Диссертация (1024744), страница 29
Текст из файла (страница 29)
Единый подход измерительно-вычислительной технологиисопровождения эксплуатации объектов машиностроения циклическогодействияЕдиныйподходизмерительно-вычислительнойтехнологиисопровождения эксплуатации объектов машиностроения циклическогодействия на базе фазохронометрического метода в общем случае включаетследующие составляющие:1)предварительноеопределениеиперечнядиагностируемыхпараметров и возможных дефектов объекта машиностроения циклическогодействия и структурное разбиение машины на конструктивные части,критически важные для диагностирования параметров и возможныхдефектов;2) разбиение рабочего цикла объекта машиностроения и его элементовна отдельные фазы;3)составлениесопрецизионного определениястепеньювеличинподробности,необходимойдиагностируемыхдляпараметров ивозможных дефектов, математических моделей рабочего цикла частеймашины и их взаимодействия в фазохронометрическом информационномпредставлении для взаимосвязи результатов измерений с соответствующимипроцессами (фазами цикла) в работающих частях машины,4) установку в частях машины прецизионных (с относительнойпогрешностью не более 10-4 %) хронометрических датчиков фаз рабочегоцикла, выходы датчиков связаны с блоком обработки сигналов их измерений,в блоке также установлены рабочие программы математических моделейрабочего цикла частей машины и их взаимодействия для последующейобработки результатов измерений, при этом расположение датчиков вмашине обусловлено конструкцией частей циклически работающей машины,а места установки датчиков определяют с точки зрения получения наиболееполной информации о работе частей машины;2335) прецизионные измерения указанными датчиками интерваловвремени фаз рабочих циклов частей машины и их взаимодействия спредставлениемобработаннойизмерительнойинформациивединомметрологическом формате на всех этапах жизненного цикла машины и вматематическом моделировании рабочих циклов частей машины и ихвзаимодействия, а именно: получение массивов данных, образованныхсериями измеренных последовательно (без пропусков) рядов интерваловвремени фаз в едином опорном времени;6) в ходе обработки результатов измерений выполняют уточнениевеличин параметров, входящих в математические модели, на соответствиетекущему техническому состоянию машины, а затем по результатамимитационного моделирования с использованием уточненных моделей и споследующейматематическойобработкойопределяютвеличиныдиагностируемых параметров и возможных дефектов машины, по которымоценивают текущее техническое состояние машины.Этопоследовательностьобщихприемовдействийфазохронометрического метода, которые необходимо каждый раз творческиприменять с индивидуальными нюансами реализации для диагностированияконкретных типов циклических машин.2346.2.Структурно-параметрическаяидентификациямоделидинамических измерений периода вращения валопроводаПри нормировании погрешностей и определении межповерочныхинтервалов для измерительных каналов необходимо учитывать влияниеусловий эксплуатации и внешних воздействий, что представляет большуюсложность.
В зависимости от условий эксплуатации погрешности средстваизмерения могут значительно изменяться. В связи с этим возникаетнеобходимость анализа воздействий влияющих факторов и назначенияиндивидуального межповерочного интервала для каждого измерительногоканала.Дляфазохронометрическихсистем,построенныхпоединойметодологии для различных циклических машин и механизмов, необходимтакже единый минимально затратный подход в их метрологическом обеспечении.В общем случае при проведении поверки фазохронометрическихсистем должны быть соблюдены условия в соответствии с [223, 224, 225]:- температура окружающего воздуха 293 К ±2 К [(20±2) °С] длячастотомеров классов точности 0,02-0,5 и 293 К ±5 К [(20±5) °С] - длячастотомеров классов точности 1-5;- относительная влажность воздуха (65±15)%;- напряжение сети питания (220±4,4) В; частота 50 Гц;- предельные отклонения частоты 50 Гц и содержание гармоникпо [202-204].Вкачествефункцииплотностираспределениявероятностейсоставляющих погрешности измерений, для которых известны толькопределы допускаемых значений, т.е.
границы интервала, в пределах которыхнаходится соответствующая составляющая погрешности измерений свероятностью 1, при расчётах характеристик погрешности измеренийпринимают закон равномерной плотности, если отсутствует информация об235ином виде распределения. Обработка результатов измерений производится –по МИ 2916-2005.В Таблице 16 приложения приведены исходные данные для расчёта иих нормализация.Таблица 16.Данные ММК - идентификации функции преобразованияАлгоритмММКМНКММКМЕДС11100101110010ϑ 0 = 1854,037 ⋅10 −8ϑ 0 = 1859,941 ⋅ 10 −8идентификацииКод структуры ν^^Оценки параметровϑ 1 = 12,6308 ⋅ 10 −8^ϑ 2 = −0,2256 ⋅ 10 −8^^^ϑ 1 = 11,7072 ⋅ 10 −8^ϑ 2 = −0,1875 ⋅ 10 −8^ϑ 5 = 8,4445 ⋅ 10 −15ϑ 5 = 8,0508 ⋅ 10 −15_ [ 5]_ [ 5]Средний модульпогрешностиE 10 = 14,4918 ⋅ 10−8E 10 = 15,5050 ⋅ 10 −8неадекватностиЛучший алгоритм – ММКМНК (перекрестный метод)Идентификация функции преобразования при минимальном СМПНсоответствует ММКМНК.
