Забыли данные входа?   Регистрация  

Диагностика и прогнозирование технического состояния оборудования на основе интеллектуального анализа данных

Автор: Алексей Сергеевич Стеклов

Организация: АО «ОКБМ Африкантов»

Диагностика и прогнозирование технического состояния оборудования на основе интеллектуального анализа данных

Наметившаяся устойчивая тенденция перехода от стратегии эксплуатации атомной техники «по ресурсу» к эксплуатации «по состоянию» требует повышенного внимания к техническому состоянию  энергетических систем. Постоянное повышение удельных параметров вновь разрабатываемых  атомных энергетических систем (АЭС) происходит за счет снижения запасов прочности, устойчивости и приводит к работе систем на предельных режимах, что объективно повышает риски возникновения отказов [1].

В данном аспекте диагностика заключается в последовательном решении двух задач: идентификации состояния каждого элемента атомной энергетической системы в определенный момент времени по измеряемым датчиками параметрам и классификации состояния элементов, т.е. определение соответствия состояния элемента АЭС одному из классов (исправен, неисправен, работоспособен и т.д.). Учитывая специфические особенности объекта диагностики, как сложной технической системы с нелинейными характеристиками, обе эти задачи могут быть эффективно решены с применением математического аппарата искусственных нейронных сетей.

Решение задачи оценки технического состояния насосного оборудования показано на примере возникновения отказа «повышенная вибрация насосного оборудования». Штатная система контроля параметров насосного оборудования только информирует персонал об уже случившемся факте отказа, не давая возможности предотвратить его.

Таким образом, существует проблема создания новых интеллектуальных автоматизированных систем оценки технического состояния насосного оборудования, способных эффективно распознавать зарождающиеся отказы, прогнозировать их развитие, и совместно с системами автоматического управления минимизировать их влияние на работоспособность энергетической установки либо своевременно информировать персонал.

Перечисленные задачи могут быть эффективно решены с помощью искусственных нейронных сетей (ИНС) - мощного метода имитации процессов и явлений, позволяющего воспроизводить чрезвычайно сложные зависимости и преодолеть «проклятие размерности» при обработке большого числа переменных. ИНС, состоящие из действующих параллельно простых элементов (нейронов), основаны на простой биологической модели нервной системы человека и могут выполнять функции, которые являются трудными как для традиционных компьютеров, так и для человека.

Для решения за­дач выбрана вероятностная ИНС Probabilistic Neural Network (PNN) с радиально-базисной функцией актива­ции. Структура создаваемой сети приведена на рис. 1.

 

1.      Стеклов А.С., Титов В.Г., Серебряков А.В. Мониторинг и прогнозирование технического состояния автономных электротехнических комплексов. г. Нижний Новгород, Монография Типография НГТУ, 2018 г.

2.      Стеклов А.С. Варианты построения систем прогнозирования. В сборнике: НАУКА СЕГОДНЯ: ТЕОРИЯ И ПРАКТИКА Материалы международной научно-практической конференции. 2017. С. 45-46.