CC BY
41
Список литературы
1. Бабокин Г.И., Шпрехер Д.М., Насонова Т.В. Исследование системы выравнивая нагрузок электропривода скребкового конвейера // Горный информационно-аналитический бюллетень. М: МГГУ. 2004. №2. С. 307...310.
2. Бабокин Г.И., Насонова Т.В. Выбор системы привода скребкового конвейера. // Электроснабжение и электросбережение, 2003. С. 26.28.
G.I. Babokin, T.V. Nasonova
THE SYNTHESIS SYSTEM CONTROL OF MANY ELECTRIC DRIVE MINING MACHINES
The structure system control of many frequency-regulator electric drive, including individual regulator current and common regulator speed is defined.
Key words: the many electric drive; regulator speed and current.
Получено 24.12.11
УДК 519.1: 621
Г.И. Бабокин, д-р техн. наук, проф., зам. директора, (848762) 6-13-83, [email protected] (Россия, Новомосковск, РХТУ им. Д.И. Менделеева),
Д.М. Шпрехер, канд. техн. наук, доц., (848762) 6-13-83, shpreher-d@yandex.т (Россия, Новомосковск, РХТУ им. Д.И. Менделеева)
АЛГОРИТМ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНЫХ ЧАСТОТ ОПРОСА ПАРАМЕТРОВ НЕПРЕРЫВНЫХ ПРОЦЕССОВ В КОМПОНЕНТАХ ЭЛЕКТРОМЕХАНИЧЕСКИХ СИСТЕМ
Представлен расчет необходимых для заданной погрешности восстановления частот опроса датчиков непрерывных диагностируемых процессов.
Ключевые слова: электромеханическая система, частота опроса, нейросетевая модель.
Одним из недостатков методов поискового диагностирования электромеханических систем (ЭМС) и, как следствие, дополнительной причиной материальных и временных затрат при поиске отказавших элементов являются неоправданно большие затраты времени, вызванные использованием жестких программ анализа измерительной информации без учета те-
кущего состояния факторов окружающей среды и программы функционирования электромеханического комплекса.
В данных условиях решающее значение при поиске мест и причин неисправностей ЭМС в условиях разнородности исходной измерительной информации и существующих жестких временных и ресурсных ограничений приобретают модели и алгоритмы формирования исходной информации, обеспечивающей полную наблюдаемость технического состояния эксплуатируемого оборудования. При этом для повышения достоверности поиска неисправностей посредством обеспечения максимальной наблюдаемости ЭМС необходимо решить две задачи:
- разработать алгоритмы выбора состава измеряемых параметров оперативно адаптирующихся к изменяющимся условиям применения
- рассчитать оптимальные частоты опроса измеряемых параметров
Вопросы разработки алгоритмов выбора состава измеряемых параметров, оперативно адаптирующихся к изменяющимся условиям применения ЭМС, изложены в [1]. Данная работа посвящена второму вопросу проблемы достоверности поиска неисправностей ЭМС: расчету оптимальных частот опроса измеряемых параметров ЭМС.
Предположим, что измеряемый параметр x(t) является нормальным стационарным случайным процессом с нормированной автокорреляционной функцией Rx(т). В общем случае при восстановлении непрерывного процесса x(t) по ряду дискретных отсчетов, следующих друг за другом с интервалом ^, выбор частоты опроса = 1 / ^ зависит от требуемой погрешности восстановления, динамики измеряемых параметров ЭМС и способов восстановления.
При восстановлении параметров в измерительных системах обычно используются неоптимальные, но легко реализуемые на практике способы на основе интерполяционных полиномов нулевого и первого порядков
Интерполятор нулевого порядка является простейшим из алгоритмов на основе алгебраических полиномов. Это так называемая ступенчатая аппроксимация, одна из самых распространенных в реализации информационно-измерительных систем. Интерполированное значение (восстанавливаемое) сигнала на интервале интерполяции T вычисляется по формуле
Интерполятор первого порядка основан на построении интерполяционной прямой первого порядка таким образом, чтобы при заданной погрешности восстановления атах (или аппроксимации) обеспечить максимальный интервал интерполяции T. Чем больше интервал интерполяции
ЭМС;
ЭМС.
[2-4].
Т, тем с меньшей частотой можно снимать показания с измерителей непрерывных процессов ЭМС и тем менее загруженной будет система сбора и предобработки данных в системе оперативной диагностики в контуре управления ЭМС.
