POLECAMY
-20%
Autor:
Wydawca:
Format:
pdf, ibuk
Z uwagi na niezawodność procesu, bezpieczeństwo obsługi, koszty usuwania niespodziewanych awarii maszyny krytyczne powinny być eksploatowane zgodnie ze strategią uwarunkowaną stanem technicznym. Określanie tegoż stanu w danej chwili należy do zadań eksploatacyjnej diagnostyki technicznej. Warunkiem podejmowania racjonalnych decyzji eksploatacyjnych jest przewidywanie stanu technicznego obiektu w przyszłości. W rozprawie podjęto próbę usystematyzowania zagadnienia prognozy w diagnostyce eksploatacyjnej maszyn opartej na procesach resztkowych towarzyszących normalnej pracy maszyny. Zaproponowano wydzielenie problemu prognozy wartości symptomu, opartej na zasadzie ekstrapolacji poza przedział obserwacji. Wspomniana prognoza symptomu może stanowić narzędzie prognozowania stanu obiektu i czasu resztkowego do wystąpienia awarii, istotnych dla podejmowania właściwych decyzji eksploatacyjnych. Dodatkowo omówiono problemy bezpośredniej prognozy czasu resztkowego do wystąpienia awarii. Zaproponowano kilka mniej znanych metod prognozowania wartości symptomów diagnostycznych, takich jak: sieci GRNN oparte na przyrostach wartości symptomów, sieci Elmana, rozmyte sieci neuronowe z różnymi propozycjami konkluzji, sieci o różnych funkcjach przejścia w poszczególnych neuronach zastosowane do modelowania szeregu kumulacyjnego pierwotnych obserwacji, teoria szarych systemów czy nieliniowe modele trendu z możliwością użycia różnych funkcji strat uwzględniających charakter symptomów diagnostycznych.
Poruszono również problem wypracowania ostatecznej prognozy wartości czasu resztkowego do wystąpienia awarii oraz stanu obiektu na podstawie wielu obserwowanych symptomów (diagnostyka wielosymptomowa). W tym zakresie zaproponowano kilka metod i wskazano ich wady i zalety.
Duża część rozprawy jest poświęcona przeciwdziałaniu dezaktualizacji modelu prognostycznego w automatycznych systemach diagnostycznych, które muszą funkcjonować bez udziału eksperta. Zaproponowano trzy rozwiązania oparte na: rozpoznaniu rodzaju trendu za pomocą systemu uczącego się, szacowaniu szerokości przedziału prognozy oraz szacowaniu miar błędów ex post. Zaproponowano także pewne techniki pozwalające uzyskać dobre wyniki dla analizowanych krzywych życia młynów wentylatorowych. Adekwatny model prognostyczny wybierano spośród wcześniej wspominanych metod prognozowania. Zaproponowane metody pozwoliły osiągnąć średni błąd prognozy dla zbioru rozpatrywanych krzywych życia młynów wentylatorowych na poziomie 5%. W warunkach przemysłowych utrzymanie średniej prognozy na tym poziomie jest znaczącym osiągnięciem.
Rok wydania | 2010 |
---|---|
Liczba stron | 156 |
Kategoria | Zastosowania informatyki |
Wydawca | Wydawnictwo Politechniki Poznańskiej |
ISBN-13 | 978-83-7143-918-6 |
Numer wydania | 1 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Spis treści
STRESZCZENIE | 5 |
WYKAZ WAŻNIEJSZYCH OZNACZEŃ I SKRÓTÓW | 7 |
1. WPROWADZENIE | 9 |
1.1. Rola diagnostyki technicznej w eksploatacji maszyn | 9 |
1.2. Podstawowe pojęcia i założenia przyjęte w pracy | 10 |
1.2.1. Pojęcie prognozy | 10 |
1.2.2. Horyzont prognozy | 13 |
1.3. Struktura rozprawy | 14 |
2. CEL I ZAKRES PRACY | 17 |
3. OBSZARY PROGNOZY W DIAGNOSTYCE | 21 |
3.1. Wstęp | 21 |
3.2. Prognoza w diagnostyce eksploatacyjnej | 22 |
3.3. Klasyfikator jako narzędzie prognozy stanu obiektu | 30 |
3.4. Podsumowanie | 37 |
4. PROGNOZOWANIE WARTOŚCI SYMPTOMÓW | 39 |
4.1. Wstęp | 39 |
4.2. Przegląd metod prognozowania wartości symptomów | 39 |
4.3. Podsumowanie | 51 |
5. OCENA JAKOŚCI PROGNOZY | 53 |
5.1. Ocena jakości prognozy wartości symptomów | 53 |
5.2. Ocena jakości klasyfikatora prognozy stanu obiektu | 57 |
5.3. Podsumowanie | 61 |
6. WYBRANE ELEMENTY METODOLOGII PROGNOZOWANIA W DIAGNOSTYCE | 63 |
6.1. Wprowadzenie | 63 |
6.2. Uzyskiwanie danych diagnostycznych | 65 |
6.3. Zmiana wymiaru macierzy obserwacji i tworzenie miar zastępczych | 70 |
6.4. Wygładzanie krzywej życia obiektu technicznego | 74 |
6.5. Prognoza wartości symptomu – proponowane modele prognostyczne | 77 |
6.5.1. Uwagi ogólne | 77 |
6.5.2. Rozmyta sieć neuronowa TSK | 79 |
6.5.3. Sieć neuronowa Elmana | 81 |
6.5.4. Sieć neuronowa z mieszaną warstwą ukrytą | 83 |
6.5.5. Zastosowanie sieci typu radialnego | 86 |
6.5.6. Zastosowanie teorii szarych systemów do prognozy symptomu | 86 |
6.5.7. Nieliniowe modele trendu | 89 |
6.5.8. Podsumowanie | 92 |
6.6. Przeciwdziałanie dezaktualizacji modelu prognostycznego | 93 |
6.6.1. Wprowadzenie | 93 |
6.6.2. Identyfikacja trendu jako metoda przeciwdziałania dezaktualizacji modelu symptomu | 97 |
6.6.3. Wykorzystanie informacji o szerokości przedziału prognozy do optymalizacji modelu symptomowego | 100 |
6.6.4. Śledzenie błędu ex post w celu optymalizacji modelu symptomowego | 102 |
6.7. Przykłady zastosowania proponowanych metod w prognozie wartości symptomu | 104 |
6.7.1. Opis obiektu | 104 |
6.7.2. Prognozy wartości symptomu | 105 |
6.7.3. Przeciwdziałanie dezaktualizacji modelu prognostycznego | 117 |
6.8. Wielosymptomowa prognoza czasu resztkowego do wystąpienia awarii | 124 |
6.8.1. Metody prognozowania czasu resztkowego | 124 |
6.8.2. Przykład wykorzystania metod | 131 |
6.8.3. Podsumowanie | 134 |
6.9. Wielosymptomowa prognoza stanu obiektu | 135 |
6.9.1. Opis metody | 135 |
6.9.2. Przykład wykorzystania metody | 139 |
6.9.3. Podsumowanie | 140 |
7. PODSUMOWANIE I WNIOSKI KOŃCOWE | 141 |
LITERATURA | 145 |
Summary | 155 |