Содержание к диссертации
Введение
Анализ методов идентификации нештатных ситуаций и постановка задачи исследования
1.1. Состояние вопроса идентификации нештатных ситуаций в технологических процессах. Общие понятия обеспечения безаварийности .
1.2. Задачи обеспечения безаварийности
1.3. Задача идентификации НС как одна из проблем обеспечения безаварийности
1.4. Методы идентификации НС
1.5. Анализ современных методов и систем идентификации нештатных ситуаций на промышленных объектах управления .
1.6. Постановка задачи исследования .
1.7. Выводы по первой главе
Системный подход в идентификации нештатных ситуаций сложных промышленных объектов
2.1. Анализ оперативной деятельности ЛПР
2.2 Способ идентификации эксплуатационных параметров СПО .
2.3 Алгоритм идентификации опасных эксплуатационных ситуаций
2.4 Анализ исследуемого сложного промышленного объекта как источника нештатных ситуаций
2.5. Дополнительно контролируемые параметры для особоопасных объектов (группа В)
2.6. Интеллектуальная ситуационная модель СПО как источника нештатных ситуаций
2.7. Ситуационная модель исследуемого СПО как источника опасных эксплуатационных ситуаций
2.8. Выводы по второй главе
Использование искусственного интеллекта для идентификации нештатных ситуаций
3.1. База знаний об аммиачной холодильной системе, являющейся источником опасных эксплуатационных ситуаций
3.2. Технология адаптации базы знаний
3.3. Методика анализа эксплуатационных параметров
3.4. Порядок анализа СПО как источника возникновения нештатных эксплуатационных ситуаций
3.5. Диаграммы взаимодействий между неисправностями, их причинами и технико-технологическими параметрами .
3.6. Задача усовершенствования систем управления .
3.7. Обеспечение безопасности и эффективности .
3.8 Процедура внедрения «СИЭП» в структуру системы безопасности.
3.9. Общая безопасность установки
3.10. Математическая модель
Выводы по третьей главе
Методология разработки «СИЭП» .
Функциональная структура «СИЭП»
Анализ предметной области идентификации нештатных ситуаций технологического процесса
Формирование требований к разрабатываемой «СИЭП»
Выбор программного обеспечения для реализации системы
Вальвация результативности идентификации нештатных ситуаций с использованием модели процесса аммиачной холодильной установки как источника нештатных ситуаций
Тестирование работоспособности и продуктивности созданной базы знаний выполнялось имитационным моделированием по следующему плану
Выводы по четвертой главе
4 Реализация системы идентификации эксплуатационных параметров аху .
Заключение
Литература
- Задачи обеспечения безаварийности
- Анализ исследуемого сложного промышленного объекта как источника нештатных ситуаций
- Порядок анализа СПО как источника возникновения нештатных эксплуатационных ситуаций
- Вальвация результативности идентификации нештатных ситуаций с использованием модели процесса аммиачной холодильной установки как источника нештатных ситуаций
Введение к работе
Актуальность темы. В настоящее время одним из способов развития
экономики является увеличение темпов эффективности промышленных
производств, что может достигаться как за счет увеличения масштабов производства, так и за счет снижения расходов, в том числе на устранение последствий нештатных ситуаций. В обоих случаях целесообразно всесторонне подходить к оценке условий эксплуатации оборудования (характеристики оборудования, степень износа, частота профилактики и прочее). В настоящее время по вопросам оптимизации, совершенствования управления и принятия решений с целью обеспечения безаварийности производства применяются нормативные документы, регламентирующие основные постулаты безаварийности.
Различное сочетание обстоятельств и условий при работе сложных
прикладных объектов исследования, таких как промышленные объекты,
отличающиеся от проектных и регламентных норм и ведущие к возникновению
опасных состояний, называются нештатными ситуациями. Применение
специализированных систем эксплуатации сложных промышленных объектов (СПО) обеспечивает оперативное реагирование при появлении нештатных ситуаций.
Текущее положение производства в части промышленной безопасности свидетельствует о том, что не выстроена полноценная система изучения нештатных ситуаций, моделирования аварийных сценариев и их предупреждения.
Таким образом, становится очевидным, что для предотвращения конкретных нештатных ситуаций требуется системный подход.
