автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.07, диссертация на тему:Идентификация стохастических объектов и процессов в автоматизированной системе производственных испытаний двигателей внутреннего сгорания

Министерство образования и науки Украины Севастопольский национальный технический университет

Голикова Виктория Викторовна

УДК 681.5.015:621.431.001.4

идентификация стохастических объектов и процессов в автоматизированной системе производственных испытаний двигателеи внутреннего сгорания

Специальность 05.13.07 - Автоматизация процессов управления

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Севастополь - 2008

003459770

Диссертация является рукописью

Работа выполнена на кафедре технической механики и машиноведения в Севастопольском национальном техническом университете Министерства образования и науки Украины, г. Севастополь

Научный доктор технических наук, профессор

руководитель: Первухина Елена Львовна,

Севастопольский национальный технический университет,

профессор кафедры технической механики и машиноведения

доктор технических наук, профессор Бодянский Евгений Владимирович,

Харьковский национальный университет радиоэлектроники,

профессор кафедры искусственного интеллекта, заведующий Проблемной научно-исследовательской лаборатории АСУ

кандидат технических наук, доцент Рапацкий Юрий Леонидович, Севастопольский национальный технический университет,

доцент кафедры автоматизации технологических процессов и производств,

заместитель декана факультета технологии и автоматизации машиностроения, приборостроения и транспорта

Защита диссертации состоится " " иШ&СМЙ 2009 г. в Щ часов на заседании специализированного Ученого Совета Д 50.052.02 при Севастопольском национальном техническом университете по адресу: 99053, г. Севастополь, ул. Университетская, 33.

С диссертацией можно ознакомиться в библиотеке Севастопольского национального технического университета по адресу: 99053, г. Севастополь, ул. Университетская, 29.

Автореферат разослан:" # " 2008 г.

Официальные оппоненты:

Ученый секретарь

специализированного ученого совета Д50.О52.О2 д.т.н., проф. / / Л

Шушляпин Е.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Для производственных (приемосдаточных, контрольных) испытаний двигателей внутреннего сгорания (ДВС) по-прежнему актуальной является задача повышения эффективности управления для снижения трудовых, энергетических, временных затрат, уменьшения ущерба ресурсу испытуемых изделий при одновременном повышении достоверности и точности принимаемых решений. Это объясняется недостатками существующих испытательных систем, связанных с использованием традиционных технологий для контроля и диагностики двигателей нового высокого уровня развития и сложности: непрерывной регистрацией большого числа параметров, приводящей к информационной избыточности систем и увеличивающей тем самым аппаратные и временные затраты на хранение, поиск, обработку информации; централизованным циклическим опросом датчиков, увеличивающим инерционность систем и ведущим к старению информации и снижению достоверности результатов; использованием классических статистических методов, требующих больших объемов измерительной информации.

Главное направление решения задачи повышения эффективности управления испытаниями связано с совершенствованием математического обеспечения автоматизированных систем испытаний и, прежде всего, части, касающейся идентификации объектов и процессов.

Специфика технологических процессов стендовых испытаний ДВС (сложность и нестационарность испытуемых объектов при недостаточной априорной информации, с одной стороны, и ограничение материальных, трудовых, временных ресурсов, с другой стороны) исключает возможность использования существующих методов для решения указанной задачи. Интенсивное развитие, растущее многообразие и усложнение двигателей, ужесточение требований к их надежности обуславливают необходимость дальнейшего повышения результативности испытаний и их более полной автоматизации при одновременной способности производства в короткие сроки адаптироваться для проведения испытаний двигателей разных типов.

Поэтому проблема создания новых методов идентификации объектов и процессов как основы математического обеспечения автоматизированной системы производственных испытаний (АСПИ) ДВС с целью повышения качества управления и количественных показателей эффективности, в том числе сокращения сроков и расходов на испытания, в настоящее время остается актуальной, особенно в связи с оснащением испытательных стендов быстродействующей измерительной и вычислительной техникой.

Связь работы с научными программами, планами и темами. Тема диссертационной работы' соответствует научной тематике факультета технологии и автоматизации машиностроения, приборостроения и транспорта Севастопольского национального технического университета в области разра-

ботки современных автоматизированных систем управления. Результаты, полученные автором диссертации, использованы при выполнении госбюджетной работы «Стабильность» (2005-2008гт., номер регистрации 0105Ш09П8).

Целью диссертационной работы является повышение качества управления и количественных показателей эффективности автоматизированных производственных испытаний ДВС, в том числе сокращение сроков и расходов на испытания, путем создания методов идентификации стохастических объектов и процессов испытаний.

Основные задачи исследования:

1. Анализ особенностей стендовых испытаний ДВС на заключительной стадии производства после сборки. Определение путей повышения показателей эффективности автоматизированных производственных испытаний (точности и достоверности результатов, качества управления) и сокращения сроков и расходов на испытания.

2. Исследование механизмов генерации временных рядов измерений диагностических параметров ДВС с привлечением авторегрессионного анализа в системах Statistica, Mathcad, MiniTab for Windows и прикладного программного обеспечения RATS (Regression Analysis of Time Series), CATS (Cointegration Analysis of Time Series).

3. Моделирование испытуемых ДВС с учетом их нестационарного стохастического поведения по результатам измерений диагностических параметров.

4. Разработка методики для идентификации стохастических процессов изменения параметров ДВС в ходе приемосдаточных и контрольных испытаний с использованием методов анализа многомерных временных рядов и адаптивной фильтрации.

5. Создание методов и алгоритмов проверки адекватности полученных моделей и исследования ошибок моделирования объектов и процессов испытаний как составной части системы поддержки принятия решений о годности испытуемых объектов к эксплуатации.

Объект исследования составляют автоматизированные системы управления производственными испытаниями ДВС.

