автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Математические модели идентификации технического состояния турбоустановок на основе нечеткой информации

на правах рукописи КРОХИН Геннадий Дмитриевич

МАТЕМАТИЧЕСКИЕ МОДЕЛИ ИДЕНТИФИКАЦИИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВОК НА ОСНОВЕ НЕЧЕТКОЙ ИНФОРМАЦИИ

Специальность: 05.13.18 - математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

0034Ь)

Иркутск-2008

003451524

Работа выполнена в Новосибирском государственном техническом университете

Научный консультант: доктор технических наук, профессор

Гриф Михаил Геннадьевич

Официальные оппоненты:

доктор технических наук, профессор Гамм Александр Зельманович доктор технических наук, профессор Хабаров Валерий Иванович доктор технических наук, профессор Загоруйко Николай Григорьевич

Ведущая организация - Московский энергетический институт (технический университет), г. Москва

Защита состоится 25 ноября 2008 г. в 900 час в зале заседания Ученого совета на заседании Диссертационного совета Д 003. 017. 01 при Институте систем энергетики им. Л.А. Мелентьева СО РАН по адресу 664033, Иркутск-33, ул. Лермонтова, 130, к. 355.

С диссертацией можно ознакомиться в библиотеке Института систем энергетики им. Л.А. Мелентьева СО РАН.

Отзывы на автореферат в двух экземплярах, заверенные печатью учреждения, просим направлять по адресу 664033, Иркутск-33, ул. Лермонтова, 130, на имя ученого секретаря диссертационного совета.

Автореферат разослан

•/«5Г~2008г.

Ученый секретарь

Диссертационного совета Д 003. 017. 01

доктор технических наук, профессор

Клер А.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Для энергетики в настоящее время характерна интенсификация использования мощностей и ресурсов установленного оборудования. Это может быть достигнуто на основе интеллектуальной диагностики эксплуатационного состояния и режимов использования оборудования. Рост степени ответственности принимаемых решений по времени вывода оборудования в ремонт ужесточил требования к качеству моделей идентификации, основой которых является информация, получаемая при диагностике состояния энергоустановок. Их выполнение в условиях старых форм технического обслуживания по системе ППР (планово-предупредительных ремонтов) стало неэффективным. Возникла проблема недостаточной адекватности диагностических моделей и моделей принятия решений о выводе турбоустановки в ремонт или снижении нагрузки, вследствие не использования нечеткой информации о состоянии оборудования, а также повышенной суммарной неопределенности, накапливаемой за время эксплуатации.

Различные направления в решении этой проблемы рассматривались следующим рядом авторов. Основы применения современных методов математического моделирования, прикладные методы теории систем и системного анализа, методы исследования операций, для исследования теплоэнергетических установок и ТЭС заложены в работах школы Сибирского энергетического института (Л.А. Мелентьев, Ю.Н. Руденко, JI.C. Попырин, С.М. Каплун, Ю.В. Наумов, А.З. Гамм,

A.M. Клер, H.H. Новицкий). Оригинальные подходы к моделированию и исследованию теплоэнергетических установок развиты в работах ЦНИИКА (Ф.А. Вульман, Н.С. Хорьков), в ИПМаш. Укр. АН (A.A. Шубенко-Шубин, A.A. Палагин). Выполнены исследования оперативного контроля работы энергоблоков, с целью разработки методов организации диагностического обеспечения основного и управляющего оборудования, электростанций, АН УССР (В.Ф. Скляров, В.А. Гуляев, В.М. Чаплыга, М.А. Дуэль, Ю.М. Мацевитый, Б.Е. Патон,

B.А. Яницкий), НПО ЦКТИ, НПО ЦНИИТмаш., ПО ЛМЗ (Л.А. Хоменок, А.Н. Ремезов, И.А. Ковалев, B.C. Шаргородский, С.Ш. Розенберг, В.И. Олимпиев, Л.П. Сафонов, В.Г. Орлик), СЭИ (A.M. Клер, Н.П. Деканова, Э.А. Тюрина), ВТИ (А.Щ. Лейзерович, В.Б. Рубин). ВТИ получен опыт разработки локальных подсистем диагностического контроля турбоустановок ТЭС (A.B. Мозгалевский, Д.В. Гаскаров, А.Ш. Лейзерович, Н.Ф. Комаров, H.H. Борисова). Проведены диагностические исследования неисправностей состояния энергооборудования (В.А. Яницкий, Н.Г. Барыкова, А.Б. Кузьмин, А.Д. Трухний, И.А. Перминов, В.Г. Орлик, A.A. Гординский, Л.С. Баран, A.M. Макаров, С.Ш. Розенберг, Л.А. Хоменок, В .Я. Гиршфельд, В.А. Цветков, ГЛ. Уланов, Ю.П. Косинов, В.Г. Канцедалов, Г.П. Берлявский, В.Ф. Злепко). Определено состояние крупных ТГ (В.А. Алексеев, A.A. Палагин, A.B. Ефимов). Исследования современного состояния, проблем эксплуатации и путей обновления основного и вспомогательного оборудования ТЭС проведены НПО ЦКТИ и СЭИ (Л.А.

Хоменок, А.П. Меренков, J1.B. Массель, A.M. Клер). Исследования по разработке и созданию новых методов и средств неразрушающего контроля, включая дистанционный контроль и прогнозирование долговечности металла оборудования ТЭС и АЭС, выполнены Юж. ВТИ (A.A. Мадоян, В.Г. Канцедапов, П.Б. Самойленко, Б.Р. Бродский, B.C. Гребенник, В.Ф. Злепко, Т.Г. Березина, Н.В. Бугай, И.И. Трунин). Исследования для разработки методик алгоритмического обеспечения систем централизованного контроля проведены Институтом проблем управления АН (И.М. Шенброт, Э.Л. Ицкович). Разработки измерительных информационных систем (ИИС) выполнены Институтом автоматики и электрометрии СО АН СССР (К.Б. Карандеев, Г.И. Кавалеров, С.М. Мандельштам, М.П. Цапенко, В.И. Рабинович, В.М. Ефимов). Алгоритмам переработки сигналов датчиков систем автоматического и централизованного контроля посвящены работы МЭИ (Ф.Е. Темников, A.C. Немировский, П.В. Новицкий, И.А. Зограф). Выполнены исследования НЭТИ для разработки экспертных систем анализа многофакторных объектов и формализации знаний (В.И. Денисов, И.А. Полетаева, В.И. Хабаров). Решение задач реального времени в электроэнергетике выполнено СЭИ (А.З. Гамм, Ю.Н. Кучеров, С.И. Паламарчук). МЭИ получен опыт разработки инструментальной среды для построения интеллектуальной системы оперативной диагностики с использованием декларативных знаний и нечетких алгоритмов (Э.К. Аракелян, М.А. Панько). В последние десятилетия научный интерес направился на создание автоматизированных систем, предназначенных для повышения эффективности управления отдельно функционирующими энергоблоками и целыми ТЭС. Этому способствовало появление нового поколения средств информационно-измерительной техники - процессорных измерительных средств (ПрИС), в которых программируемая вычислительная мощность входит в состав измерительной цепи и участвует в получении результатов измерения. ПРиС -следствие компьютеризации измерений, проявляющейся в применении вычислительной техники для автоматизации управления функционированием и обработки результатов измерения, и для реализации части измерительной процедуры в числовой форме на программной основе (Г.Я. Мирский, Э.И. Цветков, J. Finkelstein, M. Клейн, Г. Морган, JI. Рабинер, Б. Гоулд, D. Driankov, G.J. Klir, G. Olsson). Исследования по выявлению эффективности введения автоматизированных систем комплексной технической диагностики в контур управления энергоблоков ТЭС и их разработки проведены ВТИ (А.Ш. Лейзерович, A.A. Гординский, A.M. Журавель), НПО ЦКТИ (Л.П. Сафонов, A.B. Антонович, A.M. Заводовский, О.Т. Ильченко, C.B. Яцкевич). Однако, как показывает проведенный анализ, эта проблема не могла быть успешно решена без рассмотрения целостности теплоэнергетического процесса и турбоустановки как единого "механизма".

В результате, создаваемая методология технического диагностирования не позволяла уменьшить неопределенность исходной информации о техническом состоянии турбоэнергоустановки. Это и определило научную и техническую проблему, которая решается автором в представленной диссертационной работе.

Данная диссертационная работа решает обозначенную проблему:

построение интеллектуальных экспертных диагностических систем использующих четкую и нечеткую информацию для диагностики сложных турбоэнергоустановок.

Объектом исследования настоящей работы являются диагностические процессы состояния функционирующих турбоэнергоустановок электростанций.

Предметом исследования является разработка и исследование интеллектуальных экспертных диагностических систем на основе вероятностных, четких и нечетких параметров технической диагностики.

Цель работы. Целью диссертационной работы является: повышение качества диагностики и идентификации технического состояния сложных турбоэнергоустановок на основе разработки методологии и моделей реализации интеллектуальных экспертных диагностических систем распознавания состояния с использованием четкой и нечеткой информации. Задачи исследования:

1. Теоретический анализ представленных в научной литературе математических моделей технического состояния турбоустановок на основе технической диагностики.

2. Конструирование информационных моделей эксплуатационного и технического состояния турбоустановки с учетом анализа, систематизации и классификации, при экспертном, стохастическом, нечетком и четком подходах.

3. Разработка комплексной модели и алгоритма распознавания дефектных состояний турбоустановки с использованием нечеткой информации.

4. Структурирование модели интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок, с учетом нечеткой исходной информации.

5. Разработка модели и методов нечеткой идентификации, нечеткой оптимизации и нечеткого оптимального управления турбоустановки.

6. Разработка моделей определения области устойчивости и допустимости режимов турбоустановки при различных нагрузках, с использованием нечеткой информации и нечетких знаний о состоянии.

7. Разработка моделей ресурса, надежности и долговечности турбоустановки с учетом нечеткой информации и нечетких знаний о состоянии.

8. Определение основных принципов методологии и средств реализации интеллектуальных экспертных диагностических систем контроля и анализа функционирования турбоэнергоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации с учетом четкой и нечеткой информации.

9. Разработка интеллектуального диагностического комплекса 570475 («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоустановок ТЭС (исследовательский вариант).

Методы исследования. Разработанные в диссертации научные положения базируются на системном подходе к исследованию турбоустановок, моделированию и идентификации на основе технической диагностики их состояния с целью увеличения срока эксплуатации, эффективности и надежности работы с учетом неопределенности исходной информации.

Для решения поставленных задач в диссертации применялись разнообразные математические методы с использованием натурного и имитационного экспериментов, а также методы термодинамического и энергетического анализа, теории вероятностей и математической статистики, исследования операций, математического моделирования, математического программирования, прикладные методы теории систем и системного анализа, теории управления, теории информации, теории искусственного интеллекта, теории оптимизации, теории надежности, теории решений, теории нечетких множеств, нечетких логик, теории графов и теории распознавания образов. Научная новизна.

1. В диссертации впервые разработаны методологические основы и принципы нового для турбоэнергоустановок научного направления - интеллектуальные системы контроля и анализа функционирования турбоустановок на основе повышения качества , диагностики и идентификации технического состояния в процессах эксплуатации с использованием экспертной, стохастической, четкой и нечеткой информации. '

2. Сконструированы информационные модели эксплуатационного и технического состояния турбоустановки для создания новой концепции "мягкого регулирования" технического обслуживания турбоустановок с учетом времени жизни в эксплуатации и отработке, и нечеткой информации.

3. Разработаны комплексная модель и алгоритм распознавания дефектных состояний турбоустановок с использованием нечеткой информации.

4. Созданы модель и алгоритм интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок с использованием нечеткой информации.

5. Разработаны модели технического обслуживания состояния турбоустановки, включая модели ресурса, надежности и долговечности турбоустановки с использованием нечеткой информации.

6. Разработаны алгоритм и управляющие правила нечеткого регулятора разрежения в конденсаторе турбоустановки.

7. Разработан и апробирован интеллектуальный программно-вычислительный диагностический комплекс БКАШ («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоустановок ТЭС (исследовательский вариант).

Практическая значимость и реализация результатов. Полученные автором результаты в развитии новой концепции «технического обслуживания эксплуатации турбоустановок по фактическому состоянию», подтверждают необходимость применения интегрированных подходов и методов, использующих информационное и вычислительное разнообразие как основное средство решения. Использование нечеткой информации и применение для ее формализации и обработки методологии искусственного интеллекта повышает качество моделей идентификации, прогнозирования, принятия решений и оптимизации при диагностике состояния и управления турбоустановок. В результате, это позволит сформировать новую интеллектуальную (экспертную) среду, обеспечить представление объекта управления адекватной его состоянию

моделью эксплуатации, встроенной в контур управления ТЭС. Решение этой проблемы - актуальная задача.

Использование разработанной автором методологии интеллектуального управления основанной на нечетких моделях идентификации состояния и технической диагностики механизмов ТЭС способствует увеличению срока службы оборудования, повышению его эффективности, надежности и готовности выполнять необходимый режим нагрузки, выработке на основе этого дополнительных электро - и теплоэнергии, и позволяют, в результате, получить народнохозяйственный эффект. Принятие эффективных решений и подготовленных рекомендаций для обслуживающего персонала ТЭС, при управлении энергетическими установками с помощью системы поддержки и мониторинга состояния в диагностическом комплексе 8КА18, обеспечивают производство электро - и теплоэнергии необходимого количества и качества. Это осуществляется за счет поддержки работоспособности, своевременного обнаружения неисправностей и предупреждения развития дефектов и отказов.

Предусмотрена возможность независимого применения результатов из разделов работы, а именно: разработанные математические модели и их характеристики в виде аналитических зависимостей, алгоритмы и рекомендации для решения отдельных задач управления и технического обслуживания турбоэнергоустановок, контроля состояния оборудования и определения его эффективности.

Полученные результаты могут использоваться также в целом ряде задач: технико-экономического анализа, нормировании, оптимизации, управлении режимами и распределении нагрузки между агрегатами ТЭС, с учетом фактического состояния и ресурса турбоустановок. Особенно эффективно применение их для: принятия решений оценивания состояний при выводе в ремонт или модернизацию, определения оптимального межремонтного периода, развития и прогнозирования работоспособности на отдаленную перспективу, определения и оценки ресурса и долговечности основных узлов, при техническом перевооружении, а также проектирования новых, модернизации или замене отработавших ресурс элементов и узлов турбоустановок.

Представление состояния механизма нелинейными моделями идентификации на интервалах времени эксплуатации позволяет обеспечить компактность и унификацию информационной базы и структуры элементов турбоустановок. Свойство адекватности предложенных моделей и их диагностируемое™ обеспечивает эффективное согласование данных, относящихся к разным иерархическим уровням и задачам управления, а также объемам вычислений для работы в режиме реального времени.

Предложенные модели состояния механизма в виде непрерывных во времени функций предоставляют возможность разработки качественно новых методов расчета, оценки и идентификации состояния турбоэнергоустановок на основе диагностики. При этом параметры теплоэнергетического режима и состояния турбоэнергоустановки также могут быть представлены функциями времени.

Разработанные в диссертации методы и алгоритмы легли в основу базы знаний интеллектуального диагностического комплекса БЮМБ, формирующего информационную и интеллектуальную базы о поведении турбоэнергоустановки и

её элементов для решения задач прогнозирования и оперативного управления агрегатами ТЭС на основе диагностики, оценивания фактического состояния турбоустановок и их готовности.

Результаты оперативного прогноза состояния могут использоваться ДИС-ом ТЭС при ведении режима, оперативной оптимизации текущего режима, своевременном выводе агрегата в ремонт или введении ограничений при выполнении диспетчерского графика нагрузки.

Полученные средства интеллектуальной системы контроля и анализа функционирования для турбоустановок могут быть использованы и в других непрерывных производствах с идентичной технологией.

Научные результаты работы использованы институтом «Новосибирсктеплоэлектропроект ОАО "Сибирский Энергетический Научно-Технический Центр"», при выполнении проектных работ по реконструкции и модернизации Новосибирских ТЭЦ, а также ЗАО "СибКОТЭС". Разработанные методы, алгоритмы и программы внедрены в ОАО "Новосибирскэнерго" Новосибирской ТЭЦ-4. Программный комплекс 8КА1Б является составной частью АСУ ТП Новосибирской ТЭЦ-5 и Нерюнгринской ГРЭС и находится в опытной эксплуатации, обеспечивая обслуживающий персонал по диагностике состояния турбоустановки Т-180/210-130 ЛМЗ.

Проведены экспериментальные исследования диагностических моделей оценивания изменения параметров вибросостояния на надежность вращающихся агрегатов ТЭС, обслуживаемых ОАО "Сибэнергоремонт". Используемые в работе статистические модели были апробированы автором: при разработке системы автоматизированного анализа технико-экономических показателей турбоагрегатов Иркутской ТЭЦ-10, при диагностических исследованиях турбоагрегатов Новосибирской ТЭЦ-4, Красноярской ТЭЦ-2 и Петропавловск-Камчатской ТЭЦ-1, а также разработке нормативных энергетических характеристик энергоустановок ряда ТЭС и ТЭЦ Сибири.

Основные методические положения, алгоритмы, программы и рекомендации, полученные в работе, а также 3 учебных пособия используются при выполнении научно - технических, курсовых и дипломных работ в НГТУ, курсах повышения квалификации руководящих работников и специалистов - энергетиков (НФ ПЭИ п.к.), ХФ ЦКБ "Энергоремонт", ЦКБ "Энергоремонт". Внедрение результатов в практику проектирования и эксплуатации подтверждено шестью Актами использования научно - исследовательской работы в теплоэнергетике.

Основные положения и результаты, выносимые на защиту:

1. Методологические основы и принципы нового для турбоэнергоустановок научного направления - интеллектуальные системы контроля и анализа функционирования турбоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации, с использованием экспертной, стохастической, четкой и нечеткой информации.

2. Информационные модели эксплуатационного и технического состояния турбоустановки, для создания новой концепции "мягкого регулирования" технического обслуживания турбоустановок, с учетом времени жизни, в эксплуатации и отработке, при нечеткой информации.

3. Комплексная модель и алгоритм распознавания дефектных состояний турбоустановок, с использованием нечеткой информации.

4. Модель и алгоритм интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок, с использованием нечеткой информации.

5. Модели технического обслуживания состояния турбоустановки, включая модели ресурса, надежности и долговечности турбоустановки, с использованием нечеткой информации.

6. Алгоритм и управляющие правила нечеткого регулятора разрежения в конденсаторе турбоустановки.

7. Интеллектуальный программно-вычислительный диагностический комплекс SKA1S («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоустановок ТЭС (исследовательский вариант).

Апробация работы. Полученные результаты исследований докладывались и обсуждались: на научно-техническом совещании «Оптимизации систем технического водоснабжения ТЭС и АЭС» (г. Зеленодольск, Криворожская ГРЭС-2, 1981 г.); на Всесоюзном научно-техническом совещании «Состояние и пути развития средств технической диагностики тепломеханического оборудования» (г. Москва, ВДНХ, 1982г.); на Всесоюзном научно-техническом совещании «Опыт разработки, внедрения и эксплуатации АСУ ТП на ТЭЦ» (г. Минск, Зап. ВТИ, 1991г.); на научно-технической конференции «Региональные проблемы энергетики Поволжья» (г. Саратов, СПИ, 1992г.); на межвузовском научном семинаре по проблемам теплоэнергетики (г. Балаково, 1994г.); на 2-й, 3-й, 4-й и 5-й международной научно-технической конференции «Актуальные проблемы электронного приборостроения, АПЭП-94, 96, 98 и АПЭП-2000» (г. Новосибирск, НГТУ, 1994, 1996, 1998 и 2000 г.); на международной научно-технической конференции «Научные основы высоких технологий» (г. Новосибирск, НГТУ, 1997г.); на третьем и четвертом Сибирском конгрессе по прикладной и индустриальной математике, ИНПРИМ-98 и ИНПРИМ-2000 (г. Новосибирск, ИМ СО РАН, 1998 и 2000г.); на 30-м и 33-м теплоэнергетических коллоквиумах: «Турбомашины для ТЭС. Проблемы развития. Использование. Конструкции и результаты применения» и «Надежность теплоэнергоустановок в условиях либерализации рынка энергии» (г. Дрезден, Технический университет, Германия, 1998 и 2001г.); на 3-м и 4-м Русско-Корейском международном симпозиуме по науке и технике, KORUS'99 и KORUS'2000 (г. Новосибирск, НГТУ, 1999г. и г. Ульсан, Корея, 2000г.); на 7-м Европейском конгрессе по искусственному интеллекту и мягким вычислениям, EUFIT'99 (г. Аахен, Рейнско-Вестфапьский технический университет, Германия, 1999г.); на международной научно-технической конференции «Информационные системы и технологии» ИСТ'2000 (г. Новосибирск, НГТУ, 2000г.); на международных конференциях CONTROL-2003.CONTROL-2005 и CONTROL-2008 «Теория и практика построения и функционирования АСУ ТП» (г. Москва, МЭИ (ТУ), 2003, 2005 и 2008г.); на второй международной научно-технической конференции «Энергетика. Экология. Энергосбережение. Транспорт» (г. Тобольск, 2004 г.); на международном конгрессе « IF АС WS ESC'06. ENERGY SAVING CONTROL IN PLANTS AND

BUILDINGS» (г. Bansko, Bulgaria, 2006г.); на научных семинарах ФЭН и АВТФ НГТУ (г. Новосибирск, 1997,2001, 2003 - 2008г.); на научных семинарах кафедры АСУ ТП МЭИ (ТУ) (г. Москва, 2002 и 2008г.); на научных семинарах и Секции Ученого совета ИСЭМ СО РАН (г. Иркутск, 2002, 2006 и 2008г.) и получили положительную оценку.

Личный вклад соискателя. Автору принадлежат формулировки и обоснование цели работы, выбор объектов исследования, постановки задач, методология и структурирование системы и выделение ее диагностических элементов, разработка моделей и алгоритмов, организация натурных экспериментов и анализ полученных результатов. Практически все эксперименты выполнены также при его личном участии.

Публикации. Результаты диссертационной работы опубликованы в 46 научных работах, в том числе: в 3-х учебно-методических пособиях, 23 докладах -на Международных научных конференциях, симпозиумах и конгрессах, и 9 статьях - в журналах, рекомендуемых ВАК РФ для опубликования научных результатов диссертаций на соискание ученой степени доктора наук. Отдельные результаты отражены в зарегистрированных в ВНИТЦ отчетах по НИР. В автореферате приведен список из 37 наиболее значимых работ по теме диссертации.

Структура и объем работы. Диссертация состоит из введения, шести глав и заключения; содержит 393 страницы машинописного текста и 4 приложения на 110 страницах; работа иллюстрирована 103 рисунками; содержит 33 таблицы; список литературы на 33 страницах, включающий 380 наименований. В 4-х приложениях приведены отдельные результаты практической реализации разработанных методов и методик, и Акты о внедрении работы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность диссертационной работы, сформулированы цели, задачи, объекты и предмет исследования. Обозначено, в чем состоит научная новизна и прикладная значимость полученных в работе результатов, приведены сведения об апробации работы. Описана структура диссертации и сформулированы основные положения, выносимые на защиту.

В первой главе разработана и предложена концепция «мягкого регулирования» технического обслуживания турбоэнергоустановок ТЭС, с учетом «времени жизни» в эксплуатации (рис. 1) и отработке (рис. 2). Новая концепция технического обслуживания и ее методология базируются на следующих принципах:

- системности;

- мягкого регулирования;

- комплексности;

- прецессии (предшествование отказа).

Действие системного фактора, при котором система, как целое, устанавливает заданные требования своим компонентам, а сами требования предъявляются с позиции достижения целевой функции - увеличение времени функционирования турбоэнергоустановки, составляет основу цели диссертационной работы.

Принцип «мягкого регулирования», внедряемый автором в теплоэнергетику и методы теории искусственного интеллекта, позволяют моделировать процесс изменения ресурса турбоустановки на основе получаемых знаний истинного состояния критических элементов агрегата и, соответственно, идентифицировать его в темпе on-line как непрерывный процесс, протекающий параллельно эксплуатации. "Мягкие" способы управления предполагают ускоренные приближенные расчеты, ориентированные на синтез законов управления объектами, для которых показатели качества и точности управления поддерживаются в заданном интервале. Непрерывная идентификация, проводимая в темпе процесса, будет обеспечивать адаптацию модели или параметров турбоустановки. Темпы развития механизма-турбоустановки на каждом этапе эксплуатации определяются темпами развития его элементов. Если развиваются только отдельные элементы, то темпы замедляются и дальше начинается развитие общей деградации, т.е. утрата всем механизмом его первоначальных функций и, в итоге, утилизация, рис. 1. Развитие и отмирание, до утилизации, особенно характерны для тепловых машин, как механизмов, перерабатывающих тепловую форму энергии в механическую. Это хорошо прослеживается по изменению КПД турбоустановки за время эксплуатации.

Автором использован новый подход к представлению турбоустановки в виде комплексного механизма. Работа такого механизма моделируется в разрезе четырех информационных полей состояния: колебаний, температур, режимов и времени. В этих полях на пересечениях и определяются диагностические состояния агрегата.

В результате такого подхода, зарождающийся или развивающийся отказ в работе элементов или узлов турбоустановки представляется как явление прецессии, что позволяет распознавать весь процесс возникновения и развития дефекта до его критического значения.

Механизм (турбоустановка) рассматривается как неизолированная, открытая, техническая система "S", (1), которая характеризуется: входом X, выходом Y, внешней средой Q и внутренней структурой Ли В. Такой механизм включает: полную информацию о состоянии I, состояние объекта С, его неопределенности Н , работоспособности Rp или Jp, признаки состояния Z , неисправности D, структурные параметры Е, распознающие параметры РР, параметры сопутствующих процессов Vc , нечеткие отношения R (X х У). Изменение

состояния такой технической системы происходит во времени Т, рис. 3.

Для решения этой задачи системное уравнение состояния турбоэнергоустановки представлено в виде множества элементов динамической системы (1), составленное из пятнадцати определений (компонент) турбоустановки как комплексного механизма (согласно его структуре):

"!.» = <?,XJ&F^Z&M^Jr&WvG^t}^). (1)

Рис. 1. Концепция «мягкого регулирования» энергоустановки ТЭС, с учетом ее «времени жизни» в эксплуатации и отработке.

