Меню

Системы прогнозирования состояния оборудования



ОБОРУДОВАНИЯ

МЕТОДЫ ПРОГНОЗИРОВАНИЯ ОСТАТОЧНОГО РЕСУРСА

Техническое состояние сборочных единиц и агрегатов машин в процессе эксплуатации зависит от различных факторов, не поддающихся предварительному учету. Однако, если известны нормативные значения диагностических параметров, можно прогнозировать остаточный ресурс машины, т.е. ее наработку от момента диагностирования параметра до момента получения им предельного значения.

Прогнозирование остаточного ресурса проводится с целью определения наработки объекта с момента технического диагностирования его состояния до достижения им предельного состояния с заданной вероятностью безотказной работы.

Прогнозирование поведения объекта проводят различными методами:

экстраполяцией данных о техническом состоянии, полученных ранее по результатам диагностирования;

моделированием, т.е. исследованием физической модели объекта, деградационных процессов, математическим (машинным) экспериментом аналитической модели;

анализом статистических данных об отказах и ресурсе множества аналогичных объектов при схожих режимах и условиях эксплуатации;

методом аналогий поведения объекта с поведением других объектов в данных условиях эксплуатации.

По форме представления количественных результатов различают статистические и детерминированные методы.

Для прогнозирования надежности оборудования применяют, в основном, две группы методов: статистические (основанные на статистической обработке данных об отказах и ресурсе аналогов) и экстраполяционные (основанные на анализе тренда параметров технического состояния исследуемого оборудования).

Статистические методы применяют в тех случаях, когда по исследуемому объекту нет ретроспективных данных об изменении параметров, определяющих его техническое состояние.

Если на исследуемом объекте периодически или непрерывно проводится контроль параметров технического состояния и эти данные накоплены за достаточный срок эксплуатации, то более эффективно использование метода прогнозирования тенденций изменения (тренда) параметров технического состояния. Графическая или аналитическая интерпретация тренда параметров в будущее время называется экстраполяцией.

В общем случае выбор метода прогнозирования остаточного ресурса должен обосновываться точностью и достоверностью полученных данных, а также требованиями точности и достоверности прогнозируемого ресурса объекта и риска его дальнейшей эксплуатации, наличия и надежности системы контроля его технического состояния.

Определение остаточного ресурса потенциально опасного объекта осуществляется на основе имеющейся информации прогнозированием его технического состояния по определяющим параметрам до достижения ими предельного значения.

Возможность прогнозирования остаточного ресурса методом экстраполяции обеспечивается при одновременном наличии следующих условий:

на основании обследования известны параметры технического состояния объекта;

известны определяющие параметры технического состояния, изменяющиеся соответственно выявленному механизму разрушения элементов объекта;

известны критерии предельного состояния объекта, достижение предельных значений которых возможно при развитии выявленных дефектов.

По ряду деградационных процессов (сплошной коррозии, изнашиванию, ползучести) эти условия выполняются. По другим видам процессов разрушения (образованию трещин, межкристаллической, щелевой, язвенной коррозии, некоторым видам изнашивания) выполняются не все условия, что требует специальных исследований.

Основой прогнозирования остаточного ресурса служит следующая информация:

диагностические данные о состоянии объекта;

данные о режиме и условиях эксплуатации;

априорная информация о процессах, ограничивающих ресурс.

Номенклатура параметров технического состояния должна содержать:

принадлежность его к параметрам, описывающим групповые или индивидуальные особенности исследуемого объекта;

способ измерения параметра;

характеристику погрешности измерения параметра.

В число информативных параметров в каждом конкретном случае включаются только те параметры, которые определяют работоспособность потенциально опасных участков рассматриваемого объекта и заметно изменяются в ходе эксплуатации. В качестве информативных параметров для определения предельного состояния потенциально опасного оборудования, подверженного коррозии, в первую очередь принимают толщины стенок, несущих нагрузку элементов, напряженно-деформированное состояние, дефектность и прочностные характеристики материалов в потенциально опасных участках.

Безусловными критериями предельного состояния сосудов, аппаратов, трубопроводов, подвергающихся коррозии, являются:

потеря прочности при уменьшении толщины стенки;

наличие растрескивания металла, коррозионных язв, питтинга в зоне сварных швов;

распространение дефектов (трещин, коррозионных язв и др.) на регламентированную нормативной документацией площадь и глубину.

При возможности непрерывного контроля параметров технического состояния могут использоваться упрощенные методы, при которых прогнозирование осуществляется по одному параметру технического состояния:

для объектов, работающих в условиях статического нагруже-ния и общей равномерной коррозии, расчет проводится по снижению несущей способности вследствие уменьшения толщины стенки;

для объектов, работающих в условиях циклического нагружения при отсутствии коррозионной среды, расчет проводится по снижению несущей способности вследствие малоцикловой усталости;

для объектов, для которых накоплен объем информации по функциональным параметрам, достаточный для экстраполяции значений на последующий период эксплуатации, расчет проводится по изменению этих параметров до предельных значений.

В основе выбора типовых моделей экстраполяции лежат априорные знания физических закономерностей развития дефектов и результаты предшествующих исследований закономерностей деградации на объектах-аналогах со сходными режимами и условиями эксплуатации.

Аналитическим прогнозированием называют прогнозирование, задачей которого является получение аналитических выражений для оценки значений прогнозируемых параметров в будущий момент времени t или момент времени, когда параметр технического состояния достигает предельного значения. Если техническое состояние описывается несколькими параметрами, то используют понятие обобщенного многомерного вектора состояния x(t) = , х 2, . >.

Индивидуальный прогноз объекта исследования основан на знании математического ожидания М у и условной дисперсии величины х в моменты времени, предшествующие моменту обследования x(t i), i = 1, N, и принимаемой модели развития этого процесса.

Рассматриваемый процесс представляют в виде сочетания регулярной и случайной составляющих:

Предполагается, что регулярная составляющая y представляет гладкую функцию времени, описываемую конечномерным вектором параметров j. Эта составляющая имеет ряд синонимов: тренд, уровень, тенденция, детерминированная основа процесса.

Случайная составляющая z(t) принимается некоррелируемым случайным процессом с нулевым математическим ожиданием.

Оценка z(t) необходима для определения точностных характеристик прогноза. При оценке точности прогноза принято рассматривать три класса случайных процессов: стационарные случайные процессы, случайные процессы с медленно возрастающим (убывающим) математическим ожиданием и дисперсией. Выбору аппроксимирующей функции регулярной составляющей предшествует улаживание, выравнивание и анализ временного ряда значений показателей. Выбор вида функции является неформализованным процессом и зависит от интуиции и субъективных качеств специалистов в области прогнозирования. Наибольшее применение нашли следующие аппроксимирующие функции:

линейная модель вида y(t) = у 0 + Ct. Эта модель хорошо описывает кинетику разрушения металлов при общей коррозии и разных видах механического изнашивания;

степенная модель y(t) = Ct m . Модель применяется при описании многих видов коррозии (сплошной, локальной), а также при коррозии под напряжением и при изнашивании;

логарифмическая зависимость y(t) — A ln (t + С). Она хорошо описывает кинетику газовой и локальной коррозии;

экспоненциальная модель y(t) = С exp [T(t)]. Применяется при описании общей коррозии под напряжением.

В качестве основного показателя остаточного ресурса в результате прогноза определяется гамма-процентный ресурс, задаваемый двумя численными параметрами: наработкой и выраженной в процентах вероятностью того, что в течение этой наработки предельное состояние не будет достигнуто. При отсутствии второго показателя величина наработки считается назначенной.

Выбор вероятности осуществляется в зависимости от назначения, степени ответственности и режима использования объекта. Для уникальных и ответственных объектов, отказ которых может привести к человеческим жертвам и существенным экономическим потерям, значение вероятности приближается к единице.

В статистических методах оценки ресурса по результатам исследования партии изделий гамма-процентный ресурс определяется по кривой распределения ресурсного показателя. При отсутствии закона распределения используют непараметрические методы оценки надежности.

В экстраполяционных методах определения ресурса единичного объекта ожидаемый ресурс определяется при достижении y(t) предельной величины. Если параметр х неравномерно распределен по поверхности (например, глубина и площадь коррозионного разрушения), то определяют функцию распределения этой величины и находят доверительные нижнюю и верхнюю границы ресурсного показателя, задаваясь величиной гамма. При этом полагают, что закон распределения в начале и конце прогнозируемого интервала времени не изменяется.

Опыт эксплуатации показывает, что распределение язв коррозионного повреждения подчиняется закону Вейбулла с коэффициентом вариации 0,2 — для эрозии, сплошной равномерной коррозии, 0,3-0,5 — для сплошной неравномерной коррозии, 0,6-1,0 — для язвенной, питтинговой, межкристаллитной коррозии.

При статическом разрушении для оценки гарантии прочности учитывают распределение действующих напряжений. При расчете конструкции по критерию усталостной прочности учитывают распределение числа циклов до разрушения при определенной амплитуде. В расчетах на износ принимают нормальное распределение износа детали.

Общая типовая методика прогнозирования технического состояния оборудования содержит следующие этапы исследования:

1. Определение стратегии прогноза (определение цели, задач, интервала упреждения, рабочих гипотез, методов и организации исследования).

2. Прогностический фон (сбор информации о методах прогнозирования по схожим с объектом исследования объектов).

3. Разработка системы параметров, отображающей характер и структуру объекта.

4. Разработка поисковой модели (проекции в будущее системы показателей модели на дату упреждения по наблюдаемой тенденции с учетом факторов прогностического фона).

5. Разработка нормативной модели (проекции в будущее системы показателей модели в соответствии с заданными целями и нормами по заданным критериям).

6. Оценка степени достоверности (верификации) и уточнения предварительных моделей с помощью параллельных контрольных методов (опросом экспертов, математическим экспериментом).

7. Выработка рекомендаций для оптимизации принятия решения в планировании и управлении эксплуатацией оборудования на основе прогностических моделей.

Перспективным является метод прогнозирования остаточного ресурса машин по тенденции (тренду) изменения их технического состояния.

