Режим обучения интеллектуальной системы

В режиме обучения интеллектуальная система функционирует по сценарию:

  • • искусственно вводятся дефекты для создания критических ситуаций оборудования, далее проводятся идентификационные измерения с определением количественных и качественных характеристик;
  • • в базу данных в среде EXCEL для соответствующих дефектов записываются идентификационные параметры и кластеры - массивы лингвистических характеристик эталонных сигналов с известными законами распределения мгновенных значений.

При возникновении критической ситуации в процесс функционирования оборудования инновационного зернохранилища технический специалист автоматически может перейти в режим обучения и по вышеприведенному сценарию может описать критическое состояние с занесением параметров и кластеров.

Результаты по исследованиям контрольнодиагностических измерений

  • 1. В результате проведенных исследований, авторами проекта был разработан исследовательский компьютерный прибор, реализующий интеллектуальный анализ на основе идентификационных измерений. На рисунке 13 представлена лицевая панель разработки. Сигналы вводятся в автоматическом режиме с систем сбора. На мониторы выводятся:
    • • форма исследовательского сигнала;
    • • количественные характеристики сигнала, необходимые для анализа (амплитуда, характеристическая частота, идентификационные параметры формы и вариабельности сигнала, показатели хаотичности и трендовости и т.д.);
    • • имена эталонов с отклонениями от распределений мгновенных значений исследуемого сигнала.

Результаты измерений также могут быть представлены в виде таблицы 2 в среде EXCEL. Используя стандартные приложения данного редактора, можно реализовать функции фильтрации и логического сравнения для определения принадлежности исследуемого сигнала к характерному состоянию оборудования зернохранилища

Лицевая панель разработанного компьютерного прибора

Рис. 13. Лицевая панель разработанного компьютерного прибора

2. В результате проведенных исследований путем идентификационных измерений по принципу присвоения исследуемым реальным вибросигналам имени эталона с минимальным отклонения была получена идентификационная таблица 3 для "бездефектного состояния" и с "износом подшипников" электропривода нижнего конвейера.

Из таблицы 3 следует, что состояние объекта диагностики можно представить в виде кластера - массива лингвистических характеристик эталонных сигналов с известными законами распределения мгновенных значений путем идентификационных измерений вибросигналов.

Идентификационная таблица состояния "электропривода нижнего конвейера

Таблица 3

<Безде<

>ектное состояние>

< Износ подшипников >

Sv

Vv

av

Sv

Vv

av

fract

fract

simp

gamm

fract

simp

ю

rele

fract

simp

pois

rele

simp

rele

rele

simp

rele

rele

rele

rele

even

simp

even

even

simp

20

even

kosh

simp

even

kosh

pois

trap

trap

simp

kosh

rele

simp

  • *SV - виброперемещение, Vv - виброскорость, av - виброускорение
  • 3. Предлагается создание базы знаний на основе кластерного описания состояния объекта лингвистическими характеристиками, что позволило бы создавать несложную базу данных виродиагностической информации ИС для всех диагностируемых точек зернохранилища.. Методика распознавания и оценки состояния, реализованная в базе знаний ИС, основывается на последовательном сравнении каждого элемента исследуемого кластера состояния с соответствующими элементами всех кластеров, записанных в базе данных. При совпадении пользователю предоставляется лингвистическая характеристика - описание состояния с возможными дефектами и рекомендации по их устранению.
  • 4. Разработанная на основе теории идентификационных измерений база знаний, реализующая преобразование временных характеристик вибросигналов в эталоны с количественной и качественной оценкой состояния сложных объектов, является законченной интеллектуальной технологией, совместимым с существующими диагностическими программами. При встраивании в существующие диагностические системы проведение вибродиагностики возможно в комплексе с существующими технологиями. При исследовании электропривода точность оценки состояния увеличилась в среднем на 5%. Интеллектуальная мощность компьютерного прибора зависит от количества используемых эталонов. В данном случае в базе данных хранится 17 эталонов, число которых можно увеличивать по мере роста требований к качеству распознавания. Для этого необходимо провести ряд технических мероприятий по модернизации программного обеспечения. Однако, и в таком виде, система позволяет решать многие задачи, связанные с количественной и качественной оценкой состояния сложных объектов.

Выводы по третьему разделу:

  • 1. В результате проведенных исследований было установлено, что на примере вибродиагностики электропривода зернохранилища с применением теории идентификационных измерений сигналов можно успешно проводить оценку состояния сложного динамического оборудования. Методика преобразования только временных характеристик в кластеры лингвистических эталонов позволяют адекватно идентифицировать и распознавать вибросигналы. Последующие исследования авторов будут направлены на определение в режиме реального времени кластеров с другими дефектными состояниями всего оборудования зернохранилища: износ цепей и уплотнений редукторов, перекос осей валов электродвигателей и т.д.
  • 2. В результате проведенных исследований, авторами проекта был разработан исследовательский компьютерный прибор, реализующий интеллектуальный анализ на основе идентификационных измерений.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >