Вибродиагностика
УДК 681.518.3
АЛГОРИТМ ОЦЕНКИ СОСТОЯНИЯ ГИДРОАГРЕГАТА НА ОСНОВЕ ИДЕНТИФИКАЦИОННЫХ ИЗМЕРЕНИЙ ВИБРОСИГНАЛОВ
Ю.Н. Кликушин, К.Т. Кошеков, В.Ю. Кобенко, Е.С. Трунин
Описаны методика и алгоритм оценки состояния гидроагрегата, основанные на применении теории идентификационных измерений сигналов. Состояние объекта диагностики представлено в виде двух логически связанных имен распределений мгновенных значений, принадлежащих временной и корреляционной функциям вибросигнала. Таким образом, удалось раздельно классифицировать два объекта, находящихся в двух состояниях.
Ключевые слова: гидроагрегат, вибросигналы, идентификационные измерения, классификация, методика, оценка состояния, регулярность-хаотичность, симметрия-асимметрия.
ВВЕДЕНИЕ
В настоящее время известно более двадцати технологий вибродиагностики технических систем, однако наиболее эффективными из них являются основанные на методах спектрального анализа [2], анализа специальных диагностических параметров [3—5], на основе применения вейвлет-анализа [6] и нейронных сетей [7].
Общей особенностью указанных методов является то, что они в той или иной степени решают задачу классификации — разделение группы объектов на подгруппы (кластеры, таксоны), внутри которых объекты имеют общие (в определенном смысле) свойства. В познавательном отношении сложность процедуры классификации состоит в том, что, с одной стороны, необходимо объекты разделить на отдельные отличающиеся кластеры, а с другой стороны, надо сделать так, чтобы в один и тот же кластер попали сигналы, имеющие нечто общее. Данное противоречие приводит к тому, что классификация становится оптимизационной процедурой и ее "правильность" во многом зависит от принятых пользователем критериев оптимизации. Более того, если учесть, что классификационные задачи обладают высокой степенью априорной неопределенности, становится понятным, почему решение подобных задач не может быть однозначным.
Возможным решением задачи классификации могло бы стать предложение — связать форму распределения мгновенных значений информативного сигнала с текущим состоянием объекта диагностики [8]. Пока вариации моментов (например, математического ожидания, дисперсии, эксцесса и др.) не изменяют форму распределения, идентифицируемую, например, как нормальную, состояние объекта считается постоянным и равным лингвистическому терму "НОРМ". Переход объекта из одного состояния (например, НОРМ) в другое индицируется изменением имени (например, СИМП = треугольное) распределения мгновенных значений сигнала. Таким образом, происходит автоматическая классификация,
Кликушин Юрий Николаевич, доктор техн. наук, профессор кафедры "Технология электронной аппаратуры" Омского государственного технического университета. Тел. 8-913-613-1636. E-mail: iit@omgtu.ru
Кошеков Кайрат Темирбаевич, доктор техн. наук, доцент, зав. кафедрой "Энергетика и радиоэлектроника" Северо-Казахстанского государственного университета им. М. Козыбаева (г. Петропавловск, Республика Казахстан). Тел. 8-777-925-17-31. E-mail: kkoshekov@mail.ru
Кобенко Вадим Юрьевич, канд. техн. наук, докторант кафедры "Технология электронной аппаратуры" Омского государственного технического университета.
Трунин Евгений Степанович, канд. техн. наук, зам. главного инженера ООО "ДИАМЕХ 2000" (Москва), член Экспертного совета по вибрации РАО "ЕЭС России". Тел. 8-495-956-43-45. E-mail: trunin@diamech.ru
при которой число классов группирования зависит от количества эталонных распределений, используемых системой распознавания в качестве ре-перных точек. При этом внутри класса объекты упорядочиваются по значению соответствующего идентификационного параметра. Подобный подход в настоящее время развивается в рамках теории идентификационных измерений сигналов (ТИИС) [9].
Возможность использования методов ТИИС для решения задач распознавания, идентификации и классификации объектов и процессов была обоснована в ряде монографий [10—13]. Отдельные вопросы, связанные с решением задач медицинской и технической диагностики, отражены в публикациях [14, 15].
В данной статье описаны методика и алгоритм оценки состояния подшипниковых узлов одного из гидроагрегатов ГЭС Сибирского региона.
МЕТОДИКА И ИНСТРУМЕНТЫ ИССЛЕДОВАНИЯ
В настоящее время для контроля относительной вибрации (биения) ва-лопровода — ротора генератора и турбины в подшипниках — эффективно используется информационно-измерительная система "АЛМАЗ-7010-ГЭС" [16]. В нее также входят комбинированные датчики воздушного зазора, которые позволяют при работе (в динамике) определять отклонения полюсов ротора генератора от концентричности ("механическая" форма ротора), и датчик определения искажения магнитного поля ротора ("магнитная" форма ротора). Измерения проводили непрерывно на разных режимах. В случае превышения уставок срабатывает сигнализация предупреждения и, при необхо-
б
НА Н А А ю
1А А Л ! ад 1 '
1 И 1 1( \| 11 1 1 V * V i ] 1 1
\ 1
в
к
1 А Пи У 1 [й V А А \\\1\ V у 5
г
!\ Л Л 1 \ 1) 1) ! 1 \
/ У У V 1
I
Рис. 1. Сигналы изменения зазора в районе нижней крестовины (НК): а - датчик № 1 (верхний бьеф, малый бой); б - датчик № 1 (верхний бьеф, большой бой); в - датчик № 2 (правый берег, малый бой); г - датчик № 2 (правый берег, большой бой).