Исходными данными при этом методе являются: характер изменения контролируемого параметра технического состояния (рис. 7.20); предельное П цр, допустимое П д и номинальное П н его значения; значение параметра технического состояния на момент диагностирования П (t k); наработка t k проверяемой составной части от начала ее эксплуатации до момента диагностирования; периодичность проведения диагностирования t м; предельное изменение параметра технического состояния U пр, изменение параметра технического состояния U(t k) после наработки t k, t ост — остаточный моторесурс.

Читайте также:  Тендеры по крановому оборудованию

Характер изменения параметра технического состояния U(t k) после наработки t k в общем виде выражается следующей зависимостью:

где V c — коэффициент, характеризующий скорость изменения параметра; α — показатель степени изменения параметра технического состояния.

Рис. 7.20. График прогнозирования остаточного ресурса

Показатель степени а определяется заранее на основе полученных в реальных условиях эксплуатации статистических данных о закономерностях изменения параметров технического состояния в зависимости от наработки.

При α > 1 и α 1) кривая обращена выпуклостью вниз, во втором (α Значения α

Расход газов, прорывающихся в картер………………………………….1,3

Мощность двигателя. …………………………….….0,8

Зазор между клапаном и коромыслом механизма газораспределения…1,1

Зазор в кривошипно-шатунном механизме……………………………1,2—1,6

Радиальный зазор в подшипниках качения и скольжения………………1,5

кулачков распределительного вала………………………………1,1

посадочных гнезд корпусных деталей…………………………. 1,1

зубьев шестерен по толщине. ………………………………..1,5

валиков, пальцев и осей. ………………………………..1,4

накладок тормозов и муфт сцепления……………………………1,0

Предельные значения параметров технического состояния составных частей машин П пр рассчитывают заранее с учетом критерия безопасности работы П пб, способности выполнять рабочие функции в течение заданной наработки П пн, минимальных удельных издержек на эксплуатацию П пэ и технологического критерия П пт (например, по началу форсированного износа). При этом должны соблюдаться следующие неравенства:

Следует отметить, что предельные значения параметров зависят от конкретных условий работы машины и их составных частей и как следствие этого применяются только для таких условий работы. Это затрудняет разработку единой методики определения предельных значений параметров технического состояния машин и их составных частей. Сложность в разработке также состоит в том, что для оценки надежности сложной машины необходимо одновременно устанавливать предельное значение всех тех параметров составных частей, от которых зависит работоспособность машины в целом. Поэтому методы определения предельных значений параметров технического состояния машин и их составных частей еще не нашли достаточного развития.

Предельные значения параметров технического состояния составных частей машин устанавливают приближенно по аналогии с ранее выпущенными машинами расчетным, экспериментальным или расчетно-экспериментальным способами.

Допустимые значения параметров технического состояния составных частей машин П д вычисляют также заранее по формуле

где Д оп — допустимое отклонение параметра технического состояния.

Знак «+» применяют, когда значение параметра увеличивается (с ростом наработки), а знак « —» — когда значение параметра уменьшается.

Значение Д оп определяют из условия обеспечения максимальной безотказности в течение заданной наработки t k по следующим формулам:

если изменение параметра технического состояния происходит плавно, то

если объект диагностирования подвергается воздействию случайных факторов, вызывающих значительные отклонения скорости изменения контролируемого параметра от полученной закономерности, то

Номинальные значения параметров технического состояния П н также устанавливают заранее. Они характеризуют состояние составных частей новой или отремонтированной машины. Поэтому при определении значений П н используют первоначальные (расчетные) значения параметров.

Предельное изменение параметра технического состояния U пр и изменение параметра U(t k) после наработки t k находят в зависимости от характера изменения параметра технического состояния сборочной единицы. Если значение параметра с ростом наработки увеличивается, то

В тех случаях, когда значение параметра с ростом наработки уменьшается, то

Техническое состояние сборочных единиц машин прогнозируют по фактическим данным изменения параметров технического состояния составных частей конкретной машины и среднестатистическим методом.

Прогнозирование по фактическим данным изменения параметров технического состояния выявляет скорости изменения параметров технического состояния сборочных единиц машин с помощью непосредственных измерений их значений и последующей обработки результатов с учетом характера изменения состояния одноименных составных частей. Цель такого прогнозирования — выявление остаточного (неиспользованного) ресурса конкретной сборочной единицы на момент контроля.

Методика определения остаточного ресурса зависит от характера изменения параметра технического состояния в функции наработки и ряда других факторов.

Прогнозирование по фактическому изменению параметров технического состояния составных частей машин содержит как положительные, так и отрицательные стороны. Положительной стороной этого метода является то, что он позволяет более полно использовать ресурс составных частей. К недостаткам относят трудности, связанные с учетом измеряемых параметров и обработкой результатов измерения.

Поэтому указанный метод диагностирования рекомендуется применять лишь для таких составных частей, срок безотказной работы которых определяет межремонтный ресурс сборочной единицы или машины в целом (кривошипно-шатунный механизм дизеля, шестерни и подшипники ходового механизма и трансмиссии и др.).