В основном на практике используется метод контроля допустимых диапазонов состояния процесса, при котором невозможно прогнозировать и предупреждать возникновение нештатных ситуаций, вызванных сочетанием крайних диапазонов нескольких параметров. По данным Ростехнадзора на промышленных объектах России ежегодно происходят десятки аварий. В частности, в 2014 году только на предприятиях, использующих в технологическом процессе искусственный холод, произошло одиннадцать несчастных случаев со смертельным исходом, семь из которых по причине аварий установок. Таким образом, промышленное предприятие в существующих условиях не может гарантировать обеспечение безаварийности производства.
Одним из способов решения сложившейся ситуации является внедрение новых технологичных систем управления (автоматизированные системы, создание баз знаний, установка контроллеров и т.п.) сложных промышленных объектов.
В настоящее время часть нештатных ситуаций можно идентифицировать только на основе качественной информации, а вопросы обработки информации о причинах, влияющих на развитие нештатных ситуаций и взаимодействия между ними, исследованы недостаточно.
Холодильные установки относятся к объектам повышенной опасности, поэтому поиск более эффективных способов обеспечения необходимого уровня безопасности работающих и проектируемых холодильных систем является одной из актуальных проблем. Относительно высокие энергетические показатели аммиачных холодильных установок (АХУ) компенсируют небольшие дополнительные затраты, вызванные повышением безопасности этих систем, за счет более качественного поддержания режима эксплуатации и своевременного вывода оборудования в ремонт.
Идентификация нештатных ситуаций по эксплуатационным параметрам такого сложного промышленного объекта, как АХУ, является актуальной научной и практической задачей.
Степень разработанности. Вопросы, связанные с повышением
безаварийности промышленных объектов, а также разработкой систем
предупреждения аварийных ситуаций с использованием новых компьютерных
технологий и методов искусственного интеллекта, рассматривались в исследованиях
таких авторов, как: А. В. Абзалов, В. В. Кафаров, Д. Ю. Муромцев, Д. А. Поспелов,
Д. В. Немчинов, А. А. Большаков, О. М. Проталинский, А. В. Филоненко, В. Ф.
Шуршев, H. Magne, P. Janes, T. Murphy, R. М. Staley, Р. С. Yue. К особенностям
работ можно отнести введенные в них нечеткие модели управления «ситуация -
действие» и «ситуация - стратегия управления - действие». Применение методов
искусственного интеллекта рассмотрено, в основном, применительно к химико-
технологическим процессам и не учитывают особенностей течения
технологического процесса конкретного промышленного объекта.
Цель и задачи исследования. Целью диссертационной работы является повышение безаварийности сложного промышленного объекта за счет раннего предупреждения нештатных ситуаций путем идентификации их эксплуатационных параметров.
Для достижения поставленной цели в диссертационной работе необходимо решить следующие задачи:
-
Разработать методику идентификации нештатных ситуаций по эксплуатационным параметрам с использованием информации качественного характера и данных о вероятных отказах оборудования.
-
Разработать интеллектуальную ситуационную модель сложного промышленного объекта как источника нештатных ситуаций.
3. Разработать процедуру внедрения системы идентификации
эксплуатационных параметров в структуру системы безопасности сложного
промышленного объекта.
-
Разработать систему поддержки принятия решений для помощи в работе лицу, принимающего решения для определения нештатных ситуаций.
-
Апробировать результаты исследования моделированием на исследуемом сложном промышленном объекте и внедрить на предприятиях г. Астрахани.
Объектом исследования являются нештатные ситуации сложного
промышленного объекта.
Предмет исследования — методы, модели и алгоритмы решения задач системного анализа, управления, принятия решений при идентификации нештатных ситуаций, оценка эффективности и надежности сложных систем.
Методы исследования. Для решения поставленных задач и достижения намеченной цели использованы методы математического моделирования, системного анализа, теории принятия решений, искусственного интеллекта, теории надежности, теории управления.
Положения, выносимые на защиту:
-
Методика идентификации нештатных ситуаций сложного промышленного объекта.
-
Интеллектуальная ситуационная модель сложного промышленного объекта как источника нештатных ситуаций.
3. Процедура внедрения системы идентификации эксплуатационных
параметров в структуру системы безопасности сложного промышленного объекта.
4. Система поддержки принятия решений для помощи в работе операторов
сложных промышленных объектов для определения нештатных ситуаций.
Научная новизна. В ходе проведенного диссертационного исследования были получены следующие результаты, характеризующие его научную новизну:
1. Разработана методика идентификации нештатных ситуаций, позволяющая
реализовать автоматизированную систему раннего реагирования на изменения
эксплуатационных параметров сложных промышленных объектов.
-
Разработана интеллектуальная ситуационная модель, рассматривающая нештатные ситуации сложных промышленных объектов, использующая количественную и качественную информацию, отличающаяся возможностью идентифицировать нештатные ситуации, устанавливать причины неисправностей и передавать лицу, принимающему решения, способы устранения нештатной ситуации в режиме реального времени.
-
Разработана процедура внедрения системы идентификации нештатных ситуаций, а также процедура внедрения этой системы в комплекс, обеспечивающий безопасность сложных промышленных объектов, отвечающие требованиям международных стандартов, повышающие уровень безопасности путем своевременного предотвращенных нештатных ситуаций.
Степень достоверности. Достоверность теоретических результатов
обеспечивается использованием современных средств и методик проведения исследований. Положения диссертации основываются на известных достижениях фундаментальных и прикладных научных дисциплин: математике и системном анализе.
Достоверность экспериментальных данных работы подтверждается данными экспериментальной проверки работы программы для ЭВМ, полученной на основе использования созданной модели и данных о нештатных ситуациях сложного промышленного объекта, а также практическим применением результатов диссертационной работы, что отражено в актах о внедрении.
Теоретическая значимость исследования:
1. Показана применимость разработанных методов и моделей, вносящих вклад
в расширение представлений о сложном промышленном объекте, расширяющих
границы применимости полученных результатов для проектирования аналогичных
систем управления для других технологических процессов.
2. Использован аппарат теории систем управления, а также математический
аппарат численных методов.
Практическая значимость работы:
-
Определены системные свойства исследуемого сложного промышленного объекта.
-
Разработана система поддержки принятия решений для помощи в работе операторов сложных промышленных объектов с целью определения нештатных ситуаций.
-
Результаты работы использованы на предприятиях ЗАО “Астрахань-Рыба” и ООО “КРЭДА”, что подтверждается актами о внедрении. Предложенная модель и принцип построения системы идентификации эксплуатационных параметров используются в учебном процессе вуза при преподавании дисциплин, связанных с
изучением методов искусственного интеллекта и интеллектуальных
информационных систем, что подтверждается актами применения.
Личный вклад автора. В работах, выполненных в соавторстве, автору принадлежат формализация задачи, проведение анализа методов обработки данных, разработка структуры хранения знаний экспертов, построение математической модели и методов, разработка алгоритмов, проектирование и реализация программного обеспечения.
Апробация научных результатов. Основные положения и результаты
диссертации докладывались и обсуждались на VI Открытой научно-технической
конференции «Инновации молодёжи — потенциал развития нефтегазовой отрасли»
(Астрахань, 2015), V Всероссийской научно-практической конференции «Наука,
образование, инновации: пути развития» (Петропавловск-Камчатский, 2014), IV
Международной научно-практической конференции «Новейшие технологии
освоения месторождений углеводородного сырья и обеспечение безопасности
экосистем Каспийского шельфа» (г. Астрахань, 2013), Всероссийской научной
конференции профессорско-преподавательского состава Астраханского
государственного технического университета (Астрахань, 2011, 2012, 2013), I Всероссийской конференции молодых ученых «Наука и инновации XXI века» (г. Сургут, 2012 г.), Всероссийской научно-практической конференции «Исследования молодых ученых – вклад в инновационное развитие России» (г. Астрахань, 2012 г.), 2-й международной конференции с элементами научной школы для молодежи «Инновационные разработки в области техники физики низких температур» (г. Москва, 2011 г.), 64-ой международной научной студенческой конференции «Нефть и газ 2010», РГУ нефти и газа им. И.М. Губкина (г. Москва, 2010).
Публикации. По результатам диссертационной работы опубликовано 18 печатных работ, в том числе 6 из них в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК РФ для опубликования основных научных результатов диссертации.
Структура и объем работы. Диссертационная работа изложена на 111 страницах; она состоит из введения, четырех глав, выводов по работе, списка литературы из 110 наименований и 7 приложений. Общий объем работы 118 страниц машинописного текста, который включает 17 рисунков, 14 таблиц и 17 формул.