[X,]

Зона возможных разрушений

вектор 1 набпюдаемых

Рис. 2. Зоны управления эффективной работы механизма по его состоянию.

В Е Н I Я IV

Я (м)

А 1 J

о ♦ С Н

2 1 1>

/ / + о

Рис. 3. Интерпретация структуры механизма системы £ .

Здесь: Т - время, Х - входы, 7- выходы, П- внешняя среда (энергопотребитель, энергосистема, природная среда), ^ - техническое состояние объекта, Ь -информация (множество измерений) об объекте, 2 - признаки состояния объекта, ¿) - неисправности состояния объекта, Мк- множество решений о состоянии механизма, У,, - эффективности (работоспособность) агрегата, Q- значения операторов формирования состояния, - оператор обработки исходных данных (+ ]¥од) - наблюдений и обработки данных, Сг - оператор преобразования данных ■ первичного и вторичного преобразований, Лф -

функциональная связь в уравнении

функциональная связь в уравнении 2{1шг) ~ФфМ'ш|)>г((ш1)>], 1м„\ 11 К,в2 -моменты времени на входе и выходе из объекта. В этой связи уже можно анализировать два основных состояния механизма - как объекта эксплуатации (применения) и как объекта производства (изготовления). Механизм в этих состояниях рассматривается как часть системы более высокого порядка. Для эффективности такого анализа распределение работоспособности по уровням

компонент системы Е выполнено 'в замкнутом цикле. Это способствует ускорению принятия решения при обслуживании выделенных для анализа отдельных частей системы, рис. 1. Основной задачей анализа системы является её оптимизация, т.е. приведение в наиболее оптимальное состояние, в соответствии с поставленной целевой функцией, критерием оптимальности и ограничений. В результате, выделяются как минимум две задачи оптимизации системы:

1) выбор оптимального варианта из возможных допустимых состояний системы при заданных ограничениях и цели;

2) выбор экономически наивыгоднейшего направления изменения (поведения) функционирования системы.

Первая задача решается для статической системы, вторая - для динамической. При этом обязательно выполнение сравнения состояния системы (1) с критерием (или критериями) оптимальности её состояния с учетом заданных ограничений. Этой цели служит установление обратной связи между выходными параметрами системы Л (1) и критерием её оптимальности Коии • Для такого сложного и многофункционального механизма, как турбоустановка, может быть несколько критериев оптимальности, поэтому возможно образование не одного, а нескольких контуров обратной связи. Механизм, как элемент подсистемы - «технологический процесс», находится во взаимосвязи с элементами структуры этой системы, ее механизмами (узлами). Определив темп снижения (относительно среднего уровня) технико-экономического состояния узлов механизма, можно устанавливать эффективные сроки службы турбоустановки, прогнозировать длительность межремонтных периодов и время экономически необходимого вывода в ремонт. При прогнозировании технико-экономического уровня механизма анализ его

поведения, в конкретных условиях эксплуатации, позволяет выделить: наиболее существенные (информативные), постоянные и переменные во времени параметры; сформировать характеристики прогнозного фона (сферы эксплуатации) для решения второй задачи. Представлена классификация методов идентификации для построения Моделей турбоэнергоустановок. Выполнен обзор основных работ по использованию методов идентификации, включая: классические методы, модели малых порядков, функции штрафа, фильтры Капмана, метод наименьших квадратов, регрессионные модели - применительно к энергетическим агрегатам ТЭС. Показано, что основной проблемой идентификации, в каждом случае, является проблема построения математической модели функционирующего агрегата по априорной и экспериментально-диагностической информации, особенно с учетом ее неопределенности и нечеткости. Встраиваемый в контур управления идентификатор определяет и последовательно корректирует математическую модель агрегата, приводя ее к условиям нормативного состояния. Предложен подход, позволяющий определить место неисправности в турбоустановке с точностью до некоторого фрагмента ее модели при условии, что в процессе диагностического эксперимента определяются отклонения объекта от его эталона (модели эталонного объекта -турбоустановки). Пусть диагностируемый объект описан уравнением

У = /(Цу), реЯ',иуеК$, (2)

где иу - вектор управлений," Я5 "- 5 - мерное евклидово пространство. Представим (2) в виде совокупности взаимосвязанных фрагментов с,, / = 1,т , как некоторую часть модели объекта:

у=фЦМ).~,/.Ю], (3)

где Ф - дифференцируемая функция, определяющая взаимосвязь фрагментов (7,, / = 1,т, /¡(¿¡)- модель фрагмента (7,, Я1 = ^¡(иу).

Предположим, далее, что неисправности приводят к изменению модели одного из

фрагментов с,, ' = 1, /к. Например, в результате неисправностей фрагмент в,

описывается некоторой произвольной функцией /ДЛу). Такой фрагмент

будем называть неисправным фрагментом по величине его веса -Я. Пусть, при этом, неисправный объект описывается уравнением

Л '^Ь'И-

Тогда, располагая моделью исправного объекта (3), переменными 2 и {/у, МОЖНО определить неисправный фрагмент. Неисправный фрагмент определяется последовательной проверкой гипотез

Введем в рассмотрение обучающую N„6 и проверочную последовательности: = {Л",,}^,/е ¿с5}, Л^ = {ХпУп / е Ьпр) > Где -

выходной и входной сигналы объекта при 1-м измерении; Ьоб,Ьпр- некоторые множества натуральных чисел, причем No6 пЛ^ * Л^.

Процедуры проверки гипотез к = 1,ш состоят из двух этапов:

1) из условия минимума некоторой меры близости объекта (3) и модели (5). На последовательности Моб определяется оценка фк ) функции грк (Лк), описывающей фрагмент С», который предполагается неисправным;

2) на последовательности проверяется адекватность полученной модели диагностируемому объекту.

Гипотеза принимается, если модель, полученная на адекватна объекту на

При этом соответствующий фрагмент считается неисправным. Выполнен анализ источников информации (классификация четкой и нечеткой информации), получаемых при технической диагностике турбоустановок ТЭС. Установлены причины и выполнено оценивание возникающей неопределенности информации, влияния ее на решение задач идентификации, планирования, прогнозирования и управления. Для контроля функционирования турбоустановка представлена в виде механизма с нечеткими состояниями, рис. 3. В качестве диагностических признаков впервые применены управляющие правила функционирования механизма, а также эвристические знания и опыт экспертов. Постановка задачи оценивания технического состояния и принятия решений выполнена нечеткими уравнениями в отношениях. Для этого формализованы в терминах нечетких множеств априорные и апостериорные данные, получаемые при технической диагностике на ТЭС. Решение задачи выполняется с помощью разработанного программно-диагностического комплекса ЗКА18. Например, в результате предварительного анализа получено некоторое множество классов ^ технического состояния объекта контроля

= {/?}, / = /,...,/•, (6) отображаемое в виде нечеткого множества с соответствующими функциями принадлежности :

= (7)

Тогда состояние объекта контроля диагностируемого механизма представляется декартовым произведением пространств входа и выхода

Сс1хУ, (8)

где Л'- множество входных значений параметров в объект {*,}; множество

выходных значений параметров из объекта {.Уу}; х, - параметры состояния

объекта. При наличии неопределенности в знаниях об объекте его модель

отобразим нечетким уравнением в отношениях вида:

В = А°Я, (9)

где А = ^ц{а)/а -нечеткое множество входа, (10)

В = У^р(Д)/Р - нечеткое множество выхода, (11)

(заданные в форме лингвистических переменных с мощностью множеств, лингвистических переменных с кардинальной мощностью множеств (размерностью системы) card А, card В = К > ^ - мощность множеств);

AczAczXuBczBczY - нечеткие подмножества А,В включены в четкие подмножества А, В базовых множеств А', У ; А с X, В cY - нечеткие множества, конечные входному и выходному пространствам объекта моделирования; а, ß - элементы терм-множеств лингвистических переменных; /¿(а). u{ß) ~ соответствующие функции принадлежности; ° - символ

максиминной композиции Заде JI.; R - нечеткое отношение Ху-Y в виде управляющего правила

"А : ЕСЛИ ... ,ТО ... ," (12)

выраженного посредством матрицы нечеткого отношения с элементами

\ [/*(«)-> ¿«(Я]л[(1-*«(«))-► 0-/'(/'))]

= ----(13)

a,ß

где « / »- операция объединения одноточечных множеств (л)]^ и JUß(y) IУ; —> - вариант импликации; Л - символ логического минимума. На языке функций принадлежности уравнение (13) имеет вид

//(a,y9) = maxmjn{/i(a),/i(a,/9)}- 0 4)

Информацию о состоянии объекта контроля будем получать с помощью информационно-измерительной системы, в составе ПК SKAIS, представляемую в виде операторов измерений и преобразования данных. При аппроксимации неопределенности функционирования объекта нечетким уравнением в отношениях в качестве диагностических признаков принимаем множество управляющих правил

Z = {Z,},/=1,2,...,«. (15)

представленных в форме эталонных матриц нечетких отношений

Л/, / = 1,2,....от (16)

и являющихся параметрами модели (в общем случае, так как отображение {z}о {л} не является взаимно однозначным, пФт). Множества классов технических состояний F и диагностических признаков Z находятся между собой в определенном отношении

R' :F Z, (17)

то есть, каждое техническое состояние объекта отображается в соответствующие реализации диагностических признаков. Такое отношение далее формализуется в виде соответствующей матрицы отношений. Принимаем полученное отношение нечетким и представляем его матрицей нечетких отношений R' с элементами, идентифицируемыми по знаниям экспертов. Тогда множество диагностических признаков Z также будет нечетким

Z = £ /' ) /2 , , (18)

Z = F о R ' .

Здесь: операторы формирования нечеткого множества 2 = £ ^ , определяемые в виде процедуры вычисления функций принадлежности

{19)

- расстояние между априорно заданными значениями диагностических

*

признаков Zj и их оценками Z . В качестве показателя эффективности, задачи оценивания технического состояния, выбираем целевую функцию

= {я ;>;•}' (20>

где мЧ — обобщенная функция принадлежности /-го технического состояния класса F по обобщенному (комплексному) параметру М (мощность, КПД-нетто, удельный расход тепла на отпущенный кВтХ час и т.д.); ^ - априорная функция

принадлежности; fiF - апостериорная функция принадлежности / - го

технического состояния, полученная по результатам измерений путем решения уравнения, обратного (18). В качестве критерия максимальной эффективности принимаем функцию:

Mt —> шах [min

у (21)

Итак, поставлена и решается следующая цель: на основе априорной информации о возможных технических состояниях турбоустановки оценить, в соответствии с заданными критериями:

1) действительное техническое состояние механизма и его возможности продления сроков эксплуатации;

2) межремонтные периоды, с учетом риска принимаемого решения и вероятных ограничений при jyjjn их количества за все время эксплуатации.

Определены исходные данные для решения экстремальной задачи оценивания технического состояния. Решение задачи оценивания состояния представляется, согласно целевой функции (21), в виде:

F' ~optMF{тахЛ/f,min Mf} , (22)

которое выполняется по алгоритму модели из модуля OPTIMIZATOR ПК SKAIS. Составлены управляющие правила, отражающие допускаемый диапазон

изменения параметров входа и выхода контролируемого объекта. Получены для базы знаний продукционные правила (400 правил) вида:

"ЕСЛИ и есть м ,„ ,ТО V есть \т,%,ИЛИ

ш 1п III ах /ООЧ

ЕСЛИ и есть ит>х ,ТО V есть УтЫ" Такое условие налагает определенные требования на организацию процедуры измерения параметров системы, по которым контрольные измерения для диагностики состояния следует выполнять в области определения крайних термов лингвистических переменных, как можно ближе к краям диапазонов регулирования (на краях интервалов энергетической характеристики).

Разработан (и применялся в исследовательском варианте) экспертно-диагностический комплекс БКАГБ, как совокупность функционально и информационно связанных между собой подсистем задач и программ:

• обработки и анализа информации (четкой и нечеткой), определение неопределенности при техническом обслуживании и эксплуатации;

• распознавания неисправностей и диагноза состояния турбоустановки;

• оптимизации (четкой и нечеткой) состояния;

• анализа состояния, оценки риска эксплуатации и принятия решений;

• накопления в базе знаний информации о состоянии турбоустановки в виде продукционных правил;

• подготовки рекомендаций для «мягкого» управления турбоустановкой (управление, учитывающее фактическое состояние).

Во второй главе поставлены задачи идентификации технического состояния турбоустановки и выполнена оценка информации об изменении работоспособности турбоустановки за "время жизни" механизма. Впервые применены эвристическая информация (от экспертов) и неопределенности измеренных параметров, полученные в диагностических экспериментах. Для получения нечеткой информации решена задача формализации диагностического эксперимента с помощью функционально-структурной модели диагностики энергоустановки ТЭС (рис. 4), как основы методологии построения интеллектуальной системы контроля и анализа турбоустановок. Пусть система измерений организована правильно. Тогда контролируемой ею объекту (здесь это турбоустановка, Т.е., представляющий ее механизм) сопоставим некоторую функцию Г обобщенного аргумента Х0Б (интервалы состояний, времени, пространства, физические параметры и т.д.), заключающую в себе информацию о данном объекте. В процессе диагностического эксперимента необходимо извлечь исходную информацию для получения действительной функции { . Эту процедуру, на уровне понятия «черного ящика», назовем «эпизодом заглянуть в черный ящик». Пусть

{(Х0Б)ег, (24)

где Z- признаковое пространство. Предположим далее, что имеется эталонная (базовая или нормативная) функция состояния данного объекта (турбоустановки):

тэ(Х0Б)е2, (25)

где эталонная функция.

Энергообъект"1 котел + турбина + генератор

Механизмы котла

Турбина

Механизмы турбины

| Генератор

Элсктричсск. механизмы

II

Фор м и рован не признаков

Формирование признакового пространства * классов состояния

Матрицы действий

Вычисление

похожссти состояний

<

Диагноз и прогноз

Блок управления

——Принятие решений |

Рис. 4. Функционально - структурная модель диагностики энергоустановки ТЭС.

Введем в систему определений механизма Г , (1), некоторый оператор W■t такой, что

( ^К^т^Хо*))- (26>

При сравнении функций состояния { и f (эталонная и действительная (близкая, похожая) функции), представим их «близкими» в 2. Далее, по тексту, будем использовать слово «похожесть». Критерий близости (похожести) при сравнении функций выбирается экспертом - диагностом, исходя из конкретных условий решаемой задачи с помощью программы РОХ из комплекса БКА/Б. Такое условие характерно для решения задач диагностики турбоустановок ТЭС. Если ввести в Z определенную метрику, то тогда можно с помощью этой меры определить близость по состоянию (похожесть) как расстояние между элементами функций

Т и Г агрегата в признаковом пространстве %, т.е. как величину

ЛЛ<^К)]> (27).

где р • критерий близости, или похожести (расстояния, в интервале от 0 до 1.0).

В результате, математический смысл операции измерения будет заключаться в определении оператора Щ. удовлетворяющего неравенству ,

рЛ*.1Гъ_(т,У\йег\ (28)

где £ - величина ошибки сравнения по похожести функций.

В частном случае, если «расстояние» р определено как максимум модуля разности между Г и ? , получим

max\i-WL(m3)\<ez ■ (29)

Так как любая измерительная система должна быть конечной, то оператор ^ будет определяться конечным числом характеристик, являющихся функционалами от Г и ЦТ . В результате, измерение Г, в сравнении с Шэ, будет сводиться к

получению некоторой совокупности чисел {я,-}", определяющих Г с точностью £2 по критерию близости у9ц. В представленной таким образом формализации оператор И^ будет выражать необходимую совокупность действий, которые нужно выполнять для установления взаимно - однозначного соответствия между измеряемой функциональной величиной Г и эталонной т . Однако

экспериментатор, или эксперт-диагност, имеют дело не с Г, а с некоторой промежуточной величиной Ьпв> являющейся результатом взаимодействия исследуемого состояния агрегата и измерительными приборами. Ввиду этого разделим оператор формализации информации Щ. на два последовательных

оператора, отображающих основные характеристики проводимого диагностического эксперимента: НАБЛЮДЕНИЕ И ОБРАБОТКУ ДАННЫХ, т.е. 1УН и IVол. Сигнал ьт{Х0Б)> получаемый на выходе первичного преобразователя (датчика), является результатом наблюдения. Оператор преобразования будет связывать результаты, получаемые в процессе преобразования Ьгт(Хог)> с измеряемой функциональной величиной Т соотношением

Ьпв = с^. (30)

Здесь оператор преобразования с состоит из двух частей: оператора первичного и

оператора вторичного преобразований данных - = Сп + . Массив данных (в векторной форме) поступает на обработку в некоторое устройство, вычисляющее оператор с ■ из функционального уравнения по специальной программе из комплекса 8КА18:

Так как (7 является оператором первичного преобразования, что считается

условно известным, а измерительная система тарирована (т.е. проверена) и выполняет измерения достоверно, не отклоняясь от заданной погрешности, то задача измерения í будет сводиться к определению оператора вторичного преобразования Сп и последующему решению обратной задачи следующего вида:

Оп{ = Ь = СВТтэг (32)

где Ь - нечеткое подмножество множества сигналов (промежуточной величины)

результата измерений Ьпв. Анализ информации, получаемой в диагностических экспериментах, а также в процессе контроля и оценивания состояния турбоустановок, и получении окончательного диагноза, выполняется в следующей постановке, (рис. 5).

Здесь представлен у—тый интервал доверия на нагрузочной характеристике турбоэнергоустановки в ее информационном пространстве: [X,]-вектор наблюдаемых параметров состояния и оценок суждений экспертов; [Х2 ] - вектор параметров предельных состояний работы турбоустановки; 1,2 - границы изолированных областей; 2 - изолированная внутри интервала область результатов измерений; 3 - зоны неустойчивых подобластей предельных состояний агрегата на рассматриваемом интервале нагрузочной характеристики; 1 - 7, 2 - 8 - границы подобластей предельных состояний агрегата; 4 - точки пространства состояний, к которым сводятся все численные решения задачи; 5 -точки наблюдения; 6 - гиперкривая регрессии; 9 - области неопределенности информации; 10 - нечеткие области экспертной информации; [min max] -параметры экспериментального интервала доверия на интервале наблюдения нагрузочной характеристики агрегата и экспертные данные.

Пусть техническое состояние объекта контроля и диагностики определяется значениями координат вектора параметров X = [Х,,Х2,...,ХП], размерность которого П, характеризует объем контроля турбоустановки. На области определения работоспособности j или # параметров X и признаков 7.

заданы:

-априорная плотность вероятности этих параметров

F(X) = flf,(X)> (33)

i=f

-область работоспособности J в виде ограничений Р0 на показатели (или

критерий достигаемой цели /г = Р0{Х],Х1.....Хп)) качества работы объекта

контроля

Зр={х1,1 = ~п\рц), (34)

- условная плотность работоспособного состояния

г (г)

(35)

■>г

одгй.

- условная плотность частично работоспособного состояния

У (г)

Г(г X е J,) =

~[7(1)71'Хе^> Об)

«п

о,ХеЕр

где «/» - обозначает операцию объединения одноточечных нечетких множеств //д(Х)|Х! «Л» - нечеткость соответствующих параметров; степень

принадлежности X нечеткому множеству А.

В работе применена допусковая методика контроля и диагностики технического состояния турбоустановки, т.е. 3 (область работоспособности)

аппроксимируется П- мерным многогранником Jp, грани которого

соответствуют независимым (или частично зависимым) допускам на Хп / = 1 ,п- Условная плотность у{21X еТр) определяется аналогично

(36), где, вместо Зр, используется JРазмеры допусков _ получаются в

результате решения задачи минимизации ошибок первого и второго рода (по критериям Неймана - Пирсона и т.д.). Далее используются вероятности ложного отказа Р^Хе/ пХ и вероятности не обнаруженного отказа

Р,Ю{Х <£ Jfl Г)X е Jp)■ Точность определения диагностических признаков и

оценивания состояния турбоустановок зависит от точности и количества измеряемых параметров и чувствительности к ним модели. Для этого решена задача анализа влияния погрешностей измерений на результаты расчета и основанного на них диагноза, т.е. задача нахождения связи между абсолютными

погрешностями Л У выходной информации и АХ, (/' = 1, и) - входной информации по принципу "равных влияний и их балансу". По этому алгоритму производится выравнивание погрешностей информации в уравнении баланса "вход - выход объекта". Это так называемый «принцип равных влияний». Суть его заключается в том, что вклад каждого слагаемого в правой части формулы,

= .....(3?)

I- I

в общую сумму АУ принят равнозначным. Из этого условия следует равенство

АДГ, =АУ/(л|^г(Лг„...,ДГ|1)|). где (38)

Одной из проблем является необходимость уравнивания различных физических параметров и их погрешностей, имеющих различные веса влияния на значение итогового выходного параметра А У (мощность, расход, к.п.д., ресурс). Для этого в работе используется вариант метода наименьших квадратов, который учитывает погрешности функции и погрешности её аргументов, выполняя их минимизацию. Но этот метод хорошо работает только в стационарных режимах турбоустановки. В нестационарных, в резкопеременных режимах, параметры и их погрешности начинают «плыть» (рис. 5). Поэтому в результаты измерений параметров вводятся весовые согласующие коэффициенты вида Весовые коэффициенты

выбираются экспертом-диагностом, исходя из условия пропорциональности влияния каждого слагаемого в уравнении баланса (37). В результате возникает задача минимизации суммы относительных погрешностей, которая имеет вид

5 = (АУ)2 + ^ (АХ,)2 ' <39>

/ = I

при выполнении условия

£ \Ух,(Х ,,Х X „)\АХАГ =0- (40)

/=1

Решение этой задачи выполняется с применением метода множителей Лагранжа Ж.-Л. из программного модуля ОРТШКАТОЯ ПК 5КАБ. Далее выполняется

оценивание технического состояния турбоустановки. Если каждый параметр XI

(где / = 1»п) попадает в поле допуска Х-, е[а,>в,], то объект контроля и диагностики признается работоспособным. В противном случае необходимо вводить ограничения и определять области работоспособности агрегата для отдельных режимов.

В третьей главе решается задача «оценивания состояния при диагностике турбоустановок», как задача распознавания образов, выделенных автором в процессе экспериментов. Впервые решены задачи распознавания дефектных состояний турбоустановки с использованием нечеткой информации, обрабатываемой в 8КА18. Решение задачи выполняется в три этапа: Этап 1. Контроль работоспособности объекта с оценкой результата: «ГОДЕН», «ГОДЕН С ОГРАНИЧЕНИЯМИ», «НЕ ГОДЕН»;

Этап 2. Установление места неисправности и поиск дефекта при отрицательном результате первого этапа;

Этап 3. Выделение области и ограничения режимов эксплуатации по состоянию и

определение признаков.

Задача решается по следующему алгоритму:

Шаг 1. Определение действительной работоспособности энергетической установки;

Шаг 2. Локализация места нахождения и распознание неисправности в элементах турбоустановки.

Шаг 3. Определение области работоспособности и ограничения режимов эксплуатации по состоянию (рис. 2), и определение признаков состояния (рис. 4).

Выбор исходных параметров, для определения работоспособности объекта, сводится к нахождению состава множества параметров контроля а для определения неисправности - множества параметров диагностики О. Таким образом, выбор используемых параметров для определения работоспособности объекта сводится к нахождению состава ранее упомянутого (рис. 3) множества параметров контроля X а 3р, а для определения

неисправности - множества параметров диагностики £) с Ррп • Состояния

элементов турбоустановки могут быть исправными, неисправными или находиться в промежуточном состоянии. Форма кривой состояния турбоустановки, получаемая в процессе её функционирования, будет характеристикой того, исправна машина (по элементам) или неисправна. Для классификации измеренных признаков вначале "закодируем" турбоустановку. Измеряем некоторые наблюдаемые параметры её энергетической характеристики. Выбираем значения К(?,),К(/2),...,У(*„) ординат кривой (функции измерений) выходных параметров турбоустановки (или её рабочего тела), полученные в различные моменты времени и при разных режимах: мощность, расход, давление, температура и др.

Полученные в эксперименте п- измерения образуют вектор Г (для одной нагрузки):

у, ГО,)

У = у2 = У('г)

у. У(1„)

Таким образом, характеристика турбоустановки будет описана матрицей из векторов признаков. Состояние элемента, узла или всей турбоустановки, выражается вектором в «—мерном пространстве, а множество, составленное из таких кривых (отрезков), образует распределение вектора % в л—мерном пространстве состояния (здесь принято 2('/) = П',)). На рис. 6 представлен двумерный случай двух распределений, соответствующих исправному и неисправному состояниям турбоустановки, а на рис. 7 решающая функция для случая разделения образов на два класса. Если из прошлого опыта эти два распределения вектора % известны, и между ними можно провести границу = 0, разделяющую получаемое двумерное пространство на две части, то можно выделить в пространстве исправное и неисправное состояния механизма. Функцию £(У|,У2) = 0 называют дискриминантной функцией, а техническое устройство, определяющее значение функции #(}^,У2) = 0 - блоком распознавания или классификатором для распознавания образов состояний механизма в п- мерном пространстве признаков.

Р(У,. Уа)

Рис. 6. Распределение вектора % для исправного и неисправного состояний турбоустановки.

Рис. 7. Решающая функция для случая разделения образов на два класса. При проведении натурных экспериментов автором установлено, что в диагностируемой турбоустановке невозможно опознать каждое из бесконечного числа её возможных состояний (без большого риска для всего механизма). Поэтому отдельные состояния остаются неопределенными, нечеткими или размытыми. Все состояния разделяются на определенное число классов. Переходные состояния не учитываются как классы, но информация о них накапливается в базе данных. Для выполнения проекта классификатора получены характеристики распределения вектора % для каждого класса технических состояний ^ и определены дискриминантные функции. Задача выбора и оценки информативных признаков решается с помощью программы из 8КА18. Задача «распознавание дефектного состояния по его образу» выполнена в два этапа: выбор информативных признаков и проектирование классификатора. После выполнения набора решающих функций (линейных и нелинейных) определяются их коэффициенты. Для этого производится выборка образов. После определения коэффициентов всех решающих функций проектируется система распознавания. Диагностические признаки определяются в виде

(42)

согласно алгоритму выбора (перебора и составления) признаков, построенного с использованием граф - модели (45). Здесь р - неисправности, соответствующие

множеству их распознающих параметров, Ррп ={рРП1,рРП2,...,рРПт}\ Е-

подмножество структурных параметров. Распознающими называем здесь внутренние параметры механизма, чувствительные к появлению той или иной неисправности

Ррп с У , (43)

где V - множество вершин ориентированного графа 0ог(У,исв)< равное множеству информативных параметров механизма; множество дуг 1/св множество существенных связей между параметрами. Множество У складывается из подмножеств

= (44)

где X - подмножество входных параметров; М - подмножество характеристик агрегата (энергетических); Ртп - подмножество параметров основных (технологических) процессов; Усп- подмножество параметров сопутствующих процессов; Е- подмножество структурных параметров.