Среднестатистическое прогнозирование основано на разработке и внедрении единых допустимых значений параметров технического состояния, а также единой периодичности обслуживания для одноименных составных частей однотипных машин.

Сущность этого метода заключается в сопоставлении результатов замера значений параметров технического состояния составных частей сборочных единиц с допустимыми или предельными значениями. При этом для мастера-диагноста допустимые значения параметров технического состояния являются инструктивными и позволяют делать общее заключение о состоянии объекта диагностирования, не проводя никаких расчетов. Так, если измеренное значение параметра больше допустимого или равно предельному значению, то объект подлежит обслуживанию или ремонту. Если же измеренное значение меньше допустимого или равно ему, то объект не требует никаких воздействий до очередной проверки.

Для среднестатистического прогнозирования характерно то, что ресурс параметра технического состояния составных частей машин используется полностью только в том случае, если к моменту контроля он достигает предельных значений. В остальных случаях имеет место недоиспользование ресурса или отказ. Последнее служит существенным недостатком среднестатистического прогнозирования. Однако относительная простота и доступность этого метода делают его весьма распространенным.

Ниже приведены типовые примеры использования рассмотренных методов прогнозирования остаточного ресурса в различных ситуациях и применяемые при этом расчетные модели.

Источник

Прогнозирование технического состояния

Общие сведения. Прогнозирование технического состояния представляет собой процесс определения техни­ческого состояния(ТС) объекта на предстоящий интервал времени. При необходимости целью прогнозирования может быть также определение, интервала времени, в течение которого ее хранится -состояние объекта, имеющееся в данный, момент.

Прогнозирование ТС в процессе эксплуатации по результатам там предшествующего контроля ТС один из наиболее эффективных методов повышения эксплуатационной надежности СЭО и ЭСА путем своевременного проведения мероприятий по техническому обслуживанию (ТО) и ремонту элементов, имеющих ухудшенные параметры.

При прогнозировании необходимо получать информацию о ТС на относительно небольшой период (период автономного плавания судна) и более длительный период, определяющий срок ТО или ремонта. Прогнозирование на относительно небольшой период необходимо для обеспечения работоспособности СЭО и ЭСА в период автономного плавания судна (замена подготовка запасных или резервных элементов систем к включению для элементов, ТС которых, по данным прогнозирования, существенно изменится в период плавания), а на более длительный период -для своевременного проведения ТО и ремонта (обоснование комплекта ЗИП, определение сроков про ведения ТО и ремонта).

Прогнозирование ТС важно и для процессов проектирования и производства СЭО и ЭСА, так как оно позволяет оценивать будущие характеристики создаваемого оборудования систем. Прогнозирование ТС основано на применении методов экстраполяции явлений на будущее время по известным результатам наблюдения за соответствующими явлениями в предшествующий период.

Прогнозирование ТС начинается с выбора наиболее информативной совокупности прогнозирующих параметров ТС и по лучения закономерности изменения выбранных, параметров в период эксплуатации. Выбранная совокупность параметров контролируется в процессе эксплуатации (постоянно или периодически), по результатам контроля определяется состоянии объекта в последующий период путем использования соответствующего математического аппарата.

При отсутствии прогнозирующих параметров ТС объект; в последующий период оценивается статистическими методами

В зависимости от используемого математического аппарата различают три основных направления прогнозирования:

аналитическое, когда в результате прогнозирования опреде­ляется величина контролируемого параметра (параметров) характеризующего ТС объекта во времени;

вероятностное, когда в результате прогнозирования определяется вероятность выхода (невыхода) параметра (парамет­ров) ТС за допустимые пределы;

статистическая классификация (распознавание образов) когда в результате прогнозирования определяется класс диаг­ностируемого объекта по критерию работоспособности.

Выбор направления прогнозирования и метода решения кон­кретных задач прогнозирования- достаточно сложная зада­ча, зависит от ряда факторов, главными из которых являются объем и качество информации об объекте, вид контроля (посто­янный, периодический), используемые вычислительные сред­ства.

Основные показатели прогнозирования следующие:

точность прогнозирования- оценивается величиной абсо­лютной или относительной погрешности при прогнозировании;

достоверность прогнозирования- оценивается вероятно­стью получения прогнозируемого показателя с заданной точ­ностью;

время прогнозирования- время выполнения вычислений по определению прогнозируемых величин;

глубина прогнозирования-оценивается отношением коли­чества шагов, на которое выполняется прогнозирование с за­данной точностью, к количеству известных значений прогнози­руемой величины;

стоимость прогнозирования- оценивается затратами на по­лучение прогноза.

При прогнозировании ТС СЭО и ЭСА возможны ошибки двух видов:

систематическая ошибка, обусловленная недостаточной полнотой учета параметров, характеризующих ТС;

стохастическая ошибка, обусловленная стохастической при­родой прогнозирования.

Систематическая ошибка может быть представлена в виде абсолютной или относительной погрешности прогнозируемой величины. Стохастическая ошибка приводит к неустранимой погрешности, так как она будет иметь место при полном и не­полном учете параметров ТС. Стохастическая ошибка опреде­ляется через максимальное и минимальное значения прогно­зируемой величины.

