.

4.3. Формирование матриц неисправностей и разбиение на диагностируемые контуры.

4.4. Методика проведения испытаний.

4.5. Результаты диагностирования.

Выводы.

Актуальность темы

На всех стадиях жизненного цикла сложных технических систем (СТС) необходимо иметь оперативную и достоверную информацию об их техническом состоянии. В последние десятилетия получили распространение системы функционального диагностирования (СФД), которые производят оценку состояния технических систем, как по результатам натурных испытаний, так и в процессе их функционирования.

Возможность СФД обнаружить появление некоторых видов неисправностей до того, когда дальнейшее их развитие может привести к аварийным ситуациям, позволяет использовать сложные системы в соответствии с их техническим состоянием и предотвратить аварийные ситуации. СФД позволяет также определить место неисправности, или конкретный вид и степень неисправности, что значительно упрощает операции по анализу причин возникновения неисправности и уменьшает необходимое время на ремонт. Использование СФД является одним из эффективных путей повышения надежности СТС.

СФД используют разнообразные методы диагностирования, с заданной точностью и глубиной диагностирования определяющие исправное или неисправное состояние. Однако на практике применение этих методов встречает значительные затруднения. Сложность применения методов, основанных на моделировании неисправностей или проверке гипотез, состоит в том, что количество возможных неисправностей для сложных систем очень велико и первичные признаки этих неисправностей (величина неисправности, закон развития, момент возникновения, и т.д.) заранее неизвестны. Для устранения неопределенности, связанной с неизвестностью первичных признаков, используют различные способы, такие, как выбор вторичных качественных признаков состояния, нечувствительных или слабо чувствительных к изменениям первичных признаков; приведение вторичных количественных признаков к единичным векторам в диапазоне изменений первичных признаков и т.п.

С этой точки зрения преимущество методов, основанных на увязке измеренных и расчетных по математической модели параметров, состоит в том, что неисправность определяется с точностью до агрегата (блока) без моделирования ее конкретного вида.

Однако в случае изменения математической модели объекта диагностирования (введение конструктивных изменений) или состава измеряемых параметров (изменение условий испытаний) разбиение на диагностируемые блоки и формирование диагностических признаков следует каждый раз производить заново. При этом возникают трудности, связанные с недостаточной формализацией этих процедур.

Кроме этого, важной задачей является повышение достоверности диагноза, на которую влияют, прежде всего, погрешности измерений и точность описания физических процессов в объекте диагностирования. Интерполяционные и статистические методы отбраковки недостоверной информации позволяют установить только случайные и грубые погрешности. Для выявления систематических погрешностей необходимо использовать функционально-аналитические методы, которые применяются и для поиска неисправностей.

Повышение сложности технической системы, увеличение объема измерительной информации приводят к увеличению размерности математической модели (до нескольких сотен уравнений), и усложняют алгоритмы диагностирования.

В связи с этим задача разработки методов и алгоритмов, обеспечивающих оперативную обработку измерительной информации и принятие достоверного решения, является актуальной задачей.

Предметом исследований, излагаемых в данной диссертации, является разработка алгоритмов функционального диагностирования по медленноменяющимся параметрам.

Объектом исследований является экспериментальная установка для испытания кислородно-спиртового газогенератора.

Цель работы

1. Разработать алгоритмы поиска неисправностей в сложных пневмогидромеханических системах по медленноменяющимся параметрам, позволяющие также отбраковывать недостоверные измерения.

2. Показать эффективность разработанных алгоритмов при диагностировании технического состояния экспериментальной установки по результатам натурных испытаний кислородно-спиртового газогенератора.

Общая методика выполнения исследований

Методической основой исследований являются работы российских и зарубежных ученых в области функционального диагностирования сложных технических систем.

Экспериментальные исследования базируются на натурных испытаниях газогенератора в составе экспериментальной установки.

Научная новизна работы

1. Разработаны способы корректного формирования математических моделей, описывающих нормальное функционирование объекта, для поиска двух основных видов неисправностей в гидравлической сети - изменения гидравлического сопротивления и утечки. Эти способы заключаются в учете балансов расходов в местах соединений агрегатов и разбиении трубопроводов на необходимое количество участков.

2. Разработан алгоритм определения глубины диагностирования на основе совокупности элементарных матриц неисправностей, формируемых с помощью двух датчиков.

3. Разработан алгоритм поиска неисправностей на основе промежуточных диагнозов, позволяющий также отбраковать недостоверные измерения.