Предметом исследования являются методы обеспечения качественных и количественных показателей при управлении автоматизированными производственными системами испытаний машиностроительных изделий, принципы построения математического обеспечения испытаний на основе методов и алгоритмов идентификации стохастических объектов и процессов испытаний.

Методы исследования. В диссертационной работе использованы методы: линейной алгебры, теории временных рядов, проверки статистических гипотез, теории автоматического управления, теории дискретных адаптив-

ных систем. Адекватность моделей проверена методами аналитического и численного моделирования на ЭВМ с верификацией в лабораторных и производственных условиях.

Научная новизна полученных результатов:

1. Новизна метода повышения качества управления и количественных показателей эффективности автоматизированных производственных испытаний, в том числе сокращения сроков и расходов на испытания, заключается в использовании в реальном времени приемосдаточных и контрольных испытаний стохастических моделей испытуемых объектов для оценивания их состояния.

2. Новизна предлагаемого метода идентификации стохастических объектов и процессов испытаний состоит в том, что в отличие от существующих методов идентифицируются не только скалярные случайные процессы изменения отдельных диагностических параметров ДВС, но и многомерные процессы, а также оцениваются стационарные линейные комбинации, характеризующие общую динамику элементов многомерных нестационарных процессов.

3. Новизна предлагаемого подхода к разработке математического обеспечения АСПИ ДВС для эффективного управления технологическим процессом производственных испытаний и для системы интеллектуальной поддержки принятия решений по их результатам заключается в объединении методов анализа многомерных нестационарных временных рядов и адаптивной фильтрации при мониторинге технического состояния испытуемых изделий по величине коэффициентов линейных комбинаций, описывающих связи между диагностическими параметрами.

4. Новизна вычислительного алгоритма для определения ошибок идентификации испытуемых объектов в зависимости от погрешности оценивания коэффициентов многомерных моделей определяет возможность прогнозирования показателей эффективности автоматизированных производственных испытаний ДВС уже на стадии подготовки испытаний (путем оценивания вероятности принятия ошибочного решения в зависимости от задаваемой точности и достоверности результатов испытаний, их сроков и стоимости) и, как следствие, показателей надежности системы испытаний в целом.

Практическое значение полученных результатов заключается в том, что применение разработанных методов и алгоритмов идентификации объектов и процессов позволяет повысить качество управления и количественные показатели эффективности автоматизированных производственных испытаний ДВС, повысить точность и достоверность результатов, обеспечить снижение материальных, трудовых и временных затрат.

Впервые на основе нового подхода к формализации задачи управления автоматизированными производственными испытаниями ДВС создана инженерная методика исследования многомерных нестационарных процессов

изменения их диагностических параметров, позволяющая установить стохастические зависимости между ними и использовать эти зависимости при управлении испытаниями. Это способствует реализации перспективных алгоритмов управления технологическим процессом испытаний ДВС, способных перестраиваться программным путем в зависимости от технического состояния испытуемых ДВС, технологии испытаний, реальных производственных ситуаций.

Методика может быть использована для моделирования параметров автомобильных бензиновых двигателей различных модификаций при соответствующей настройке моделей. Разработанный метод идентификации стохастических объектов и процессов может быть основой для разработки методик испытаний широкого класса сложных машиностроительных изделий.

Реализация результатов работы. Разработанная на основе теоретических исследований инженерная методика испытаний двигателей внутреннего сгорания внедрена на ГП "Севастопольстандартметрология", а также на предприятиях ООО «Регион Лидер» и ООО ТК «Тир-Транс» (г. Симферополь).

Личный вклад соискателя. Вклад соискателя в работах, выполненных в соавторстве, заключается в разработке метода идентификации испытуемых ДВС по основным диагностическим параметрам с учетом зависимостей, отражающих их общую динамику их изменения, построении векторных авторегрессионных моделей на базе экспериментальной информации [1-5,8,1215,20-21]; в создании математического обеспечения для повышения качества управления технологическим процессом испытаний и для системы интеллектуальной поддержки принятия решений по их результатам [9,16,18]; а также в построении вычислительного алгоритма для определения надежности системы испытаний [7,10,17,19].

Апробация результатов диссертационной работы. Результаты исследований доложены и обсуждены на студенческой научно-технической конференции «Системы автоматики и автоматическое управление» (Севастополь, 2002), научно-технических международных конференциях: «Прогрессивная техника и технология» (Севастополь, 2006), «Проблемы качества и долговечности зубчатых передач редукторов, их деталей и узлов» (Севастополь, 2005 - 2008), по автоматическому управлению «Автоматика-2006» (Винница, 2006), «Автоматика-2007» (Севастополь, 2007), «Автоматизация: проблемы, идеи, решения» (Севастополь, 2006, 2007), «Проблемы принятия решений в условиях неопределенности» (Судак, 2007, Киев, 2008), «Безопасность жизнедеятельности предприятий в промышленно развитых регионах» (Кемерово, Россия, 2007), САЙТ (Киев, 2008), по прикладной и вычислительной математике (Провдив, Болгария, 2008), а также на научных семинарах кафедры технической механики и машиноведения Севастопольского национального технического университета (Севастополь, 2004-2008).

Публикации. Основные результаты работы изложены в 22 печатных работах, 10 из которых соответствуют требованиям ВАК Украины к публикациям результатов научной работы.

Диссертационная работа состоит из введения, четырёх глав и заключения, изложенных на 146 страницах, списка литературы из 111 наименований, приложений на 48 страницах. Содержит 70 рисунков и 18 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении проанализирована актуальность исследований, сформулирована цель и выделены основные задачи, отражены научная новизна и практическая ценность работы.

В первой главе на основе анализа особенностей современных ДВС и их производственных испытаний (приемосдаточных и контрольных) проведен обзор работ, связанных с повышением качества управления автоматизированными испытаниями и количественных показателей их эффективности. Отражена актуальность совершенствования математического обеспечения для создания перспективных АСПИ; обоснованы задачи исследований.