Код структуры модели ν: 1110010. Функцияпрогнозирования принимает вид:__S ( x ) = 1854,037 + 12,6368 ⋅ x − 0,2256 ⋅ x 2 + 8,4445 ⋅ x 5(6.1)С использованием программы «ММИ-поверка 2.0» был определеннаилучший вид распределения (Гаусса) и была получена свертка возможныхзначений основной погрешности СИ. Верхняя граница свертки: 0,1205 нс.Нижняя граница свертки: -0,25 нс.
Результаты проверки приведены вПриложении А.236Отдельно следует рассмотреть вопрос, связанный с нахождениемоптимального соотношения структурно-параметрической идентификациидинамическоймоделиобъектапринормированиипогрешностейиопределении межповерочных интервалов для измерительных каналов.Особенностью данного подхода является нахождение оптимальногосоотношениясложностипрогнозированияпроцесса.моделиВпрогнозированияТаблице17игоризонтаприведенырезультатыидентификация функции преобразования методом ММКМНК.
При этом кодструктуры модели изменялся в зависимости от степеней свободы от 1 до 7, азадача состояла в нахождении среднего модуля погрешности неадекватности.Таблица 17.Данные ММК - идентификации функции преобразования. Алгоритмидентификации ММКМНК№п.п.Код структуры ν11110010211100131101141111511061171Средний модуль погрешностинеадекватности_ [ 5]E 10 = 14,4918 ⋅ 10 −8_ [ 5]E 10 = 14,4920 ⋅10 −8_ [ 5]E 10 = 14,6907 ⋅10 −8_ [ 5]E 10 = 20,2195 ⋅10 −8_ [ 5]E 10 = 25,6899 ⋅10 −8_ [ 5]E 10 = 25,6899 ⋅10 −8_ [ 5]E 10 = 118,6800 ⋅10 −8Таким образом, используя результаты ММК - идентификации функциипреобразования в зависимости от решаемой задачи может быть определенаоптимальная функция прогнозирования и горизонт прогноза.Исходя из результатов, приведенных в Таблице 17.
следует, чтоминимальному значению среднего модуля погрешности неадекватности237соответствует функции прогнозирования (6.1), при этом горизонт прогноза ≈20%. При упрощении модели прогнозирования (упрощения кода структуры)функция с физической точки зрения хуже описывает реальный процесс,однако может быть спрогнозирована на больший промежуток времени.При структуре модели (1111) функция прогнозирования принимаетвид:__^^^^S ( x) = ϑ 0 + ϑ1⋅ x − ϑ 2 ⋅ x + ϑ 3 ⋅ x32(6.2)В этом случае средний модуль погрешности неадекватности равен_ [ 5]E 10 = 20,2195 ⋅10 −8 .Реальныйпроцесспрогнозируетсясбольшейпогрешностью, определенной величиной СМПН, однако сама функция вида(6.2) может быть спрогнозирована с горизонтом ≈ 25%.Следует отметить, что прогнозирование технического состояниянеобходимо практически на всех этапах жизненного цикла продукции.Установлено, что максимальная точность измерений, достижимаяаппаратурой, размещённой в лаборатории, определяется уровнем еёэнергообеспечения.
Своеобразие энергетического обеспечения процедурыизмерения проявляется и в том, что в отличие от целого рядафундаментальных соотношений неопределённостей, характерным примеромкоторых может служить известное соотношение для неопределенностейкоординат и импульсов, аналогичное соотношение для неопределенностейэнергии и времени не является фундаментальным и может быть преодоленосовременнымитехническимисредствамиврежимедискретныхстробоскопических отсчётов.Точность, быстродействие и полнота получаемых характеристикфункционирования энергетических систем в сочетании с математическимимоделями обеспечивают как контроль развития аварийных ситуаций, так иконтроль остаточного ресурса.
На практике к реальным объектам может бытьприменен метод прогнозирования поведения последовательности чисел,образующих временной ряд.238В первом приближении могут быть спрогнозированы параметры и ихизменение отдельных узлов конструкции машины, на смену единственномудифференциальному уравнению, задающему закон движения материальнойточки в пространстве координат, приходит многофакторная математическаямодель,описывающаяв идеальном случаеизменениетехническогосостояния объекта в виде траектории точки, соответствующей мгновенномусостоянию объекта, в многомерном пространстве его параметров.Данный метод прогноза поведения членов временного ряда позволяетна основе априорной информации определятьпоследующие еще неизвестные значения, с помощью уже известных предыдущих значений [226,227, 228].Особенностью метода является запоминание и воспроизведениенелинейнойфункциональнойзависимости,несмотрянато,чтопрогнозирующий оператор чисто линейный.
Следует отметить также, чтометод дает возможность при необходимости восстановить предысторию посуществующим данным, относящимся к текущему моменту [229, 230].Алгоритм представляется соотношением:yn =m∑ ai yn − i −1(6.3)i =0гдеyi −1- известные значения членов начальной последовательности,используя которые представляется возможным найти последующие значенияy n , используя соотношение (1),ai- составляющие прогнозирующегооператора, n – количество точек для прогноза.Величины ai находятся из системы уравнений, построенных на отрезке(участке) последовательности, где все значения ее членов известны.В общем случае число коэффициентов ai выбирается с учетомособенностей конкретной задачи.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