Таким образом, граф - моделью объекта диагностики является конечный ориентированный граф

0„,.(У\иги) ■ (45)

В таком графе каждая вершина у, связана дугой с вершиной уесли параметр у, отображается в параметре уНеисправностью называем существенное

нарушение нормального функционирования всего механизма (или отдельных его элементов). Причиной возникновения неисправности может быть либо один серьезный дефект, либо комплекс дефектов. Дефектами считаем такие численные значения структурных параметров е, которые не соответствуют установленным нормам. В результате, решение задачи сводится к отысканию оптимального набора признаков для каждого элемента диагностируемого механизма (согласно убыванию информативности).

Нечеткие множества в распознавании образов.

При работе с размытыми образами определяются способы их разделения и решаются следующие задачи.

Описание нечетких образов. Информацию об образах состояния механизма (или его элементов) представляем в виде многомерных векторов с

функциями принадлежности//^,^ для каждого из разделяемых образов состояния. Для этого применяем один из алгоритмов восстановления функций многих переменных по конечной выборке. При рассмотрении в пространстве описаний У числа классов п > 2 возможны различные попарно расположенные образы, трудность разделения которых предварительно оцениваем по максимуму показателя степени принадлежности к пересечению размытых образов

М = виртт{Мл(ПМУ)) (46)

у

где цЛ(Х),цВ(У) - функции принадлежности образов А к В. Для уменьшения

зоны неопределенности при разделении образов предложены следующие решения:

1) поиск решающего правила, которое отнесет объекты к пересекающимся множествам;

2) поиск отображения, в соответствии с которым пространство описаний размытых образов будет трансформироваться в пространство с меньшей неопределенностью.

Формирование признаков нечетких образов. Установлено, что диагностические признаки необходимо отыскивать среди различных функций пространства описаний. Но при этом требуются дополнительные характеристики в виде функций принадлежности по каждому из параметров (признаку). Получить их в явном виде на функционирующем объекте невозможно, поэтому характеристики параметров получены косвенным путем. При этом использована рекомендация Заде Л. - выполнение операции ортогонального проектирования размытых множеств на некоторую гиперплоскость. В результате получается ортогональная тень нечеткого множества, которую можно охарактеризовать функцией принадлежности. Получены описания размытых множеств через тени на подпространстве пространства описаний. При этом размытая тень есть размытое отношение, размерность которого соответствует размерности подпространства.

Определение разделяющих правил для нечетких образов. Отнесение объекта к одному из образов выполнено с помощью процедуры «голосования»: проверяется число выполнений признаков класса А и класса В для данного объекта и по большинству «голосов» принимается решение, но предварительно проводится оценивание признаков. Для этого используется унарная ортогональная тень, рис. 8.

ЦА(Х). цвоо

Рис. 8. Унарная ортогональная тень. На контрольном объекте проверяется выполнение признаков каждого класса. Если при каком-то признаке проверяемый объект попадает в зону неопределенности, то по этому признаку фиксируется отказ. Это соответствует невыполнению порога ни по одному из образов.

Критерии оценки признаков. Каждый элемент т - итого размытого отношения представляем кортежем длины т, который принадлежит этому размытому отношению. Каждый кортеж есть набор элементов, порождающих множество

(параметров), отображающих декартово произведение множеств (У,,^.....К) в

¿,т.е.

Л' :У1хУ2х...хУп ^ £, (47)

где /?* - функция (нечеткое отношение);/, - отрезок [0,1] вещественной прямой, или структура. В качестве Ь использовано множество лингвистических переменных и множество т- мерных векторов. Такой подход к формализации анализа свойств функциональных зависимостей реализован с помощью математического аппарата теории отношений, кластерного анализа и методов анализа эмпирических данных.

Классификация нечетких состояний турбоустановки. Функция принадлежности

/И охарактеризована, по Заде Л., как функция, характеризующая степень

уверенности появления события У при наблюдении г. Функция ^ (г) определена для каждого г и удовлетворяет условиям:

0<цу(г)й\ , Му{г) = 1 - • (48)

В результате, в задаче классификации для двух событий у и уг, выполненных по косвенным наблюдениям, получаем (г,, г2,..., гп) = 2.

В четвертой главе представлены результаты использования теории нечетких множеств и нечетких логик в моделях оценивания характеристик технического обслуживания турбоэнергоустановок ТЭС.

Нечеткие модели отказов турбоустановки. Пусть задано дискретное множество состояний механизма, представительное в том смысле, что оно близко отражает возможные в будущем состояния оборудования ТЭС (например, выработка электроэнергии, вывод в ремонт, техническое перевооружение). Тогда получим т решений (вариантов), характеризирующихся затратами 5,у, необходимых для

реализации / - го решения при у - том состоянии механизма:

¿еМРС = {1,...,т}, } ...,«}• (49)

В качестве варианта используем решение, для которого минимальна верхняя оценка затрат при заданной вероятности р непревышения этой оценки, или решение, характеризующееся минимальными средними затратами в к случаях из П, или с вероятностью к/п> р. Обозначим через Р1 - О',,,••.,./'„,) перестановку,

упорядочивающую элементы I - той строки матрицы (£„) по неубыванию, т.е.

* * ^л.» / = и..., т. (50)

Формализуем критерии оценки качества предлагаемых решений:

т»п£(, С511

- ( I \/к ■ (52)

ЧИт V. с = 1 ) /

Пусть известны различные вероятности Р. состояний механизма, а У-некоторое подмножество множества состояний механизма Лгс такое, что

от

где Х)=\, если / е У и X; = 0 - в противном случае. Представим (53) в виде:

t'p¡x,^p^ (54)

N ,

Обозначим через X множество п - мерных булевых векторов, для которых выполняется (54). Тогда критерии (51) и (52) преобразуем соответственно к виду:

ш ¡п ш ¡п ш ¡п Sll,

хеХ ¡¡X ¡ = \ '■>

т

т ¡п т ¡п У БцХ ,. • (55)

\SISm >еХ ¿-¡Ч! 1

Предположим далее, что решение является комплексным, состоящим из различных частных решений / из Мр, т.е. для обеспечения предлагаемого уровня

технического обслуживания будем использовать какой-то набор М'рчастных

решений, обеспечивающих работоспособность механизма. Каждое из имеющихся частных решений «покрывает» некоторое множество состояний механизма, некоторую область неработоспособности так, что соответствующие затраты на его восстановление будут приемлемыми. Здесь Nc- общее число состояний механизма; мы стремимся, Согласно целевой функции, покрыть с минимальными затратами не менее к состояний:

к/п>р, (56)

где р - требуемый (заданный) уровень надежности и обеспечения работоспособности. Если принять, что состояния механизма равновероятны, то получим модель отказов механизма:

I I ~> т !п ,

¿е А/ м N..

У] - X *</• }6 мс>

¡еМ г

X у1* Уп*ч€ {°>1ь 'е мг }е (57)

Критерии (52), (53) реализованы в работе следующим образом: отбираются и рассматриваются только те решения из / е IIу с Мр, каждое из которых

покрывает не менее к состояний механизма (к/п > р). При этом в качестве оценки будущих затрат, связанных с решением / е иу (где IIу - управление), используется либо средняя, либо верхняя (р - квантильная) оценка затрат. В обоих случаях будем иметь оценки затрат при заданном (намеченном) уровне надежности и работоспособности. На основе представленных рассуждений построены топологические модели механизма, кинетики и параметров отказа. Знания о причинно-следственном формировании отказа представлены в виде функций алгебры логики и логических моделей типа продукций. Выполнены статистическое моделирование и прогнозирование отказов для турбоустановок типов Т-100-130 и К-50-90, за длительный период эксплуатации на ряде ТЭС. Обоснованы причины, положенные в основу разрабатываемой экспертной системы поддержки решений для задач диагностирования и прогнозирования технического состояния и надежности механизмов ТЭС. Разработка алгоритма нечеткого регулятора. Здесь применен принцип неподвижной точки для проектирования нечеткого регулятора, описываемого отображением г из пространства (У,р) в пространство входов (11у,р), т.е.

иу=г(у), (58)

генерирующее детерминированный сигнал управления и из нечеткого выходного сигнала (о состоянии механизма) у . Здесь р- информационное расстояние по Шеннону. Тогда нечеткая система, для которой выполняется аналог условий (С, К)

- Липшица П., будет иметь свойства -управляемости" в точке уй, а выходные сигналы

уе(У,М), (59)

является / - устойчивой в точке уд. Это определяет существование нечеткого регулятора г(у) = и, который переведет выходной сигнал у в окрестность точки у9. Поставленное условие "/ - управляемости" будет обеспечивать существование такого алгоритма управления м0, при котором

/(«.)= Л. 0- (60)

Предположим далее, что нечеткий регулятор выбран таким образом, что для у = у0 имеется и0,т.е.

г(Уо) = Щ=ГЬо)- («О

Тогда у0 есть неподвижная точка отображения /(/■(•)), где • - композиционное правило нечеткого вывода. В результате, получим управление

Яг{у0)) = У0еМуо(1). (62)

Представим неподвижную точку _у0 как точку притяжения оператора сжатия в пространстве (У,/и). Принимая условие, что сама точка у0 лежит в своей / -окрестности, получим доказательство существования такого нечеткого регулятора

г(у0) = и0 (63)

и необходимые условия для проектирования нечеткого регулятора. Представлен пример проектируемого нечеткого регулятора разрежения в конденсаторе для экспертной системы поддержки принятия решений управления турбоустановки. Нечеткое управление турбоустановкой.

Управляемая система (турбоэнергоустановка) представляется в виде модели

у = /(и,п), (64)

в которую введены нечеткие параметры м> (например, нечеткие числа -

типа, или в параметрическом виде) в параметрическое пространство агрегата (»V, у). Нечеткие числа допускают более простую интерпретацию расширенных бинарных операций и могут быть заданы с помощью функции принадлежности (¿-Л) - типа. Отображение / переводит декартово произведение 1/ух1¥ метрического пространства входных сигналов (у,р) и параметрического пространства (н",у) в пространство выходных сигналов (К,//). Нечеткое отношение \\> для декартова произведения £/у х IV, определим как

где 1- единичная функция, иу- управление, 1У-базовое множество параметров содержательного описания механизма. Предположим при этом существование обратного отображения вида

*> = /'*(•,У)- (66)

В результате такого представления получим V - идентификацию системы. Выполняя редуцирование параметрического пространства к метрическому пространству (IV, (/„); идентифицируем систему практически полностью, в смысле определенных метрических пространств. В результате, используя приведенные выше понятие Г - окрестности и принцип неподвижной точки, осуществляем проектирование нечеткого адаптивного регулятора для нечеткой системы -турбоэнергоустановки.

Нечеткие модели идентификации состояния турбоустановки. Для заданных пространств входов (1/у,р) и выходов (У,г/) функционирующего агрегата с элементами и еС!у, у еУ и метриками р(х,,х2) и (1(у^уг) используется модель «вход-выход» управляемой системы, описываемая отображением у = /(и) из (Уу в У . Реальная модель управляемой системы содержит множество неопределенностей в определении параметров структуры, неточностей измерений выходного процесса У , состояния механизма и т.п. Поэтому предложено учитывать подобного рода «НЕ - факторы» путем введения нечеткого отношения МС(У'2) Для выходных сигналов у, уеУ, которое можно интерпретировать как степень принадлежности пары сигналов (у, г) отношению с1(у,г) < £ для неотрицательного действительного числа е (критерий точности). Неравенство <1 (у, г)<£ характеризует влияние неучтенных факторов в модели на отклонение выходных сигналов с заданной функцией принадлежности ¡лс{у,г). Прогнозирование технического состояния и отказов турбоустановки. Прогнозирование технического состояния и отказов выполняется по:

- диагностическим параметрам, оценивающим техническое состояние механизма;

- экспериментальным данным о зависимости момента отказа от наработки. Диагностирование и прогнозирование параметров осуществляются в работе с

помощью алгоритма распознавания образов, (рис. 9).

»1 К: Км

м с

----- ООО ».О О

'1 То т, т3 т„., т„ 1.ч

Рис. 9. Прогнозирование параметров «методом распознавания образов». Здесь, Р- «образы» параметров; Я- «классы» параметров; г- время; МС-обозначающая выборка из статистики о работе механизма. Разработка алгоритма состоит из двух стадий.

Первая стадия заключается в формализации эмпирического смысла процесса формирования отказа и состоит из следующих этапов:

1) синтез формализованного описания свойств процесса, который вызывает отказ или аварию;

2) формализация конечного набора свойств и параметров, обусловливающих и

характеризующих тот или иной вид повреждения, отказа или разрушения, в виде функций алгебры логики.

Вторая стадия состоит из этапов формализованного описания процесса формирования отказов и отнесения их к тому или иному классу, и включает:

1) представление параметров (образов) повреждения, разрушения или отказа к тому или иному «классу», характеризующему состояние системы идентификация;

2) сравнение выделенных параметров с соответствующими параметрами, которые будут иметь значение через определенный интервал времени - прогнозирование. Для прогнозирования технического состояния механизма на стадии его проектирования необходимо ввести назначенные свойства и внешние воздействующие факторы. На стадии эксплуатации механизма оцениваются техническое состояние и остаточный ресурс, т.е. возможность дальнейшей эксплуатации, или введение ограничений. В результате моделирования получим параметры, характеризующие деградационные процессы, виды разрушения, отказов, аварийных ситуаций и аварий.

Оценка долговечности турбоустановки.

Под долговечностью понимается свойство объекта сохранять работоспособность до предельного состояния с учетом перерывов на техническое обслуживание и ремонт. На долговечность турбоустановок влияют различные факторы, содержащие элементы нечеткости которые невозможно определить традиционными методами анализа. Пусть X и У- некоторые множества, а / -отображение множества X в У. Тогда, если / - размытое отображение или X -размытое множество, то отношение f\X-* Кбудет размытой функцией, которую

обозначим в виде У - f(x). Условимся далее, что если Х = (х,,х2.....хп)

представляет П — мерный размытый вектор, то функция у = /(*)- есть П — мерная размытая функция ( F - функция). Рассмотрим следующие случаи:

1) / - размытое отображение; X - размытое множество, тогда у = fix);

2) / - неразмытое отображение; X - размытое множество, тогда у = f(x);

3) / - размытое отображение; X - неразмытое множество, тогда у-/(•*). Далее, пусть за интервал времени (0,г) известны статистические данные,

характеризующие функционирование турбоустановки, на основании которых можно приблизительно прогнозировать время вывода турбоустановки в ремонт. Назовем нормальным функционированием способность турбоустановки выполнять свои функции в пределах нормы в интервале (О,Т). Это характеризуется

F -функцией у = f(a,t), где

{a,t) е Л = {(a,t)l pA(a,t)},

H{y) = ^{HA(pc,t)ApR{y,a,t)}, (67)

Здесь 0 < у < 1, «-некоторый параметр, характеризующий состояние.

В зависимости от факторов, влияющих на состояние турбоустановки, можно построить различные У-функции /(а,/), которые характеризуют ее нормальное

функционирование. Разделим параметр а на две группы: сс{ - параметры

ухудшающих векторов; ~ параметры улучшающих векторов. Тогда вместо

функции у = /(а,0 получим У = ,«2>0 • Известно, что а,, аг п- мерные размытые векторы, т.е.

" а, = {«,/¿Ч, («,)). ■ / = 1.2. (68)

Пусть, далее, у = /(а1,а2,1)-У- функция, характеризующая нормальное функционирование агрегата при заданной норме у ^ г. При значениях у <г агрегат будет считаться выработавшим ресурс и ремонтироваться за время Л. Тогда

Ж. ¿Ж, <...<Ж <...,

(69)

где о1п = /„ - - интервал функционирования агрегата при заданной норме;

<Л„ = /п+1 -(„- интервал времени ремонта афегата. Условие (69) можно представить следующим образом: после выработки ресурса элементов агрегат ремонтируется, однако функционирует уже несколько хуже. Иначе, агрегат или ремонтируется, или изношенные элементы заменяются новыми. Очевидно, что размытые функции у',у2,,..,у" взаимосвязаны некоторым отношением:

У"'

ппп у" = Г,. , где Т, = Зг„. ('

Необходимо найти такой интервал функционирования агрегата, что

дг ¡пГ,

' (71)

где <А,- заданное время ремонта, т.е. из множества интервалов функционирования д/,,д/2,...,д/л,... найдем такой интервал , после которого во всех случаях агрегат отремонтируется за время <Л„ > . Таким образом, в качестве количественного показателя долговечности технических систем принимается такое время, после которого на ремонт афегата затрачивается время больше заданного. После этого состояние афегата считается предельным. В результате, решение задачи сводится к следующему виду: строится функция принадлежности ц(й/„), ц(Жп<Ж1), где ¡л (Лп)=ц {Лп < <Л3) - условная функция принадлежности. Тогда решение задачи (70), (71) имеет вид

= тах{/1(5/„)л/|(А.)}. (72)

Итак, долговечность турбоафегата будет определяться по модели

0Г = £(*',+<",)■ (73)

В пятой главе рассмотрены подходы к моделированию задач технического обслуживания и ремонта, учитывающие фактическое состояние теплоэнергетического оборудования и информацию, получаемую в процессе технической диагностики, а также знаний экспертов-диагностов и ремонтников.

Моделирование ресурса и надежности турбоустановки с учетом стратегии технического обслуживания.

Предельное состояние турбоустановки, ее структура и решаемые проблемные задачи - состояние, при котором ее дальнейшая эксплуатация по назначению недопустима или нецелесообразна, либо восстановление исправного или работоспособного состояния невозможно или неэффективно. В этом случае доремонтный ресурс любого узла турбоустановки определяем как оставшуюся его

наработку до ремонта - С. Считаем эту наработку средней от начала работы выбранного узла (после последнего ремонта), до наступления предельного состояния ТР. Обозначим получившуюся величину (как оставшийся ресурс, в относительных единицах), т.е.

= Т,/Т, . (74)

Предположим, что предельное состояние узла совпадает с его отказом. Тогда фактический ресурс будет случайной величиной и графически его можно представить как совокупность случайных реализаций, (рис. 10). Плотность точек пересечения такой совокупности прямых с осью времени будет определяться законом распределения времени до отказа узла, рис. 10,а. С достаточной для практики точностью, закон распределения времени до отказа изнашивающегося узла может моделироваться нормальным законом

а)

б)

Рис. 10,а,б. Изменения значений остаточного ресурса узла от времени эксплуатации и законы распределения времени до отказа.

(75)

а интенсивность отказа

</£(£)___ аг^2яе

■Ш

(1-0 (/))<//

(76)

где а). - дисперсия срока работы до отказа узла.

Если нет никакой информации об этой величине, то в первом приближении можно допустить, что

=Г,/3 . (77)

В действительности, срок работы узла до ремонта Тпл не планируется равным 7),, а принимается с запасом (рис. 10,а), т.е.

ТПЛ<ТГ. (78)

Это обеспечивается тем, что устанавливаются границы допустимого изменения значений тех параметров узла, которые отражают износ, сработку его ресурса (отслаивание баббита в подшипниках, износ уплотнений в проточной части турбины и др.). Если износ узла превышает заданный диапазон границ допуска, то узел (или его деталь) выводится в ремонт для восстановления ресурса узла или его замены. На рис. 11 представлено изменение вероятности отказа и интенсивность отказа узла в зависимости от назначенного срока ремонта Тпл :

<5(0 »И

осо__

0»°П(0 '■/ *(0/

—] '

**м »ю-т;.

Рис.11. Рис.12.

Эта связь позволяет оценить статистически параметры законов распределения и соотношения Тпл к Тр. Обозначим долю, составляющую с.к.о. ресурса, от его среднего значения Тр через в , т.е.

а = 0Тр. (79)

Строим зависимость Я(0 от сработанного ресурса ДЯ, в относительных

единицах, (рис. 12). Максимальные значения, видимо, следует ожидать при в = 0,33 . Оценки сработанного ресурса можно получить путем перестроения зависимостей рис. 12 в статистически известные средние частоты отказов 5> на

межремонтном интервале Тр = 1/со, используя связь

1

= (80)

о

Если исходить из того, что узел срабатывает свой полный (средний) ресурс за (к +1)ремонтный цикл агрегата, то очевидно, что на предыдущем 'к — м ремонтном цикле, если происходило восстановление ресурса узла (ремонт), то его сработанный ресурс был не менее допустимого. Следовательно, Тпл <кТ0< ТР=(к + 1)Т0 и

АК.

ДОП _ 'пл

к +1

(81)

Здесь Тц - длительность межремонтного цикла, к - количество ремонтных циклов между двумя восстановительными ремонтами данного узла. Последняя оценка подтверждается при условии, что от го до (к + 1)- ремонтного цикла рассматриваемый узел не откажет. Переходя к ресурсу и его изменению для агрегата в целом, надо условиться, что под ним будем понимать. Ресурс агрегата будет зависеть, прежде всего, от ремонтных воздействий На него. Один из вариантов оценки ресурса агрегата, это построение нижней огибающей изменений ресурсов всех узлов агрегата во времени. На рис. 13 построена такая зависимость. Надежность агрегата будем определять, исходя из того, что все узлы, его составляющие, в смысле надежности соединены последовательно.

С

Т0 ЗТо ЗТо 4То

Рис. 13.

Тогда интенсивность отказа агрегата будет равна

(82)

где Ты - межремонтный период / - го узла; к1 - целое число ремонтов /' - го узла, укладывающихся на интервале времени (; Л1(1-к1То;)- определяется по зависимостям Яа,р(1), на основе выше рассчитанных данных Тр и др. При первой стратегии ремонтов зависимость будет иметь вид как на рис. 14. При второй стратегии можно полагать, что То1 = Т0 и к, = 1. Тогда зависимость интенсивности отказа от знака будет изменяться пилообразно около некоторого постоянного среднего значения (рис. 15).

<т. я, «т. гт, Т» ЗТо ЗТо 4То 5То бТо

Рис. 14. Рис. 15.

Полученные модельные зависимости позволяют оценить влияние на надежность и ресурс стратегии ремонтов. Например, увеличение межремонтного периода будет приводить к увеличению частоты отказов агрегата, но к сокращению относительной длительности нахождения агрегата в плановых простоях.

Нечеткие модели принятия решений о продлении эксплуатации, выводе в ремонт или введении ограничений.

В задачах ремонта сравнение между альтернативами при выборе решения производится с учетом многих критериев. В работе реализован следующий подход к решению таких задач. Пусть X - множество всех допустимых решений. Его элементы х б X оцениваются вектором

/М = (ЛМ.....Ш), где у-(х), / = 1,...,ш, (83)

который описывает эффективность альтернативы X по отношению к ¡- тому критерию. Сформулируем многокритериальную задачу принятия решения:

найти шах f(x) при хеХ, (84)

что математически представляет собой задачу максимизации векторной функции. Для решения этой задачи в работе применен метод построения агрегированной функции полезности:

U (f(x)) = U (/,(*),...,/„(*))■ <85>

Под полезностью здесь понимается степень удовлетворения достижения заданной стратегии управления принимающим решения, т.е. ЛПР. Представим, например, f

как достижимые и заслуживающие внимания цели в прогнозируемый период времени. Тогда для каждого элемента множества

(j e R"\Ax < b, х ä о} достижение и недостижение целей будет в виде функций:

у, = т ах (о, /,(*)- 7,}.

• z, = m ах {о, / ( - /, ( * ) }, /(х) - у + г = /.

Принимая функцию полезности линейной (для упрощения),

U(y,z) = ау + ßz, представим (87) как задачу математического программирования: найти min U(y,z) при ограничениях / (х) - у + г = /, А х < b , х > 0,у ä 0,z> 0. Таким образом, мы построили линейную целевую функцию, опираясь на множество достижения и недостижения целей, и расширили исходное множество ограничений за счет целей, выраженных в особой форме. Однако составление надежной функции полезности на практике оказывается более сложным. Ввиду этого допустим, что Ц частично или полностью неизвестна и, что любое хорошее решение, полученное при этом, не должно быть хуже любого другого допустимого решения. Пусть далее основой одноцелевой задачи будет целевая функция

ftiX-*R. (90)

Целевая функция позволит ЛПР ранжировать альтернативы х, 6 X.

(87)

(88) (89)

Так как можно определить отношение строгого порядка на Л, то существуют Бир/(х) или \п['У(х)- Если рассматриваемая целевая функция есть векторная функция

/:/сГ->Г, (91)

то мы не можем говорить о строгом порядке на Л". Вследствие этого будем утверждать, что две точки X и X' сравнимы между собой только тогда, когда

Дх)±Дх<), 1 = 1,..., т. (92)

В многоцелевой задаче понятие оптимальности заменяем понятием "недоминируемости". В результате решение многоцелевой задачи линейного программирования будет определять множество недоминируемых альтернатив. Оптимальное решение при выборе остается за ЛПР. Для решения задачи в работе использован обобщенный вариант симплекс-метода. Нахождение множества всех недоминируемых решений будет сводить допустимое множество ко всем тем точкам, которые могут служить в качестве оптимальных решений. Например, пусть каждая отдельная составляющая /(х) (какой-либо аргумент) имеет максимум при некотором хеХ, т.е. /,(х) достигает своего максимума при хеХ. Запишем это в виде:

_ тах/(дг) = /<*) = /• (93)

Тогда / = (/,,...,/„) есТЬ идеальная точка, т.е. вектор всех максимальных допустимых значений, достигаемых отдельными целевыми функциями на множестве X. Но такое идеальное решение в общем случае невозможно. Однако, ввиду доминирующего значения этой идеальной точки, можно утверждать, что ЛПР стремится найти такое решение, которое будет находиться как можно ближе к такой идеальной точке. Это решение также относится к области нечетких множеств. В такой интерпретации эта проблема впервые представляется автором как новая парадигма плохо формализуемых задач технического обслуживания в теплоэнергетике.