Качество управления и количественные показатели эффективности испытаний зависят от выполнения требований к качеству изготавливаемых ДВС, затрат на планирование, организацию и, во многом, от методов получения и обработки экспериментальной информации. Развитие современных механизмов управления испытаниями на отечественных предприятиях сдерживает отсутствие необходимого математического обеспечения автоматизированных систем испытаний.

В диссертации использованы фундаментальные труды К.Т. Леондеса, Л. Лыонга, Дж. Мелса, B.C. Пугачева, Н.С. Райбмана, Я.З. Цыпкина, П. Эйк-хоффа в области математического моделирования сложных стохастических объектов, а также методы проектирования и анализа автоматизированных процессов управления, содержащиеся в работах А.Т. Барабанова, Е.В. Бодян-ского, А.И. Бохонского, А. С. Дубовика, В .Я. Коппа, Л.А. Краснодубца, A.C. Куценко, Л.М. Любчика, Б.А. Скорохода, A.B. Цуканова, Е.А. Шушляпина, Л.С. Ямпольского и других.

Изучены подходы к разработке математического обеспечения испытаний сложных технических объектов Р.И. Адгамова, A.M. Ахмедзянова, Н.Г. Дуб-равского, И.А. Биргера, Р.Л. Кашьяпа, В.В. Рыбалко, В.И. Скурихина, P.C. Судакова, А.П. Тунакова, а также методы диагностики и контроля технических объектов и систем (работы В.В. Клюева, А.Г. Суслова, A.C. Орлина, М.Г. Круглова, Д.Н. Решетова, К.Ф. Фролова, Е.Г. Нахапетяна, A.M. Харазо-ва, И.Я. Райкова, Г.В. Спичкина). Показано, что детерминистские методы имеют ряд недостатков, связанных с высокой стоимостью и ограничением по количеству изучаемых параметров и времени получения результатов. Тради-

ционные статистико-вероятностные методы являются трз'доемкими и требуют длительного обследования большого числа партий однотипных исправных и неисправных изделий для обоснования создаваемых диагностических моделей.

Специфика производственных испытаний ДВС (сложность и нестационарность испытуемых объектов, недостаток априорной информации, с одной стороны, и ограничение материальных, трудовых, временных ресурсов, с другой) исключает возможность использования существующих методов для повышения качества управления испытаниями, соответствующего современному уровню развития двигателестроения и вычислительной техники.

Актуальная научни-производственная задача повышения качества управления и количественных показателей эффективности автоматизированных производственных испытаний ДВС, в том числе сокращения сроков и расходов на испытания, может быть решена только путем совершенствования математического обеспечения системы испытаний на основе новых методов идентификации стохастических объектов и процессов испытаний.

Во второй главе разработан метод идентификации стохастических объектов по результатам измерений диагностических параметров.

При автоматизации процесса управления испытаниями информационные потоки формируют по результатам измерений диагностических параметров в виде многомерных случайных процессов, или временных рядов х,,,..., X„,,

где | = 1 -г- и - номер параметра, / = !,..., Т - дискретное время. В каждый момент времени / п параметров образуют п х 1 - вектор х, = (X,,,..., Хп, )т ■

Объединение скалярных процессов изменения отдельных диагностических параметров двигателей (мощности, расхода топлива, давления, температуры различных узлов и агрегатов, уровней вибрации, шума и т.п.) в ходе испытаний в многомерные процессы обосновано стандартными характеристиками (скоростными, нагрузочными, регулировочными), обычно используемыми для диагностирования состояния двигателей, либо так называемыми общими факторами. Под последними здесь понимаются прямые (структурные) параметры, непосредственно отражающие техническое состояние двигателей: шероховатость деталей, отклонения размеров от номинальных значений, отклонения формы реальных поверхностей от номинальных, погрешности балансировки вращающихся узлов, зазоры в сопряжениях и, как следствие, качество сборки и регулировки узлов и изделий в целом.

Из-за ограничения многими заводами времени обкатки двигателей, необходимой для уменьшения шероховатости поверхностей, исправления макрогеометрии, приработки деталей и узлов, а также в силу физических особенностей рабочих процессов случайные процессы изменения параметров на стадии производственных испытаний имеют нестационарный характер даже на установившихся режимах.

Между диагностическими параметрами ДВС существуют физически интерпретируемые зависимости, моделирование которых представляет сложную задачу. Однако они могут быть установлены путем многомерного статистического анализа. Для этого применяется понятие коинтеграции. Если установленные статистические зависимости устойчивы, то объект, поведение которого описывается набором определенных параметров, также предполагается устойчивым, наоборот, нарушение зависимостей является следствием имеющегося дисбаланса. Такой подход позволяет обнаружить общую тенденцию в изменении параметров функционирования двигателей.

Математическая задача исследования формулируется как построение модели векторной авторегрессии, связывающей текущие и прошлые значения каждого параметра с текущими и прошлыми значениями остальных параметров, и определение стационарной линейной комбинации между отдельными элементами многомерных нестационарных процессов. Тогда метод идентификации стохастических объектов испытаний заключается в поиске адекватного аналитического описания скалярных и многомерных случайных процессов изменения диагностических параметров, а также в оценке стационарных линейных комбинаций, характеризующих общую динамику всех параметров. Метод реализован в среде ПГЮ RATS / CATS (рис. 1) и рассматривается, в том числе, на примере многомерного случайного процесса изменения трех параметров, характеризующих работу- карбюраторного ДВС в ходе контрольных испытаний: удельного расхода топлива ge {кгIкВт -ч). давления во ппуекком коллекторе Н (кПа), содержания СН в отработавших газах {млн'1) (рис. 2). Между отдельными процессами установлена сильная корреляционная зависимость, процессы исследованы ь частотной области. По результатам исследований для процессов выбрано описание в виде:

где £ - стационарный случайный процесс с нормальным распределением;

- константа, определяющая величину и направление отклонения процесса; /л, - коэффициент, характеризующий устойчивое систематическое изменение процесса в течение всего периода наблюдения; ^ - консганты, р - количество членов авторегрессии, / = 1 -п - номер параметра.