Задачи обеспечения безаварийности
Рассмотрение вопросов обеспечения безаварийности часто связывают с обеспечением безопасности производства. В этой связи необходимо отметить, что, в соответствии с определением ГОСТ Р22.0.05-94 [34], аварии служат источником опасности. Таким образом, многие задачи и способы обеспечения безопасности могут рассматриваться в аспекте обеспечения безаварийности.
В настоящее время из-за множественности направлений исследования вопросов безопасности возникло большое число различных трактовок понятий, связанных с безопасностью. В технической литературе встречаются такие понятия как «безопасность техническая», «безопасность труда», «пожаробезопасность» и др. [24,25,65]. Соответствующие направления промышленной безопасности затрагивают и рассмотрение различных аспектов обеспечения безаварийности производства как на стадии проектирования процесса, так и на стадии его эксплуатации. Для решения задач обеспечения безопасности и безаварийности нужно провести, как указывают в [67] серию исследований, направленных на совершенствование (с т.з. безаварийности) технологического процесса, а также оборудования для его реализации; разработки новейших моделей для управления этими технологическими процессами; а также содействующих развитию новых диагностических и тестирующих комплексов. Исходя из вышеперечисленного, разработка системы идентификации нештатных ситуаций на основе интеллектуальных моделей с применением современных программных средств и микропроцессорной техники является весьма актуальным и отвечающим современным запросамс производства, науки и человечества. Следует отметить, что разработка подобных систем должна базироваться на моделях отражающих причинные взаимосвязи между процессами переработки сырья, подачи тепло - хладоагентов, изменения состояний работоспособности оборудования, воздействия обслуживающего персонала, влияния окружающей среды и других воздействий, приводящих к авариям. Кроме того, новые тестирующие самообучающиеся диагностирующие комплексы, проводящие не только наблюдение. но и регулирование технологического процесса могут исключить влияние "человеческого фактора" на возникновение аварий; своевременное принятие необходимых мер или для исключения аварии, или для уменьшения (и сведение к минимуму) вредных последствий.
Анализ развития тяжелых аварий показывает, что устранить причины возникновения аварий (если они известны) значительно легче, чем прекратить их развитие [67]. В этой связи актуальным является создание способов и средств идентификации нештатных ситуаций на объектах управления.
Ранее вопросы идентификации нештатных ситуаций рассматривались в рамках проблемы раннего распознавания аварий, статистической теории надежности, задачах технической диагностики, эргономики. В частности, в [86] рассмотрение данного вопроса предполагает выявление т.н. «предвестников аварии», определяемых как нарушения нормальной эксплуатации, характеризуемые значениями специально рассчитываемого рейтинга. В [67] решение проблемы рассматривается в терминах технической диагностики и предполагает формирование прогнозов состояния оборудования в определенные моменты времени.
Ряд методов и алгоритмов, используемых для повышения безопасности предприятий, действительно могут быть распространены и на задачу идентификации нештатных ситуаций. Однако данной задаче свойственна определенная специфика, ввиду чего ряд определений и положений нуждаются в дополнительном уточнении.
Определение нештатной ситуации, приводимое в [80,91], определяет ее как положение на объекте управления, характеризующееся следующими признаками: отклонение от номинального режима работы, что при неблагоприятных условиях приведет к аварии; каждый технологический параметр находится еще в допустимых диапазонах, хотя некоторые могут достигать предельных значений; в целом комбинация значений параметров может характеризовать ситуацию на объекте как близкую к аварийной.
Цель процесса идентификации нештатной ситуации на объекте состоит в том, чтобы сформировать оценку ситуации на технологическом объекте, а в случае, если ситуация является нештатной - сформулировать причины ее возникновения.
Своевременность возврата процесса в номинальный режим позволяет избежать останова процесса, что увеличивает экономическую эффективность производства путем уменьшения периода простаивания основных фондов.
Своевременность останова процесса позволяет избежать возникновения собственно аварийной ситуации, что обеспечивает следующие преимущества: технологическое оборудование не подвергается нагрузкам, характерным для аварийных режимов; таким образом, его ремонт и профилактика требуют меньших затрат, фактический физический ресурс оборудования увеличивается; количество непосредственно, аварий на производстве снижается, что способствует снижению общегодовых затрат по устранению последствий аварий; система идентификации нештатных ситуаций может выполнять функции системы автоматической защиты при неисправности последней.