В шестой главе диссертации и Приложениях 1-4 на отдельных примерах представлены результаты проектирования и внедрения экспертной диагностической системы функционально-гибридного типа с именем БКАК.

Диагностический контроль турбоустановок ТЭС осуществляется с помощью экспертной диагностической системы функционально-гибридного типа с именем ЗКАГБ, разработанной под руководством и участием автора. БЮМБ - «Система контроля, анализа и слежения за изменением состояния турбоустановки» -представляет собой управляемый в диалоговом режиме комплекс, ориентированный на диагностирование и экспертизу энергоустановок любого типа. 8КА18 позволяет на ранней стадии (с использованием экспресс-испытаний) диагностировать снижение экономичности, определять величину, причины и риск происходящих изменений, прогнозировать состояние, оценивать надежность, остаточный ресурс, долговечность и ущерб от продолжения дальнейшей эксплуатации турбоустановки. «Искусственный интеллект» комплекса (БКАШ и ПЭВМ с интерфейсом «человек-машина-объект»), на основе накопления опыта и самообучения (с использованием продукционной базы знаний 8КА18 и экспертной

системы CLIPS), обеспечивают реализацию диагностического контроля состояния, обнаружение, распознавание и анализ предаварийных и аварийных ситуаций в турбоустановках. Система SKAIS осуществляет принятие решений на выходе из создавшейся конфликтной ситуации (вывод в ремонт или введение ограничения) с представлением подготовленных в базе знаний рекомендаций (в виде готовых продукций) оперативному и ремонтному персоналу ТЭС. Для этого создается база данных и знаний (БД и 3) обо всех вынужденных остановах и дефектах оборудования, отклонениях от правил его нормальной эксплуатации. Опытный вариант такой БД и 3 (рис. 16) прошел апробацию на турбоустановках с турбинами типов К-50-90 JIM3 и Т-100/120-130 ТМЗ. SKAIS создается применительно для блочных, или общестанционных ИВК и АСУ ТП ТЭС, и является весьма перспективной экспертной диагностической системой, благодаря своей многозадачности и многорежимности. Представлена модульная схема решаемых задач. Архитектура базы данных SKAIS отражает структуру данных о состоянии технологического оборудования ТЭС с турбоустановками любого типа сложности, а также имена записей, имена и форматы полей. Для работы с данными разработан индивидуальный язык описания данных и язык манипулирования данными. Запросы к данным из БД выражаются в прикладных программах (ПП) пользователей с помощью языков и терминов принятой модели данных (т. е. прикладная программа работает только с записями модели).

Записи модели создаются системой на момент, когда они затребованы прикладной программой (при чтении данных из БД) либо формируются в ПП, а затем данные из этих записей переносятся в БД в хранимые записи (при вводе данных в базу). Для образования записей модели система управления БД (СУБД) располагает информацией о том, как записи, их поля строятся из хранимых в физической базе данных записей и полей (и, аналогично, обратные преобразования при вводе данных в БД). Эта информация задана в архитектуре БД в виде специального отображения (преобразования) данных из физической базы данных в данные для принятой модели (т. е. СУБД решает задачу реализации отображения прямого и обратного между моделью и физической базой данных). В описании отображения, кроме указания соответствий между полями записей модели и полями хранимых данных записей, указываются все необходимые сведения о хранимых данных: в каком коде они представлены, как упорядочены, какие существуют индексы, где расположены те или иные данные, с какими данными они связаны, какие методы доступа необходимо использовать для манипулирования хранимыми данными и т. д. Часть задачи обработки данных возлагается на операционную систему ПЭВМ IBM PC/AT. Создана единая информационная база, включающая постоянную и оперативную информацию и объединяющая программы диалоговой среды комплекса. Диалоговая среда комплекса SKAIS реализуется в виде ехе-файла и библиотеки функций, подключаемых из программ на языках MS С - 5.0 и MS FORTRAN - 5.0 и выше. Программы вычислительного комплекса (ВК) реализуются на языке MS С (версия 5.0 и выше). Для стыковки расчетных программ, входящих в комплекс SKAIS, используются оверлейные программы и bat-файлы. Разработанные программы ВК ориентированы на использование стандартных средств защиты от компьютерной

Датчики диагностируемых параметров

999?.-.

Ручной

1 ЯВЯОСТЦВ-1 ^

Мод^оь обработка «Банк пмтпьо

Вшош через голонсое меню обопочхв БКА^

Статасютеяая оОрабопас отбрыюгхон

Г

ПОШОТОВЖЖ ИШОТ!?1^ жассхвов средних М+Ма

I

I ^ Печать:

Методы рпенжи н анализа

Печать > Г РОХ(¥)/~П

Головные програшш гКАБ

ТП

Графики реззшматов

Таблицы характеристик, нормативы

\ I \ 1

Рекомендация операгишожун режонтноку персоналу "ГЭС по

тв тдЯляу и »чгатг»

Опенка рвск&от

1Ю состоянию

Опреяеаюе ущерба от ж др отпуска звеероэн« рпш и от сюшеякя ресурса

Исходные иодзшизадач БКАБ

Пркняпю репюии на выход в рекокт кпи □рэаапжеюв эюшуатадии

?ис.1в. Диагностический комплекс 5КА15 .(реализованный вариант)

О Я ®> 8 • 8 а о » о -3 Й

о £ К X

Схеяь:, Режкхные

инструкции ха^лмер»:-

5С0ЮВ, деталей

.,1 >8

г за ё к и е

га й

•О

" й

н Я

к ^а

и о

•о о

в тг

■а

о я

• о ® н

£ о» о.

0 8 и] л>

1

■а я

£ 9е

<4 Г* Я '

3 СО § 8 х а

1 §

2 я

II Й

3 §

8 о

Я ю

• Б я Я а

Функционируют следующие режимы работы комплекса, рис. 16:

1)обработки и интеллектуального анализа исходных данных и данных экспресс-испытаний и диагностики оборудования турбоустановок с определением неопределенности исходной информации;

2)диагностирования причин снижения экономичности агрегата, распознавания дефектных состояний, отказов и неисправностей оборудования при различных режимах работы в целом и по отдельным узлам, с учетом нечеткой исходной информации;

3)принятия решений на ремонт, определения области устойчивости и допустимости режимов работы турбоустановки;

4)оценки и прогнозирования технического состояния, работоспособности, готовности, остаточного ресурса и долговечности оборудования;

5)оценки риска эксплуатации при данном состоянии оборудования;

6)накопления и использование четких и размытых знаний о состоянии и отказах оборудования (в виде продукционных и управляющих правил) в БД и 3. Подготовлено и отлажено более 100 ПП для исследовательского варианта SKAIS. Архитектура SKAIS. Ядром информационной системы для SKAIS являются данные, организованные определенным образом с целью адекватного отображения непрерывно изменяющегося фактического состояния турбоустановки и эффективного удовлетворения информационных нужд пользователей системы. Для этого использована методология интерактивной среды CLIPS - ее экспертной оболочки, со своим способом представления знаний, языка и вспомогательными инструментами.

Архитектура базы данных. Для обеспечения независимости прикладных программ (ПП) от данных вводится модель данных, которая отражает для пользователей информационное содержание БД, но подробности организации физического хранения данных в ней отсутствуют. Модель имеет свою схему, в которой отражена структура ее данных, имена записей, имена и форматы полей. Для работы с данными разработан язык описания данных (ЯОД) и язык манипулирования данными (ЯМД). Запросы к данным из БД выражаются в прикладных программах пользователей с помощью этих языков и терминов принятой модели данных (МД), т.е. прикладная программа работает только с записями модели. Записи модели создаются системой на момент, когда они затребованы ПП (при чтении из БД) либо формируются в ПП, а затем данные из этих записей переносятся в БД в хранимые записи (при вводе в базу). В результате, получена трехуровневая архитектура банка данных. Этим объясняется поэтапность ввода в эксплуатацию такой сложной системы, как БД SKAIS.

Интеллектуальная база знаний SKAIS. При разработке интеллектуальной базы знаний (ИБЗ SKAIS) автором было подготовлено инструментальное средство, применяемое при идентификации и диагностике технического состояния оборудования турбоэнергоустановок ТЭС. Инструментальное средство способствовало созданию программно-диагностического комплекса SKAIS, используемого при диагностике причин изменения технического состояния и вызываемых этим изменением отказов и аварий в турбоэнергоустановках.

Инструментальное средство включает интегрированные и формализованные (в виде управляющих и продукционных правил) знания экспертов-технологов, обслуживающих энергетическое оборудование ТЭС, эмпирические знания из различных предметных областей связанных с теплоэнергетикой и используемых для оценивания технического состояния, определения причин отказов и аварий при эксплуатации, техническом обслуживании и ремонте. Интеллектуальная (интегрированная) диагностическая система SKAIS, разрабатываемая с помощью инструментального средства определения причин отказов и аварий, и распознавания дефектов, обладает следующими функциями:

1) описание предотказового состояния (инцидента или аварии) по имеющейся информации;

2) выявление причинно-следственного комплекса факторов, вызвавших инцидент или аварию;

3) обоснование и рекомендация необходимых мероприятий по предотвращению повторных инцидентов и аварий; по восстановлению объекта (системы);

4) идентификация и интерпретация инцидента или аварии, запоминание его в ИБЗ;

5) прогнозирование инцидентов и аварий с более высоким уровнем последействий;

6) генерация стандартной, краткой и полной отчетной информации об инциденте или аварии.

Ядром интеллектуальной системы, обеспечивающим решение задач исследования технического состояния турбоустановок и определения причин отказов и аварий, является гибридная экспертная система. Гибридность экспертной системы характеризуется наличием в ее составе двух модулей: первый - обеспечивает поддержку принятия решений на основании прецедентов в группе функциональных структурно-связанных элементов конкретной турбоустановки, второй - на основании причинно-следственного комплекса возникновения отказов и аварий (матрицы действий). Второй Модуль, обеспечивает решение задачи идентификации на основании прецедентов, используя накопленные в базе опыт и знания (аналогии, т.е. принятые ранее решения) и реализуется в соответствии с методологией рассуждения на основе прецедентов.

В результате, процесс решения задачи представляет собой последовательность этапов поиска (выбора) аналогов и повторного использования информации, содержащейся в выбранных аналогах. При этом требуемые теоретические знания концентрируются в пределах прецедентов. Таким образом, каждый прецедент -это интегрированная (систематизированная и классифицированная) информация о причинах конкретного повреждения, отказа или разрушения узла или агрегата турбоустановки. Модуль, обеспечивающий решение задачи идентификации на основе модели, представляет собой продукционную экспертную систему, состоящую из продукционной базы знаний и интерпретатора CLIPS.

Продукционная система SKAIS. Знания, используемые в системе SKAIS, представляются в виде правил и продукций. Модель знаний, использующая продукции, является продукционной моделью знаний, в которой знания представляются совокупностью правил вида «ЕСЛИ..., ТО..., ИНАЧЕ..., ИЛИ...,

И...», или «УСЛОВИЕ - ДЕЙСТВИЕ». Условие (или антецедент, или посылка правил) состоит из одного или нескольких предложений, соединенных логическими связками И, ИЛИ, образуя выдаваемое правилом решение, либо указывают на действие, подлежащее выполнению. Действие (или консенквент, или заключение) состоит из одного или нескольких предложений, и образует выдаваемое правилом решение, либо указывает на действие, подлежащее выполнению. Для представляемого варианта БЮМБ подготовлено 400 управляющих правил и соответствующие диагнозам РЕКОМЕНДАЦИИ по устранению неполадок.

Программы комплекса ЖЛ/З1. Программный комплекс БКАГБ предназначен для решения технологических и интеллектуальных задач повышения эффективности турбоэнергоустановок ТЭС (или ТЭЦ) любой схемой сложности. Представлены структурная схема программного комплекса и принципиальная модульно -структурная схема ВК для 8КА18 ТЭС с теплофикационными установками. Разработанное математическое и программное обеспечение построено с применением методологии и методов теории искусственного интеллекта, системного анализа и теории исследования операций, может стать базой при разработке нового поколения гибридных систем диагностики для теплоэнергетики. В приложении диссертации (Приложения 1-4) представлены примеры результатов и Акты использования р практике проектирования и эксплуатации экспертной системы технической диагностики в теплоэнергетике, для обнаружения, распознавания и анализа неисправностей в оборудовании и узлах турбоэнергоустановок, а также разработанного математического и программного обеспечения 8КА18.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе выполнена разработка методологии и средств реализации интеллектуальных экспертных диагностических систем распознавания состояния сложных теплоэнергетических установок, с использованием четкой и нечеткой информации и знаний, повышения качества диагностики и идентификации состояния в процессах управления, эксплуатации и технического обслуживания. Выполнена разработка математических моделей диагностики технического состояния турбоустановок электростанций. Впервые разработаны методологические основы и принципы нового для турбоэнергоустановок научного направления - средства реализации интеллектуальных систем для контроля и анализа функционирования турбоустановок с использованием экспертной, стохастической, четкой и нечеткой информации.

Основные научные результаты состоят в следующем: 1. Разработаны методологические основы и принципы нового для турбоэнергоустановок научного направления - интеллектуальные системы контроля и анализа функционирования турбоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации с использованием экспертной, стохастической, четкой и нечеткой информации.

2. Сконструированы информационные модели эксплуатационного и технического состояния турбоустановки для создания новой концепции "мягкого регулирования" технического обслуживания турбоустановок с учетом времени жизни в эксплуатации и отработке, и нечеткой информации.

3. Разработаны комплексная модель и алгоритм распознавания дефектных состояний турбоустановок с использованием нечеткой информации.

4. Созданы модель и алгоритм интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок с использованием нечеткой информации.

5. Разработаны модели технического обслуживания состояния турбоустановки, включая модели ресурса, надежности и долговечности турбоустановки с использованием нечеткой информации.

6. Разработаны алгоритм и управляющие правила нечеткого регулятора разрежения в конденсаторе турбоустановки.

7. Разработан и апробирован интеллектуальный программно-вычислительный диагностический комплекс 5/Г/4/5 («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоустановок ТЭС (исследовательский вариант).

Использование разработанной методологии интеллектуального управления, основанной на нечеткие модели идентификации технического состояния и технической диагностики механизмов ТЭС, способствует увеличению срока службы оборудования, повышению его эффективности, надежности и готовности выполнять необходимый режим нагрузки, выработке на основе этого дополнительных электро - и теплоэнергии, и позволяют получить существенный народнохозяйственный эффект.

Принятие эффективных решений и подготовленных рекомендаций для обслуживающего персонала ТЭС, при эксплуатации энергетических установок с помощью системы поддержки и мониторинга состояния в экспертном диагностическом комплексе Б КАК, обеспечивают продление срока службы и дополнительное производство электро - и теплоэнергии необходимого качества и количества. Это осуществляется за счет поддержки работоспособности, своевременного обнаружения неисправностей и предупреждения отказов.

Полученные результаты могут эффективно использоваться при решении важных задач: технико-экономического анализа, нормирования, оптимизации, управления режимами и распределения нагрузки между агрегатами ТЭС, с учетом фактического состояния и ресурса энергоустановок.

Особенно эффективно применение разработанных, в виде управляющих правил и рекомендаций обслуживающему персоналу: для принятия решений при выводе в ремонт или модернизацию; определения оптимального межремонтного периода; развития и прогнозирования работоспособности на перспективу с определением оценки долговечности основных узлов; техническом перевооружении, а также проектировании новых, модернизации, или замене отработавших ресурс элементов и узлов энергоустановок. Полученные средства интеллектуальной системы контроля и анализа функционирования для турбоустановок могут быть использованы и в других непрерывных производствах с идентичной технологией.

Основные теоретические результаты проверены на основе вычислительных и натурных экспериментов, подтверждающие их достоверность. Часть результатов передана в опытное внедрение на реальных объектах. Разработанные на основе теории искусственного интеллекта, системного анализа и методологии исследования операций модели и методы технической диагностики механизмов ТЭС доведены до алгоритмической и программной реализации на ряде электростанций. Представляется, что совместно с уже внедренными подсистемами диагностики энергоустановок, они могут явиться интеллектуальной базой для создания нового поколения распределенных гибридных подсистем диагностики в теплоэнергетике.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Г.Д.Крохин. Программа решения проблемы диагностики энергетического оборудования. // «Материалы межвузовского научного семинара по проблемам теплоэнергетики». - Саратов, СГТУ, 1996. - С.21-25.

2. Г.Д. Крохин, В.З. Манусов. Применение нечетких моделей при диагностике состояния энергетических установок. // Труды третьей международной научно-технической конференции «Актуальные проблемы электронного приборостроения» АПЭП -96, в 11-ти томах. - Новосибирск, НГТУ, 1996. Т.5. -С.41-43.

3. Г.Д. Крохин, М.Я. Супруненко. Диагностика состояния энергоустановок ТЭС (постановка экспериментов). // Труды третьей международной научно-технической конференции «Актуальные проблемы электронного приборостроения» АПЭП -96, в 11-ти томах. - Новосибирск, НГТУ, 1996. Т.5. -С.105-111.

4. Г.Д. Крохин, В.З. Манусов. Измерение характеристик и анализ информации при функциональной диагностике энергоустановок электростанций. // Труды международной научно-технической конференции «Научные основы высоких технологий» в 6-ти томах. - Новосибирск, НГТУ, 1997. Т.2. - С.118-122.

5. Г.Д. Крохин, В.З. Манусов. Нечеткие модели функциональной диагностики энергоустановок электростанций.// Научный вестник НГТУ, №3. - Новосибирск, НГТУ, 1997,-С.161-168.

6. Г.Д. Крохин, В.З. Манусов. Нечеткие модели технической диагностики энергоустановок тепловых электростанций. // «Теплоэнергетика. Физико-технические и экологические проблемы, новые технологии, технико-экономическая эффективность». Сб-к научных трудов, вып.2. - Новосибирск, НГТУ, 1998,-С.129-138.

7. Г.Д. Крохин, В.З. Манусов. Исследования процессов представления и использования нечетких знаний для математических моделей диагностики энергоустановок электростанций. // Третий международный сибирский конгресс по прикладной и индустриальной математике (ИНПРИМ -98). Тезисы докладов, часть III. - Новосибирск, Ин-т математики СО РАН, 1998. - С. 63-64.

8. Г.Д. Крохин, В.З. Манусов. Нечеткие модели технической диагностики энергоустановок тепловых электростанций. // «Теплоэнергетика. Физико-технические и экологические проблемы, новые технологии, технико-

экономическая эффективность». Сб-к научных трудов, вып.2. - Новосибирск, НГТУ, 1998.-С.129-138.

9. Г.Д. Крохин, В.З. Манусов. Диагностика состояния турбинных установок тепловых электростанций с использованием теории нечетких множеств. II Труды IV международной конференции «Актуальные проблемы электронного приборостроения» АПЭП -98, в 16-ти томах. - Новосибирск, НГТУ, 1998. т.11. -С.48-49.

10. Prof. Dr.-Ing. V. Manusov, Dr. G. Krokhin. STU Novosibirsk / Rußland. The Diagnosis of Thermal Power Station Turbine Plants States with Application of Fuzzy sets Theory, // XXX Kraftwekstechnisches Kolloquium. ( Turbomaschinen für Kraftwerke. Entwicklungsprobleme, Auslegung, Konstruktion und Betriebserfahrungen). - Technische Universität, Dresden, Deutschland, 1998. - PA6.

11. Г.Д. Крохин, A.P. Ходжаян, B.B. Конев, С.П. Бойкин. Мониторинговая система поддержки технического обслуживания ТЭС.// «Теплоэнергетика.. Физико-технические и экологические проблемы, новые технологии, технико-экономическая эффективность». Сб-к научных трудов, вып.З. - Новосибирск, НГТУ, 1999,-С.225-235.

12. G. Krokhin, A. Khodzhaian. Representation and use of fuzzy Knowledge in Mathematical Models for Power Station Diagnostics. // Abstracts. The Third Russian -Korean International Symposium on Science and Technology, KORUS'99, on vol. 2. -Novosibirsk, NSTU, 1999. V. 2. - P.757.

13. G. Krokhin, V. Manusov, M. Glaser. Fuzzy Models for Intellectual Industrial Regulator in Control Systems of Thermal Power Station. // 7th European Congress on Intelligent Techniques and Soft Computing, EUFIT'99. - Aachen, Germany, 1999. Final Program. Abstracts of the Papers and Proceedings on CD-ROM. - P.204, of 6 p.

14. Г.Д. Крохин, В.З. Манусов. Применение теории нечетких множеств для интеллектуальных промышленных регуляторов в системе управления энергоустановок ТЭС. // Межвузовская научная конференция «Проблемы повышения эффективности и надежности систем тепло энергоснабжения». Самара, СГТУ, 1999.-С.63-68.

15. Г.Д; Крохин, А.Р. Ходжаян (НГТУ), Н.П. Верходанов, В.В. Конев (ОАО "Сибэнергоремонт"), С.П. Бойкин (ПРП "Новосибирскэнерго"). Анализ вибродиагностической информации о работе турбомашины ТЭС с принятием решений на ремонт в условиях нечетких диагнозов состояния. // «Теплоэнергетика. Физико-технические и экологические проблемы, новые технологии, технико-экономическая эффективность». Сб-к научн. трудов, вып. 4. - Новосибирск, НГТУ, 2000.-С. 166- 168.

16. G. Krokhin, A. Khodzhaian (NSTU, Russia), N. Verkhodanov, V. Konev, S. Boykin (Novosibirsk, Russia), Fuzzy, badly-made into a lattice expert knowledge in monitoring system of steam Power plants technical support (on example of vibration diagnostics of routable Mechanisms State). // The 4th Korea-Russia International Symposium on Science and Technology, KORUS'2000, on vol. 2. - Ulsan, Korea, 2000.V . 2. - P.250 -252.

17. Г. Д. Крохин (Новосибирск, НГТУ). Теория нечетких множеств - как новая парадигма в решении плохо формализуемых задач диагностики (наилучшее при

исследовании операций). // Четвертый международный сибирский конгресс по прикладной и индустриальной математике (ИНПРИМ-2000), тезисы докладов в 4-х частях. - Новосибирск, Институт математики СО РАН, 2000. Часть 4-я. - С. 30.

18. Г. Д. Крохин, М.Г. Гриф. Представление и использование плохо формализуемых знаний экспертов для математических моделей диагностики энергоустановок тепловых электростанций, полученных методом нечеткой логики. // Труды V Международной конференции "Актуальные проблемы электронного приборостроения" АПЭП -2000, в 7-ти томах. - Новосибирск, НГТУ, 2000. Т.7. - С. 177-180.

19. Krokhin G. Fuzzy models for intellectual industrial regulators in control systems of Thermal Power stations. // 2000 5"1 International Conference of actual Problems of electronic instrument engineering proceedings (APEIE - 2000), on vol. 7. -Novosibirsk, Russia, 2000. V.l, selected Papers on English. - P. 262 - 266.

20. Г.Д. Крохин. Нечеткая идентификация и нечеткие модели в проектировании интеллектуальных регуляторов процессов управления ТЭС. // Труды международной научно-технической конференции «Информационные системы и технологии» ИСТ-2000, в 3*-томах. - Новосибирск, НГТУ, Россия, 2000. Т.З. -С.521.

21. Г.Д. Крохин, А.Р. Ходжаян, В.Г. Беседин. Решение задачи многокритериальной оптимизации управления работой конденсаторов при нечетких ограничениях. // «Теплоэнергетика. Физико-технические и экологические проблемы, новые технологии, технико-экономическая эффективность». Сб. научн. трудов, НГТУ, вып. 5. - Новосибирск, НГТУ, 2001. -С. 191-195.

22. Dr.-Ing. G.Krokhine, Stud. A. Khodzhaian. STU Novosibirsk/Rußland. Fuzzy models of intelligent regulators for increasing of reliability control

of powerplants of thermal power stations. // XXXIII Kraftwerkstechnisches Kolloquium "Zuverlässigkeit von Kraftwerksanlagen im liberalisierten Strommarkt". - Technische Universität, Dresden, Deutschland, 2001. P3a - P3c.

23. Крохин Г.Д., Мухин B.C. Показатель «похожесть» при диагностике состояния энергоустановок электростанций.// Труды Международной научной конференции CONTROL-2003 «Теория и практика построения и функционирования АСУ ТП». -М.: Изд-во МЭИ, 2003. - С. 180-184.

24. Крохин Г.Д., Манусов В.З. Нечеткие модели для интеллектуального промышленного регулятора в системе автоматического управления энергоблоком тепловой электростанции. 1. Модели.*// Научный вестник НГТУ, № 2(17). -Новосибирск: Изд-во НГТУ, 2004. - С. 131-141.

25. Крохин Г.Д., Мухин B.C. Использование показателя «похожесть» при оценке состояния энергооборудования электростанции в темпе процесса.

// Промышленные АСУ и контроллеры, № 11.- 2004- С.27- 29.

26. Крохин Г.Д., Житенев B.JI. Повышение эффективности работы низкопотенциального комплекса ТЭС с применением перспективной технологии регулирования разрежения в конденсаторе и дегазацией кислорода конденсата турбины.// Труды второй Международной научно-технической конференции «Энергетика, Экология, Энергосбережение, Транспорт» (в 2-х ч.), Тобольск. -Новосибирск: Изд-во «Art-Avenue», 2004. Ч. 1. - С.219-227.

27. Крохин Г.Д. Использование нечеткой информации для математических моделей диагностики функционирующих энергоустановок тепловых электростанций. 1. Формализмы. // Вестник ИГТУ, № 3. - Иркутск: Изд-во ИГТУ, 2004.-С. 110-114..

28. Аракелян Э.К., Крохин Г.Д., Мухин B.C. Концепция построения математических моделей диагностики энергооборудования на базе нечеткой информации.// Вестник МЭИ, № 5. - М: Изд-во МЭИ, 2005. - С.28-33.

29. Крохин Г.Д., Мухин B.C. Использование нечеткой информации для математических моделей диагностики энергоустановок тепловых электростанций. // Труды Международной научной конференции CONTROL-2005 «Теория и практика построения и функционирования АСУ ТП». М.: Изд-во МЭИ, 2005. -С.65-69.

30. Крохин Г.Д. Нечеткие модели для интеллектуальных промышленных регуляторов в системах автоматического управления энергоблоками тепловых электростанций. Ч.2.Повышение эффективности НПК ТЭС.//Научный вестник НГТУ, № 3(21). - Новосибирск: Изд-во НГТУ, 2005. - С. 137-145.