При ступенчатой аппроксимации среднеквадратическая погрешность восстановления одного диагностируемого параметра ЭМС может принимать максимальное значение:
СГг
М
где М [...] - математическое ожидание; А/ - интервалы между моментами опроса параметра х. В свою очередь,
<Тт« = 2[>,(0)-д,(Д*)], где 1^, (0) и (А/) автокорреляционные функции при 0 и А?. Усредненная погрешность при этом
сг
1
ДДО)-— |Дх(г)£/г
ДГ
(1)
где т - задержка в автокорреляционной функции.
Так как цикл опроса А/ при любой автокорреляционной функции всегда значительно меньше времени ее затухания, то интересующие значения лежат в окрестности нулевого аргумента (0).
Данное обстоятельство позволяет представить автокорреляционную функцию вблизи х = 0 в виде
сг
1
\То;
(2)
где т - параметр подгонки, определяемый по графику оценки автокорреляционной функции; т0 - интервал времени от нулевого до наименьшего значения аргумента, при котором функция Ях(т) становиться близкой к
нулю или пересекает ось абсцисс.
Путем эмпирического подбора т можно получить достаточно точное совпадение автокорреляционной функции (2) с истинным ходом графика оценки автокорреляционной функции для интервала, удовлетворяющего условию х < т0.
Задавшись допустимыми ошибками экстраполяции и зная т, можно найти допустимый период дискретизации измерений каждого из параметров ЭМС.
Подставляя выражение (2) в соотношение (1), получаем
2
С шах
2<т
V То у
откуда имеем
л'=• (з>
Выражение (3) позволяет определить частоту опроса диагностируемого параметра, зная среднеквадратические параметры его сигнала.
Максимальная ошибка экстраполятора первого порядка может быть определена по формуле Лагранжа
£ = х(*)-х(*) = х'(*)Д*, (4)
где •**(/) - экстраполированное значение параметра § - абсолютная
ошибка экстраполяции; At - период дискретизации; - производная
функции, описывающей динамику параметра.
Из формулы (4) получаем
8
В процессе сбора диагностической информации путем измерений параметров ЭМС производная функции поведения параметра неиз-
вестна и по дискретным значениям параметра она может быть определена с большой погрешностью, достигающей сотен процентов и более (например, в случае внезапного отказа блока, узла или лавинообразного изменения критически важных параметров). Для исключения производной можно воспользоваться неравенством Бернштейна:
хХ*)ж< (5)
где сос - граничная частота спектра функции, описывающей динамику диагностируемого параметра (иначе частота среза спектра сигнала).
С учетом данного неравенства имеем следующую оценку для искомой частоты опроса = 1 / Аt:
сосх( О
— 4 у шах
о "-----(6)
Выражения (3) и (6) позволяют определить максимальный период опроса, при котором обеспечивается восстановление поведения параметра с заданной точностью при решении задач обнаружения случайно возникающих и самопроизвольно исчезающих неисправностей ЭМС.
Обозначим xJ (t) как ]-к отсчет одного измеренного сигнала х(/) с
выхода ЭМС. Адаптация частоты опроса непрерывных параметров ЭМС путем введения переменного шага, зависящего от интенсивности изменений в техническом состоянии ЭМС может быть реализована путем прямого формирования дискретных отсчетов на основе критерия текущей интенсивности динамики измеряемого параметра и путем равномерной
дискретизации в соответствии с выражением (6), а затем исключения избыточных отсчетов х, (^) из общего числа зарегистрированных N, в результате чего остается множество, так называемых, существенных отсчетов (Х0, х1,...хN0 )'
Пусть операция исключения избыточных отсчетов реализуется в классе линейных операторов преобразования мгновенных значений непрерывного сигнала ху ) (в дискретной форме - х (¿г.)) вида
х] ^) = | х(г, )у , (г ^, у = 1, N0, . = 1, N,
или, переходя к дискретной форме,
N
ху (< ) = Е х (Ь )у у (<), У = 1, N0, . = 1, N,
г =1
где Т - интервал наблюдения непрерывной реализации измерительного сигнала; N - общее число отсчетов на интервале наблюдения; Nc - число существенных отсчетов (общее число N минус избыточные); у , - базисная функция преобразования непрерывного сигнала х ) в х, (^), У = 1,...N0.
