Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов

1. Формализация диагностического эксперимента и требования к измерениям

Пусть система измерений организована правильно, тогда каждому испытываемому объекту (например, это энергоустановка) можно сопоставить некоторую функцию f обобщенного аргумента X (координаты состояний, времени, пространства, физические параметры и т.д.), заключающую в себе некоторую информацию об объекте, которую необходимо извлечь в процессе эксперимента. На уровне понятия «черного ящика» эту процедуру можно назвать эпизодом «заглянуть в черный ящик» [45]. Пусть

f(X)F, (3.1)

где F- признаковое пространство.

Предположим также, что имеется эталонная (базовая или нормативная) функция состояния данного объекта:

m(X)Ф. (3.2)

Введем, далее, некоторый оператор W, такой, что

f=W[m(X)] (3.3)

где функции f и f^~ являются «близкими» в F (в дальнейшем, по тексту и в расчетах будем использовать слово «похожесть» [9,46], соответствующее слову «близкие» и подтверждаемое его метрикой).

Критерий близости (похожести) [46] в принципе должен выбираться и подтверждаться исследователем решаемой задачи, исходя из конкретных условий задачи (или проблемы). Это условие характерно для решения задач диагностики различных агрегатов (или других объектов).

Агрегатами мы называем здесь самостоятельно функционирующие технологические операционные узлы (блоки энергоустановки), например:

- система автоматического регулирования и защиты турбины (САРиЗ), котла, генератора, вакуумной системы (точнее, низко потенциальный комплекс, НПК турбоустановки) или любого другого механизма объекта.

Если ввести в F определенную метрику, то тогда можно будет эту меру близости (похожести) между элементами множеств определить как расстояние между f и f^~ в F, т.е. величину

f,W(m)]. (3.4)

Таким образом, математический смысл операции измерения заключается в определении оператора W удовлетворяющего неравенству

f,W(m)]_F, (3.5)

где _F – величина ошибки.

В частном случае, если «расстояние»  определено как максимум модуля разности между f и f^~ , получаем:

maxf-W(m)]_F. (3.6)

Так как любая измерительная система должна быть конечной, то оператор W должен определяться конечным числом характеристик, являющихся функционалами от f и W. В результате, измерение f, по отношению к m, будет сводиться к получению некоторой совокупности чисел , определяющихf с точностью до _F по критерию.

В представленной таким образом формализации, оператор W будет выражать всю совокупность действий, которые нужно выполнять, чтобы установить взаимно-однозначное соответствие, между измеряемой величиной f и эталонной m. Однако, как известно, экспериментатор или эксперт-диагност, имеют дело не с f, а с некоторой промежуточной величиной Z, являющейся результатом взаимодействия исследуемого состояния агрегата и измерительными приборами. В связи с этим разделим оператор W на два последовательных оператора, отображающих основные характеристики проводимого диагностического эксперимента: наблюдение и обработку данных.

Сигнал Z(X) на выходе первичного преобразователя (датчика) является результатом наблюдения. Оператор преобразования H будет связывать экспериментальные данные Z(X) с измеряемой величиной f соотношением

Z=Hf. (3.7)

Массив данных (в векторной форме) поступает на обработку в некоторое устройство, вычисляющее оператор G из уравнения

Gm] _F (3.8)

и обрабатывается по специальной программе интеллектуального анализа данных из программного комплекса SKAIS, (рис. 3.1-3.4), [9].

Рис. 3.1. Функционально – структурная модель диагностики энергоустановок

ТЭС.

Так как Н является оператором первичного преобразователя, что считается условно известным, а измерительная система тарирована (и проверена), т.е. выполняет измерения достоверно, не отклоняясь от заданной погрешности, то задача измерения f будет сводиться к определению оператора G и последующему решению обратной задачи следующего вида

Hf==Gm. (3.9)

Рис. 3.2. Модульная блок-схема статистической обработки

диагностической информации, снятой с энергоустановки.

Рис. 3.3. Блок – схема программы BRAK1: Расчет и отбраковка

диагностической информации снятой с энергоустановки.

Рис. 3.4.Блок-схема алгоритма обработки информации для определения

диагностических признаков и оценки состояния агрегата.

Методология моделирования и программная среда SKAIS [9]– система анализа, обработки и использования четких и размытых знаний для оценивания технического состояния энергоустановок (или других объектов) и перевода их на «мягкую» эксплуатацию, т.е. обслуживание по фактическому состоянию, выполняется на основе системного подхода к анализу и моделированию сложных систем (рис. 3.5, 3.6):

Рис. 3.5. SKAIS - подсистема диагностики состояния

турбоустановки в контуре управления электростанции.