Практическая ценность результатов работы и их реализация

Разработанные алгоритмы и программное обеспечение диагностирования на основе метода структурного исключения обеспечивают возможность выбора минимального состава датчиков для обеспечения заданной глубины диагностирования и формирования диагноза при наличии недостоверных измерений.

Полученные результаты могут быть распространены на диагностирование широкого класса сложных технических систем, математические модели которых представлены в виде систем уравнений, описывающих их функционирование.

Результаты диссертационной работы используются в учебном процессе МАИ при проведении лабораторных работ и практических занятий по курсу "Испытания и обеспечение надежности ДЛА".

Апробация работы и публикации

Материалы диссертационной работы доложены и обсуждены на семинарах кафедры 202 Московского государственного авиационного института (технического университета) в 1998 г. и 1999 г.

Результаты диссертационной работы опубликованы в двух статьях, тезисах докладов Ш-ей международной научно-технической конференции "Чкаловские чтения" (Егорьевский авиационный технический колледж гражданской авиации, г. Егорьевск, 1999 г.) и изложены в научно-техническом отчете.

Объем и структура работы

Диссертация изложена на 122 листах, состоит из введения, четырех глав, выводов и списка литературы. Список литературы содержит 39 наименований.

Основные выводы

1. В результате проведенных обзора и анализа известных методов функционального диагностирования по медленноменяющимся параметрам на основе математических моделей обоснован выбор метода структурного исключения в качестве базового для разработки новых алгоритмов поиска неисправностей.

2. Предложены способы корректного формирования математической модели для диагностирования утечки без изменения состава измеряемых параметров.

3. Разработаны алгоритм и программное обеспечение для определения глубины диагностирования с использованием совокупности элементарных матриц неисправностей (с помощью двух датчиков), которые позволяют обеспечить максимально достигаемую глубину диагностирования при заданном составе измеряемых параметров или выбрать минимальный состав измеряемых параметров для обеспечения заданной глубины диагностирования.

4. Разработаны алгоритм и программное обеспечение для поиска неисправностей с помощью промежуточных диагнозов, которые позволяют также отбраковать недостоверные измерения.

5. Предложены способы формирования вектора диагностических признаков и выбора допуска на контрольный параметр при формировании вектора диагностических признаков, которые позволяют повысить достоверность промежуточных диагнозов и увеличить глубину диагностирования.

6. Разработана статическая математическая модель экспериментальной установки для испытания кислородно-спиртового газогенератора.

7. Проведена экспериментальная проверка разработанных алгоритмов при диагностировании состояния экспериментальной установки по результатам натурных испытаний при введении смоделированных неисправностей.

118

Результаты диагностирования показывают, что разработанные алгоритмы просты и надежны в использовании и позволяют отбраковать недостоверные измерения.

1. Абугов Д.И. Лабораторные работы по тепловым процессам и характеристикам реактивных двигателей. МАИ, 1962. - 101 с.

2. Архангельский H.A., Бирюков П.В. Алгоритмы решения некоторых линейных и нелинейных задач алгебры на ЭВМ. Аппроксимация в инженерных расчетах. М.: Изд-во МАИ, 1983. - 80 с.

3. Беляев E.H., Жук В.М., Ткаченко Ю.Н. Методы отбраковки недостоверной информации при испытаниях ЖРД. М.: Изд-во МАИ, 1994. - 20 с.

4. Беляев E.H., Чванов В.К., Черваков В.В. Математическое моделирование рабочего процесса жидкостных ракетных двигателей. -М.: Изд-во МАИ, 1999.-228 с.

5. Бен-Хаим Я. Оптимизация многогипотезного алгоритма диагностирования отказов исполнительных органов управления в линейных системах. // Аэрокосмическая техника. 1991. №3. С. 138-145.

6. Биргер И.А. Техническая диагностика. М.: Машиностроение, 1978. - 240 с.

7. Волков Е.Б., Судаков P.C., Сырицын Т.А. Основы теории надежности ракетных двигателей. М.: Машиностроение, 1974. - 399 с.

8. Гликман Б.Ф. Автоматическое регулирование ракетных двигателей. М.: Машиностроение, 1979. - 396 с.

9. Гликман Б.Ф. Математические модели пневмогидравлических систем. М.: Наука, 1986. - 368 с.

10. Ю.Гнедов Г.М., Росенбаули О.Б., Шумов Ю.А. Проектирование систем контроля ракет. М.: Машиностроение, 1975. - 224 с.

11. Троп Д. Методы идентификации систем. М.: Мир, 1979. - 304 с.

12. Деннис Дж. мл., Шнабель Р. Численные методы безусловной оптимизации и решения нелинейных уравнений: Пер. с англ. М.: Мир, 1988. - 440 с.