31. Крохин Г. Д., Гриф М.Г. Нечеткие модели для интеллектуального промышленного регулятора в системе автоматического управления энергоблоком тепловой электростанции. Ч.З. Экспертная система диагностики ТЭС.// Научный вестник НГТУ, № 2(23). - Новосибирск: Изд-во НГТУ, 2006. - С.129-134.

32. Крохин Г.Д., Шалин А.И. Нечеткие модели отказов энергоустановок тепловых электростанций.//Научный вестник НГТУ, №2(23). - Новосибирск: Изд-во НГТУ, 2006.-С. 135-149.

33. G.D. Krokhin, V.S. Mukhin, I.L. Ivanova. Construction of Intellectual Model of Functionating Thermal-Power Station Power-Plants Diagnosis./ IFAC WS ESC'06. ENERGY SAVING CONTROL IN PLANTS AND BUILDINGS,

October 2-5, 2006 Bansko, Bulgaria, — p. 177- 181.

34. Крохин Г.Д., Мухин B.C. Моделирование ресурса и надежности оборудования турбоустановки с учетом стратегии его ремонта.// Промышленные АСУ и контроллеры, № 10. - 2007. - С.22-25.

35. Крохин Г.Д., Мухин B.C. Нечеткие модели принятия решений о продлении эксплуатации турбоустановки, выводе в ремонт или введении ограничений.// Промышленные АСУ и контроллеры, № 12. - 2007. - С.33-38.

36. Аракелян Э.К., Крохин Г.Д., Мухин B.C. Концепция мягкого регулирования технического обслуживания энергоустановок ТЭС на основе интеллектуальной диагностики.// Вестннк МЭИ, № 1. - М.: Изд-во МЭИ, 2008,- С. 14-20.

37. Крохин Г.Д., Мухин B.C. Оценка долговечности турбоустановок на базе нечетких моделей состояния. // Труды Международной научной конференции CONTROL-2008 «Теория и практика построения и функционирования АСУ ТП». М.: Изд-во МЭИ, 2008. - С. (в изд-ве МЭИ)

Отпечатано в типографии Новосибирского государственного технического университета 630092, г. Новосибирск, пр. К. Маркса, 20, тел./факс (383) 346-08-57 формат 60 X 84/16 объем 3.0 пл., тираж 130 экз.. заказ №295 подписано в печать 07.10.08г.

СОДЕРЖАНИЕ.

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.

ВВЕДЕНИЕ.

ГЛАВА 1. ТЕХНИЧЕСКОЕ ОБОСНОВАНИЕ ИСПОЛЬЗОВАНИЯ НЕЧЕТКОЙ ИНФОРМАЦИИ ПРИ ДИАГНОСТИКЕ ЭКСПЛУАТАЦИИ ТУРБОУСТАНОВОК ПО ФАКТИЧЕСКОМУ СОСТОЯНИЮ.

1.1. ПРИМЕНЕНИЕ МЕТОДОВ ИДЕНТИФИКАЦИИ ДЛЯ ПОСТРОЕНИЯ МОДЕЛЕЙ ЭНЕРГОУСТАНОВОК ТЭС. ОБЗОР.

1.2. ПРЕДСТАВЛЕНИЕ ТУРБОУСТАНОВКИ КАК КОМПЛЕКСНОГО МЕХАНИЗМА.

1.2.1. ТУРБОУСТАНОВКА - КАК ОБЪЕКТ ЭКСПЛУАТАЦИИ

И ДИАГНОСТИКИ.

1.2.2. ТУРБОУСТАНОВКА - КАК ОБЪЕКТ ИДЕНТИФИКАЦИИ

СОСТОЯНИЯ.

1.3. ИСХОДНАЯ ИНФОРМАЦИЯ О ТЕХНИЧЕСКОМ СОСТОЯНИИ ТУРБОУСТАНОВОК.

1.4. ИСПОЛЬЗОВАНИЕ НЕЧЕТКОЙ ИНФОРМАЦИИ.

1.5. ВЫВОДЫ.

ГЛАВА 2. ЗАДАЧИ ИДЕНТИФИКАЦИИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ

ТУРБОУСТАНОВКИ.

2.1. ФОРМУЛИРОВКИ ЗАДАЧ.

2.2. ФОРМАЛИЗАЦИЯ НАТУРНОГО ЭКСПЕРИМЕНТА ДЛЯ ИДЕНТИФИКАЦИИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ.

2.3. ПРЕДСТАВЛЕНИЕ ИСХОДНОЙ НЕЧЕТКОЙ ИНФОРМАЦИИ.

2.4. АНАЛИЗ ИСХОДНОЙ ИНФОРМАЦИИ.

2.4.1. ОЦЕНКИ ПОГРЕШНОСТЕЙ ИЗМЕРЕНИЙ И НАБЛЮДЕНИЙ.

2.4.2. НЕОПРЕДЕЛЕННОСТИ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ.

2.5. ПОКАЗАТЕЛИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВКИ.

2.6. КРИТЕРИИ ЧУВСТВИТЕЛЬНОСТИ СИСТЕМЫ ИДЕНТИФИКАЦИИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВКИ.

2.7. ВЫВОДЫ.

ГЛАВА 3. РАСПОЗНАВАНИЕ ОБРАЗОВ ПРИ ИДЕНТИФИКАЦИИ

ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВКИ.

3.1. ОБРАЗЫ СОСТОЯНИЙ (ЧЕТКИЕ И НЕЧЕТКИЕ). ВЫДЕЛЕНИЕ

НЕОБХОДИМЫХ ПРИЗНАКОВ ДЛЯ ОБЕСПЕЧЕНИЯ РАЗЛИЧИМОСТИ НЕИСПРАВНОСТЕЙ ТУРБОУСТАНОВКИ.

3.1.1. ПОСТАНОВКА ЗАДАЧИ РАСПОЗНАВАНИЯ ОБРАЗОВ СОСТОЯНИЙ ТУРБОУСТАНОВКИ.

3.1.2. ПОЛУЧЕНИЕ ИНФОРМАЦИИ ДЛЯ СОСТАВЛЕНИЯ ДИАГНОСТИЧЕСКИХ ПРИЗНАКОВ.

3.1.3. ВЫДЕЛЕНИЕ, ОТБОР И ОЦЕНКА НЕОБХОДИМЫХ ПРИЗНАКОВ.

3.2. КРИТЕРИИ ПОЛЕЗНОСТИ РАЗЛИЧНЫХ СОСТАВОВ ПРИЗНАКОВ.

3.3. РАЗДЕЛЕНИЕ НЕЧЕТКИХ ОБРАЗОВ СОСТОЯНИЙ И ВЫДЕЛЕНИЕ РАСПЛЫВЧАТЫХ ПРИЗНАКОВ.

3.4. ПОЛУЧЕНИЕ ОПТИМАЛЬНЫХ ПРАВИЛ КЛАССИФИКАЦИИ СОСТОЯНИЙ ТУРБОУСТАНОВКИ ПО ВЫДЕЛЕННЫМ ПРИЗНАКАМ.

3.5. ВЫВОДЫ.

ГЛАВА 4. НЕЧЕТКИЕ МОДЕЛИ ОЦЕНИВАНИЯ ХАРАКТЕРИСТИК

ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ ТУРБОУСТАНОВОК.

4.1. НЕЧЕТКИЕ МОДЕЛИ ОТКАЗОВ ТУРБОУСТАНОВКИ.

4.2. НЕЧЕТКИЕ МОДЕЛИ СОСТОЯНИЯ ТУРБОУСТАНОВКИ.

4.2.1. РАЗРАБОТКА АЛГОРИТМА НЕЧЕТКОГО РЕГУЛЯТОРА.

4.2.2. НЕЧЕТКОЕ УПРАВЛЕНИЕ ТУРБОУСТАНОВКОЙ.

4.3. НЕЧЕТКИЕ МОДЕЛИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ТУРБОУСТАНОВКИ.

4.4. АНАЛИЗ РЕЗУЛЬТАТОВ МОДЕЛИРОВАНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВКИ.

4.5. ПРОГНОЗИРОВАНИЕ ТЕХНИЧЕСКОГО СОСТОЯНИЯ И ОТКАЗОВ ТУРБОУСТАНОВКИ.

4.6. ОЦЕНКА ДОЛГОВЕЧНОСТИ ТУРБОУСТАНОВКИ.

4.7. АДЕКВАТНОСТЬ НЕЧЕТКИХ МОДЕЛЕЙ.

4.8. ВЫВОДЫ.

ГЛАВА 5. НЕЧЕТКИЕ МОДЕЛИ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ

И ЭКСПЛУАТАЦИИ ТУРБОУСТАНОВОК.

5.1. МОДЕЛИРОВАНИЕ РЕСУРСА И НАДЕЖНОСТИ ТУРБОУСТАНОВКИ

С УЧЕТОМ СТРАТЕГИИ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ.

5.2. НЕЧЕТКИЕ МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ О ПРОДЛЕНИИ ЭКСПЛУАТАЦИИ ТУРБОУСТАНОВКИ, ВЫВОДЕ В РЕМОНТ

ИЛИ ВВЕДЕНИИ ОГРАНИЧЕНИЙ.

5.3. НЕЧЕТКИЕ МОДЕЛИ ОПТИМИЗАЦИИ СОСТОЯНИЯ.

5.4. ОЦЕНКИ РИСКА ПРИ ИСПОЛЬЗОВАНИИ НЕЧЕТКИХ МОДЕЛЕЙ ДИАГНОСТИКИ СОСТОЯНИЯ.

5.5. ВЫВОДЫ.

ГЛАВА 6. ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ СИСТЕМА ДИАГНОСТИКИ ДЛЯ МОНИТОРИНГА ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВОК ТЭС.

6.1. КОМПЛЕКС SKAIS: «СИСТЕМА КОНТРОЛЯ, АНАЛИЗА И СЛЕЖЕНИЯ

ЗА ИЗМЕНЕНИЕМ СОСТОЯНИЯ ТУРБОУСТАНОВКИ».

6.2. АРХИТЕКТУРА SKAIS.

6.3. ИНТЕЛЛЕКТУАЛЬНАЯ БАЗА ЗНАНИЙ SKAIS.

6.3.1. ПРОДУКЦИОННАЯ СИСТЕМА.

6.3.2. ИНТЕРПРЕТАТОР CLIPS.

6.3.3. ПРОГРАММЫ КОМПЛЕКСА SKAIS.

6.4. OPTIMIZATOR РЕШЕНИЯ ЗАДАЧ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ.

6.5. ЭФФЕКТИВНОСТЬ РЕШЕНИЙ ЗАДАЧ ТЕХНИЧЕСКОГО

ОБСЛУЖИВАНИЯ ТУРБОУСТАНОВОК.

6.6. ВЫВОДЫ.

Применение функциональной и тестовой диагностики (далее, по тексту, технической диагностики) с мониторингом состояния оборудования приводит к повышению надежности и эффективности технического обслуживания энергоустановок электростанций. Это объясняется повышением качества информации и знаний эксплуатационно-обслуживающего персонала о работе энергоустановок, его предельных возможностей, снижением ограничений и рисков невыполнения задаваемых режимов, на основе своевременного обнаружения дефектов и предупреждения отказов в течение всего запланированного (30 лет или более) срока службы. Получаемые знания помогают достоверно прогнозировать "срок жизни" и работоспособность энергоустановок, определять их фактический (остаточный) ресурс до отказа с необходимой степенью вероятности и оценкой риска.

В представленной работе автор рассматривает, в основном, турбоустановки тепловых электростанций, [379, 380]. Турбостроительными и турбогенераторными заводами, ремонтно-наладочными и научно-исследовательскими организациями выполняется большая работа по повышению надежности и эффективности турбоустановок: увеличение наработки на отказ и межремонтного периода, повышение экономичности и коэффициента готовности. Показателем надежности отечественных турбин является назначенный ресурс их деталей, изготовленных из жаропрочных сталей. Он составляет сегодня, в среднем по России, 100 и 150 тыс. ч., причем большая часть работающих турбин типов К-160-130, К-210-130, К-300-240 уже наработали 150 тыс. ч., а турбины первых выпусков - более 150 тыс. ч., [1, 2]. Новым турбинам ТЭС и АЭС типа К-800-240-5, К-500-240-5 и меньшей мощности гарантируется очень высокий коэффициент готовности (0,98 и 0,97). г

Соответственно, при расчетном, до 170 тыс.ч., ресурсе для деталей из жаропрочных сталей и продленном, до 5 - 6 лет, межремонтном периоде. Но отечественная энергетика не успела обновить парк энергетических машин современными высокоэффективными турбоустановками, поэтому уже сейчас можно наблюдать снижение надежности турбоустаноьок установленных еще в 19601970гг., [2, 3, 6, 8, 17]. Это связано с достижением расчетного срока службы (в том числе и продленного) у большинства турбин, а также с все более массовым привлечением крупных энергоблоков ТЭС к работе в переменной части графиков нагрузки (особенно турбоустановок типов Т и ПТ). Установленная мощность около 730 российских турбогенераторов мощностью 60-1200 МВт в 1997г. составила 108 тыс. МВт, из них 450 (что больше 60% от общего числа) общей мощностью 52 тыс. МВт проработало более 25 лет. К 2000г. доля таких турбогенераторов превысила по мощности 50%, [3, 8]. Мощность энергетики России уже сегодня не может надежно обеспечить ни требующегося роста промышленности, ни увеличивающихся потребностей жилищного хозяйства. Из 216 ГВт установленной мощности электростанций около 30 ГВт находится в изолированных регионах, около 15 — 20 ГВт — в ремонте или в стадии модернизации (парк выработавшего ресурс оборудования около 60%). В 2005г. при пиковом потреблении 150 ГВт резерв мощности не превышал 10%, а зимой 2006г. был еще меньше. Это объясняется тем, что, даже при ресурсе оборудования равном 50 лет, необходимо ежегодно менять не менее 4 ГВт мощностей, а в действительности за последние 15 лет менялось ежегодно менее 1 ГВт. Поэтому у нас не только физически и технологически устаревает все оборудование, но и практически все регионы страны становятся энергонедостаточными (кроме Средней Волги). Особенно ярко это видно на примерах Москвы, Санкт-Петербурга, Северного Кавказа, Тюмени, [из доклада академика О.Н. Фаворского «Об энергетике России в ближайшие 20-30 лет». //Вестник РАН, 2007, т. 77, №2, с. 121-132].

Аналогичная ситуация наблюдается и в промышленно развитых зарубежных странах, где количество оборудования, проработавшего уже более 25 лет, составило 50% и более, [3, 8]. Но в Китае за 20 лет планируется увеличить мощности с 550 до 950 ГВт! При этом только за последние два года в стране уже введено более 100 ГВт, то есть почти половина установленной мощности энергетики России (216 ГВт). В США также за 20 лет планируется прирост с 980 до 1460 ГВт! В Германии, США, Японии, Дании уже введены и эксплуатируются энергоблоки 400-1000 МВт с температурой острого пара 570/570/570 С и давлением 31/9,1/2,6 МПа при КПД энергоблока нетто 46%! И эти параметры еще не предел для угольного энергоблока, [4]. Для сохранения мощности России, как державы, необходимо увеличить мощность электроэнергетики в ближайшие 20-30 лет до 320-350 ГВт, с переходом на новые параметры и, естественно, на новые конструкции и материалы для основного и вспомогательного оборудования.

Важным элементом эксплуатации и технического обслуживания турбоуста-новок является непрерывный контроль их рабочего состояния. Обнаружение возникших дефектов и предупреждение их на ранней стадии развития, а также своевременное принятие правильных решений по устранению дефектов до возникновения аварийной ситуации, при условии наличия необходимого количества достоверной информации, обеспечивают высокий коэффициент готовности, сокращение времени простоя, снижение затрат на ремонты, продление срока службы оборудования турбоустановок. Быстрое развитие контроля и диагностики как отрасли знаний вызвано общим изменением состояния оборудования, которое уже можно отнести по этапу эксплуатации к старению, из-за недостаточного обновления, [5, 8].

Высокая эффективность совершенствования систем контроля и диагностики отмечается институтом электроэнергетики США (EPRI), [3]. Так, например, повышение готовности на 1% для турбогенератора мощностью

500МВт дает годовой экономический эффект в 1млн. долларов. Средний коэффициент готовности ТГ в США составляет 65%. Считается возможным увеличить его до 85% за счет применения эффективных методов контроля состояния, особенно методов непрерывного контроля и уменьшения времени вывода из работы для общего обследования. Своевременная диагностика повреждений при эффективном контроле состояния (по расчетам специалистов фирмы Toshiba (Япония), может увеличить срок службы генератора на 40% нормативного, что, естественно, даст значительный экономический эффект), [3-6, 17-20]. Наиболее ненадежными узлами и системами турбоагрегатов являются (по данным АООТ «ОРГРЭС» [1,8], г. Москва):

1. Проточная часть - число отказов 9,7% (при времени на восстановление до 40% от общего времени, запланированного на капитальный ремонт);

2. Система регулирования - 23%, время на восстановление - 18%;

3. Парораспределение - 13%, время на восстановление - 8,5%;

4. Подшипники турбоагрегата - 16%, время на восстановление - 19,6%;

5. Система смазки - 8,3%, время на восстановление -5,2%;

6. Трубопроводы и арматура - 11,4%, время на восстановление - 4,1%;

7. Прочие узлы и детали турбоустановки - 10,4%, время на восстановление-11,1%.

Здесь, в пп. 2-7, время на восстановление основных узлов турбин ТЭЦ на докритические параметры пара дано в %, от нормативного времени выделяемого на капитальный ремонт.

О повреждаемости проточных частей турбин ТЭЦ «Центрэнерго», на период 2000г., представили следующую статистику причин:

- недостатки эксплуатации (число отказов) - 45.5%, время на восстановление - 42.4%;

- дефекты ремонта - 10,3%, время на восстановление — 4.9%;

- дефекты конструкции - 18.2%, время на восстановление — 12.1%;

- исчерпание ресурса — 26,0%, время на восстановление — 40.6%.

Отказы турбин, из-за недостатков эксплуатации, составили:

- проточная часть — 27,3%;

- подшипники —18.1 %;

- маслосистема - 17.4%;

- регулирование - 7.6%;

- парораспределение — 12.8%;

- трубопроводы и арматура — 9.4%;

- прочие - 7.4%.

В целом уровень повреждаемости по элементам паровых турбин за 20002003гг. стабилен, [8]. Настораживающим фактором является рост различных видов повреждений эрозионного и коррозионного процессов, получивший на сегодня массовый характер по всему тепломеханическому оборудованию ТЭС.

Не лучшие показатели и у турбин инофирм Германии, США, Швейцарии, Японии [1, 6], работающих на старых параметрах рабочего тела. Таким образом, наибольший ущерб наносят энергоустановкам дефекты в элементах проточной части, при затрачиваемом на восстановление времени более 60% от общего времени на ремонт.

Для обнаружения, распознавания и анализа различных неисправностей в оборудовании и узлах турбоустановок используются наблюдения за отклонением от нормируемых ПТЭ (правила технической эксплуатации) эксплуатационных показателей и технических характеристик механизмов.

Считается, [3, 9-24], что современные специализированные и универсальные технические средства в измерительной и компьютерной технике, при соответствующем математическом и программном их обеспечении, способны моделировать все оцениваемые состояния оборудования, определить (но уже на моделях) плохо выявляемые дефекты и устранить неисправности, поставить достаточно точный диагноз и выполнить многосторонний анализ ошибок эксплуатации оборудования. На основе такого анализа можно выработать соответствующие мероприятия для выбора оптимальных режимов работы, способы предотвращения неполадок, составить рекомендации и технологии по необходимым модернизациям, ремонтным работам и срокам их выполнения. Ввиду этого особое значение приобретают экспертные системы, выполняющие в АСУ ТП диагностику и адаптируемые к технологическому процессу и эксплуатации энергоустановок, [25-31]. Техническая диагностика, в составе экспертной системы, способна значительно повысить работоспособность оборудования электростанции, его срок службы, эффективность технического обслуживания, снизить аварийность и, соответственно, безопасность, [8, 21, 32-44], что весьма существенно в условиях старения оборудования.

Большой вклад в решение проблем диагностики энергетических установок и оборудования тепловых электростанций внесли работы Аракеляна Э.К., Аркадьева Б.А., Барана JI.C., Барзиловича Е.Ю., Бененсона Е.И., Берлянда В.И., Биргера И.А., Бойко А.В., Борисовой Н.Н., Боришанского К.Н., Вощинина А.П., Гаскарова В.Д., Говорущенко Ю.Н., Гольдина А.С., Горелика А.А., Гуляева В.А., Дейча М.Е., Дуэля М.А., Дьякова А.Ф., Жуковского Г.В., Зарянкина А.Е., Зиле А.З., Золотарева А.А., Иванова В.А., Израилева Ю.Л., Ильина JT.H., Ицко-вича Э.Л., Кальменса В.Я., Канцедалова В.Г., Кириллова И.И., Клера A.M., Клюева В.В., Ковалева И.А., Комарова Н.Ф., Косинова Ю.П., Костюка А.Г., Косяка Ю.Ф., Куменко А.И., Кулькова Э.И., Лазутина И.А., Лебедева В.А., Лейзе-ровича А.Ш., Мадояна А.А., Мозгалевского А.В., Олимпиева В.И., Орлика В.Г., Палагина А.А., Пархоменко П.П., Паули В.К., Перминова И.А., Поварова О.А., Райбмана Н.С., Розенберга С.Ш., Ротача В.Я., Рыжкова В.К., Рубина В.Б., Руно-ва Б.Т., Самойловича Г.С., Сафонова Л.П., Сахарова A.M., Соболенко Н.А., Сорокина Г.К., Склярова В.Ф., Трояновского Б.М., Трухния А.Д., Тягунова М.Г., Филиппова Г.А., Флос С.Л., Хоменка Л.А., Цветкова В.А., Шибера В.А.,

Шубенко-Шубина Л.А., Щербина В.И., Яницкого В.А. и многих других инженеров и ученых. Следует особенно выделить здесь ведущих отечественных ученых в области электроэнергетики, первыми применивших методы искусственного интеллекта и отметивших при этом эффективность нового направления в исследовании проблемы неопределенности информации в энергетике. Это Веников В.А., Мелентьев Л.А., Руденко Ю.Н., Попырин Л.С., Воропай Н.И., Гамм А.З., Шер И.А., Криворуцкий Л.Д., Голуб И.И., Клер A.M., Деканова Н.П., Макагонова Н.Н., Массель Л.В., Андрющенко А.И., Аминов Р.З., Оруд-жев Ф.Э., Экель П.Я., Попов В.А., Богатырев Л.Л., Манусов В.З. и др.

Современные системы диагностики дают больше качественной информации о текущем состоянии оборудования, чем штатный контроль. Оценивание и идентификация параметров и характеристик реальных процессов, при сравнении их с нормативными характеристиками, позволяют оценить получаемые отклонения и принять необходимые решения для повышения эффективности работы оборудования энергоустановок. Но только опыт оперативного персонала, его интеллектуальная способность помогают анализировать происходящие изменения и неполадки, обобщая и запоминая их с помощью ЭВМ в виде формализованных опыта и знаний и извлекать такие знания при необходимости принятия решений в условиях некорректности решаемых задач, [9, 12, 20, 21, 4552, 345]. Поэтому представляется весьма целесообразной работа по повышению эффективности использования старых и созданию новых интеллектуальных методов и средств.

Для накопления, обобщения опыта и знаний (четких и нечетких) и их формализации о таких сложных механизмах, какими являются турбоустановки электростанций, особенно в условиях их старения и неполноты информации о ресурсе, необходимы интеллектуальные информационные системы, способные выполнять интеллектуализацию процедур поиска, управления и контроля технической системы, [53-56, 344, 347].

Актуальность проблемы.

Для энергетики в настоящее время характерна интенсификация использования мощностей и ресурсов установленного оборудования. Это может быть достигнуто на основе интеллектуальной диагностики эксплуатационного состояния и режимов использования оборудования. Рост степени ответственности принимаемых решений по времени вывода оборудования в ремонт ужесточил требования к качеству моделей идентификации, основой которых является информация, получаемая при диагностике состояния энергоустановок. Их выполнение в условиях старых форм технического обслуживания по системе 1111Р (планово-предупредительных ремонтов) стало неэффективным. Возникла проблема недостаточной адекватности диагностических моделей и моделей принятия решений о выводе турбоустановки в ремонт или снижении нагрузки, вследствие не использования нечеткой информации о состоянии оборудования, а также повышенной суммарной неопределенности, накапливаемой за время эксплуатации.