Читайте также:  Завод вспомогательного энергетического оборудования

В современных сложных многоэлементных ЭС прогнозировать ТС всех элементов (блоков, узлов, плат) технически не представляется возможным, поэтому необходимо выбирать ми­нимальное количество элементов с наибольшей эффективно­стью прогнозирования. Такую группу элементов можно выбрать исходя из условия обеспечения требуемого уровня повышения готовности системы в целом.

Уровень повышения готовности системы можно определить с помощью коэффициента повышения готовности системы

где -коэффициент готовности системы без прогнозирования; коэффициент го­товности системы с прогнозированием ТС; Т о и Т 0.Пр-средняя наработка на отказ системы без прогнозирования и с прогнози­рованием ТС; Т в.ср и Т в.пр- среднее время восстановления си­стемы без прогнозирования и с прогнозированием ТС.

Аналитическое прогнозирование. Этот вид прогнозирования наиболее эффективен для СЭО и ЭСА, когда изменение ТС происходит постепенно с определенной тенденцией и когда про­водится периодический контроль, требующий прогнозирования ТС на период между контрольными операциями. В этом случае с помощью аналитической функции W(t), учитывающей тен­денцию изменения параметров объекта во времени, экстрапо­лируется изменение параметров ТС на последующие промежут­ки времени. Тенденция изменения параметров учитывается со­ответствующими коэффициентами выбранной аналитической функции W(t).

Постановка задачи аналитического прогнозирования понят­на из рис.4.51. В процессе эксплуатации за время Т 1, в резуль­тате постоянного или периодического контроля известны значе­ния контролируемой функции

Необходимо определить значения этой функции за пери­од Т 2

где Сj-ошибка прогнозирования на j-м шаге. Вид функции W(t) выбирается с учетом получения заданной ошибки прогно­зирования Cj.

Функция W(t) может быть представлена полиномом вида

(4.28)

где a 0. а m-коэффициенты, определяемые по результатам измерений параметра .

Рис. 4.51. Зависимость контролируемого параметра от времени и его аналитическое прогнозирование.

Рис. 4.52. Графики линейной функции

Коэффициенты а i при принятой зависимости W(t) определя­ются неоднозначно, так как через область значений мо­жет быть проведено множество кривых. В связи с этим при оп­ределении значений а i используются критериальные методы, наибольшее распространение из которых получил метод наи­меньших квадратов.

Метод наименьших квадратов основан на том, что функцияW(i) наилучшим обраpом описывает совокупность фактических значений динамического ряда при условии, что сумма квадратов Q K отклонений значений от значений W(i t),которые будут вычислены по априорно выбранной функции, яв­ляется наименьшей:

(4.29)

С учетом уравнения (4.28) Q Kmin имеет вид

Коэффициенты a i должны удовлетворять условию минимума Q k по каждой переменной a i, т.е. .

Степень полинома для судовых систем обычно выбирают не более трех, так как прогнозируемые постепенные изменения со­стояния систем происходят не быстрее закономерностей, опи­сываемых, полиномом третьего порядка.

В практических задачах прогнозирования ТС СЭО и ЭСА широкое применение находят также линейная, экспоненциальная и другие элементарные математические функции, которыми могут быть аппроксимированы экспериментальные зависи­мости параметров элементов, приборов и узлов систем от вре­мени.

Линейная функция (рис. 4.52)

используется при постоянной скорости изменения функции

Коэффициенты а о и а 1 в общем случае могут быть опреде­лены методом наименьших квадратов из условия :

откуда коэффициенты линейной функции будут иметь вид

Источник

Лекция 6. Прогнозирование технического состояния и модели отказов

Основой теории прогнозирования служит прогностика — научная дисциплина, изучающая поведение прогнозируемых систем (в частности, состояние машины) в зависимости от изменения структурных параметров составных частей. В настоящее время, насчитывается свыше 150 различных методов прогнозирования. В качестве основных на практике используется 15…20.

В результате прогнозирования можно получить количественный или качественный прогноз. Прогнозы различают по периоду упреждения: краткосрочные или оперативные, среднесрочные и долгосрочные. Для металлургических машин период упреждения связан с временем проведения ремонта:

  • краткосрочный – время до следующего текущего ремонта;
  • среднесрочный – время до следующего капитального ремонта;
  • долгосрочный – время до исчерпания ресурса.

По используемому подходу к прогнозированию следует выделить:

  • метод экспертных оценок – основан на субъективной оценке экспертов существующего положения и перспектив развития, учитывает знания, опыт, интуицию экспертов – специалистов в данной области знания;
  • метод анализа и прогнозирования рядов данных – связан с исследованием рядов значений показателей, выявлением временных зависимостей показателей, тенденций и использованием их для прогноза;
  • метод причинно-следственных связей – основан на поиске факторов, определяющих поведение объекта прогнозирования, построения и использования для прогнозов соответствующей модели его поведения.