Эксплуатация сложных и опасных промышленных производств и входящих в них технических объектов в настоящее время ведется, как и принято в прошлом веке, на основе поддержания измеряемых параметров в оговоренных и указанных в инструкции нормативных диапазонах. В том случае, когда контролируется более десятка различных параметров, изменяющихся (в нормативных) диапазонах, ЛПР не в состоянии учесть все взаимосвязи и взаимодействие одних параметров на другие. В результате одновременного изменения ряда контролируемых величин техническая система может прийти к аварийной ситуации. Для малых холодильных установок такая ситуация не предельна потому, что сработает комплекс противоаварийной защиты и все оборудование будет остановлено.
Для более сложных технических систем, таких как многотемпературные многоступенчатые холодильные системы производственных холодильников, случайное сочетание нескольких параметров может привести к аварии. Для примера можно привести наиболее часто встречающуюся ситуацию, когда в "захоложенную" за ночь камеру технолог утром загружает большую партию теплого продукта. Персонал, обслуживающий холодильную установку не может предотвратить влажный ход компрессора с последующим гидравлическим ударом. По приборам на компрессоре: давление всасывания (кипения) в нижнем, но допустимом диапазоне. Уровень жидкости в линейном ресивере минимален, но находится в допустимом диапазоне.
Существующие методы и средства идентификации и прогнозирования нештатных ситуаций не обеспечивают требуемой эффективности решения данных задач, поэтому (и потому, что) их решение проводится с непременным использованием штатных сотрудников эксплуатируемой установки. Но качество определения НС персоналом также зависит от запутанности технической системы, а также, показателей и характеристик всех технических устройств, входящих в систему. Следует иметь ввиду, в обязательном порядке, что квалификации машиниста и/или оператора бывает, зачастую, недостаточной, а это, напрямую, приводит к аварий [2, 72, 85, 97 и др.].
Анализ исследуемого сложного промышленного объекта как источника нештатных ситуаций
На основе проведенной декомпозиции АХУ были выявлены следующие основные технологические блоки:
Поршневые сальниковые бескрейцкопфные непрямоточные компрессоры (КМ) типа П-110 и П-220. К основным узлам и деталям компрессоров относятся: картер (блок-картер), цилиндр, коленчатый вал, шатун, поршни, поршневые кольца, клапаны, сальники. Кроме того, в данных компрессорах имеется принудительная система смазки и система водяного охлаждения;
Теплообменные аппараты: горизонтальные кожухотрубные конденсаторы (КД); испарители (И) - батареи непосредственного охлаждения; воздухоохладители (ВО); водяные переохладители (ПО);
Вспомогательное оборудование: маслоотделители (МО); маслосборники (МС); отделители воздуха (ОВ); промежуточные сосуды (ПС); линейные ресиверы (ЛР); циркуляционные ресиверы (ЦР); дренажные ресиверы (ДР); Насосы (герметичные центробежные аммиачные (АН) и центробежные водяные (ВН)) и вентиляторы (В);
Далее, для каждого блока были выявлены симптомы или признаки неисправностей, которые машинист обнаруживает в процессе осмотра оборудования.
Компрессоры. Основными симптомами или признаками неисправностей для компрессора являются: неисправности масляной системы; неисправности системы охлаждения; шум и удары в компрессоре; повышенная вибрация компрессора и трубопроводов (если эти параметры не контролируются с помощью датчиков); повышенный нагрев частей компрессора (если эти параметры не контролируются с помощью датчиков); неплотности в соединениях (утечки аммиака); повышенный унос масла из картера; повышенные потери масла из сальника; влага и иней на цилиндрах; шум и удары в электродвигателе компрессора.
Теплообменные аппараты. При осмотре конденсаторов и переохладителей проверяют: проток воды, охлаждающей оборудование; герметичность сварных швов и фланцевых соединений; наличие в воде хладагента (при помощи индикаторной бумаги). При осмотре испарительных батарей и воздухоохладителей проверяют: обрастание охлаждающих приборов снеговой шубой; исправность воздушных каналов; отсутствие утечек хладагента. Вспомогательное оборудование. При осмотре ресиверов и другого вспомогательного оборудования следят за уровнем в них хладагента и/или масла; герметичностью соединений. Насосы и вентиляторы. При осмотре насосов и вентиляторов проверяют: наличие смазки в подшипниках; нагрев подшипников; состояние сальников насосов; герметичность соединений.