Первые разности процессов д\-. ( = хи -X,, , (А - разностный оператор)

представляют стационарные случайные процессы. Процесс х:; считается

интегрированным порядка 1, если процесс его первых разностей является стационарным.

(!)

Стационарность процессов (определение порядка интегрированности) проверена путем преобразования выражения (1) к виду, соответствующему расширенному критерию Дики-Фуллера:

ДА'

1

+ е,

(2)

где а, а- константы, „ = _(1 _.

У-1

С

начало

э

а) Формирование вектора информативных параметров (п - кол-во параметров)

I

<1=1 ¡-¡+1 \ _/

г

б) Предварительный анализ

1 г

в) Аналитическое описайте I -ГО случ.процесса

1 г

г) Заключение о порядке интеграции и адекватности модели

Прогнозирование вектора параметров

Рис. I. Идентификация испытуемых ДВС по диагностическим параметрам

де.н.сн

Последовательно проверены гипотезы о равенстве нулю коэффициентов

«,//,//„• Структурная

идентификация отдельных процессов составляет содержание блока в) алгоритма рис.1. Процессы являются нестационарными, а их первые разности - стационарными случайными процессами (табл. 1), поэтому исходные процессы считаем интегрированными процессами первого порядка.

---де,0 001 кгЛсВт.ч

----И,0.133кПа

.....СН.мли-1

......Ь-стац_завис

11 13 15 1 7 13 21 23 25 27 29

Рис.2. Последовательные изменения параметров Таблица 1 - Аналитическое описание элементов многомерного процесса

Этап Удельный расгод топлива §е Давление во впу скном коллекторе II Содержание СЯв отработавших газах

1 Структура модели: &Х]=145.021-1.565Г - - 0.452Д^1 + е, Я5:а = 0 не отверг.: 1а ~ =-2.71 >Г(к.з.5%)--3.58 Струэтура модели: ДГ, = 88.943-1.8051- -О.ША',., + к, Нв:а = 0 не отверг.: 1а = =-1.46 > ¡(к.з.5%) —3.58 Структура модели: ДУ( = 113.695 - 2.190Г--0.4003^+с, На: а = 0 не отверг.: ¡а = =-2.50>1(к.з.5%)=-3.58.

2 II0: /1=0 не отверг.: г = =0.03,(к. з.5%) одностор. кря-терня(Я^:)и>0) равно 2.85 Я,;р=0нео1*ерг.; г .= —1.53,(к.з.5%) одностор. крй-терия(//^:1« >0)равно2.85 Я0: ¿1=0 не отверг.: т = =0.003,(к.з.5%) одностор. критерия (НА > 0 ) равно 2.85

3 Структура модели: Д.У, =78.684 - 0.298А',_, +«•, На\сс = 0 не отверг.: 1а = =-2.15 >./(к. 1.5%)--2.97 Струхтура модели: ДГ, =-6.041- 0.0005Х,.! Н0: а --- 0 не отверг.: 1а= =-0.01Х(кл.5%) =-2.97 Структура модели: ДА", = 28.732 - 0.162Х,,, +4", Ея: а = 0 не отверг.: 1а = =-1.52 > ((к.з.5%) --2.97

4 М„:= 0 не отверг.: г^ -=-0.78,(к.з.5%) одностор. критерия (Н4: ¡1 > 0) равно 2.61 Я„:^,=0 не отверг.: гл = =-1.12,(к.а5%)сд1101Лор. критерия {НА:р>0) равно 2.61 Я„:/^=0 но отверг.: гл =-1.21,(к.з.5%) одностор. критерия (НА ■■(!> 0) равно 2.61

5 Структура модели: ДГ, =-0.027А'1.1 +е, Нс; а = 0 не отаерг.: 1а -=-1.12>/(к.з.5%)=-1.95 Структура модели: ДГ, =Ц).015Х(..+г.', Я0: а = 0 не отверг.: 1а -=-1.11>г(к.з.5%)=-1.95 Структура модели: ИХ, =-0.0418А'м +£■, Нс : а = 0 не отверг.: 1а = —1.56 > £(к.з.5%) —1.95

ОЖ 2.079 2.019 1.703

в 11-38, ^(20) =31.41 26-90, ^95(20)=31.41 20-05, ^(20) =31.41

Адекватность результатов проверена путем анализа ошибок идентификации с использованием статистик Льюнга - Бокса - Пирса (0 и Дурбина-Уотсона (БЩ (блок г) алгоритма рис. 1).

Одинаковая структура моделей отдельных скалярных процессов (блок д) алгоритма рис.1) является основанием для определения причинно-следственной зависимости между ними в виде стационарной линейной комбинации (блок е) алгоритма рис. 1).

Для этого строится модель векторной авторегрессии:

х, =П0+П1дг,.1+...+Пр*,_,+£;, ( = 1,...Т, (3)

где - (х,,,..., Хп ,)т - вектор параметров, пу (/))- матрицы коэффициентов, Е{ ~(си,...,е„,)т-вектор ошибок оценивания, п - число параметров, р -

порядок модели.