Различные направления в решении этой проблемы рассматривались следующим рядом авторов. Основы применения современных методов математического моделирования, прикладные методы теории систем и системного анализа, методы исследования операций, для исследования теплоэнергетических установок и ТЭС заложены в работах школы Сибирского энергетического института (JI.A. Мелентьев, Ю.Н. Руденко, JI.C. Попырин, С.М. Каплун, Ю.В. Наумов, А.З. Гамм, A.M. Клер, Н.Н. Новицкий). Оригинальные подходы к моделированию и исследованию теплоэнергетических установок развиты в работах ЦНИИКА (Ф.А. Вульман, Н.С. Хорьков), в ИПМаш. Укр. АН (А.А. Шубенко-Шубин, А.А. Палагин). Выполнены исследования оперативного контроля работы энергоблоков, с целью разработки методов организации диагностического обеспечения основного и управляющего оборудования электростанций, АН УССР (В.Ф.Скляров, В.А. Гуляев, В.М. Чаплыга, М.А. Дуэль, Ю.М. Мацевитый, Б.Е. Патон, В.А. Яницкий), НПО ЦКТИ, НПО ЦНИИТмаш., ПО JIM3 (Л.А. Хоменок, А.Н. Ремезов, И.А. Ковалев, B.C. Шаргородский, С.Ш. Розенберг, В.И. Олимпиев, Л.П. Сафонов, В.Г. Орлик), СЭИ (A.M. Клер, Н.П. Деканова,

Э.А. Тюрина), ВТИ (А.Ш. Лейзерович, В.Б. Рубин). ВТИ получен опыт разработки локальных подсистем диагностического контроля турбоустановок ТЭС (А.В. Мозгалевский, Д.В. Гаскаров, А.Ш. Лейзерович, Н.Ф. Комаров, Н.Н. Борисова). Проведены диагностические исследования неисправностей состояния энергооборудования (В.А. Яницкий, Н.Г. Барыкова, А.Б. Кузьмин, А.Д. Трух-ний, И.А. Перминов, В.Г. Орлик, А.А. Гординский, Л.С. Баран, A.M. Макаров, С.Ш. Розенберг, Л.А. Хоменок, В.Я. Гиршфельд, В.А. Цветков, Г.А. Уланов, Ю.П. Косинов, В.Г. Канцедалов, Г.П. Берлявский, В.Ф. Злепко). Определено состояние крупных ТГ (В.А. Алексеев, А.А. Палагин, А.В. Ефимов). Исследования современного состояния, проблем эксплуатации и путей обновления основного и вспомогательного оборудования ТЭС проведены НПО ЦКТИ и СЭИ (Л.А. Хоменок, А.П. Меренков, Л.В. Массель, A.M. Клер). Исследования по разработке и созданию новых методов и средств неразрушающего контроля, включая дистанционный контроль и прогнозирование долговечности металла оборудования ТЭС и АЭС, выполнены Юж. ВТИ (А.А. Мадоян, В.Г. Канцедалов, П.Б. Самойленко, Б.Р. Бродский, B.C. Гребенник, В.Ф. Злепко, Т.Г. Березина, Н.В. Бугай, И.И. Трунин). Исследования для разработки методик алгоритмического обеспечения систем централизованного контроля проведены Институтом проблем управления АН (И.М. Шенброт, Э.Л. Ицкович). Разработки измерительных информационных систем (ИИС) выполнены Институтом автоматики и электрометрии СО АН СССР (К.Б. Карандеев, Г.И. Кавалеров, С.М. Мандельштам, М.П. Цапенко, В.И. Рабинович, В.М. Ефимов). Алгоритмам переработки сигналов датчиков систем автоматического и централизованного контроля посвящены работы МЭИ (Ф.Е. Темников, А.С. Немировский, П.В. Новицкий, И.А. Зо-граф). Выполнены исследования НЭТИ для разработки экспертных систем анализа многофакторных объектов и формализации знаний (В.И. Денисов, И.А. Полетаева, В.И. Хабаров). Решение задач реального времени в электроэнергетике выполнено СЭИ (А.З. Гамм, Ю.Н. Кучеров, С.И. Паламарчук). МЭИ получен опыт разработки инструментальной среды для построения интеллектуальной системы оперативной диагностики с использованием декларативных знаний и нечетких алгоритмов (Э.К. Аракелян, М.А. Панько). В последние десятилетия научный интерес направился на создание автоматизированных систем, предназначенных для повышения эффективности управления отдельно функционирующими энергоблоками и целыми ТЭС. Этому способствовало появление нового поколения средств информационно-измерительной техники - процессорных измерительных средств (ПрИС), в которых программируемая вычислительная мощность входит в состав измерительной цепи и участвует в получении результатов измерения. ПРиС — следствие компьютеризации измерений, проявляющейся в применении вычислительной техники для автоматизации управления функционированием и обработки результатов измерения, и для реализации части измерительной процедуры в числовой форме на программной основе (Г.Я. Мирский, Э.И. Цветков, J. Finkelstein, М. Клейн, Г. Морган, JI. Рабинер, Б. Го-улд, D. Driankov, G.J. Klir, G. Olsson). Исследования по выявлению эффективности введения автоматизированных систем комплексной технической диагностики в контур управления энергоблоков ТЭС и их разработки проведены ВТИ (А.Ш. Лейзерович, А.А. Гординский, A.M. Журавель), НПО ЦКТИ (Л.П. Сафонов, А.В. Антонович, A.M. Заводовский, О.Т. Ильченко, С.В. Яцкевич).

Однако, как показывает проведенный анализ, эта проблема не могла быть успешно решена без рассмотрения целостности теплоэнергетического процесса и турбоустановки как единого "механизма". В результате, создаваемая методология технического диагностирования не позволяла уменьшить неопределенность исходной информации о техническом состоянии турбоэнергоустановки. Это и определило научную и техническую проблему, которая решается автором в представленной диссертационной работе.

Данная диссертационная работа решает обозначенную проблему: построение интеллектуальных экспертных диагностических систем использующих четкую и нечеткую информацию для диагностики сложных турбоэнерго-установок.

Объектом исследования настоящей работы являются диагностические процессы состояния функционирующих турбоэнергоустановок электростанций.

Предметом исследования является разработка и исследование интеллектуальных экспертных диагностических систем на основе вероятностных, четких и нечетких параметров технической диагностики.

Цель работы. Целью диссертационной работы является: повышение качества диагностики и идентификации технического состояния сложных турбоэнергоустановок на основе разработки методологии и моделей реализации интеллектуальных экспертных диагностических систем распознавания состояния с использованием четкой и нечеткой информации.

Задачи исследования:

1. Теоретический анализ представленных в научной литературе математических моделей технического состояния турбоустановок на основе технической диагностики.

2. Конструирование информационных моделей эксплуатационного и технического состояния турбоустановки с учетом анализа, систематизации и классификации, при экспертном, стохастическом, нечетком и четком подходах.

3. Разработка комплексной модели и алгоритма распознавания дефектных состояний турбоустановки с использованием нечеткой информации.

4. Структурирование модели интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок, с учетом нечеткой исходной информации.

5. Разработка модели и методов нечеткой идентификации, нечеткой оптимизации и нечеткого оптимального управления турбоустановки.

6. Разработка моделей определения области устойчивости и допустимости режимов турбоустановки при различных нагрузках, с использованием нечеткой информации и нечетких знаний о состоянии.

7. Разработка моделей ресурса, надежности и долговечности турбоуста-новки с учетом нечеткой информации и нечетких знаний о состоянии.

8. Определение основных принципов методологии и средств реализации интеллектуальных экспертных диагностических систем контроля и анализа функционирования турбоэнергоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации с учетом четкой и нечеткой информации.

9. Разработка интеллектуального диагностического комплекса SKAIS («система контроля, анализа и слежения за изменением состояния тур-боустановки») для турбоэнергоустановок ТЭС (исследовательский вариант).

Методы исследований. Разработанные в диссертации научные положения базируются на системном подходе к исследованию турбоустановок, моделированию и идентификации на основе технической диагностики их состояния с целью увеличения срока эксплуатации, эффективности и надежности работы с учетом неопределенности исходной информации.

Для решения поставленных задач в диссертации применялись разнообразные математические методы с использованием натурного и имитационного экспериментов, а также методы термодинамического и энергетического анализа, теории вероятностей и математической статистики, исследования операций, математического моделирования, математического программирования, прикладные методы теории систем и системного анализа, теории управления, теории информации, теории искусственного интеллекта, теории оптимизации, теории надежности, теории решений, теории нечетких множеств, нечетких логик, теории графов и теории распознавания образов.

Научная новизна.

1. В диссертации впервые разработаны методологические основы и принципы нового для турбоэнергоустановок научного направления - интеллектуальные системы контроля и анализа функционирования турбоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации с использованием экспертной, стохастической, четкой и нечеткой информации.

2. Сконструированы информационные модели эксплуатационного и технического состояния турбоустановки для создания новой концепции "мягкого регулирования" технического обслуживания турбоустановок с учетом времени жизни в эксплуатации и отработке, и нечеткой информации.

3. Разработаны комплексная модель и алгоритм распознавания дефектных состояний турбоустановок с использованием нечеткой информации.

4. Созданы модель и алгоритм интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок с использованием нечеткой информации.

5. Разработаны модели технического обслуживания состояния турбоустановки, включая модели ресурса, надежности и долговечности турбоустановки с использованием нечеткой информации.

6. Разработаны алгоритм и управляющие правила нечеткого регулятора разрежения в конденсаторе турбоустановки.

7. Разработан и апробирован интеллектуальный программно-вычислительный диагностический комплекс SKAIS («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоуста-новок ТЭС (исследовательский вариант).

Практическая значимость и реализация результатов.

Полученные автором результаты в развитии новой концепции «технического обслуживания эксплуатации турбоустановок по фактическому состоянию», подтверждают необходимость применения интегрированных подходов и методов, использующих информационное и вычислитечьное разнообразие как основное средство решения. Использование нечеткой информации и применение для ее формализации и обработки методологии искусственного интеллекта повышает качество моделей идентификации, прогнозирования, принятия решений и оптимизации при диагностике состояния и управления турбоустановок. В результате, это позволит сформировать новую интеллектуальную (экспертную) среду, обеспечить представление объекта управления адекватной его состоянию моделью эксплуатации, встроенной в контур управления ТЭС. Решение этой проблемы - актуальная задача.

Использование разработанной автором методологии интеллектуального управления основанной на нечетких моделях идентификации состояния и технической диагностики механизмов ТЭС способствует увеличению срока службы оборудования, повышению его эффективности, надежности и готовности выполнять необходимый режим нагрузки, выработке на основе этого дополнительных электро - и теплоэнергии, и позволяют, в результате, получить народнохозяйственный эффект. Принятие эффективных решений и подготовленных рекомендаций для обслуживающего персонала ТЭС, при управлении энергетическими установками с помощью системы поддержки и мониторинга состояния в диагностическом комплексе SKAIS, обеспечивают производство электро - и теплоэнергии необходимого количества и качества. Это осуществляется за счет поддержки работоспособности, своевременного обнаружения неисправностей и предупреждения развития дефектов и отказов.

Предусмотрена возможность независимого применения результатов из разделов работы, а именно: разработанные математические модели и их характеристики в виде аналитических зависимостей, алгоритмы и рекомендации для решения отдельных задач управления и технического обслуживания турбоэнерго-установок, контроля состояния оборудования и определения его эффективности. Полученные результаты могут использоваться также в целом ряде задач: технико-экономического анализа, нормировании, оптимизации, управлении режимами и распределении нагрузки между агрегатами ТЭС, с учетом фактического состояния и ресурса турбоустановок. Особенно эффективно применение их для: принятия решений оценивания состояний при выводе в ремонт или модернизацию, определения оптимального межремонтного периода, разви тия и прогнозирования работоспособности на отдаленную перспективу, определения и оценки ресурса и долговечности основных узлов, при техническом перевооружении, а также проектирования новых, модернизации или замене отработавших ресурс элементов и узлов турбоустановок.

Представление состояния механизма нелинейными моделями идентификации на интервалах времени эксплуатации позволяет обеспечить компактность и унификацию информационной базы и структуры элементов турбоустановок. Свойство адекватности предложенных моделей и их диагностируемости обеспечивает эффективное согласование данных, относящихся к разным иерархическим уровням и задачам управления, а также объемам вычислений для работы в режиме реального времени.

Предложенные модели состояния механизма в виде непрерывных во времени функций предоставляют возможность разработки качественно новых методов расчета, оценки и идентификации состояния турбоэнергоустановок на основе диагностики. При этом параметры теплоэнергетического режима и состояния турбоэнергоустановки также могут быть представлены функциями времени. Разработанные в диссертации методы и алгоритмы легли в основу базы знаний интеллектуального диагностического комплекса SKAIS, формирующего информационную и интеллектуальную базы о поведении турбоэнергоустановки и её элементов для решения задач прогнозирования и оперативного управления агрегатами ТЭС на основе диагностики, оценивания фактического состояния турбоустановок и их готовности.

Результаты оперативного прогноза состояния могут использоваться ДИС-ом ТЭС при ведении режима, оперативной оптимизации текущего режима, своевременном выводе агрегата в ремонт или введении ограничений при выполнении диспетчерского графика нагрузки.

Полученные средства интеллектуальной системы контроля и анализа функционирования для турбоустановок могут быть использованы и в других непрерывных производствах с идентичной технологией.

Научные результаты работы использованы институтом

Новосибирсктеплоэлектропроект ОАО "Сибирский Энергетический Научно-Технический Центр"», при выполнении проектных работ по реконструкции и модернизации Новосибирских ТЭЦ, а также ЗАО "СибКОТЭС". Разработанные методы, алгоритмы и программы внедрены в ОАО "Новосибирскэнерго" Новосибирской ТЭЦ-4. Программный комплекс SKAIS является составной частью АСУ ТП Новосибирской ТЭЦ-5 и Нерюнгринской ГРЭС и находится в опытной эксплуатации, обеспечивая обслуживающий персонал по диагностике состояния турбоустановки Т-180/210-130 JIM3. Проведены экспериментальные исследования диагностических моделей оценивания изменения параметров вибросостояния на надежность вращающихся агрегатов ТЭС, обслуживаемых ОАО "Сиб-энергоремонт". Используемые в работе статистические модели были апробированы автором: при разработке системы автоматизированного анализа технико-экономических показателей турбоагрегатов Иркутской ТЭЦ-10, при диагностических исследованиях турбоагрегатов Новосибирской ТЭЦ-4, Красноярской ТЭЦ-2 и Петропавловск-КамчатскойТЭЦ-1, а также разработке нормативных энергетических характеристик энергоустановок ряда ТЭС и ТЭЦ Сибири.

Основные методические положения, алгоритмы, программы и рекомендации, полученные в работе, а также 3 учебных пособия используются при выполнении научно — технических, курсовых и дипломных работ в НГТУ, курсах повышения квалификации руководящих работников и специалистов - энергетиков (НФ ПЭИ п.к.), ХФ ЦКБ "Энергоремонт", ЦКБ "Знергоремонт". Внедрение результатов в практику проектирования и эксплуатации подтверждено шестью Актами использования научно - исследовательской работы в теплоэнергетике.

Основные положения и результаты, выносимые на защиту:

1. Методологические основы и принципы нового для турбоэнергоустано-вок научного направления — интеллектуальные системы контроля и анализа функционирования турбоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации, с использованием экспертной, стохастической, четкой и нечеткой информации.

2. Информационные модели эксплуатационного и технического состояния турбоустановки, для создания новой концепции "мягкого регулирования" технического обслуживания турбоустановок, с учетом времени жизни, в эксплуатации и отработке, при нечеткой информации.

3. Комплексная модель и алгоритм распознавания дефектных состояний турбоустановок, с использованием нечеткой информации.

4. Модель и алгоритм интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами, турбоустановок, с использованием нечеткой информации.

5. Модели технического обслуживания состояния турбоустановки, включая модели ресурса, надежности и долговечности турбоустановки, с использованием нечеткой информации.

6. Алгоритм и управляющие правила нечеткого регулятора разрежения в. конденсаторе турбоустановки.

7. Интеллектуальный программно-вычислительный диагностический комплекс SKAIS («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоустановок ТЭС (исследовательский-вариант).

Апробация работы. Полученные результаты исследований докладывались и обсуждались: на научно-техническом совещании «Оптимизации систем технического водоснабжения ТЭС и АЭС» (г. Зеленодольск, Криворожская ГРЭС-2, 1981 г.); на Всесоюзном научно-техническом совещании «Состояние и пути развития средств технической диагностики тепломеханического оборудования» (г. Москва, ВДНХ, 1982г.); на Всесоюзном научно-техническом совещании «Опыт разработки, внедрения и эксплуатации АСУ ТП на ТЭЦ» (г. Минск, Зап. ВТИ, 1991г.); на научно-технической конференции «Региональные проблемы энергетики Поволжья» (г. Саратов, СПИ, 1992г.); на межвузовском научном семинаре по проблемам теплоэнергетики (г. Балаково,

1994г.); на 2-й, 3-й, 4-й и 5-й международной научно-технической конференции «Актуальные проблемы электронного приборостроения, АПЭП-94, 96, 98 и АПЭП-2000» (г. Новосибирск, НГТУ, 1994, 1996, 1998 и 2000 г.); на международной научно-технической конференции «Научные основы высоких технологий» (г. Новосибирск, НГТУ, 1997г.); на третьем и четвертом Сибирском конгрессе по прикладной и индустриальной математике, ИНПРИМ-98 и ИНПРИМ-2000 (г. Новосибирск, ИМ СО РАН, 1998 и 2000г.); на 30-м и 33-м теплоэнергетических коллоквиумах: «Турбомашины для ТЭС. Проблемы развития. Использование. Конструкции и результаты применения» и «Надежность теплоэнерго-установок в условиях либерализации рынка энергии» (г. Дрезден, Технический университет, Германия, 1998 и 2001г.); на 3-м и 4-м Русско-Корейском международном симпозиуме по науке и технике, KORUS'99 и KORUS'2000 (r. Новосибирск, НГТУ, 1999г. и г. Ульсан, Корея, 2000г.); на 7-м Европейском конгрессе по искусственному интеллекту и мягким вычислениям, EUFIT'99 (г. Аахен, Рейнско-Вестфальский технический университет, Германия, 1999г.); на международной научно-технической конференции «Информационные системы и технологии» ИСТ'2000 (г. Новосибирск, НГТУ, 2000г.); на международных конференциях CONTROL-2003, CONTROL-2005- и CONTROL-2008 «Теориям практика построения и функционирования АСУ ТП» (г. Москва, МЭИ (ТУ), 2003,

2005 и 2008г.); на второй международной научно-технической конференции «Энергетика. Экология. Энергосбережение. Транспорт» (г. Тобольск, 2004 г.); на международном конгрессе « IF AC WS ESC'06. ENERGY SAVING CONTROL IN PLANTS AND BUILDINGS» (r. Bansko, Bulgaria, 2006г.); на научных семинарах ФЭН и АВТФ НГТУ (г. Новосибирск, 1997, 2001, 2003 - 2008г.); на научных семинарах кафедры АСУ ТП МЭИ* (ТУ) (г. Москва, 2002 и 2008г.); на научных семинарах и Секции Ученого совета ИСЭМ СО РАН (г. Иркутск, 2002,

2006 >и 2008г.) и получили, положительную оценку.

Личный вклад соискателя. Автору принадлежат формулировки и обоснование цели работы, выбор объектов исследования, постановки задач, методология и структурирование системы и выделение ее диагностических элементов, разработка моделей и алгоритмов, организация натурных экспериментов и анализ полученных результатов. Практически все эксперименты выполнены также при его личном участии.

Публикации. Результаты диссертационной работы опубликованы в 46 научных работах, в том числе: в 3-х учебно-методических пособиях, 23 докладах - на Международных научных конференциях, симпозиумах и конгрессах, и 11 статьях - в журналах, рекомендуемых ВАК РФ для опубликования научных результатов диссертаций на соискание ученой степени доктора наук. Отдельные результаты отражены в зарегистрированных в ВНИТЦ отчетах по НИР. В автореферате приведен список из 37 наиболее значимых работ по теме диссертации.

Структура и объем работы. Диссертация состоит из введения, шести глав и заключения; содержит 393 страницы машинописного текста и 4 приложения на 110 страницах; работа иллюстрирована 103 рисунками; содержит 33 таблицы; список литературы на 33 страницах, включающий 380 наименований. В 4-х приложениях приведены отдельные результаты, практической реализации разработанных методов и методик, и Акты о внедрении работы.

6.6. ВЫВОДЫ

В Главе 6 Диссертации и Приложениях 1-4 на отдельных примерах представлены результаты проектирования и внедрения экспертной диагностической системы функционально-гибридного типа с именем SKAIS. Разработано математическое и программное обеспечение, построенное с применением методологии и методов теории искусственного интеллекта, системного анализа и теории исследования операций, которое может стать базой при разработке нового поколения гибридных систем диагностики для отрасли. Получены следующие основные результаты и выводы.

1. Диагностический комплекс SKAIS - "Система контроля, анализа и слежения" (предлагаемая для включения в контур управления турбоэнергоустановками ТЭС в полуэкспертном варианте, или в режиме "советчика") - представляет собой управляемый в диалоговом режиме комплекс интеллектуальных и диагностических процедур, проводимых на функционирующей турбоустановке.

2. Система контроля SKAIS использует информацию от штатных приборов КИП и А турбоэнергоустановок ТЭС, но также предусматривает подключение комплекса к блочному или общестанционному ИВК системы АСУ ТП ТЭС.

3. Структура базы данных SKAIS отражает структуру данных о состоянии технологического оборудования ТЭС с турбоэнергоустановками любого типа сложности.

4. Разработан программный модуль OPTIMIZATOR, с помощью которого можно решать задачи многокритериальной оптимизации функций в четкой и нечеткой постановках с приложением к задачам технической диагностики и идентификации состояния турбоэнергоустановок ТЭС.

5. Назначением системы технической диагностики турбоэнергоустановок ТЭС является поддержание исправного и работоспособного состояния оборудования за счет своевременного предупреждения развития распознаваемых дефектов.

6. Предложены методика и алгоритм задачи оценивания технического состояния турбоустановки. В качестве математического аппарата при моделировании используются нечеткие уравнения в отношениях. При решении используются четкие и нечеткие исходные данные, получаемые при технической диагностике на ТЭС, теория нечетких множеств и другие методы теории искусственного интеллекта и теории исследования операций. Решение задачи выполняется с помощью программного комплекса SKAIS.

7. Раннее предупреждение развития дефектов, их распознавание будут способствовать созданию и развитию новой стратегии технического обслуживания турбоэнергоустановок ТЭС на основе технической диагностики их состояния. Раннее обнаружение и локализация дефектов помогают эффективно изменять сроки ремонтов, проводить оптимальную организацию ремонтных кампаний, планировать расходы запчастей и материалов и успешно проводить маркетинг энергетического производства.

8. Полученный автором в процессе работы опыт, первые результаты и имеющиеся литературные источники, подтверждают убеждение, что с помощью методов технической диагностики можно обнаружить как явные, так и скрытые дефекты и принять необходимые меры по предупреждению отказов. В результате, эта стратегия позволит "отодвинуть" расчетное время наработки на отказ, увеличить ресурс работы и долговечность турбоустановки, и продлить срок службы.

9. Экономический эффект от внедрения SKAIS при техническом обслуживании одной турбоустановки типа Т-100-130 ТМЗ составляет в ценах 1995г.) 200-250 млн. рублей в год.

10. В масштабах современного развития отрасли и дефицита мощностей внедрение разработанной стратегии технического обслуживания турбоустановок по фактическому состоянию, с использованием экспертной диагностической системы на основе технической диагностики, позволит осуществить крупный вклад в решение важной народно-хозяйственной проблемы - модернизировать действующие и проектируемые турбоэнергоустановки ТЭС (оснащенные АСУ ТП) за счет использования интеллектуальных диагностических систем, с целью повышения эффективности и увеличения времени жизни агрегатов.

ЗАКЛЮЧЕНИЕ

В диссертационной работе за период 1977 - 2006г.г. описаны методологические основы и средства реализации интеллектуальных экспертных диагностических систем распознавания состояния сложных теплоэнергетических установок, с использованием четкой и нечеткой информации и знаний, повышения качества диагностики и идентификации состояния в процессах управления, эксплуатации и технического обслуживания. Выполнена разработка математических моделей диагностики технического состояния турбоэнергоустановок электростанций. Впервые разработаны методологические основы и принципы нового для теплоэнергоустановок научного направления - средства реализации интеллектуальных систем для контроля и анализа функционирования турбоустановок с использованием экспертной, стохастической, четкой и нечеткой информации.

Получены следующие основные результаты исследований: 1. Разработаны методологические основы и принципы нового для турбоэнергоустановок научного направления — интеллектуальные системы контроля и анализа функционирования турбоустановок на основе повышения качества диагностики и идентификации технического состояния в процессах эксплуатации с использованием экспертной, стохастической, четкой и нечеткой информации.

2. Сконструированы информационные модели эксплуатационного и технического состояния турбоустановки для создания новой концепции "мягкого регулирования" технического обслуживания турбоустановок с учетом времени жизни в эксплуатации и отработке, и нечеткой информации.

3. Разработаны комплексная модель и алгоритм распознавания дефектных состояний турбоустановок с использованием нечеткой информации.

4. Созданы модель и алгоритм интеллектуальной поддержки принятия решений при оперативном управлении нестационарными режимами турбоустановок с использованием нечеткой информации.

5. Разработаны модели технического обслуживания состояния турбоустановки, включая модели ресурса, надежности и долговечности турбоустановки с использованием нечеткой информации.

6. Разработаны алгоритм и управляющие правила нечеткого регулятора разрежения в конденсаторе турбоустановки.

7. Разработан и апробирован интеллектуальный программно-вычислительный диагностический комплекс SKAIS («система контроля, анализа и слежения за изменением состояния турбоустановки») для турбоэнергоустановок ТЭС (исследовательский вариант).

Использование разработанной методологии интеллектуального управления, основанной на нечеткие модели идентификации состояния и технической диагностики механизмов ТЭС, способствует увеличению срока службы оборудования, повышению его эффективности, надежности и готовности выполнять необходимый режим нагрузки, выработке на основе этого дополнительных электро - и теплоэнергии, и позволяют получить существенный народнохозяйственный эффект.

Принятие эффективных решений и подготовленных рекомендаций для обслуживающего персонала ТЭС, при эксплуатации турбоустановок с помощью системы поддержки и мониторинга состояния в экспертном диагностическом комплексе SKAIS, обеспечивают продление срока службы и дополнительное производство электро - и теплоэнергии необходимого качества и количества. Это осуществляется за счет поддержки работоспособности, своевременного обнаружения неисправностей и предупреждения отказов.

Полученные результаты могут эффективно использоваться при решении важных задач: технико-экономического анализа, нормирования, оптимизации, управления режимами и распределения нагрузки между агрегатами ТЭС, с учетом фактического состояния и ресурса энергоустановок. Особенно эффективно применение разработанных, в виде управляющих правил, рекомендаций обслуживающему персоналу: для принятия решений при выводе в ремонт или модернизацию; определения оптимального межремонтного периода; развития и прогнозирования работоспособности на перспективу с определением оценки долговечности основных узлов; техническом перевооружении, а также проектировании новых, модернизации, или замене отработавших ресурс элементов и узлов турбоустановок. Полученные средства интеллектуальной системы контроля и анализа функционирования для турбоустановок могут быть использованы и в других непрерывных производствах с идентичной технологией.

Основные теоретические результаты проверены на основе вычислительных и натурных экспериментов, подтверждающие их достоверность. Часть результатов передана в опытное внедрение на реальных объектах. Разработанные на основе теории искусственного интеллекта, системного анализа и методологии исследования операций модели и методы технической диагностики механизмов ТЭС доведены до алгоритмической и программной реализации на ряде электростанций. Представляется, что совместно с уже внедренными подсистемами диагностики турбоустановок, они могут явиться интеллектуальной базой для создания новых распределенных гибридных подсистем диагностики в теплоэнергетике.