Трубопроводы и арматура. При осмотре трубопроводов и арматуры следят за уровнем коррозионного износа; герметичностью соединений.
Контрольно-измерительные приборы и приборы автоматики. При осмотре КИП и ПАЗ следят за их исправностью и герметичностью соединений.
Далее были определены контролируемые параметры. К контролируемым параметрам относятся такие параметры состояния АХУ, которые контролируются информационной системой с применением режима текущего (реального)времени. Все контролируемые при эксплуатации параметры откатегорированы на две группы, отличающиеся степенью значимости:
Группа А - параметры, контролируемые САЗ; Группа Б - параметры, не контролируемые САЗ, но изменение которых приводит к значительным отклонениям технологического процесса от заданных условий или к нештатным ситуациям. Кроме того, все параметры разложены на две группы, отличающиеся степенью сложности оборудования: Контролируемые параметры для компрессоров; Контролируемые параметры для других технологических блоков. Все контролируемые параметры представлены в табл. 2.1 - 2.4. в приложении. В состав рассматриваемой АХУ входят 6 компрессоров, следовательно, общее количество параметров, контролируемых для всех компрессоров составляет 18 6 = 108 параметров. Общее количество контролируемых параметров, не относящихся непосредственно к компрессорам равно 40. Таким образом, общее количество одновременно контролируемых параметров для данной АХУ составляет 108 + 40
В соответствии со Статьями 9 — 11 ФЗ-116; п.п 4.3.1 ПБИ 03-490(246)-02; п.п. 3.2.3 РД 09-539-03; п.п. 2.1, 2.4 ПБ 09-595-03; разделов 6 и 7 ПБ 03-576-03 на каждом химически опасном производственном объекте должны быть в наличии (и выполнение подтверждено документально) документы, указанные в таблице 2.5 приложения.
Продукционные правила ВР хранят знания экспертов в формализованном виде , а нормативная база BN хранит значения для контролируемых параметров и границы их допустимых изменений.
Основой модели, таким образом, является продукционная база знаний. Экспертные знания по оценке обстановке на СПО представлены в этой базе знаний в общем случае в виде : «Если (Признак неисправности = Признак 11
Порядок анализа СПО как источника возникновения нештатных эксплуатационных ситуаций
Диаграммы взаимодействия между неисправностями, их источниками и технико-технологическими параметрами применяются для определения стратегий принятия решений и формирования базы продукционных правил, оценивающих обстановку в системе холодильной установки и устанавливающих источники неисправностей и методы приведения системы в работоспособное состояние.
Эффективность распознавания НС и их причин непосредственно зависит от корректности этой базы знаний, т.е. от полноты и непротиворечивости правил, формирующих названную базу. В такой базе должны найти отражение все аварийные и нештатные ситуации, возникающие на холодильной установке, а также ситуации, связанные с отклонением в работе механизмов от оптимального режима. Задача формирования базы знаний усложняется тем, что СПО характеризуется большим количеством разнообразного оборудования с рабочими взаимосвязанными параметрами взаимовлияющими друг на друга.
Прежде всего, в базе знаний прописываются правила, соответствующие НС. Как правило, возможные возникновения НС на СПО заранее известны. Они характеризуются, обычно, достижением параметрами (одним или несколькими) некоторых критических значений. Такие предаварийные и аварийные ситуации отражены в требованиях технологического регламента и требованиях завода-изготовителя, а также в правилах безопасности АХУ и, в целом, холодильных систем, согласно которым критическим значениям опасных параметров должна соответствовать аварийная защита и сигнализация. В табл. 3.3 представлены параметры состояния АХУ, требующие защиты (параметры группы А) и их опасные значения.
Далее создаются правила, где в антецеденте указывается один признак неисправности, соответствующий отклонению технологического параметра от нормального значения – Рimin или Рimax. На основе экспертного опроса определяется оценка ситуации для каждого правила, которая и образует консеквент правила.