Для процесса изменения ge, Н, СН модель (3) принимает вид: х, =П„+П,д:(+П2х,_2 +£,, ¿ = 1 ,...Т,

Г ял -24.884 /

X, = 91.02

{сн,} ч 53.53 , V

0.65 0.1 0.1 0.63 -0.23 0.96 0.63 -0.81 1.76

П,=

0.32 -0.34 0.28" -0.21 0.19 -0.78 -0.22 0.31 -0.87

V /

Если процесс х, - интегрированный порядка 1 и линейная комбинация при рФ() стационарна, то х, называется коинтегрированным процессом, а р7 - коинтегрирующим вектором. Изменение случайной величины ^ х

для параметров ge, Н, СН на рис. 2 отражено жирной линией.

Зависимость между параметрами описывается выражением:

СН, = 1.875Я,-\.\llge, +735.466 . - (4)

На основе метода разработана инженерная методика исследования многомерных нестационарных процессов изменения диагностических параметров ДВС, использующая установленные стохастические зависимости при управлении испытаниями.

Многомерный нестационарный процесс изменения пяти параметров, используемых при построении стандартной регулировочной характеристики карбюраторного двигателя в ходе контрольных испытаний (часового расхода топлива О? {кг/ч), крутящего момента Мк (Нм), эффективной мощности N0 (кВт), удельного расхода топлива (кг /кВт ■ ч) и содержания СО (%) в отработавших газах), исследован при изменении коэффициента избытка воздуха а на постоянной частоте вращения коленчатого вала со = 314с"1 (рис.3).

Изменение каждого из параметров является нестационарным случайным процессом со стационарными первыми разностями. Между отдельными процессами установлена линейная зависимость:

СО, = -0,026Мк, + 0,296(7/, + 89,379gel - 0,101 N0,, (5)

используемая, в том числе, для автоматического установления коэффициента а, обеспечивающего максимальную мощность, минимальный расход топлива, минимальные концентрации СО и СН. Это заменяет трудоемкое построение и расшифровку стандартной регулировочной характеристики и является особым преимуществом методики, поскольку исключает ошибки, связанные с квалификацией операторов испытаний.

В третьей главе полученные модели испытуемых двигателей представлены в пространстве состояния для верификации и последующего оценивании вектора состояния в реальном времени испытаний.

В пространстве состояний разработанные во второй главе модели можно записать как:

х, = А<х,-> + 6>,' (6) у,=ВЛ+Н,у,, (7)

х( - п х I -вектор состояния, у- /я х I - вектор наблюдения, ю, и - векторы «белого шума» размерности дх1 и рх\ с Е[т,} = 0, Е[а,ткт]^д,д,к (8Л-символ Кронекера), £[>., ] = 0, £[у,у/] = ДА' ¿Т>у,у/] = 0. А,-переходная л х я-матрица, обратимая, и -их^-матрица входов, /их я-матрица наблюдения, Н,~тхр -матрица.

Влияние ошибок идентификации матрицы А на результаты оценивания вектора состояния х, в предположении точных значений остальных параметров модели определено с использованием подхода Гавронского и матричного дифференциального исчисления. Апостериорная ковариационная

Mh.Gt.CO.NA Пй 1

1 3 5 7 9 11 13 15 17 1Э 21 23 25 27 29 31 1

Рис.3. Многомерный случайный процесс измерений параметров ДВС: 1 (кВт); 2-а; Ъ-Мк(Нм); 4-С7/ (кг/ч); 5-ge(кг¡кВт • ч); 6 - СО(%)

матрица ошибок оценивания р( есть функция от матричного аргумента а,, след tr[Pt(A,)] - функционал от л,-

Разложение матричного функционала в ряд Тейлора около истинного значения матрицы А имеет вид:

tr[P(A +SA)] = tr\p(A I +&11)]=

tr\p(A ,{M i щ+О2(А IM i)' (8)

где SA - вариация ошибки идентификации матрицы А: Ai, &ii - матрицы-столбцы, полученные по способу записи «строка за строкой». Члены разложения второго и более высоких порядков представляют бесконечно малые величины. Второе слагаемое правой части выражения (8) отражает изменение функционала зависящего от отклонения значения матрицы А от истинного значения (ошибки идентификации).

Определены погрешности идентификации объектов по основным диагностическим параметрам. Например, при 10% погрешности в оценке коэффициента модели, отражающей динамику содержания СО (%) в отработавших газах, дисперсия ошибки оценивания содержания СО также увеличивается на 10%.

Автоматизация вычислительного алгоритма для определения ошибок идентификации определяет возможность прогнозирования показателей эффективности испытаний уже на стадии подготовки (путем оценивания вероятности принятия ошибочного решения в зависимости от задаваемой точности и достоверности результатов испытаний, их сроков и стоимости) и, как следствие, показателей надежности системы испытаний в целом.

Линейная зависимость ¿>( между параметрами ge, Н, СН представляет случайную величину, которая меняется по закону:

Ь,=аЬ1А+вц, (9)

гдеа = 0,084, в = \, v, - «белый» шум с дисперсией а -j. Уточнение коэффициента а, оценивание и прогноз значений также проведены дискрет-

40

СО,Ко

9 11 13 15 17 19 21 23 25 27

В четвёртой главе изложена реализация разработанной методики повышения качества управления и количественных показателей эффективности автоматизированных производственных испытаний по результатам идентификации стохастических объектов и процессов.

45 _______________________ При дефектах или поломках

ДВС меняются их структурные параметры, соответственно, меняются значения диагностических параметров, стандартные характеристики функционирования двигателей отклоняются от номинальных. Как следствие, происходит разрушение статистических связей, в том числе коинтеграцион-

ных, между параметрами. Например, при отклонении Рис.5. Многомерный случайный процесс СО (%) и С/ от номинальных измерений параметров ДВС: 1 -Ко (кВт); значений из-за возможных де-2- 0( (кг/ч); Ъ-Мк(Пм)\ 4- СО(%); 5- фектов (рис.5) изменится харак-

8е (кг/кВт ■ ч) тер и коэффициенты причинно-

следственной зависимости (5). Значение ранга коинтеграции примет нулевое значение, что означает нарушение линейной стационарной зависимости между процессами.

