WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

против сложной альтернативы

H1 : P = N ( , K ), K Ko.

Здесь N ( , K ) - нормальный закон распределения, заданный n - вектором средних значений и ( n n ) - матрицей автоковариаций K. Очевидно, что исходная матрица параметров о = Ko, а начиная с момента времени to свойства процесса изменяются неизвестным образом: 1 = K.

Поскольку изменение параметра не повлечет за собой изменения формы кривой нормального распределения, а приведет лишь к ее сдвигу, в дальнейшем без нарушения общности формулировки задачи примем = 0, то есть будем полагать исследуемый процесс центрированным. Критическую область в пространстве исходов Rn определим в соответствии с асимптотически оптимальным критерием отношения правдоподобия исходя из правила:

ln [sup p1( X ) / po( X ) ] с. (1.1)

Здесь p1 (X ), po (X ) - две функции правдоподобия, записанные для гипотез Ho и H1 соответственно; sup(.) обозначает верхнюю границу функционала p1(X) на множестве допустимых значений матрицы параметров . При этом критический или пороговый уровень со = const устанавливается постоянным, традиционно исходя из заданной вероятности ложной тревоги - ошибки первого рода

(со) = = const.

Решение принимается в пользу гипотезы H1, когда значение решающей статистики попадает в критическую область, что соответствует

где о = Const - некоторый пороговый уровень, однозначно заданный в соответствии с выбранным уровнем значимости - вероятностью отвергнуть нулевую гипотезу, в то время как она верна:

Данные выражения определяют наилучший в смысле критерия отношения правдоподобия (1.1) алгоритм обнаружения разладки случайного сигнала вибраций Х по его корреляционным характеристикам.

Предложенное решение поставленной задачи в частотной области предполагает применение линейного фильтра, инверсного формирующему с коэффициентом передачи, пропорциональным выборочной оценке спектральной плотности мощности. Кроме того, для корректного сравнения получаемых по коэффициентам фильтра спектральных оценок порождающий входной сигнал типа «белый шум» нормируется по дисперсии к некоторому уровню 02 = const. Рассмотрены основные известные варианты критериев оценки эффективности алгоритмов обнаружения разладки и приведён синтез цифрового алгоритма с использованием метода Берга, который позволяет непосредственно получать оценки авторегрессионных параметров К0(jf) (АР-коэффициенты). Алгоритм обнаружения разладки случайного сигнала вибраций Х в частотной области при этом будет иметь вид:

или

где решающая статистика, GX(f) – выборочная оценка спектральной плотности мощности вибросигнала, 02 - дисперсия порождающего шума, f – частота.

Здесь все возможные изменения статистических свойств наблюдаемого случайного процесса Х связаны со структурными изменениями формирующего фильтра по сравнению с его исходной моделью, что в достаточной мере точно отражает реальный механизм возникновения разладок.

Показано, что наиболее эффективным в предлагаемом методе является применение фильтра решетчатой структуры, который обладает рядом существенных преимуществ и особенно подходит для адаптивной фильтрации.

На рис. 1.1 приведён пример возникновения узкополосной разладки вибросигнала по МОФ с центральной частотой 3600 Гц при проведении виброиспытаний кузова автомобиля ГАЗ-3111 в ОАО «ГАЗ»: кривая 1 - при постановке на стенд, кривая 2 - после четырёх недель испытаний. Причина – дефект контактной сварки кузова автомобиля.

Рис. 1

В главе 2 рассмотрена задача распознавания (или идентификации) разладок случайного вибросигнала. Рассмотрен известный алгоритм на базе многоальтернативного распознавания разладки, получивший

впоследствии название метода обеляющего фильтра. Алгоритм реализуется по схеме, состоящей из R обеляющих фильтров, настроенных на соответствующую определённой неисправности оценку спектральной

плотности мощности в паре с измерителем дисперсии на выходе обеляющего фильтра. Решение выдаётся в пользу одной из гипотез неисправности по номеру канала, имеющего минимальную дисперсию. Однако проблема состоит в том, что в задаче диагностики практически невозможно заранее определить точные параметры набора используемых здесь фильтров (по числу различных типов неисправностей). В связи с этим был синтезирован алгоритм одновременного обнаружения-оценивания разладки случайного сигнала вибраций, являющийся квазиоптимальным по отношению к исходному. При этом искомый алгоритм обнаружения-оценивания разладки нормального случайного процесса вибросигнала в i-м частотном канале будет иметь вид