Далее, для того чтобы выделить все нештатные ситуации, необходимо оценить взаимодействие между неисправностями и технологическими параметрами, влияющими на данную неисправность или являющимися ее следствием. Это делается с помощью диаграмм взаимодействия, на основе рассмотрения которых формируется список возможных ситуаций непосредственно предшествующих аварии. Формирование правил выполняется следующим образом.
Для каждой неисправности (каждой ДВ) формируется список всех возможных сочетаний параметров, которые создают эту неисправность или, как таковые, следствие ее; согласно предложенной ранее методики. При этом число параметров в каждой комбинации должно быть не больше трех. Это ограничение вводится исходя из того, что при большем числе параметров в каждой комбинации значительно увеличивается количество ситуаций, которые необходимо проанализировать экспертам, значительно повышается избыточность информации.
После формирования вышеуказанного списка из него удаляются повторяющиеся комбинации. Полученные значения списка образуют антецедент правил. На основе экспертного опроса определяется оценка ситуации для каждого правила, которая и образует консеквент правил.
Приведем несколько простейших примеров: «Если Низкий Перегрев на всасывании в компрессор и Низкая Температура нагнетания компрессора, то Ситуация = НС-ВХ»; «Если Высокая Температура нагнетания компрессора - и Высокая Температура воды на выходе из охлаждающей рубашки компрессора, то Ситуация = НС».
Правила, отражающие отклонение ситуации от нормальной, отличаются от правил, отражающих НС-ВХ или НС тем, что ситуация не требует немедленного вмешательства ЛПР. Отклонения от нормы в данном случае носят допустимый характер, в основном, это отклонения от оптимального режима, под которым понимается наиболее экономичный режим при соблюдении условий безопасности.
Приведем несколько простейших примеров: «Если Высокая Температура переохлаждения после переохладителя, то Ситуация = ОТКЛОНЕНИЕ»; «Если Низкая Температура кипения в циркуляционном ресивере, то Ситуация = ОТКЛОНЕНИЕ».
Далее, для каждого правила, оценивающего ситуацию, формируются правила, определяющие наиболее вероятные источники неисправностей и способы их устранения. Это делается с помощью диаграмм взаимодействия (взаимосвязей). Методом экспертных оценок для каждого правила определяется одна или несколько причин, а также коэффициенты уверенности для каждой причины.
На основании глубокого и всестороннего изучения и расмотрения действий обслуживающего персонала, а также учитывая мнение экспертов сформирована база знаний продукционного типа. Эта база знаний, содержит правила оценки ситуации на основе количественной информации и приведена в табл. 3.4, на основе качественной информации - в табл. 3.5. База знаний, содержащая правила истоков неисправностей на основе количественной информации представлена в табл. 3.6, на основе качественной информации - в табл. 3.7. В этих таблицах: ко - код правила оценки; кр - код правила причины; кс - коэффициент уверенности. Значения коэффициентов уверенности кс определялись по следующей общепринятой схеме с последующим округлением полученных результатов:
В процессе работы исследуемая СПО меняет свои свойства, другими словами, представляет собой нестационарный управляемый объект. А именно, изнашиваются детали компрессоров и их узлы: поршни, цилиндры, кольца, подшипники, сальниковые кольца и др. В теплообменных аппаратах происходит загрязнение теплопередающей поверхности. Например, в конденсаторах теплопередающая поверхность загрязняется со стороны аммиака маслом, а со стороны воды - водяным камнем. Рис. 3.1. Технология подготовки базы знаний На рис. 3.1 представлена блок-схема алгоритма приспособления базы знаний. Блоки 1-6 образуют цикл. В блоке 1 вводится начальное значение счетчика цикла. В блоке 2 происходит наращивание счетчика цикла. В блоке 3 производится сравнение срока работы i-го технологического блока Тi с нормативным сроком проведения ППО или ППР Tir.. Если i-й технологический блок выработал необходимый срок (блок 4), то производится корректировка коэффициентов уверенности в базе причин (блок 5). В блоке 6 проверяется, все ли единицы оборудования обработаны. Когда обработаны все единицы
Вальвация результативности идентификации нештатных ситуаций с использованием модели процесса аммиачной холодильной установки как источника нештатных ситуаций
Анализируя полученные результаты, делаем вывод, что увеличение длины антецедентной части правила идентификации НС связано с длительностью проверки правила линейной зависимостью. Данные эксперимента получены для режима идентификации безусловной НС при количестве параметров 490, количестве ключевых элементов нечетких множеств параметров - 10, количестве термов каждого параметра - 3.