Методы экспертных оценок включают: метод «интервью», метод «комиссий», «коллективной генерации идей» («мозговая атака»), метод «Дельфи», матричный метод, метод эвристического прогнозирования. Метод экспертных оценок – проводится на основе интуитивно-субъективных оценок компетентных экспертов и методов решения аналогичных задач и не позволяет получить объективно обоснованную количественную картину процесса старения.

Субъективность мнения экспертов, основанная на индивидуальном опыте и приобретённых знаниях, не позволяет формализовать процесс прикладного прогнозирования технического состояния механического оборудования. Трудность сбора экспертов для принятия решения, экономическая целесообразность передвижения экспертов, уникальность конструкций и условий эксплуатации металлургических машин не позволяют предложить данный метод для использования в условиях действующего металлургического предприятия. Некоторые элементы данного метода в виде технических консультаций, передачи опыта и др. эффективно используются.

Комплекс металлургических машин, являясь восстанавливаемой технической системой, постоянно изменяет своё фактическое состояние. Преобладание процессов износа над процессами восстановления даже для одной детали или узла приводит к остановке всего металлургического комплекса. Поэтому, вопросы оперативного решения задач прогнозирования в условиях ограниченного объёма информации неявно, но постоянно решаются ремонтной службой. Для этого используются методы инженерного прогнозирования.

Для практических целей инженерного прогнозирования наиболее часто применяется аналитическое прогнозирование. При этом используются элементарные функции: линейные, линейные с периодическим уточнением угла наклона прямой; степенные функции, описывающие характер или физическую картину (скорость) развития неисправности. Результат может быть получен в виде точечного, интервального значений или в виде распределения вероятностей (рисунок 35).

Рисунок 35 Графическая интерпретация реализации прогнозируемого ресурса

Рисунок 35 ‑ Графическая интерпретация реализации прогнозируемого ресурса:
Yпр – предельное состояние; f(t) – функция распределения наработок; tср – математическое ожидание наработки до предельного состояния; 1, 2, 3, 4, i – конкретные реализации Y(t); tр – время ремонта

Основополагающим принципом прогнозирования является использование прошлого опыта. Информация о поведении машины в прошлом является базой для прогнозирования изменения состояния машины в будущем. Предыстория, положенная в основу, должна быть по продолжительности не менее времени прогноза. Прогнозированию предшествует сглаживание экспериментальных данных.

Для краткосрочного прогноза часто используют линейную аппроксимацию:

Значение коэффициента а определяется по формуле:

прогнозирование где yi – текущее значение параметра у, i = 1, 2, …, n – число измерений; ti – период измерения.

Если известна скорость развития конкретной неисправности объекта, характеризуемая скоростью изменения значения диагностического параметра, то прогноз осуществляется по формуле:

где hпрог – прогнозируемое значение; Sh – скорость изменения диагностического параметра; t – время прогноза.

Периодически уточняется наклон прямой путём определения коэффициента а для 3…5 последних измерений.

Наиболее часто предполагается, что при увеличении наработки t диагностический параметр k увеличивается (таблица 6).

Таблица 6 – Результаты измерения параметра k

Время измерения, час. Значения параметра k Сглаженное значение параметра kсгл
25 8 4
50 12 8
75 16 12
100 20 16
125 12 14
150 22 18
175 36 27
200 50 52
225 56 54
250 60 57

На рисунке 36 изменение параметра показано кривой 1 в диапазоне наработки от 0 до 250 часов. Необходимо осуществить прогноз на будущие 125 часов работы (до 375 часов). Граничное значение kпред = 80.

Рисунок 36 – Пример прогнозирования диагностического параметра k

Рисунок 36 – Пример прогнозирования диагностического параметра k:
1 – линия прогноза, 2 – сглаженная кривая

Для исключения случайных тенденций выполняется экспоненциальное сглаживание измеренных параметров по формуле:

где kiсгл и ki – соответственно сглаженный и не сглаженный параметр i-го измерения; a ‑ постоянная сглаживания, принятая для целей диагностирования 0,4 (из диапазона 0…0,5); k(i-1)сгл – сглаженный параметр предыдущего измерения (таблица 3). Краткосрочное прогнозирование осуществляется с помощью линейной аппроксимации по предыстории изменения параметра k за последние 100 часов: у = аt. Значения коэффициента а определяются по формуле:

Значения коэффициента а

где y – текущее значение параметра k, i = 1, 2,…, n – числа измерений; t – период измерений.

Прогнозируемое значение параметра k на период 375 часов составит:

Это почти соответствует граничному значению.

Процессы изнашивания работающего оборудования зависят от качества технического обслуживания и технологических нагрузок. Эти зависимости носят детерминированный и стохастический характер. В процессе эксплуатации данные зависимости не могут быть точно определены. Неопределенным остается и предельное значение диагностических параметров для различных видов повреждений.

Относительно конкретного механизма требуется принятие индивидуальных, а не среднестатистических решений. В этом случае неприемлемым метод экстраполяции (определение будущих значений величин, на основе имеющихся данных о тенденциях их изменений в прошлые периоды) и метод аналогий (установление и использование для прогнозирования аналогии с другими объектами по некоторым общим чертам).