димости, автоматический останов гидроагрегата. Программное обеспечение информационно-измерительной системы из-за множества каналов включает сложную базу данных и сигналов (с составляющими спектра) и не предусматривает автоматическую классификацию вибросигналов, что затрудняет принимать объективные решения о состояния гидроагрегата.
Для создания алгоритма автоматической классификации авторами использованы реальные изменения параметров — вибросигналов — с датчиков зазора между валом и опорой (рис. 1) при малом и большом боях (биениях) вала.
Датчики расположены под углом 90° в плоскости, перпендикулярной валу в районе нижней крестовины генераторного подшипника гидроагрегата. Датчик № 1 располагается на стороне верхнего бьефа — ВБ (место высокого уровня воды), датчик № 2 — со стороны правого берега реки — ПБ.
Методика анализа базируется на совместном использовании методов, основанных на абсолютных и относительных идентификационных измерениях. В контексте данной работы под абсолютными понимаются такие измерения входного сигнала, при которых эталон для сравнения формируется из самого сигнала, то есть эталон оказывается "привязанным" к сигналу. При относительных идентификационных измерениях используют эталоны, не зависящие от входного сигнала.
Структурная схема исследований (рис. 2) состоит из считывателя сигналов (СС), идентификационного анализатора сигналов (ИАС), компаратора (К),
№ Fil« nnnir % Rej! %Asvm
1 piav bereg bel Ьоу.ш 6B -l
2 prav Ьвгеу mal b<]v txt Я -5
3 c tij'u :_ni.-.l_x>; t\( 79 ■12
4 vfth bief Ы Ьиу.Ы 11 -13
№ Flk 11 ЛИЛ' 14 111 P" sîmp lllpl ayiin "Ii rtfc ïn]IHl 1 gamin lliriliri] K l Г1-- (№1 (rap Ы.-ГП-1 |i -1 m ,:i H |
1 fiiav bercy bnl Ьиу.Ш 0,18 o.ûî 0,04 0.18 0,31 0,53 0,71 0,34 0,65 o.s: 0.5& 0,31 0,71 0,12 0,08 0,7 0,74 0,4047
2 pf3v_beRBjnal_boy-1xt 0,13 U.I4 O.W 0,23 0,26 0,70 0.77 0,39 M 0,67 0.63 0,29 0.67 0.07 0,05 0.66 0,67 0.4165
3 verh bief mal boy.1x1 0,17 0.13 '3.1 0,22 0,3 0,45 0,63 0,26 0,64 0,34 0,51 0,29 0,7 3 0,12 (■.63 C'.SI 0,39!&
4 vçiti bief hfi] bçiy.frt 0Д6 0.13 0.0î 0,23 0,29 (i,5 0,6? 0,29 0,62 il,.« 0.53 0,7: û, : i 0,<W 0,62 0,17 «935
Рис. 2. Структурная схема исследований: СС - считыватель сигналов; ИАС - идентификационный анализатор сигналов; К - компаратор; БДЭС - база данных эталонных сигналов; ИК - иерархический классификатор; ТК - табличный классификатор.
базы данных эталонных сигналов (БДЭС), табличного и иерархического классификаторов (ТК и ИК), а также интерпретатора. С помощью СС проводится чтение с диска реализаций вибросигналов, принадлежащих четырем объектам.
Исследуемые сигналы анализируются каналами абсолютных и относительных измерений (КАИ и КОИ). Блок ИАС измеряет несколько интегральных идентификационных параметров сигналов, из которых в дальнейшем анализе используют два: степень регулярности (%Reg) и степень асимметрии (%Asym). Эти параметры служат для построения двумерной табличной классификации (блок ТК), показанной в правой верхней части рис. 2.
При этом степень регулярности (%Reg) характеризует относительное содержание регулярной компоненты в анализируемом сигнале, а степень асимметрии (%Asym) — смещение моды распределения от его центра.
Блоки К и БДЭС служат для измерения отклонений входных сигналов от системы из 17 эталонных сигналов с известными распределениями мгновенных значений. Чтобы правильно оценить суммарное значение отклонений, исследуемые и эталонные сигналы должны иметь одинаковое число отсчетов (одинаковые объемы выборок, N). Таблица отклонений представлена в нижней части рис. 2, где столбец с именем Mean() отображает средние значения отклонений каждого сигнала (столбец с именем File_name) от всех эталонов. Блок ИК проводит сортировку эталонных сигналов по отклонениям для каждого из входных сигналов с тем, чтобы затем построить из имен эталонов классификационное дерево.
Структура программного кода исследовательской системы была выполнена в среде графического программирования LabVIEW, с помощью которой создана реляционная база данных (в среде EXCEL) результатов измерений идентификационных параметров входных сигналов. Путем сортировки и фильтрации записей базы данных возможно построение линейной и древовидной классификации, связывающей имена файлов сигналов с диагностируемыми состояниями объектов.
Распознающая система (рис. 2) является интеллектуальным анализатором, поскольку содержит встроенную базу данных эталонов, которые представляют собой сортированные распределения мгновенных значений (РМЗ) случайных сигналов и которые автоматически настраиваются на определенный объем исследуемой выборки входного сигнала.
Интеллектуальная мощность системы и соответственно разрешающая способность иерархической классификации зависит от количества используемых эталонов. В данном случае в
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.