Методика выявления момента нарушения зависимостей основана на отслеживании выборочных значений дисперсий и средних линейных комбинаций, описывающих связи между диагностическими параметрами двигателей. Наоборот, при сохранении физически интерпретируемых связей между диагностическими параметрами двигателей между ними сохраняются статистические связи, в том числе коинтреграционные. Это продемонстрировано для случая, когда при исключении измерений параметров для значения £0 = 314с"' (рис.2), произойдут изменения всех элементов, однако установленная причинно-следственная зависимость сохранится: СИ, = 4.623Я, -ЫМ^е, +291.403 Это произойдет только при сохранении физических связей устойчивого объекта, т.е. когда испытуемый двигатель исправен. Результаты аналитического и численного эксперимента на ЭВМ с верификацией в лабораторных и производственных условиях являются основанием для рекомендации сокращения времени испытаний путем исключения работы двигателей на отдельных режимах (или сокращения времени работы на 20% на каждом из стандартных режимов, что зависит от вида испытаний) без ущерба для достоверности полученных результатов. , ; .

Организация управления приемосдаточными и контрольными испытаниями строится на базе разработанных стохастических моделей испытуемых объектов для оценивания их состояния в реальном времени испытаний по основным диагностическим параметрам.

Автоматизированная система управления производственными испытаниями ДВС является универсальной и может быть применена при испытаниях автомобильных бензиновых двигателей различных модификаций при соответствующей адаптации моделей (рис.6). Входами системы являются информационные потоки в виде измерений диагностических параметров и Рис. 6. Структура АСПИ ДВС характеристик испытуемых

двигателей после сборки, а также техническая документация. Выходами системы - информация о годных и негодных для дальнейшей эксплуатации двигателях, решения по удовлетворению технических условий, рекомендации сборочному цеху.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Впервые предложен метод повышения качества управления и количественных показателей эффективности автоматизированных производственных испытаний ДВС, в том числе сокращения сроков и расходов на испытания, заключающийся в использовании в реальном времени приемосдаточных и контрольных испытаний стохастических моделей испытуемых объектов для оценивания их состояния.

2. Разработан новый метод идентификации стохастических объектов и процессов, отличающийся от существующих методов тем, что идентифицируются не только скалярные случайные процессы измерения отдельных диагностических параметров ДВС, но и многомерные процессы, а также опре-

деляются стационарные линейные комбинации, характеризующие общую динамику элементов многомерных нестационарных процессов.

3. Разработано математическое обеспечение для эффективного управления технологическим процессом производственных испытаний и для системы интеллектуальной поддержки принятия решений по их результатам, заключающееся в объединении методов анализа многомерных нестационарных временных рядов и адаптивной фильтрации при мониторинге технического состояния испытуемых изделий по величине коэффициентов линейных комбинаций, описывающих связи между диагностическими параметрами.

4. Обоснован новый вычислительный алгоритм для определения надежности автоматизированных производственных испытаний ДВС. Алгоритм позволяет численно оценивать ошибки идентификации испытуемых объектов в зависимости от ошибок оценивания коэффициентов многомерных моделей и прогнозировать количественные показатели эффективности испытаний уже на стадии их подготовки путем оценивания вероятности принятия ошибочного решения при заданной точности и достоверности результатов испытаний, их сроков и стоимости.

5. Создана инженерная методика, которая может быть использована для моделирования параметров автомобильных бензиновых двигателей различных модификаций, в том числе оснащённых инжекторами и электронными системами управления. Предложенная методика позволяет на 20% сократить время принятия решений по результатам испытаний, что равносильно снижению затрат на испытания - на 10%.

6. Разработанный метод идентификации стохастических объектов и процессов может быть основой для разработки методик испытаний широкого класса сложных машиностроительных изделий.

7. Разработанные алгоритмы управления технологическим процессом испытаний ДВС способны перестраиваться программным путем в зависимости от динамики испытуемых ДВС, технологии испытаний, реальных производственных ситуаций.

СПИСОК ОПУБЛИКОВАННЫХ ТРУДОВ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Голикова В.В. Вычислительные аспекты поиска причинно-следственных зависимостей между параметрами сложных систем / В. В. Голикова, Е. Л. Первухина // Системт технологи. Репональний мгжвуз1вський збфник наукових праць - Дшпропетровськ, 2006. - №5(46). - С. 101-113.

2. Голикова В.В. Стохастические модели в задачах диагностирования состояния сложных систем / В.В. Голикова, Е.Л. Первухина, П.К. Сопин // Вестник СевГТУ: «Автоматизация производственных процессов» Сб. научн. тр. - Севастополь, 2007. - Вып. 83. - С. 156-160.

3. Голикова В.В. Векторные авторегрессионные модели в задачах исследования сложных машиностроительных изделий / В.В. Голикова, E.JI. Первухина, П.К. Сопин // Прогрессивные технологии и системы машиностроения. - Донецк, 2007. - С.64-69.

4. Голикова В.В. Метод исследования многомерных нестационарных процессов / В.В. Голикова, E.J1. Первухина // Вестник Винницкого политехнического института. - Винница, 2006.-№6- С.30-33.

5. Первухина Е. Л. Анализ нестационарных случайных процессов в задачах автоматизации производственных испытаний машиностроительных изделий / Е.Л. Первухина, В.В. Голикова // Сборка в машиностроении, приборостроении - Москва, 2007. - №8— С.29 - 35.

6. Голикова В.В. Численно-аналитическая реализация процедур проверки гипотез в задачах моделирования технических объектов в ходе их производственных испытаний /В.В. Голикова // Сборник научных трудов УГМТУ-Николаев, 2007 - №4. — С.39 -45.