Модели развития отказов

В наибольшей степени определению причинно-следственных связей являются физические модели отказов. Данные модели учитывают реальные процессы, которые ведут к изменению свойств объекта и его составляющих. Это модели механики, широко применяемые в расчетах машин и конструкций. Силовое и кинематическое взаимодействие элементов носит сложный характер. Поведение этих объектов существенным образом зависит от их взаимодействия с окружающей средой, от характера и интенсивности процесса эксплуатации. Для предсказания поведения деталей и элементов машин необходимо рассматривать процессы нагружения, деформирования, изнашивания, накопления повреждений и разрушения.

Читайте также:  Аудио оборудование для авто

Модели допустимых значений – предполагают, что разрушение происходит при превышении действующего напряжения допустимого значения. К этим моделям относятся расчетные модели сопротивления материалов, теории упругости, теории пластичности и т.д. Это модели типа «нагрузка – сопротивление», учитывающие вероятностный характер действующих сил и снижение уровня сопротивляемости объекта внезапным отказам вследствие процесса старения материалов.

В эту группу можно отнести и модель мгновенных повреждений – используемую для моделирования внезапных отказов при воздействии неконтролируемых внешних сил, превышающих действующие допустимые значения. Внешняя нагрузка для металлургических машин может служить причиной отказа безотносительно к существующему техническому состоянию объекта. Основные методы предупреждения и предотвращения в данном случае, связаны с ограничением действующих сил: токовая или механическая защита. Часто используется установка «слабого звена» – разрушающегося элемента в виде срезных пальцев, пластиковых вставок и др.

Модели износовых повреждений – рассматривают развитие повреждений в результате постепенного накопления изменений в деталях механизма из-за износа. Процесс изнашивания деталей машин при эксплуатации, в общем случае, имеет три периода (рисунок 37). Первый этап – приработка, при которой темп изнашивания повышен в результате истирания начальных неровностей или вследствие перекоса поверхностей сопряженных деталей. Второй этап – установившийся износ, когда происходит естественное изменение форм и размеров деталей в процессе работы машины. Третий – интенсивный износ, характеризуемый резким нарастанием скорости износа в виду недопустимых изменений в сопряженных деталях. В этот период происходит отказ узла. Точка перехода от участка нормальной работы к участку интенсивного износа, определяет допустимое значение износа детали, при котором необходим ремонт узла.

Рисунок 37 - Типовая кривая износа

Рисунок 37 – Типовая кривая износа

В действительности износ деталей часто протекает при неустановившемся режиме в отношении нагрузок, скоростей, качества смазки, физического состояния поверхности трущихся тел и пр., поэтому действительная кривая износа будет колебаться относительно некоторого среднего значения.

В процессе эксплуатации состояние опорных колец механизма поворота свода электродуговой печи оценивается по значениям износа на основании результатов измерения от элемента поворотного кольца до неподвижной фиксированной базы. Измерения проводятся ежемесячно при идентичных условиях расположения свода относительно печи.

Полученные результаты указывают на развитие износовых повреждений с различными параметрами для однотипных узлов. В первом случае срок службы опорного кольца составил 4,2 года, в другом – 3,1 года (рисунок 38). В первом случае, скорость износа резко увеличилась после 1,0 мм, а во втором ‑ после 3,0 мм, что объясняется индивидуальным изготовлением и различиями в условиях эксплуатации. Скорость износа в зоне длительной эксплуатации находится в диапазоне 0…0,1 мм/месяц. Скорость износа в зоне ускоренного износа может составлять 0,5…1,5 мм/месяц и зависит от состояния контактирующих поверхностей, действующих сил и качества смазывания.

Рисунок 38 – Реализации износа однотипных опорных колец

Значения линейного износа опорного кольца позволяют своевременно обнаружить начало ускоренного износа, принять меры по снижению скорости изнашивания и своевременно подготовиться к замене. Момент начала зоны ускоренного износа остаётся неизвестным. Наблюдая в течение трёх лет медленный рост значений износа, невозможно прогнозировать остаточный ресурс опорного кольца.

Теоретический и практический интерес представляет выяснение характера связи действующих сил, износа со временем работы детали в условиях эксплуатации. К этим моделям относятся модели накопления повреждений. В некоторых случаях действующие силы и износ имеют линейную зависимость, часто эта зависимость имеет сложный характер, приводящий к ступенчатому изменению состояния.

Модели ступенчатых изменений – учитывают постепенное накопление повреждений со скачкообразным изменением состояния объекта. Так, например, постепенное накопление пластических деформаций приводит к росту усталостных повреждений и может служить причиной внезапного отказа из-за мгновенного изменения свойств или изменения физических процессов взаимодействия деталей.

При математическом описании данных моделей используются марковский процесс. Однако, отсутствие статистических данных о вероятности перехода из одного состояния в другое делает невозможным применение данного подхода для определения времени замены детали в конкретных условиях эксплуатации.

Считается, что если известна скорость развития конкретной неисправности объекта, характеризуемая скоростью изменения значения диагностического параметра, то возможна постановка прогноза. Практически, применение этого положения на практике приводит к возникновению аварийных ситуаций.

