VI Международная студенческая научная конференция Студенческий научный форум - 2014

В настоящее время, когда создана сложнейшая инфраструктура железнодорожного транспорта, повышена скорость и грузоподъёмность подвижного состава при высокой плотности движения и загруженности железнодорожных путей, остро стала проблема обеспечения безопасности. Поставленная проблема ещё более обостряется тем, что значительная часть подвижного состава находится на грани или за пределами гарантийных сроков эксплуатации. Необходимо отметить и общую ситуацию, которая складывается таким образом, что ещё длительное время данный парк будет эксплуатироваться до состояния глубокого старения. Для обеспечения безопасности движения железнодорожного транспорта необходимо разрабатывать принципиально новые методы и средства диагностики, позволяющие осуществлять контроль истинного технического состояния подвижных объектов в реальном масштабе времени. Только такие экспресс методы позволят осуществлять постоянный мониторинг движущихся составов и предупреждать аварии.

Разработке одного из таких методов, основанного на специальной обработке диагностических сигналов, посвящена данная статья.

Несмотря на имеющиеся достижения в этой области результаты исследования по экспресс контролю сложной подвижной техники на практике не получили широкого распространения. Это связано с тем, что для

диагностики истинного технического состояния необходимы большие, зачастую неприемлемые, материальные и временные затраты, так как использовались традиционные подходы к контролю. Достоверность этих методов достигалась за счет увеличения числа измеряемых параметров, времени измерения и повышения точности измерительной аппаратуры [1]. Такой подход практически себя исчерпал.

Новый подход к контролю истинного технического состояния заключается в том, что:

- используются методы теории распознавания образов, позволяющие за время однократного контроля принять решение о состоянии объекта контроля [2];

- диагностические сигналы подвергают специальным преобразованиям, позволяющим извлечь максимальную информацию о состоянии объекта контроля [3];

- осуществляется переход из пространства измеряемых параметров в пространство информативных признаков, где проводится их математическая обработка.

В результате точность и достоверность контроля возрастают, а время многократно уменьшается.

Задачу повышения эффективности контроля можно сформулировать в следующем виде.

Пусть в момент t₀ или в ограниченный начальный период времени получены значения параметров с объекта контроля z₁, z₂,…, zs,…,z_k, характеризующих функцию . Необходимо по совокупности параметров

, координат вектора функции С() принять решение о принадлежности объекта контроля к тому или иному классу

R_т^l , l = 1, 2,…, m,

где R_т^l временные классы или классы технических состояний

(1)

Исходное множество объекта контроля классифицируются по классам, характеризующимися идентичностью технического состояния. Такая постановка задачи основывается на том предположении, что технические

изделия, имеющие равную долговечность, степень работоспособности и другие показатели качества, будут иметь идентичную совокупность параметров. Классы - это своего рода эталоны, которые представляют в виде эталонных образов. Эталонные образы создаются на основе образцовых изделий или в результате моделирования с использованием матричных испытаний по значениям информативных параметров. Моделирование образов технических состояний осуществляется на предварительном этапе. На этом же этапе по значениям информативных параметров определяются признаки классификации, которыми являются информативный уровень диагностического сигнала, весовые коэффициенты w₁, w₂, …, w_m и порог классификации x₀ дискриминантной функции (2)_.

Разделение объекта контроля по классам может осуществляться с помощью дискриминантной функции

(2)

Весовые коэффициенты w₁, w₂, …, w_m и порог классификации дискриминантной функции x₀ выбираются на стадии обучения таким образом, чтобы достоверность классификации Р была не ниже требуемой Р_тр при минимальных временных Т и материальных С затратах.

Р ³ Р_тр , Т ³ Т_{min ,} С ³ С_min

Стадии обучения приведены в (3).

Для повышения достоверности необходимо произвести нелинейную обработку диагностической информации с помощью оператора нелинейного преобразования

(3)

Оператор нелинейного преобразования находится с помощью обучающих процедур (3).

При этом пространство выходных параметров объекта контроля

z₁, z₂,…, zS,…, z_k преобразует в пространство признаков классификации таким образом, чтобы в новом пространстве достигалась минимальная пересеченность классов, а значит и минимальная ошибка в классификации (контроля).

Следует отметить, что переход от прогнозирующих параметров к признакам классификации является нелинейным преобразованием сигнала, так как преобразуется его частотный и фазовый спектры. Осуществление такого преобразования повышает разделимость временных классов, что ведет к уменьшению ошибки классификации, но при этом используется простейшая линейная дискриминантная функция.

Ошибка классификации (распознавания) Р (е) представляет собой вероятность неправильной классификации:

(4)

где - вероятность того, что при измерении вектора и вычислении дискриминантной функции d будет принято решение об отнесении контролируемого объекта к другому классу, хотя в действительности он принадлежит классу А_к.

Из всех возможных вариантов дискриминантной функции необходимо выбрать такой вариант , которой бы обеспечил минимум ошибки Р(е) , т.е.

(5)

Критерием классификации в данном случае является вероятность правильного распознавания Р_пр = 1 – Р (е).

Таким образом, подвергая специальным преобразованиям диагностические сигналы, классифицируя их в соответствии с признаками классификации можно отнести их к тому или иному временному классу с минимальной ошибкой классификации, а значит и объект контроля к определенному классу технического состояния.

Это означает возможность определения истинного технического состояния исследуемого объекта, а также различных скрытых дефектов, при их наличии, в реальном масштабе времени.

Реально контроль осуществляется следующим образом.

На объект контроля (колёсная пара, рама, любая другая конструкция или агрегат) устанавливают датчик, преобразующий вибрацию в электрические сигналы, поступающие на нелинейный функциональный преобразователь (НФП). Последний делит сигнал на амплитудные уровни, выбирает информативный амплитудный уровень, определяет признаки классификации, и сравнивает их с аналогичными признаками в базе данных, полученных на предварительном этапе. По результатам сравнения объект контроля относится к тому или иному классу технического состояния, что означает определение его истинного состояния на момент контроля. Так как классификация осуществляется в течение нескольких секунд или даже долей секунд, то контроль можно осуществлять в реальном масштабе времени и почти непрерывно. Установка такой системы контроля на подвижной состав позволит осуществлять непрерывный мониторинг истинного технического состояния основных узлов, агрегатов и всего железнодорожного состава в целом и тем самым обеспечить безопасность движения железнодорожного транспорта.

На нелинейный функциональный преобразователь получен патент (№2155987). На устройство классификации получено авторское свидетельство (1354222).

ЛИТЕРАТУРА

1. Беляев Ю.К. и др. Контроль надежности с использованием индивидуального прогнозирования надежности изделий // Электронная техника. Сер. 8. 1988. – Вып. 4.

2. Бурмасов С.П., Бурмасов П.И., Тюрин С.Ф. Диагностика РЭА на основе распознавания образов. Теоретические и прикладные аспекты информационных технологий Сборник научных трудов. Международная академия информации. Гос НИИУМС, Вып. 49. – Пермь, 2000. - 147 с.

3. Патент № 2155987, М. ФИПС, 2000. Устройство классификации сигналов. Описание и принцип действия нелинейного функционального преобразователя.

Код для цитирования: Скопировать