Тестирование работоспособности и продуктивности созданной базы знаний выполнялось имитационным моделированием по следующему плану.
1. Формирование массивов величин, измеряемых приборами АХУ в стационарных режимах для шести холодильных циклов: для трех температур кипения (t0 = -10С; t0 = -30С и t0 = -40С) и двух температур конденсации (tк = 15С и tк = 30С).
2. Для всего перечня неисправностей созданной базы моделировались нештатные ситуации с последовательным изменением величин эксплуатационных параметров, влияющих на целевую неисправность или являющимися функцией от нее.
Для проверки на избыточность, результаты проверки эффективности работы системы фиксировались, далее произведена соответствующее исправление базы знаний и кода программы. В результате повторного тестирования получено то, что «СИЭП» в 100% случаях выявляет нештатные ситуации. «СИЭП» функционирует под управлением ОС семейства Windows, разработана средствами среды программирования MS VisualStudio .NET 2012 на языке Visual C#. База данных создана с использованием СУБД MS SQL Server 2012.
Контроль работоспособности и производительности алгоритма и методики расчета и обработки информационного потока в режиме текущего времени был проведен эксперимент по проверке количества обнаруженных нештатных ситуаций АХУ в сравнении с применяемыми СТД. Параллельно были задействованы разработанная система «СИЭП» и система интеллектуального обнаружения неисправностей и диагностирования (СИОНД) оборудования АХУ на базе контроллера AK2 фирмы «Danfoss». Система «СИЭП» смогла идентифицировать на 20% больше нештатных ситуаций, чем система фирмы «Danfoss». Таблица 4.9 «Исследование быстродействия алгоритма обработки информации». Наименование системы контроля Количествотехнологическихблоков Количествовходных параметров Количество обнаруженных НС, % «СИЭП» 45 212 98.7 СИОНД 45 212 79.8
Экспериментальное исследование показало, что в системе СИОНД, в отличие от «СИЭП» отсутствует оценка общей ситуации на объекте управления, учитывающая взаимосвязь различных эксплуатационных параметров.
Разработанная система обладает следующими значимыми функциональными преимуществами над другими системами: возможность выделения безусловных НС; НС, обусловленных нарушениями или вероятностью отказов оборудования; оценка значимости НС по значениям рейтингов или критичности отказа; возможность учета изменения характера отказа при изменении значения его накопленного суммарного рейтинга; гибкая схема формирования описания и ввода правил установки.
По результатам проведенной проверки сделан вывод, что «СИЭП» является эффективным средством для решения задач идентификации НС в режиме реального времени.
По сравнению с программой, предложенной ранее в работе [91], для идентификации АС процесса Клауса, разработанная система обладает 116 следующими функциональными преимуществами: возможность выделения безусловных НС; НС, обусловленных нарушениями или вероятностью отказов оборудования; оценка значимости НС по значениям рейтингов или критичности отказа; возможность учета изменения характера отказа при изменении значения его накопленного суммарного рейтинга; гибкая схема формирования описания и ввода правил установки.
В приложении приведены таблицы базы знаний для программы «СИЭП»; свидетельство о государственной регистрации программ для ЭВМ; акты о внедрении результатов научной работы в г. Астрахани и в учебном процессе кафедры «Холодильные машины» Астраханского государственного технического университета.
1. Приведена методология разработки «СИЭП» и проработана схема взаимодействия «СИЭП» с системой управления технологическим процессом. Проанализирована необходимость разработки «СИЭП» как внешнего приложения, т.к. применяемые SCADA-системы не позволяют учитывать отказы оборудования и учитывать рейтинги нарушений, и, соответственно, не могут быть использованы для идентификации всех нештатных ситуаций технологического процесса СПО.
2. Рассмотрена функциональная структура разработанной системы идентификации нештатных ситуаций. Указано, что «СИЭП» работает в сопряжении с датчиками СПО и позволяет оценивать состояние СПО и проводить диагностику неисправностей во время ее работы.
3. Сформированы требования к разрабатываемой системе. Показана значимость формирования описаний технологического процесса СПО как источника нештатных ситуаций с использованием централизованного банка описаний типовых НС, обеспечивающая многопользовательский доступ к базе знаний и