, (1)

где i(x) – решающая статистика; G0(fi) – спектральная оценка опорного сигнала в i – ом диапазоне анализа; Gx(fi) - спектральная оценка контрольного сигнала в i – ом диапазоне анализа; 0 – установленный порог срабатывания. Идентификация неисправности производится по номеру i* канала, в котором обнаружена разладка случайного процесса. При этом порог определяется заданной вероятностью ложной тревоги 0.. Синтезированный алгоритм реализуется по схеме с одним обеляющим фильтром (рис. 2), настроенном на оценку спектральной плотности

Пороговый

уровень

Рис. 2

мощности исправного оборудования (в отсутствие разладки). Частотный диапазон анализа после обеляющего фильтра ОФ разделяется на N каналов полосовыми частотными фильтрами ПФ1 - ПФN. В каждом канале оценивается дисперсия шумового сигнала 21 - 2N, и после прохождения установленного порога в пороговых устройствах ПУ1 – ПУN в решающем устройстве РУ выносится решение о наличии той или иной диагностируемой неисправности. При этом алгоритм (1) в анализируемом частотном канале приводится к решающей статистике вида

,

где fi – fi-1 – частотный диапазон анализа вибраций; 2 - дисперсия шума на выходе обеляющего фильтра. При условии нормировки по уровню порождающего шума 02 = 1, получаем простой алгоритм обнаружения разладки по схеме рис. 3:

, (2 )

где – установленный порог срабатывания порогового устройства.

Предложенная схема обработки сигнала менее критична к настройкам обеляющего фильтра и позволяет проводить одновременно обнаружение и оценивание разладки в анализируемом случайном сигнале вибраций, а также диагностировать сложные неисправности механизмов и машин, вызывающие разладку сразу в нескольких частотных каналах. При рассмотрении эффективности исходного и предложенного алгоритмов время обработки по предложенному алгоритму обнаружения-оценивания разладки примерно в раз больше (N – число частотных каналов, p – порядок обеляющего фильтра), что можно рассматривать как плату за универсальность предложенного алгоритма. Однако такое увеличение времени обработки не вносит существенных ограничений на условия применения предложенного алгоритма, так как быстродействие современной вычислительной техники (персональных компьютеров) позволяет вести диагностику оборудования в реальном масштабе времени.

Алгоритм (2) более удобен в работе в составе автоматизированных систем диагностики, так как при его реализации не требуется непосредственного использования спектральных оценок, получаемых по коэффициентам авторегрессии. Алгоритм (1) более нагляден и также использовался при проведении и иллюстрации дальнейших исследований.

В главе 3 приведены результаты экспериментальных исследований предложенного алгоритма обнаружения – оценивания разладки вибросигнала с применением метода математического моделирования и с помощью физического макета – механического редуктора с электроприводом. Так на рис. 3 и рис 4 приведены полученные по результатам исследований семейства кривых обнаружения разладки в зависимости от ее относительной интенсивности qp2=Ap2/202 и различных объемов выборки n =100, n =200 и n =500 при заданной доверительной вероятности ошибки 1-го рода в канале = 0,1 и = 0,01. Из графиков видно, что для надежного обнаружения разладки с вероятностью D = 0,8, относительная интенсивность qp2 должна быть равна 0,17 - 0.18 при объеме выборки n = 100. При увеличении объема выборки вероятность правильного обнаружения разладки увеличивается.

Рис. 3

Рис. 4

Таким образом, предложенный алгоритм позволяет надежно обнаружить и оценить разладку случайного процесса вибраций на уровне не ниже -10 дБ относительно средней мощности анализируемого процесса. При увеличении объема выборки в 5 раз пороговый уровень обнаружения разладки сокращается до -13 дБ.

При проведении физического эксперимента в конструкцию шестерёнчатого редуктора были внесены неисправности, отображение которых в спектре вибросигнала трудно рассчитать исходя из его конструктивных особенностей. Так незначительное ослабление крепления деталей панели корпуса редуктора проявилось в виде разладки вибросигнала в диапазоне частот 1300 – 1900 Гц, а ослабление крепления подшипников шестерён – в диапазонах 1500 – 1600 Гц и 3000 – 3400 Гц.