7. Голикова В.В. Метод анализа чувствительности динамических систем /

B.В. Голикова, Е.Л. Первухина // Оптимизация производственных процессов: сб. наун. тр. - Севастополь, 2007. - Вып.49. - С. 140-142.

8. GolLkova V. Cointegration and Forecasting Control Parameter Time Series of Technical Devices / V. Golikova, E. Pervukhina, J.-F. Emmenegger // International Journal of Applied Mathematics, 2007. - Vol. 42. - N 1. - P. 139151.

9. Первухина Е.Л. Организация процедуры принятия решений по результатам стендовых испытаний машиностроительных изделий / Е.Л. Первухина, Т.Л. Степанченко, В.В. Голикова // Системш технологи. Репоналъний м1жвуз!вський зб!рник наукових праць - Дншропетровськ, 2007. - №5 (52). -

C. 19-25.

10. Первухина Е.Л Формирование информационной технологии принятия решений по результатам стендовых испытаний машиностроительных изделий /' Е.Л. Первухина, Т.Л. Степанченко, В.В. Голикова // Системш технологи. Репональний лпжвуз1вський 36ipmuc наукових праць -Дншропетровськ, 2008. -№3(56). - С.168 - 172.

11. Голикова В.В. Линейно-квадратическая оптимизация управления многомерным объектом. Построение решения алгебраического уравнения Рикка-ти по минимальному многочлену гамильтоновой матрицы / В.В. Голикова, А.Т. Барабанов, А.Е. Сычёв // Системы автоматики и автоматическое управление: матер, студен, науч.- техн. конф., Севастополь, 14-15 мая 2002 г. -Севастополь, 2002. - С. 3-7.

12. Первухина Е.Л. Стохастические динамические модели в задачах исследования многомерных нестационарных объектов / ЕЛ. Первухина, В.В. Голикова // Надежность и долговечность механизмов, элементов конструк-

ций и биомеханических систем: матер, междунар. науч.- техн. конф., Севастополь, 5-8 сентября 2005 г. - Севастополь, 2005. - С. 130 -133.

13. Голикова В.В. Определение статистических взаимосвязей между параметрами сложных технических объектов / В.В. Голикова, E.JI. Первухина // Надежность и долговечность механизмов, элементов конструкций и биомеханических систем: матер, междунар. науч. -техн. конф., Севастополь, 5-8 сентября 2006 г. - Севастополь, 2006.- С. 105 - 108.

14. Голикова В.В. К вопросу статистического моделирования сложных технических объектов / В.В. Голикова, E.JI. Первухина // Автоматизация: проблемы, идеи, решения: матер, междунар. науч. - техн. конф., Севастополь, 12-17 сентября 2006 г. - Севастополь, 2006. - С. 65 - 67.

15. Голикова В.В. Метод исследования многомерных нестационарных объектов / В.В. Голикова, ЕЛ. Первухина // XIII МЬкнародна конференция з автоматичного управлшня (Автоматика-2006): матер. М1'жнар. наук. - техн. конф., Вшниця, 25 - 28 вересня 2006 р. - Вшниця, 2006. - С. 82.

16. Голикова В.В. К вопросу автоматизации управления испытаниями машиностроительных изделий / В.В. Голикова, Т.Л. Степанченко // Автоматизация: проблемы, идеи, решения: матер, междунар. науч. - техн. конф., Севастополь, 10-15 сентября 2007г. - Севастополь, 2007. - С. 189 - 190.

17. Голикова В.В. Анализ ошибок моделирования многомерных нестационарных процессов / В.В. Голикова, Е.Л. Первухина // Автоматика-2007: матер, междунар. науч.-техн. конф. по автоматическому управлению, Севастополь, 25 - 28 сентября 2007г. - Севастополь, 2007. - С. 122 - 124.

18. Степанченко Т.Л. Моделирование машиностроительных изделий при решении задачи управления качеством / Т.Л. Степанченко, Е.Л. Первухина, В.В. Голикова II Надежность и долговечность механизмов, элементов конструкций и биомеханических систем: матер, междунар. науч. -техн. конф., Севастополь, 4-7 сентября 2007 г. - Севастополь, 2007 - С. 272 - 274.

19. Голикова В.В. Численно-аналитическая реализация метода анализа ошибок при моделировании динамических систем / В.В. Голикова, A.B. Первухин // Безопасность жизнедеятельности предприятий в промышленно развитых регионах: матер, междунар. науч. -техн. конф., г. Кемерово, Россия, 15-16 ноября 2007г. - Кемерово, 2007. - Том 2. - С. 57-59.

20. Golikova V. Procedures for supporting of decision making at state control of technical devices / V. Golikova, J.-F. Emmenegger, E. Pervukhina, T. Stepanchenko // Predictions and Decision Making under Uncertainties: Abstracts of the International Conference, Sudak, Ukraine, September 2007. - Sudak, 2007. -P. 17-19.

21. Stepanchenko T. Detection of Changes in the State of Technical Devices' at the Stage of Branch Testing / T. Stepanchenko, V. Golikova, J.-F. Emmenegger, E. Pervukhina // Problems of Decision Making under Uncertainties: Abstracts of

the International Conference, Kiev -Rivne, Ukraine, May 12-17, 2008. - Kiev, 2008.-P. 41-43.

22. Голикова B.B. Повышение показателей эффективности автоматизированных производственных испытаний ДВС // Автоматизация: проблемы, идеи, решения: матер, междунар. науч. - техн. конф., Севастополь, 8-12 сентября 2008г. - Севастополь, 2008. - С. 81 - 83.

Анотащя

Голшова В.В. Шнтиф'шицш стохастичних o6'aanie i процесю в ав-томатизованш система виробничих випробувань двигушв внутршнього згоряння. - Рукопис.