Вентилятор консольного типа ДН-19 нагревательной печи металлургического агрегата был разрушен в результате катастрофического развития трещины в покрывающем диске рабочего колеса. Возникшие неуравновешенные силы привели к деформации элементов рабочего колеса, увеличению нагрузки на рядом расположенный подшипник, защемлению роликов, разрыву сепаратора и нагреву внутреннего кольца до 500…600 0 С. При резкой остановке был разрушен корпус механизма. Значения вибрации перед аварией не превышали допустимых значений.

При эксплуатации винтового компрессора GRAM-111 общий уровень вибрации не превышал 2,8 мм/с. В результате нарушения технологического режима – попадания в компрессор жидкого аммиака начался абразивный износ опорного шарикоподшипника и ведущий ротор сместился на недопустимое значение. Результат ‑ износ корпуса компрессора на 3,0 мм в течении 2-х недель. Разрушение сопровождалось незначительным изменением характера шума и увеличением параметра огибающей виброускорения в диапазоне от 10 кГц до 30 кГц в пределах допустимых значений. Повреждение было выявлено по утечке смазочного материала через сальник и осевому люфту вала.

Типичной для металлургических машин является ситуация, при которой на их детали действуют одновременно несколько независимых причин. Наиболее значимые воздействия для металлургических машин: силовое, тепловое, окружающей среды, износовое. Среди множества причин, вызывающих отказы, имеются несколько преобладающих. При исследовании объекта преобладающие причины отказов необходимо выявить и установить зависимости взаимного влияния причин повреждений. Модели действия нескольких независимых причин используются для исследования усталостных разрушений, возникновения внезапных отказов, моделирования процессов появления внезапных и постепенных отказов.

К данному типу моделей можно отнести модели взаимного влияния элементов, наименее изученные в настоящее время. Причиной отказа, может быть не только разрушенный элемент, а воздействие на него оказываемое рядом расположенным элементом. Частой причиной отказов являются дефекты второстепенных деталей оборудования. Исходя из основных положений теории катастроф, процесс отказа следует представить в следующей последовательности ‑ малые отклонения, происходящие в механизме, приводят к увеличению скорости износа отдельных элементов. При достижении определенных значений износа, не всегда достигающих предельного значения, провоцирующее, инициирующее событие (часто не связанное с процессами износа) приводит к отказу – разрушению детали (рисунок 39). Существующие методы повышения безотказности и проводимые ремонта в основном ориентируются на уменьшение скорости износа отдельных элементов. Фактически происходит ликвидация последствий, а не причины явления.

Рисунок 39 – Процесс развития отказа

Рисунок 39 – Процесс развития отказа

Статистические подходы к моделированию базируются на предположении неизменности условий эксплуатации объекта и неизменности причин возникновения повреждений. При эксплуатации металлургических машин происходит изменение условий эксплуатации (при изменении производственной программы, сезонных влияний окружающей среды) и изменение свойств машины из-за проводимых ремонтов и технического обслуживания. Это ограничивает возможность применения статистических методов при изучении безотказности металлургических машин. Отличием механического оборудования металлургических предприятий во время эксплуатации является возможность развития отказа по любой из известных моделей отказа: мгновенных повреждений, накапливающихся изменений, ступенчатых изменений, действия нескольких независимых причин.

Источник

Прогнозирование технического состояния систем

Прогнозирование технического состояния системы является неотъемлемой частью обеспечения ее надежности и направлено на предсказание работоспособности, определение остаточного ресурса (срока службы), наступление предельного состояния, обоснование срока проведения ТО по состоянию, сокращение длительности ТО и поиска неисправностей, определение необходимого количества ЗИП и обслуживающего персонала. В целом задача прогнозирования технического состояния системы может быть разбита на две подзадачи:

— непосредственно прогнозирование технического состояния, под которым понимается процесс предсказания значений параметров, определяющих техническое состояние, в будущем на определенный момент или за определенный интервал времени;

— прогнозирование отказов – процесс предсказания момента отказа или интервала времени, в течение которого отказ возможен.

Взаимосвязь основных процедур прогнозирования технического состояния системы представлена на рис. 3.3.

Необходимо отметить, что основу прогнозирования технического состояния системы составляют модели и методы, позволяющие наиболее достоверно и точно описать процессы изменения параметров системы, определяющих ее техническое состояние. Основными задачами в этой области являются:

— анализ механизмов влияния окружающей среды, режимов работы системы и др. факторов на процессы изменения параметров системы и ее элементов, определяющих их техническое состояние, и определение комплекса существенных воздействующих факторов;

— выбор вида математических моделей прогнозирования технического состояния системы и ее элементов;

— обоснование входных и выходных параметров моделей;

— структурная и параметрическая идентификация моделей;

— разработка метода и алгоритмов прогнозирования технического состояния составных частей систем и системы в целом на основе полученных моделей;

— разработка методики прогнозирования технического состояния системы.

Рисунок 3.3 – Основные процедуры прогнозирования технического состояния

Прогнозирование технического состояния осуществляется на различных этапах жизненного цикла системы.

Источник