НАПРАВЛЕНИЕ ДАЛЬНЕЙШИХ ИССЛЕДОВАНИЙ

1. Разработка новой информационной технологии решения неформализованных задач контроля и диагностики энергоустановок с учетом разной степени важности и неполноты исходных данных и знаний.

2. Разработка системы адаптивной идентификации для работы СТД в режиме реального времени.

3. Разработка банка данных вероятных аварийных ситуаций, наиболее опасных узлов и режимов работы, дефектов материалов и конструкций.

4. Разработка базы знаний параметров моделей поведения агрегатов в интервалах допустимых (до пределов срабатывания АСР и 3) отклонений физических параметров состояния и режимов их эксплуатации.

5. Диагностика пред-дефектного состояния материала и конструкции агрегата, контроль изменения его физико-механических свойств и структуры до появления нарушений сплошности. Изучение свойств материалов конструкций основных узлов, особенно причин их трещинообразования и разрушения, и зависимости влияния технологии теплоэнергетического процесса на «время жизни» агрегата.

6. Применение имитационного моделирования для проверки чувствительности новых методов диагностики и контроля.

1. Горин В.И., Дьяков А.Ф., Нечаев В.В., Ольховский Г.Г. Электростанция из органических топлив. //Теплоэнергетика. 1993, №6. — С. 12-22.

2. Костюк А.Г., Трояновский Б.М., Трухний А.Д. Надежность паровых турбин. //Теплоэнергетика. 1981, №9. - С. 12-18.

3. Алексеев Б.А. Основное оборудование в энергосистемах. Определение состояния (диагностика) крупных турбогенераторов. Обзор отечественного и зарубежного опыта. М.: Изд-во НЦ ЭНАС, 2001. 152С.

4. Лейзерович А.Ш., Берлянд В.И. Турбинная тематика на конференции "ASME International 2000".//Электрические станции. 2001, №1. - С. 59-62.

5. Цветков В.А. Диагностика мощных генераторов. М.: НУЦ ЭНАС, 1995. -235С.

6. Трояновский Б.М. Энергетика и турбостроение Японии. (В 2-х ч.). //4.1. Теплоэнергетика, 1995, №10. С.72 - 77; 4.2. Теплоэнергетика, 1995, №11. -С.60 - 67.

7. Тезисы докладов на совещании «Состояния и пути развития средств технической диагностики тепломеханического энергооборудования».1. М.: ВДНХ, 1982.-64С.

8. Хоменок Л.А. Современное состояние, проблемы эксплуатации и пути обновления паротурбинного оборудования. //Сб. Методы и средства оценки состояния энергетического оборудования. Выпуск 12. СПб., 2000. С. 4 - 27.

9. Лейзерович А.Ш., Бухны Д.И., Радин Ю.А. и др. Система информационной поддержки оператора группового щита управления неблочной электростанции. //Электрические станции. 1994, №7. — С. 27-31.

10. Лейзерович А.Ш., Гординский А.А., Журавель A.M. О показателях эффективности автоматизированных систем комплексной технической диагностики оборудования энергоблоков. //Теплоэнергетика. 1991,2. С. 25-28.

11. Лейзерович А.Ш., Рубин В.Б. Задачи технической диагностики теплоэнергетического оборудования. //Электрические станции. 1987, №3. — С. 11-13.

12. Лейзерович А.Ш., Сафонов Л.П., Антонович А.В., Гординский А.А., Журавель A.M., Яцкевич С.В. Создание и освоение автоматизированных систем диагностического контроля энергоблоков ТЭС.

13. Теплоэнергетика. 1995, №2. - С. 57-62.

14. Барыкова Н.Г. Диагностика неисправностей технологических объектов с использованием структурных моделей. //Теплоэнергетика. 1979, №8. — С. 31-34.

15. Кузьмин А.Б. Функциональное диагностирование технической системы управления. //Автоматика и телемеханика 1994, №5. - С. 183-189.

16. Лейзерович А.Ш. Продление срока службы паровых турбин. //Энергохозяйство за рубежом. 1985, № 1. - С. 5-12.

17. Лейзерович А.Ш. Диагностический контроль паровых турбин. //Энергохозяйство за рубежом. 1986, №6. - С. 9-15.

18. Bohnstedt J., Leopold J. Schaden und Reparaturen an Dampfturbinen. //Der Maschinenschaden. 1985. V.58, H.3. - S. 81 - 88.

19. Zorner W., Andreae К. -II., Emshoff H., Miiller H. Diagnosesystem zur Betriebsiiberwachung von Dampfturbinenanlagen. /VGB Kraftwerkstechnik, 1991, H.6.

20. Солсбери Дж. К. Детальный контроль экономичности электростанции. //Труды американского общества инженеров-мех. Серия А. Энергетические установки и машины. 1961. Т.83, №4. - С. 103-134.

21. Лейзерович А.Ш. Концепция оперативной технической диагностики тепломеханического оборудования энергоблоков ТЭС. //Электрические станции. 1991, №7. - С. 2 8-31.

22. Крохин Г.Д. Программа решения проблемы диагностики энергетического оборудования. // «Материалы межвузовского научного семинара по проблемам теплоэнергетики»,- Саратов, СГТУ, 1996. С.21-25.

23. Заводовский A.M. Диагностическая служба на ТЭС. // Энергетика. Изв. ВУЗов. 1983, № 10. - С. 67-70.

24. Яницкий В.А. Экспериментальная система поддержки вахтенного персонала при управлении работой энергоблоков в регулировочном диапазоне. //Электрические станции. 1992, №3. — С. 2 - 6.

25. Скляров В.Ф., Гуляев В.А. Диагностическое обеспечение энергетического производства. Киев: Техника, 1985. 215С.

26. Яницкий В.А. Контроль работы энергоблоков с анализом возникающих ситуаций в АСУ технологическим процессом. //Электрические станции. -1980, №9.-С. 12-14.

27. Трухний А.Д., Лейзерович А.Ш., Грак В.Г., Шишко А.Ю. Диагностический контроль накопления малоцикловой термоусталостной поврежденности металла ротора паровых турбин. //Теплоэнергетика. 1989, №12.-С. 40-45.

28. Перминов И.А., Орлик В.Г., Гординский А.А., Дуэль Л.М. Диагностика состояния проточных частей мощных паровых турбин с применением станционных вычислительных комплексов. //Труды ЦКТИ. Л.: 1992, вып. 273.-С. 58-61.

29. Баран Л.С. Система технической диагностики конденсатора: эргономические аспекты. // Теплоэнергетика. 1993, №3. — С. 68 - 71.

30. Макаров A.M., Шалобасов И.А., Смирнов И.И. Теоретические и экспериментальные исследования по диагностированию энергетической арматуры. //Электрические станции. 1994, №8. - С. 16-18.

31. Хоа Ле Куанг. Диагностика технического состояния проточной части паровой турбины. //Вестник МЭИ. М.: Изд-во МЭИ, 1997, №3. - С. 11-14.

32. Системы поддержки принятия решений для исследования и управления энергетикой. /Под ред. А.П. Меренкова, JI.B. Массель. — Новосибирск: Наука СП РАН, 1997.- 162С.

33. Ляшенко Л.И., Гиршфельд В .Я., Крючков Б.И. Система оперативного поиска и принятия решений (СОППР) для оператора при аварийных ситуациях на энергоблоках ТЭС. //Теплоэнергетика. 1981, №10. - С.62 - 64.

34. Гуляев В.А., Скляров В.Ф., Полищук В.Б. Техническая диагностика энергетического оборудования — вопросы построения интегрированных экспертных систем. //Известия АН СССР. Энергетика и транспорт. 1990, №2.-С. 14-26.

35. Розенберг С.Ш., Хоменок Л.А. Диагностика состояния осевых зазоров проточной части цилиндра паровой турбины. //Труды ЦКТИ. Л.: 1992, вып. 273. - С.72-76.

36. Орлик В.Г., Оксман И. А., Перминов И. А. и др. Диагностика пропариваний, присосов и тепловых ударов в концевых уплотнениях паровых турбин. //Труды ЦКТИ. Л.: 1992, вып. 273. - С.62-66.

37. Крохин Г. Д. Диагностика состояния турбинной установки ТЭС (постановка задачи).// «Физико-технические и экологические проблемы теплоэнергетики». Сб-к научн. трудов.- Новосибирск, НГТУ, 1993. — С.7-11.

38. Березина Т.Г., Бугай Н.В., Трунин И.И. Диагностирование и прогнозирование долговечности металла теплоэнергетических установок. Киев, Тэхника, 1991. 120С.

39. Ильченко О.Т., Антонович А.В., Мельник И.М., Яцкевич С.В. и др. Разработка опытной автоматизированной системы технической диагностики для энергоблока 300 МВт Зуевской ГРЭС-2. //Энергетика и электрификация. 1989, №1.- С. 17-20.

40. Палагин А.А., Ефимов А.В., Меньшикова Е.Д. Моделирование функционального состояния и диагностика турбоустановок. Киев: Наукова думка, 1991.- 192С.

41. Цветков В.А., Уланов Г.А. О диагностическом обслуживании энергетических агрегатов. //Электрические станции. 1996, №1. — С. 21-24.

42. Канцедалов В.Г., Берлявский Г.П., Злепко В.Ф., Гусев В.В. Непрерывный ультразвуковой автоматизированный контроль и диагностика работающего тепломеханического оборудования. //Электрические станции. 1995, №7. - С. 22-30.

43. Лейзерович А.Ш., Антонович А.В., Берлянд В.И. и др. Комплексный диагностический контроль температурного и термонапряженного состояния турбины в составе функций АСТД блока 300 МВт. //Электрические станции.- 1992, № 10.-С. 32-38.

44. Лейзерович А.Ш., Бейзерман Б.Р., Комаров Н.Ф., Борисова Н.Н. и др. Первый опыт применения локальной подсистемы диагностического контроля турбины на базе персональной ЭВМ. //Электрические станции. 1993, №4. -С. 18-22.

45. Беликов Н.В., Занимонец Ю.М., Козлов Е.Г. Автоматизированные системы для испытаний, контроля и диагностики паровых турбин всех типов. //Теплоэнергетика. 2000, №1 Г. - С. 39-41.

46. Аракелян Э.К. Особенности выбора структуры общестанционной автоматизированной системы комплексной диагностики. // Теплоэнергетика.- 1994, №10.-С. 19-22.

47. Костюк Р.И., Биленко В.А., Радин Ю.А. АСУ ТП северо-западной ТЭЦ на базе ПТК Teleperm ME. //Теплоэнергетика. 1997, №10. - С. 8-15.

48. Михлевский А.А., Тесленко А.Н., Радзиевский В.И., Михлевский С.А. Опыт разработки и внедрения информационно-управляющей системы парового котла. //Теплоэнергетика. 2000, №9. - С. 33-37.

49. Байрашевский Б.А. Оперативный контроль изменения экономичности работы ТЭЦ и энергосистемы.//Энергетика. Известия ВУЗов. 1991, №3. — С. 70 - 75.

50. Баран Л.С. Разработка человеко-машинного интерфейса систем диагностики. //Электрические станции. 1996, №6. - С. 34 - 36.

51. Денисов В.И., Полетаева И.А., Хабаров В.И. Экспертная система для анализа многофакторных объектов. Дисперсионный анализ. Прецедентный подход. Новосибирск, НЭТИ, 1992. 128С.

52. Коттон К.Ц, Шофилд П. Анализ изменения рабочих характеристик паровых турбин. //Труды американского общества инженеров-мех. Серия А. Энергетические машины и установки. 1971, Т.93, №2. — С. 62-73.

53. Аракелян Э.К., Крохин Г.Д., Мухин B.C. Концепция построения математических моделей энергооборудования на базе нечеткой информации. //Вестник МЭИ, № 5.- М.: Изд-во МЭИ, 2005. С.28-33.

54. Попков В.И., Демирчян К.С. Проблемы диагностики и прогнозирования надежности энергетического оборудования. //Известия АН СССР. Энергетика и транспорт. 1979, №6. - С. 3 -12.

55. Лейзерович А.Ш., Сорокин Г.К. Разработка стандарта по приспособленности технического оборудования энергоблоков ТЭС к диагностированию. //Теплоэнергетика. 1993, №5. — С. 62- 64.

56. Цыпкин Я.З. Управление динамическими объектами в условиях ограниченной неопределенности. Современное состояние и перспективы развития. //Измерение, контроль, автоматизация. 1991, № 3-4. - С. 3-21.

57. Месарович М., Такахара Я. Общая теория систем. Математические основы. М.: Мир, 1978. -312С.

58. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа. Томск, НТЛ, 1997. — 389С.

59. Заде JI. Понятие состояния в теории систем.//Сб. Общая теория систем. Под ред. М. Месаровича.- М.: Мир, 1966. С.49 - 65.

60. Харкевич А.А. Рассуждения о коэффициенте полезного действия. //Вестник АН СССР. 1965, № 6. - С. 27-33.

61. Химмельблау Д. Обнаружение и диагностика неполадок в химических и нефтехимических процессах. Л.: Химия, 1983. 352С.

62. Бенедикт Р. Инженерный анализ экспериментальных данных. // Труды американского общества инженеров-мех. Серия А. Энергетические машины и установки. 1969, Т. 91, №1. - С.32-47.

63. Бузлуков В.А., Теплицкий М.Г., Ойберман Л.Б., Ефимов А.В., Палагин А.А., Меньшикова Е.Д. Получение характеристик оборудования турбоустановок методом натурно-вычислительного эксперимента. //Теплоэнергетика. 1987, №8. - С. 19-21.

64. Сахаров A.M. Тепловые испытания паровых турбин. М.: Энергоатомиздат, 1990.-23 8С.

65. Методы оптимизации сложных теплоэнергетических установок.// A.M. Клер, Н.П. Деканова, Т.П. Щеголева и др. Новосибирск: ВО «Наука».С.и.ф., 1993.- 116С.

66. Болотин В.В. Ресурс машин и конструкций. М.: Машиностроение, 1990. 448С.

67. Брайсон А., Хо Ю-Ши. Прикладная теория оптимального управления. Оптимизация, оценка, управление. М.: Мир, 1972. -544С.

68. Перельман И.И. Оперативная идентификация объектов управления. М.: Энергоиздат, 1982.-272С.

69. Гамм А. 3., Герасимов Л. Н., Голуб И. И. и др. Оценивание состояния в электроэнергетике. М.: Наука, 1983. 302С.

70. Гамм А.З., Голуб И.И. Наблюдаемость электроэнергетических систем. М.: Наука, 1990.-200С.

71. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М., СПб., К.: Изд. дом «Вильяме», 2007. 912С.

72. Шеффе Г. Дисперсионный анализ. М.: ГИ ФМЛ, 1963. 626С.

73. Moore R., Schweppe F. Model identification for adaptive control of nuclear power plants. // Automatica, 1983, v.9, p.309.

74. Сейдж Э.П., Мелса Дж. Л. Идентификация систем управления. М.: Наука, 1974. 247С.

75. Гроп Д. Методы идентификации систем. М.: Мир, 1979. 203С.

76. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979.-240С.

77. Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание. М.: Наука, 1977. — 224С.

78. Каминскас В. Идентификация динамических систем по дискретным наблюдениям (в 2-х ч.). Вильнюс, «Мокслас»: Ч. 1-1982, — 245С. 4.2-1985, -153С.

79. Современные методы идентификации систем.//П. Эйкхофф, А. Ванечек, Е. Савараги, Т. Соэда, Т. Накамизо, X. Акаике, Н. Райбман, В. Петерка. М.: Мир, 1983. - 400С.

80. Льюнг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991. -432С.

81. Льюнг Л. О точности модели в идентификации систем. //Известия РАН. Техническая кибернетика. 1992, № 6. - С. 55-64.

82. Бард Й. Нелинейное оценивание параметров. М.: Статистика, 1979. -349С.

83. Бессонов А.А., Загашвили Ю.В., Маркелов А.С. Методы и средства идентификации динамических объектов. Л.: Энергоатомиздат, ЛО, 1989. — 280С.

84. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. М.: Мир, 1971.-400С.

85. Эйкхофф П. Основы идентификации систем управления. Оценивание параметров и состояния. М.: Мир, 1975. — 685С.

86. Фильтрация и стохастическое управление в динамических системах. М.: Мир, 1980. 407С.

87. Дисперсионная идентификация.//Под ред. Н.С. Райбмана.- М.: Наука ФМЛ, 1981. 336С.

88. Катковник В.Я. Непараметрическая идентификация и сглаживание данных. Метод локальной аппроксимации. М.: Наука ФМЛ, 1985. -336С.

89. Куржанский А.Б. Управление и наблюдение в условиях неопределенности. М.: Наука ФМЛ, 1977. 392С.

90. Фурсов В.А Анализ точности и построение алгоритмов идентификации по малому числу наблюдений. //Известия РАН. Техническая кибернетика. -1991. №6. С. 130-135.

91. Цыпкин Я.З. Основы информационной теории идентификации. М.: Наука ФМЛ, 1984. 320С.

92. Синицын И.Н. Фильтры Калмана и Пугачева. М.: Университетская книга, Логос, 2006. 640С.

93. Обнаружение изменения свойств сигналов и динамических систем. //Под ред. М. Бассвиль и А. Банвениста. М.: Мир, 1989. 278С.

94. Пугачев B.C., Синицын И.Н. Теория стохастических систем. М.: Логос, 2000.- 1000С.

95. Hellendoorn Н., Driankov D. Fuzzy Model Identification. Berlin: Springer, 1997.-319P.

96. Ротштейн А.П. Интеллектуальные технологии идентификации. Ушверсум Вшниця, 1999. - 302С.

97. Коровин С.К., Фомичев В.В. Наблюдатели состояния для линейных систем с неопределенностью. М.: ФИЗМАТЛИТ, 2007. -224С.

98. Крохин Г.Д. Функциональная диагностика энергоустановок электростанций (математические модели и диагностический комплекс). Автореферат диссертации кандидата техн. наук. Новосибирск, НГТУ, 1997. — 26С.

99. Шеннон К. Работы по теории информации и кибернетике. М.: ИЛ, 1963. 830С.

100. Хартли Р. Передача информации. // Теория информации и ее приложения.- М.: Физматиздат, 1959. — С.5 — 35.

101. Эшби У. Росс. Введение в кибернетику. М.: ИЛ, 1959. 432С.

102. Люгер Дж. Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем. М., СПб., Киев: Вильяме, 2003. 864С.

103. Земельман М.А. Метрологические основы технических измерений. М.: Изд-во стандартов, 1991. 228С.

104. Горский Ю.М. Информационные аспекты управления и моделирования. М.: Наука, 1978. 224С.

105. Стратонович P. JL, Гришанин Б. А. Ценность информации при невозможности прямого наблюдения оцениваемой величины. // Известия АН СССР. Техническая кибернетика. 1966, №3. - С.3-15.

106. Трауб Дж., Васильковский Г., Вожьняковский X. Информация, неопределенность, сложность. М.: Мир, 1988. 184С.

107. Zadeh L. A. Fuzzy sets. // Information and control. 1965.V.8, No.3.-P.338-353.

108. Беллман P., Заде JI. Принятие решений в расплывчатых условиях. // Вопросы анализа и процедуры принятия решений. М.: Мир, 1976.- С. 172215.

109. Прикладные нечеткие системы. /Асаи К., Ватада Д., Иваи С. и др.- М.: Мир, 1993.-368С.

110. Алиев Р. А., Церковный А. Э. , Мамедова Г. А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.-240 С.

111. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 167С.

112. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. 304С.

113. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. -256С.

114. Борисов А.Н., Вилюмс Э.Р., Сукур Л .Я. Диалоговые системы принятия решений на базе ЭВМ. Рига: Зинатне, 1986. 195С.

115. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Рига: Зинатне, 1990. 184С.

116. Язенин А.В. Методы оптимизации и принятия решений при нечетких данных. Автореферат дисс. доктора физ.-мат. наук. Тверь: ТГУ, 1995. — 49С.121. ,Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: ИМ, 1999. 270С.

117. Нечеткие множества и теория возможностей. Последние достижения. //Под редакцией P.P. Ягера. М.: Радио и связь, 1986. — 407С.

118. Колмогоров А.Н. Теория передачи информации. //Сб. Теория информации и теория алгоритмов.- М.: Наука, 1987. — С. 29 — 58.

119. Кулик Б.А. Логика естественных рассуждений. СПб.: Невский Диалект, 2001.- 128С.

120. Крохин Т.Д. Распознавание образов при диагнозе элементов и узлов турбинной установки ТЭС. // «Физико-технические и экологические проблемы теплоэнергетики». Сб-к научн. трудов.- Новосибирск, НГТУ, 1993.- С.3-7.

121. Крохин Т.Д. Математическая модель расчета и диагноза вакуума турбинных установок , ТЭС. // «Физико-технические и экологические проблемы теплоэнергетики». Сб-к научн. трудов.- Новосибирск, НГТУ, 1993. -С.11-16.

122. Крохин Г.Д. Использование нечеткой информации для математических моделей диагностики функционирующих энергоустановок тепловых электростанций. 1. Формализмы. // Вестник ИГТУ, № 3 . Иркутск, 2004. — С. 110-114.

123. Теплосиловые системы. Оптимизационные исследования.// A.M. Клер, Н.П. Деканова, Э.А. Тюрина и др. Новосибирск: Наука, 2005. - 235С.

124. Шумский А.Е. Функциональное диагностирование нелинейных динамических систем в условиях параметрической неопределенности моделей. //Автоматика и телемеханика. 1994, №3. — С. 184-188.

125. Крохин Г.Д., Мухин B.C. Моделирование ресурса и надежности оборудования турбоустановки с учетом стратегии его ремонта.// Промышленные АСУ и контроллеры, № 10. 2007. - С.22-25.

126. Крохин Г.Д., Мухин B.C. Нечеткие модели принятия решений о продлении эксплуатации турбоустановки, выводе в ремонт или введении ограничений.// Промышленные АСУ и контроллеры, № 12. 2007. - С.33-38.

127. Крохин Г.Д., Мухин B.C. Оценка долговечности турбоустановок на базе нечетких моделей состояния. // Труды Международной научной конференции CONTROL-2008 «Теория и практика построения и функционирования АСУ ТП». М.: Изд-во МЭИ, 2008. С. 103-105.

128. Нечипоренко В.И. Структурный анализ систем (эффективность и надежность). М.: Советское радио, 1968. — 256С.

129. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М.: ФМЛ, 1982. — 168С.

130. G.D. Krokhin, V.S. Mukhin, I.L. Ivanova. Construction of Intellectual Model of Functionating Thermal-Power Station Power-Plants Diagnosis./IFAC WS ESC'06. ENERGY SAVING CONTROL IN PLANTS AND BUILDINGS, October 2-5, 2006 Bansko, Bulgaria. p. 177 - 181.

131. Круглов B.B., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. — 224С.

132. Нечеткие множества в моделях управления и искусственного интеллекта. //А. Н. Аверкин, И. 3. Батыршин, А.Ф. Блишун, В. Б. Силов, В. Б. Тарасов. М.: Наука, ФМЛ, 1986. -312С.

133. Кофман А. Введение в теорию нечетких множеств. М:: Радио и связь, 1982.-432С.

134. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. М.: Мир, 1974. -464С.

135. Дроздов А.В., Спесивцев А.В. Формализация экспертной информации при логико-лингвистическом описании сложных систем. // Известия РАН. Технич. Кибернетика. 1994, №2. - С. 89-96.

136. Крохин Г.Д., Манусов В.З. Нечеткие модели функциональной диагностики энергоустановок электростанций. //Научный вестник НГТУ. -Новосибирск, НГТУ, 1997, №3. С. 161 -168.

137. Крохин Г.Д., Мухин B.C. Использование показателя «похожесть» при оценке состояния энергооборудования электростанции в темпе процесса.//Промышленны АСУ и контроллеры, № 11, 2004. С.27 - 29.

138. Крохин Г.Д., Манусов В.З. Нечеткие модели для интеллектуального промышленного регулятора в системе автоматического управления энергоблоком тепловой электростанции. 1. Модели.*//Научный вестник НГТУ, №2(17). Новосибирск, 2004.- С. 129-139.

139. Аракелян Э.К., Крохин Г. Д., Мухин B.C. Концепция мягкого регулирования технического обслуживания энергоустановок ТЭС на основе интеллектуальной диагностики.// Вестник МЭИ, № 1. — М.: Изд-во МЭИ, 2008. С. 14-20.

140. Кавалеров Г.И., Мандельштам С.М. Введение в информационную теорию измерений. М.: Энергия, 1974. -376С.

141. Потапов А.А., Яцкевич С.В., Лейзерович А.Ш. Некоторые принципы определения интегральных критериев технического диагностирования энергетического оборудования. //Теплоэнергетика. 1988, № 11. — С. 36-39.

142. Литвак Б.Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. 184С.

143. Иган Дж. Теория обнаружения сигналов и анализ рабочих характеристик. М.: Наука ФМЛ, 1983. 213С.

144. Guide to the Expression of Uncertainty in Measurement: First edition. — ISO, Switzerland, 1993. 10 IP. РУКОВОДСТВО по выражению неопределенности измерения. /СПб.: Гп. ВНИИМ им. Д.И. Менделеева, 1999. - 134С.

145. Андерсон Т. Введение в многомерный статистический анализ. М.: ГИ ФМЛ, 1963. 500С.

146. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. -240С.

147. Васильев В. И. Распознающие системы. Справочник. Киев: Наукова думка, 1983. 422С.

148. Шаракшанэ А.С., Железнов И.Г. Испытания сложных систем. М.: Высшая школа, 1974. 184С.

149. Патрик Э. Основы теории распознавания образов. М.: Советское радио, 1980. — 408С.

150. Браверман Э. М., Мучник И. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. 464С.

151. Соболенко Н.А., Тягунов М.Г. Хоанг К.Т.Д., Шкурин А.Н. Представление знаний об оборудовании электростанций для автоматизированной системы диагностики его технического состояния. //Изв. РАН. Энергетика. 1993, №4. - С. 97-102.

152. Методы решения задач реального времени в электроэнергетике. // Гамм А. 3., Кучеров Ю. Н., Паламарчук С. И. и др. Новосибирск: Наука СО,1991. - 264С.

153. Биргер И. А. Техническая диагностика. М.: Машиностроение, 1978. -240С.

154. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. -413С.

155. Кэнал JI. Н. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога.// ТИИЭР. 1972, т.60, №10. -С. 122-141.