Полученные результаты исследований подтверждают перспективность метода обеляющего фильтра и использования предложенного алгоритма для диагностики неисправностей сложных механизмов и машин.

В главе 4 приведены результаты исследований применения метода обеляющего фильтра в диагностике сложного машинного оборудования на примерах диагностики технического состояния колёсно-моторных блоков электропоездов, грузопассажирских лифтов и узлов автомобилей. Зарождение и развитие неисправностей колёсно-моторных блоков электропоездов наблюдалось за 2 – 3 месяца до выхода их из строя, что в конечном итоге позволило оптимизировать график их планово-предупредительного ремонта и значительно снизить количество внеплановых ремонтов, а регулярная еженедельная диагностика лебёдки лифта позволила отследить качество технического обслуживания лифтов механиками.

За время проведения исследований были идентифицированы следующие неисправности, соответствующие разладкам вибросигнала, которые помещены в таблице 1.

Табл. 1

Идентификация неисправностей по результатам диагностики

Неисправности колёсно-моторных блоков электропоездов

Неисправности лебёдки пассажирских лифтов

Диапазон частот, Гц

Неисправность

Диапазон частот, Гц

Неисправность

100 – 200

Обрыв болтов кордовой муфты

1550 - 1650

Подшипник червячного вала в районе штурвала

500 - 600

Износ зубчатой передачи редуктора

900 - 1000

Износ червячной пары редуктора

1200 - 1300

Неравномерная затяжка болтов редуктора

2100 - 2200

Состояние смазки редуктора

Предложена методика оценки неисправностей рессор автомобиля, связанных со старением металла рессоры под нагрузкой и экспресс – методика определения ресурса рессор в условиях эксплуатации автомобиля.

По результатам эксперимента была получена эмпирическая формула определения текущей усталости рессоры по коэффициенту k:

,

где N1 - энергия низкочастотной части спектра мощности вибраций рессоры по МОФ, N2 – энергия высокочастотной части того же спектра. По величине коэффициента k определяется оценка величины рабочего ресурса рессоры при эксплуатации автомобиля. Так для рессор автомобиля ГАЗ-3110 начальная величина коэффициента составляет 20 – 50 единиц, а в конце срока эксплуатации доходит до 1100 – 1200 единиц.

В заключении сформулированы основные результаты работы и выводы по результатам исследований.

В приложении к диссертации помещены:

- Акты внеплановых осмотров и вскрытия механизмов лифтов;

- Заключение о применении НИР в практике испытаний рессор автомобиля в УКЭР ОАО «ГАЗ».

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В результате работы над диссертацией были исследованы функциональные возможности и характеристики нового метода вибродиагностики с применением обеляющего фильтра. Результаты исследований и их практическая реализация позволяют говорить о достижении поставленной цели диссертационной работы, т. е. о повышении качества обнаружения и идентификации неисправностей в задачах вибродиагностики машинного оборудования. При этом при реализации поставленных задач были получены следующие результаты:

    1. Проведён обзор известных методов диагностики неисправностей механизмов и машин на основе спектрального анализа и дано обоснование метода обеляющего фильтра (МОФ).
    2. Рассмотрена задача обнаружения разладки случайного процесса (СП) методом обеляющего фильтра, решение которой даёт ответ на вопрос о наличии существенного отклонения статистических характеристик СП вибраций.
    3. Разработан новый алгоритм одновременного обнаружения-оценивания разладки случайного процесса вибраций на основе МОФ.
    4. Проведено исследование предложенного алгоритма обнаружения-оценивания разладки на модели АР- процесса.
    5. Разработана и исследована компьютерная программа для различения и оценивания неисправностей механизмов и машин на основе МОФ.
    6. Проведены физические эксперименты по изучению возможностей диагностики неисправностей механизмов и машин с помощью предложенного метода.

7. Рассмотрены примеры применения МОФ для диагностики конкретных видов механизмов и машин, подтверждающие высокую эффективность диагностики с применением этого метода.

На основании полученных результатов можно сделать следующие выводы:

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»