13. Жирабок А.Н. Поиск дефектов в нелинейных системах методом функционального диагностирования на основе обобщенных алгебраических инвариантов. // Автоматика и телемеханика. 1994. № 7. С. 160-168.

14. Жирабок А.Н., Шумский А.Е. Функциональное диагностирование непрерывных динамических систем, описываемых уравнениями с полиномиальной правой частью. // Автоматика и телемеханика. 1987. № 7. -С. 154-164.

15. Жуковский А.Е., Кондрусев B.C., Окорочков В.В. Испытания жидкостных ракетных двигателей. М.: Машиностроение, 1992. - 352 с.

16. Идельчик И.Е. Справочник по гидравлическим сопротивлениям. М.: Машиностроение, 1975. - 559 с.

17. Комаров A.A. Надежность гидравлических систем. М.: Машиностроение, 1969. - 235 с.

18. Комаров A.A., Сапожников В.И. Трубопроводы и соединения для гидросистем. -М.: Машиностроение, 1967. -231 с.

19. Латышев A.B. Применение методов идентификации для диагностирования непрерывных объектов. // Автоматика и телемеханика. 1984. № 12. -С. 118-123.

20. Ли Джиавел, Коломейцев А.И. Увеличение глубины диагностирования сложных технических систем при использовании метода структурного исключения. //Вестник МАИ, том 7, № 2, 2000 г.

21. Ли Джиавел, Коломейцев А.И., Мартиросов Д.С. Диагностирование разветвленной гидравлической сети методом структурного исключения. //Изв. вузов. Авиационная техника, 2000. (в печати).

22. Лихачев В.Я., Васин A.C., Гликман Б.Ф. Техническая диагностика пневмогидравлических систем ЖРД. М.: Машиностроение, 1983. - 204 с.

23. Львовский E.H. Статистические методы построения эмпирических формул. М.: Высшая школа, 1988. - 238 с.

24. Мартиросов Д.С. Диагностирование сложных технических систем на основе математических моделей процессов и измеряемых параметров методом структурного исключения. М.: Изд-во МАИ, 1998. - 56 с.

25. Мироновский Л.А. Функциональное диагностирование динамических систем (обзор) // Автоматика и телемеханика. 1980. № 8. С. 96-121.

26. Мостеллер Ф., Тьюки Д. Анализ данных и регрессия, вып. I. М.: Финансы и статистика, 1982. - 319 с.

27. Основы технической диагностики. / Под ред. П.П. Пархоменко. М.: Энергия, 1976. - 464с.

28. Писсанецки Дж. Технология разреженных матриц. М.: Мир, 1988. - 344с.

29. Руководство к лабораторным работам по курсу "Теория ракетных двигателей". / Е.Л. Березанская, Х.В. Кесаев, В.Д. Курпатенков, В.Е. Шепелев; под ред. Д.И. Абугова. МАИ, 1977. - 57с.

30. Самарский A.A., Тулин A.B. Численные методы. М.: Наука, 1989. - 432 с.

31. Технические средства диагностирования: справочник/ В.В. Клюев, П.П. Пархоменко, В.Е., Абрамчук и др.; Под общ. ред. В.В. Клюева. М.: Машиностроение, 1989. - 672 с.

32. Технический отчет по контракту N DAAH01-95-C-R139./ Гликман Б.Ф., Овчинников В.А., Сергиенко A.A. и др. М.: Международный учебно-научный центр "Космос", 1998 - С. 122-153.

33. Чапцов Р.П., Боков A.C., Никитин Г.А. Об одном алгоритме распознавания постепенных отказов САР. В кн. «III Всес. совещ. по технической диагностике» М.: Наука, 1975. - С. 220-222.122

34. Шевяков А.А., Калнин В.М., Науменкова Н.В., Дятлов В.Г. Теория автоматического управления ракетными двигателями. -М.: Машиностроение, 1978. 288 с.

35. Шумский А.Е. Диагностирование параметрических ошибок в динамических объектах методом проверки гипотез. // Автоматика и телемеханика. 1992. №10.-С. 171-177.

36. Шумский А.Е. Поиск дефектов в нелинейных системах методом функционального диагностирования. // Автоматика и телемеханика. 1991. № 12. С. 148-155.

37. Кегг, Т.Н., "Statistical Analysis of a 2-Ellipsoid Overlap Test for Real-Time Failure Detection," IEEE Transactions, Vol. AC25, 1980, pp.762-773.

38. Friedland, В., "Maximum Likelihood Estimation of a Process with Random Transitions (Failures)," IEEE Transactions, Vol. AC24, 1979, pp. 932-937.