Дисертащя на здобуття наукового ступеня кандидата техшчних наук за спещальшстю 05.13.07 - автоматизация процейв керування. Севастопольсь-кий нащональний техшчний ушверситет, Севастополь, 2008.

Дисертащйна робота присвячена решению актуально!' народногосподар-сько! проблеми, пов'язаноТ з шдвшценням якост! керування й кшьюсних по-казниюв ефективност1 автоматизованих виробничих випробувань двигутв внутршнього згоряння (ДВЗ), у тому числ1 скорочення строгав i витрат на випробування, шляхом створення мето/цв ¡дентифжаци стохастичних об'ек-tíb i npo4eciB випробувань.

Вперше запропоновано метод щдвшцення якосп керування й кшьисних показник1в ефективносп автоматизованих виробничих випробувань ДВЗ.

Розроблено новий метод щентифкащ! багатовтйрних стохастичних об'-eKTÍB i npoueciB шд час випробувань.

Розроблене математичне забезпечення для керування технолопчним про-цесом автоматизованих виробничих випробувань i для системи штелектуа-льноУ пвдгримки прийнятгя pimera. за ix результатами.

Обгрунтовано новий обчислювальний алгоритм для визначення надшнос-tí автоматизованих виробничих випробувань ДВЗ в залежноси вщ значень похибок моделювання o6'cktíb випробувань.

Ключов1 слова: ДВЗ, виробнич1 випробування, автоматизация процесгв керування, щентифжащя стохастичних процессе, коште гращя, адаптивна фшьтращя.

Аннотация

Голикова В.В. Идентификация стохастических объектов и процессов в автоматизированной системе производственных испытаний двигателей внутреннего сгорания. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.07 - автоматизация процессов управления. Севастопольский национальный технический университет, Севастополь, 2008.

Диссертационная работа посвящена решению актуальной задачи повышения эффективности автоматизированных производственных испытаний двигателей внутреннего сгорания (ДВС).

Впервые предложен метод повышения качества управления и количественных показателей эффективности автоматизированных производственных испытаний ДВС, заключающийся в использовании в реальном времени испытаний стохастических моделей испытуемых объектов для оценивания их состояния.

Разработан новый метод идентификации стохастических объектов и процессов, отличающийся от существующих методов тем, что идентифицируются не только скалярные случайные процессы измерения отдельных диагностических параметров ДВС, но и многомерные процессы, а также определяются стационарные линейные комбинации, характеризующие общую динамику элементов многомерных нестационарных процессов.

Разработано математическое обеспечение для управления технологаче-ским процессом автоматизированных производственных испытаний и для системы интеллектуальной поддержки принятия решений по их результатам, заключающееся в объединении методов анализа многомерных нестационарных временных рядов и адаптивной фильтрации для оценивания коэффициентов линейных комбинаций, описывающих связи между диагностическими параметрами.

Обоснован новый вычислительный алгоритм для определения надежности автоматизированных производственных испытаний ДВС. Алгоритм позволяет численно оценивать ошибки идентификации испытуемых объектов в зависимости от ошибок оценивания коэффициентов многомерных моделей и прогнозировать количественные показатели эффективности испытаний уже на стадии их подготовки путем оценивания вероятности принятия ошибочного решения при заданной точности и достоверности результатов испытаний, их сроков и стоимости.

Впервые на основе нового подхода к формализации задачи управления автоматизированными испытаниями ДВС создана инженерная методика исследования многомерных нестационарных процессов измерения диагностических параметров, позволяющая установить стохастические зависимости между ними и использовать их при управлении испытаниями. Методика может быть использована для моделирования параметров автомобильных бензиновых двигателей различных модификаций, в том числе оснащённых инжекторами и электронными системами управления.

Разработанные алгоритмы управления технологическим процессом испытаний ДВС способны перестраиваться программным путем в зависимости от динамики испытуемых ДВС, технологии испытаний, реальных производственных ситуаций.

Ключевые слова: ДВС, производственные испытания, автоматизация процессов управления, идентификация стохастических процессов, коинте-грация, адаптивная фильтрация.

Abstract

Golikova V.V. Identification of stochastic objects and processes in the automated system of industrial tests for internal combustion engines. - Manuscript.

Thesis for Candidate's Degree in Technical Sciences. Specialty 05.13.07 -Automation of Control Processes. - Sevastopol National Technical University, Sevastopol, 2008.

The thesis is devoted to the solution of the actual industrial problem connected with the control improvement of automated industrial testing of internal combustion engines.

For the first time the method to improve control quality and to increase quantitative indicators of automated industrial testing efficiency for the internal combustion engines is offered. It is based on stochastic models which are used to estimate technical state of the tested objects in real time regime.

The method to identify scalar and multivariate stochastic processes which characterize dynamic of the engine diagnostic parameters is developed. The stationary linear combinations describing joint stochastic behavior of the elements of multivariate non-stationary processes are determined.

The software to control technology of the automated industrial tests and for intellectual system of decision-making based on the testing result is designed. It combines methods to analyze multivariate non-stationary time series and adaptive filtering of linear combinations describing relations between the diagnostic parameters.

The new computing algorithm to estimate the reliability of engine automated testing is proved. It allows to determine the identification errors as functions of errors of the coefficient values for the multivariate models and to forecast the quantitative indicators of the testing efficiency at the preliminary stage. The probability to make incorrect decision, when accuracy and reliability of testing results, their terms and costs are given, is estimated.

Keywords: internal combustion engines, industrial tests, automation of control processes, identification of stochastic processes, reintegration, adaptive filtering.

ГИдписано до друку 09.12.08р. Формат 60x90 1/16. Патр офсетний. Гарнитура Times. Умовн. друк. аркуш. 1.1. Замовл. №41 Тираж 100 прим.

Видавництво СевНТУ, НМЦ, т. 23-52-10 99053, м. Севастополь, 53, вул. Ушверситетська, 33