156. Бонгард М. М. Проблема узнавания. М.: Наука, 1967. — 320С.

157. Верхаген К., Дёйн Р., Грун Ф. и др. Распознавание образов (состояние и перспективы). М.: Радио и связь, 1985. 104С.

158. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. — 264С.

159. Айзерман М.А. Нечеткие множества, нечеткие доказательства и некоторые нерешенные задачи теории автоматического регулирования.//Автоматика и телемеханика.- 1976, № 7. С. 171 - 177.

160. Красовский А. А. Проблемы физической теории управления. //Автоматика и телемеханика. 1990, № 11. - С. 3-27.

161. Моисеев Н.Н., Иванилов Ю.П., Столяров Е.М. Методы оптимизации. М: Наука, 1978.-352С.

162. Zimmermann H.J. Fuzzy programming and linear programming with several objective functions. //Fuzzy sets and systems. 1978. V.l, No.l, - P. 45 - 56.

163. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. / Новости искусственного интеллекта. 1996, №2. С. 9 - 65.

164. Заде J1. А. Основы нового подхода к анализу сложных систем принятия решений. //Математика сегодня: Сб. М.: Знание, 1974. - С.5-49.

165. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука ФМЛ, 1981. 208С.

166. Зайченко Ю.П. Исследование операций. Нечеткая оптимизация. Киев: Выща школа, 1991. 192С.

167. Кюнци Г.П., Крелле В. Нелинейное программирование. М.: Советское радио, 1965. -303С.

168. Левнер Е.В., Птускин А.С., Фридман А.А. Размытые множества и их применение. М.: ЦЭМИ РАН, 1998. 108С.

169. Малиновский В.П., Фоменко И.М. Использование декларативных знаний для решения некоторых задач диагностики. //Изв. АН СССР. Техническая кибернетика. 1980, №5. — С. 144-148.

170. Микишев В.В., Соколов С.М. Принципы разработки инструментальной среды для построения интеллектуальных систем оперативной диагностики. //Вестник МГТУ. Сер. Приборостроение. 1994, №2. - С. 29-39.

171. Панько М.А., Аракелян Э.К. Особенности нечетких алгоритмов регулирования в сравнении с классическими.// Труды международн. науч. конф. CONTROL 2000. - М.: МЭИ, 2000. - С. 65 - 67.

172. Ларичев О.И. Объективные модели и субъективные решения. М.: Наука, 1987.- 144С.

173. Вагин В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука ФМЛ, 1988. 384С.

174. Демидович Б.П., Марон И.А. Основы вычислительной математики. М.: Наука, 1970.-664С.

175. Элементы теории испытаний и контроля технических систем. //Городецкий В.И., Дмитриев А.К., Марков В.М., Петухов Г.Б., Юсупов Р.М.-Л.: Энергия, 1978.- 192С.

176. Соловьев И.А., Зуев А.В., Кириллов В.А. и др. Обработка данных теплофизических экспериментов с учетом погрешностей всех измеряемых величин. //Инж.-физ. журн. -1992. Т.62, № 2. С. 294-300.

177. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное издание. //С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. — М.: Финансы и статистика, 1983. 471 С.

178. Прикладная статистика: Исследование зависимостей. Справочное издание. //С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1985. - 487С.

179. Прикладная статистика: Классификация и снижение размерности. Справочное издание. //С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1989. - 607С.

180. Кендалл М.Дж., Стьюарт А. Статистические выводы и связи. М.: Наука, 1973. 900С.

181. Ломакина Л.С., Сагунов В.И. Оптимизация глубины диагностирования непрерывных объектов. //Автоматика и телемеханика. 1986, №3. — С. 146152.

182. Назаров В.И. Коррекция коэффициентов математической модели энергоблока для задачи контроля достоверности информации в АСУ ТП ТЭС и АЭС. // Известия ВУЗов. Энергетика. -1994, №3-4. С.97-100.

183. Кульбак С. Теория информации и статистика. М.: Наука ФМЛ, 1967. -408С.

184. Григорьев Ф.Н., Кузнецов Н.А., Серебровский А.П. Управление наблюдениями в автоматических системах. М.: Наука, 1986. 216С.

185. Гуляев В.А., Чаплыга В.М., Кедровский И.В. Методы и средства обработки диагностической информации в реальном времени. Киев: Наукова думка, 1986. — 224С.

186. Гамм А.З., Колосок И.Н. Обнаружение грубых ошибок в электроэнергетических системах. Новосибирск: Наука, 2000. — 152С.

187. Крамер Г. Математические методы статистики. М.: Мир, 1975. — 646С.

188. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат, 1991. -304С.

189. Новицкий П.В. Основы информационной теории измерительных устройств. Л.: Энергия, 1968. 248С.

190. Заде JI. А. Тени нечетких множеств. //Проблемы передачи информации. 1966, №1.-С. 37-44.

191. Классификация и кластер. / Под ред. Дж. Вэн Райзина. М.: Мир, 1980. -389С.

192. Goguen J.A. L-fuzzy sets. //J. Math. Anal. Appl., 1967, V.18. pp. 145-174.

193. Goguen J.A. On Fuzzy Robot Planning. // Fuzzy Sets and their Applications to Cognitive and Decision Processes. Academic Press, 1975.

194. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. -320 С.

195. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа, 1989. — 232С.

196. Нильсон Н. Обучающиеся машины. М.: Мир, 1967. — 180С.

197. Шиханович Ю. А. Введение в современную математику. М.: Наука, 1965. 376С.

198. Петров Б. Н., Уланов Г. М., Гольденблат И. И., Ульянов С. В. Теория моделей в процессах управления. М.: Наука, 1978. 224С.

199. Нечипоренко В.И. Структурный анализ и методы построения надежных систем. М.: Советское радио, 1968. — 256С.

200. Гриф М.Г. Автоматизация проектирования процессов функционирования человеко-машинных систем по вероятностным и нечетким показателям. //Автореферат дисс. на соиск. учен. ст. док. тех. наук. Новосибирск: НГТУ, 2002. 35С.

201. Кендалл М., Стьюарт Дж. А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. — 736С.

202. Ким Дж. О., Мьюллер Ч.У., Клекка У.Р. и др. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. -215С.

203. Айзерман М.А., Алескеров Ф.Т. Выбор вариантов: основы теории. М.: Наука, 1990.-240С.

204. Мироновский JI.A. Функциональное диагностирование линейных динамических систем. //Автоматика и телемеханика. 1979, №8. — С. 120-128.

205. Мироновский Л.А. Функциональное диагностирование нелинейных дискретных объектов. //Автоматика и телемеханика. 1989, №6. — С. 150-157.

206. Руденко Ю.Н., Ушаков И. А. Надежность систем энергетики. Новосибирск: Наука СО, 1989. -328С.

207. Максимей И.В. Имитационное моделирование на ЭВМ. М.: Радио и связь, 1988.-232С.

208. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983. — 200С.

209. Палагин А. А., Ефимов А.В. Имитационный эксперимент на математических моделях турбоустановок. Киев: Наукова думка, 1986. -130С.

210. Шеннон Р. Имитационное моделирование систем — искусство и наука. М.: Мир, 1978. -418С.

211. Крохин Г.Д., Шалин А.И. Нечеткие модели отказов энергоустановок тепловых электростанций.// Научный вестник НГТУ, № 2(23), 2006.- С. 135 -149.

212. ГОСТ 27002 89. Надежность в технике. Термины и определения. М.: Изд-во стандартов, 1989. - 30С.

213. Владимиров В.Н. Физическая природа разрушения металлов. М.: Металлургия, 1984.-280С.

214. Северцев Н.А. Надежность сложных систем в эксплуатации и отработке. М.: Высшая школа, 1989. 432С.

215. Технические средства диагностирования. Справочник. //Под ред. В.В. Клюева. М.: Машиностроение, 1989. - 672С.

216. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzy TECH. СПб.: БХВ-Петербург, 2003. 719С.

217. Смирнов А.Н., Герике Б.Л., Муравьев В.В. Диагностирование технических устройств опасных производственных объектов. Новосибирск: Наука, 2003. — 244С.

218. Хаусдорф Ф. Теория множеств. М. Л.: ОНТИ, 1937. - 100С.

219. Bohme G. Fuzzy Logik. Einfuhrung in die algebraischen und logischen Grundlagen. Berlin: Springer - Verlag, 1993. - 315S.

220. Сю Д., Мейер А. Современная теория автоматического управления и ее применение. М.: Машиностроение, 1972. 552С.

221. Усенко В.В. Модель быстрого фази контроллера.// Труды международн. науч. конф. CONTROL 2000. - М.: МЭИ, 2000. - С. 68-73.

222. Driankov D., Palm R. Advances in Fuzzy Control. New York: Physica -Verlag, 1998. — 421P.

223. Palm R., Driankov D., Hellendoorn H. Model Based Fuzzy Control.Berlin: Springer, 1996. 185P.

224. Zimmermann H.J. Fuzzy Set Theory and Its Applications.// Second. Revised. Edition. Kluwer Academic Publisher, Boston /Dordrecht/, London. -1991.- 400P.

225. Медведев Г.А., Тарасенко В.П. Вероятностные методы исследования экстремальных систем. М.: Наука ФМЛ, 1967. 456С.

226. Driankov D., Hellendoorn Н., Reinfrank М. An Introduction to Fuzzy Control. Berlin: Springer, 1996.-316P.

227. Ротач В.Я. О фази-ПИД регуляторах. //Теплоэнергетика. 1999, № 8. -С.32-36.

228. Теряев Е.Д., Шамриков Б.М. Цифровые системы и поэтапное адаптивное управление. М.: Наука, 1999. 330С.

229. Левиатов А. Ю. Принятие решений об оценке качества сложных объектов при нечетких основаниях. // Известия АН СССР. Техническая кибернетика. 1980, №1. - С. 190-195.

230. Working Н. and Hotelling Н., Application of the theory of error to the interpretation of trends.//J. Amer. Stat. Assoc.- 1929. Mar. Suppl. P. 73-85.

231. Hoel P.G. Efficiency problems in polynomial estimation.// Ann. Math. Stat. -1958. V.29. P. 1134-1145.

232. Gafarian A.V. Confidence bands in straight-line regression.// J. Am. Stat. Assoc. 1964. V.59. - P. 182-213.

233. Graybill F.A. On quadratic estimation of variance components.// Annals Math. Stat. 1954. V.25. - P. 367-372.

234. Bowden D.C. Simultaneous confidence bands for linear regression models.//J. Am. Stat.Assoc. 1970. V.65. - P. 413-421.

235. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука СО, 1981. — 161 С.

236. Мироновский JI.A. Функциональное диагностирование динамических систем (обзор). //Автоматика и телемеханика. 1980, №8. — С.96-121.

237. Мелентьев Л. А. Оптимизация развития и управления больших систем энергетики. М.: Высшая школа, 1976. 336С.

238. Мелентьев Л. А. Системные исследования в энергетике. Элементы теории, направления развития. М.: Наука, 1979. -415С.

239. Математическое моделирование и оптимизация в задачах оперативного управления тепловыми электростанциями.// A.M. Клер, Н.П. Деканова, С.К. Скрипкин и др. Новосибирск: Наука. С.п. РАН, 1997. - 120С.

240. Методы и модели исследования живучести систем энергетики. //Под ред. Руденко Ю. Н. Новосибирск: Наука СО, 1990. - 285С.

241. Жуковский Г.В., Розенберг С.Ш., Фершалов А.А., Хоменок Л.А. и Разработка системы диагностики причин изменения экономичности ЦВД-ЦСД турбин ТЭС. //Труды ЦКТИ. Л.: 1992, вып. 273. - С.93- 102.

242. Ибрагимов И.А., Хасьминский Р.З. Асимптотическая теория оценивания. М.: Наука ФМЛ, 1979. 528С.

243. Назаров Н.Г. Метрология. Основные понятия и математические модели. М.: Высшая школа, 2002. 348С.

244. Сергеев А. Г., Крохин В. В. Метрология. Учебное пособие. М.: Логос, 2001. — 408С.

245. Сизиков B.C. Математические методы обработки результатов измерений. СПб.: Изд-во Политехника, 2001. 240С.

246. Соболев В.И. Основы измерений в многомерных системах. М.: Энергия, 1975.- 128С.

247. Тихонов В.И., Хименко В.И. Выбросы траекторий случайных процессов. М.: Наука, 1987. 304С.

248. Тойберт П. Оценка точности результатов измерений. М.:

249. Энергоатомиздат, 1988. — 89С.

250. Фомин А.Ф., Новоселов О.Н., Плющев А.В. Отбраковка аномальных результатов измерений. М.: Энергоиздат, 1985. — 200С.

251. Цветков Э.И. Процессорные измерительные средства. JL: Энергоатомиздат, 1989. 224С.

252. Максимов В.П., Егоров И.В., Карасев В.А. Измерение, обработка и анализ быстропеременных процессов в машинах. М.: Машиностроение, 1987. — 208С.

253. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001. 382С.

254. Льюис К. Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика, 1986. 134С.

255. Головченко В.Б. Прогнозирование временных рядов по разнородной информации. Новосибирск: Наука СИФ РАН, 1999. 88С.

256. Надежность теплоэнергетического оборудования ТЭС и АЭС. //Гладышев Г.П., Аминов Р.З. Гуревич В.З., Елизаров Д.П., Клемин А.И., Ларин Е.А., Трухний А.Д., Яковлев Г.Г.- М.: Высшая школа, 1991. — 304С.

257. Надежность технических систем. Справочник. //Под ред. И.А. Ушакова. М.: Радио и связь, 1985. - 608С.

258. Чуев Ю. В., Михайлов Ю. Б. и др. Прогнозирование количественных характеристик процессов. М.: Советское радио, 1975.- 398С.

259. Негойце К.В. и др. Проблема оптимизации в размытых условиях. //Автоматика и телемеханика. — 1978, №3. С.121 — 130.

260. Мину М. Математическое программирование. М.: Наука, 1990. 488С.

261. Подиновский В.В., Ногин В.Д. Парето — оптимальные решения многокритериальных задач. М.: Наука ФМЛ, 1982. 256С.

262. Байхельт Ф., Франкен П. Надежность и техническое обслуживание. Математический подход. М.: Радио и связь, 1988. — 392С.

263. Фишберн П. Теория полезности для принятия решений. М.: Наука ФМЛ, 1978-352С.

264. Ковальски Р. Логика в решении проблем. М.: Наука ФМЛ, 1990. -280С.

265. Yu P. I., Zeleny М. Linear multiparametric programming by multicriteria simplex method. //Management science. 1976. V. 23, No.2. — P. 159-170.

266. Кини P.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981. 560С.

267. Мушик Э., Мюллер П. Методы принятия технических решений. М.: Мир, 1990.-208с.

268. Фактор неопределенности при принятии оптимальных решений в больших системах энергетики. //Под ред. Мелентьева Л. А.- Иркутск: СЭИ,1974. 253 С.

269. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. М.: Наука, 1969. — 384С.

270. Александров Е.А. Основы теории эвристических решений. М.: Советское радио, 1975. 256С.

271. Гладун В.П. Эвристический поиск в сложных средах. Киев: Наукова думка, 1977.- 167С.

272. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985.-509С.

273. Халмош П. Теория меры. М.: ИЛ, 1953. -292С.

274. Плискин Л.Г. Оптимизация непрерывного производства. М.: Энергия,1975.-336С.

275. Исследование операций, в двух томах. //Под ред. Дж. Моудера и С. М. Элмаграби. — М.: Мир, 1981. Том 1.-712 С.; Том 2. 680С.

276. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. -568С.

277. Цыков П.В. Применение нечеткой модели объекта диагностирования в диагностической экспертной системе. (В 3-х ч.). 4.1. Нечеткая модель. //Приборы и системы управления. 1992, №4. — С. 5-7.

278. Цыков П.В. Применение нечеткой модели объекта диагностирования в диагностической экспертной системе. (В 3-х ч.). 4.2. Концепция построения диагностической экспертной системы. //Приборы и системы управления. 1992, №5.-С. 10-12.

279. Цыков П.В. Применение нечеткой модели объекта диагностирования в диагностической экспертной системе. (В 3-х ч.). Ч.З. Структурно-алгебраическая модель объекта диагностирования. //Приборы и системы управления. 1992, №6. - С. 4-7.

280. Обработка знаний. //С. Осуга. М.: Мир, 1989. - 293С.

281. Искусственный интеллект. Справочник. (В 3-х кн.). Кн.1. Системы общения и экспертные системы.//Под ред. Э.В. Попова. — М.: Радио и связь, 1990. 464С.

282. Искусственный интеллект. Справочник. (В 3-х кн.). Кн.2. Модели и методы.//Под ред. И.А.Поспелова. М.: Радио и связь, 1990. — 304С.

283. Искусственный интеллект. Справочник. (В 3-х кн.). Кн.З. Программные и аппаратные средства.//Под ред. В.Н.Захарова, В.Н.Хорошевского. М.: Радио и связь, 1990. - 368С.

284. Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. М.: Наука ФМЛ, 1987. 288С.

285. Приобретение знаний. //Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990. - 304С.

286. Джексон П. Введение в экспертные системы. М.: Изд. дом Вильяме, 2001. — 623С.

287. Ефимов Е.И. Решатели интеллектуальных задач. М.: Наука ФМЛ, 1982. 320С.

288. Частиков А.П., Гаврилова Т.А, Белов Д.Л. Разработка экспертных систем. Среда CLIPS. СПб.: «БХВ-Петербург», 2003. 608С.

289. Представление и использование знаний.// X. Уэно, Т. Кояма, Т. Окамото и др. М.: Мир, 1989. - 220С.

290. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990. — 239С.

291. Пащенко Ф.Ф., Чернышов К.Р. Методы и системы управления и идентификации на основе знаний. //Автоматика и телемеханика. 2000, №2. — С. 3-28.

292. Гаскаров Д.В. Интеллектуальные информационные системы. М.: Высш. шк, 2003.-431С.

293. Дал У., Дейкстра Э., Хоор К. Структурное программирование. М.: Мир, 1975.-248С.

294. Растригин Л.А. Системы экстремального управления. М.: Наука ФМЛ, 1974.-632С.

295. Растригин Л.А. Статистические методы поиска. М.: Наука ФМЛ, 1968. -376С.

296. Штойер Р. Многокритериальная оптимизация. Теория, вычисления и приложения. М.: Радио и связь, 1992. — 504С.

297. Попырин Л.С. Математическое моделирование и оптимизация теплоэнергетических установок. М.: Энергия, 1978. — 716С.

298. Фиакко А., Мак-Кормик Г. Нелинейное программирование. Методы последовательной безусловной минимизации. М.: Мир, 1972. — 240С.

299. Negoita C.V. Sularia М. On fuzzy mathematical programming and tolerances in planning. // Economic computation and economic cybernetics studies and research. 1976. No.l. - P. 3-15.

300. Построение экспертных систем. //Под ред. Ф. Хейес-Рот, Д. Уотерман, Д. Ленат. М.: Мир, 1987. - 441С.

301. Ермаков С.М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1975. 472С.

302. Клюев В.В., Пархоменко П.П., Абрамчук В.Е., Амбросович В.Д. и др. Технические средства диагностирования: Справочник. М.: Машиностроение, 1989. 672С.

303. Коллакот Р.А. Диагностика повреждений. М.: Мир, 1989.— 518С.

304. Коллакот Р.А. Диагностирование механического оборудования. Д.: Судостроение, 1980. 296С.

305. Мозгалевский А.В. Техническая диагностика (непрерывные объекты). Обзор. //Автоматика и телемеханика. 1978, №1. — С. 145-166.

306. Мозгалевский А.В., Гаскаров Д.В. Техническая диагностика (непрерывные объекты). М.: Высшая школа, 1975. 208С.

307. Сафонов Л.П., Дуэль М.А., Гординский А.А., Журавель A.M. и др. Системные требования к диагностическому обеспечению энергетических объектов. //Энергетика и электрификация. 1988, №4. - С. 11-14.

308. Яницкий В.А. Автоматический контроль и оперативная диагностика нарушений работы оборудования в АСУ непрерывными технологическими процессами. //Управляющие системы и машины. 1982, №4. - С. 116-119.

309. Яницкий В.А., Бачило С.Н., Стасева Г.И. Автоматический контроль и анализ отклонений от нормы температур пароводяной среды в котле при помощи ЭВМ. //Электрические станции. 1984, №7. - С. 39 - 41.

310. Берман А.Ф. Информационный подход к проблеме физики отказов механических систем. // Надежность и контроль качества.- 1994, №5. С. 1522.

311. Арутюнов П.А. Теория и применение алгоритмических измерений. М.: Энергоатомиздат, 1990. -256С.

312. Абрамов О.В., Розенбаум А.Н. Прогнозирование состояния технических систем. М.: Наука, 1990. — 126С.

313. Попырин JL С. Каплун С. М. Проблема информации при технико-экономических исследованиях тепловых электростанций. // Теплоэнергетика. 1971, №6. - С.55-58.

314. Стефани Е.П. Перспективы развития автоматизированных систем управления в энергетике. //Теплоэнергетика. 1981, №10. — С.2-6.

315. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1974.-224с.

316. Беляев Ю.К. Богатырев В.А., Болотин В.В. и др. Надежность технических систем: Справочник. М.: Радио и связь, 1985. 607С.

317. Сергиевская Е.Н. Тенденции развития АСУ ТП ТЭС. //Теплоэнергетика. -2000, №11.-С. 65-69.

318. Кулик Б.А. Логические основы здравого смысла. СПб: Политехника, 1997.- 132С.

319. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990. 287С.

320. Пытьев Ю.П. Возможность. Элементы теории и применения. М.: Эдиториал УРСС, 2000. 190С.

321. Мелентьев Л. А. О роли математических моделей и информации в управлении большими системами в энергетике. //Известия АН СССР. Энергетика и транспорт. 1969, №5. - С.З - 12.

322. Современная прикладная теория управления. (В 3-х ч.). /Под ред. А.А, Колесникова. Москва- Таганрог, 2000. Ч.З. Новые классы регуляторов технических систем. — 647С.

323. Барзилович Е.Ю. Модели технического обслуживания сложных систем. М.: Высшая школа, 1982. 231С.

324. Ван Трис Г. Теория обнаружения, оценок и модуляции. (В 3-х т.). М.: Советское радио, 1972. Т.1 744С., Т.2 - 344С., Т.З - 664С.

325. Герцбах И.Б., Кордонский Х.Б. Модели отказов. М.: Сов. Радио, 1966.- 166С.

326. Гоппа В.Д. Введение в алгебраическую теорию информации. М.: Наука ФМЛ, 1995.- 112С.

327. Ездаков А.Л. Использование интеграции моделей различного уровня сложности в диагностических системах. // Изв. АН СССР. Технич. Кибернетика. 1994, №2. - С. 114-121.

328. Ицкович Э.Л. Контроль производства с помощью вычислительных машин. М.: Энергия, 1975. -415С.

329. Баранов В.В. Оптимальные методы диагностики управляемых стохастических систем. // Изв. АН СССР. Технич. Кибернетика. 1994, №1. -С. 120-131.

330. Башлыков А.А. Интеллектуальная диагностическая система: опыт разработки и эксплуатации. //Сб-к: «Нетрадиционные модели и системы с нечеткими знаниями». М.: Энергоатомиздат, 1991. С. 69-77.

331. Буравлев А.И., Доценко Б.И., Казаков И.Е. Управление техническим состоянием динамических систем. М.: Машиностроение, 1995. 240С.

332. Дмитриев А.К., Мальцев П.А. Основы теории построения и контроля сложных систем. Л.: Энергоатомиздат, 1988. 192С.

333. Основы современной системотехники. //Под ред. М. Рабина. — М.: Мир, 1975. 528С.

334. Гусев Л. А., Смирнова И.М. Развитие теории размытых множеств.//Измерение. Контроль. Автоматизация. 1978, №3. - С.39 - 47.

335. Шалин А.И. Надежность и диагностика релейной защиты энергосистем. Новосибирск НГТУ, 2002. 384С.

336. Горский Ю.М. Новорусский В.В. Способ вероятностной оценки достоверности гипотез в сложных диагностических задачах. // Изв. АН СССР. Технич. Кибернетика. 1967, №5. - С. 122-127.

337. Гребенюк Г.Г. Метод диагностики непрерывных объектов на графах. //Автоматика и телемеханика. 1995, №10. — С. 137-146.

338. Фомина М.В. Методы исследовательского построения иерархического представления состояний сложного объекта. // Изв. АН СССР. Технич. кибернетика. 1985, №6. - С. 193-201.

339. Оруджев Ф. Д. Экспертные оценки и теория нечетких множеств в исследовании электрических систем. // Электричество. 1983, №4. - С. 4-11.

340. Блишун А. Ф. Формирование отношения предпочтения по расплывчатым описаниям. // Известия АН СССР. Техническая кибернетика. -1981, №2. -С.204-210.

341. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. 120С.

342. Проников А.С. Надежность машин. М.: Машиностроение, 1978. 592С.

343. Краковский Ю.М. Математические и программные средства оценки технического состояния оборудования. Новосибирск: Наука, 2006. 228С.

344. Арнольд В.И. "Жесткие" и "мягкие" математические модели. М.: Изд-во МЦНМО, 2004. 32С.

345. ГОСТ 20911 89. Техническая диагностика. Термины и определения. М.: Изд-во стандартов, 1989. - 13С.

346. ГОСТ 23564 79. Техническая диагностика. Показатели диагностирования. М.: Изд-во стандартов, 1979. - 16С.

347. ГОСТ 23563 79. Техническая диагностика. Контролепригодность объектов диагностирования. Правила обеспечения. М.: Изд-во стандартов, 1979.- 12С.

348. ГОСТ 34.003 — 90. Автоматизированные системы. Термины и определения. М.: Изд-во стандартов, 1990. — 23С.

349. ГОСТ 23269 78. Турбины стационарные паровые. Термины и определения. М.: Изд-во стандартов, 1978. - 14С.

350. Правила организации технического обслуживания и ремонта оборудования, зданий и сооружений электростанций и сетей.

351. СО 34.04.181-2003. М.: РОАО Э и Э "ЕЭС России", 2004. -446С.

352. ИСПОЛЬЗОВАНИЕ НЕЧЕТКОЙ ИНФОРМАЦИИ В МАТЕМАТИЧЕСКИХ МОДЕЛЯХ ИДЕНТИФИКАЦИИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ТУРБОУСТАНОВОК