В зависимости от структуры и текущих свойств сигналов х(1) адаптация частоты опроса непрерывных параметров ЭМС сводится к выбору структуры и характеристик базисных функций, обеспечивающих наилучшую аппроксимацию сигнала х^) в метрике равномерного приближения
= тах| ху ( ( )- х (I, )| или интегрального приближения
1 Т
£ = Т К ху (t)-х (tу)) Л .
Т 0
Нетрудно заметить, что дискретная форма преобразования мгновенных значений непрерывного сигнала подобна преобразованию линейного слоя нейронной сети. При адаптивной дискретизации класс базисных функций уограничен различными алгебраическими полиномами (Ла-
гранжа, Ньютона, Чебышева, тригонометрическими или Лежандра), которые в реальном масштабе времени поступления интервалов наблюдения Т непрерывной реализации измерительного сигнала ЭМС могут быть аппроксимированы нейросетевой моделью. Практическая реализация нейро-сетевой адаптивной дискретизации (при обученной на данную операцию нейросетевой модели) выглядит следующим образом.
Т
1. В соответствии с выражением (6) определяется максимальная частота опроса каждого измерительного параметра ЭМС.
2. Эмпирически задается интервал T накопления измерительных отсчетов всех параметров ЭМС. При максимальной частоте опроса, количество зафиксированных отсчетов N на интервале наблюдения T каждого параметра изначально является избыточным.
3. В выходном слое НС определено N нейронов по максимальному числу возможных отсчетов на интервале T.
4. На вход обученной НС подается N отсчетов одного измерительного параметра ЭМС.
5. С выхода обученной НС снимаются показания только активных нейронов, величина активности каждого активного нейрона характеризует величину искомого значимого отсчета.
Выводы
1. Представлен расчет, необходимых для заданной погрешности восстановления, частот опроса датчиков непрерывных диагностируемых процессов.
2. Показана принципиальная возможность адаптации частоты опроса непрерывных параметров ЭМС путем равномерной с максимальной частотой дискретизации, процедуры опроса, а затем исключения избыточных отсчетов из общего числа зарегистрированных на основе обучающих процедур. Операция исключения избыточных отсчетов реализуется в классе линейных операторов преобразования мгновенных значений измеряемого сигнала ЭМС.
3. Наличие в арсенале диагностических средств аппаратно-программной реализации нейросетевой многослойной модели ЭМС, открывает возможность ее использования не только в целях контроля и прогнозирования параметров технического состояния по данным измерительной информации, но и адаптивно, в темпе поступления интервалов наблюдения T оптимизировать выборки исходных данных. Что, в свою очередь, позволит повысить эффективность функциональной диагностики в процессе эксплуатации ЭМС.
Список литературы
1. Бабокин Г.И., Шпрехер Д.М. Алгоритмы выбора измеряемых параметров при диагностике электромеханических систем горных машин Известия ТулГУ. Технические науки. 2010. Вып.3, Ч.1. С. 109-114.
2. Новоселов О.Н., Фомин А.Ф. Основы теории и расчета информационно-измерительных систем / под ред. А.Ф. Фомина. М.: Машиностроение, 1980. 280 с.
3. Калашников И.Д., Степанов В.С.. Чуркин А.В. Адаптивные системы сбора и передачи информации. М.: Энергия, 1975. 239 с.
4. Назаров М.В., Кувшинов Б.И., Попов О.В. Теория передачи сигналов. М.: Связь, 1970. 368 с.
G.T. Babokin, D.M. Shprekher
ALGORITHM OF THE DETERMINATION OF THE OPTIMUM FREQUENCIES OF THE QUESRIONING PARAMETER UNCEASING PROCESSES IN COMPONENT OF THE ELECTROMECHANIC SYSTEMS
The calculation required for given inaccuracy of the reconstruction, frequencies of the questioning sensor unceasing diagnosed processes are presented.
Key words: electromechanic system, frequency of the questioning, neyrosetevaya
model.
Получено 24.12.11
УДК 621.321.29
В.И. Афонин, канд. техн. наук, вед. науч. сотр., (4922) 33-13-37, [email protected] (Россия, Владимир, ОАО «НИПТИЭМ»), О.В. Кругликов, исполнительный директор, (4922) 33-13-37, [email protected] (Россия, Владимир, ОАО «НИПТИЭМ»), Р.В. Родионов, канд. техн. наук, науч. сотр., (4922) 33-13-37, [email protected] (Россия, Владимир, ОАО «НИПТИЭМ»)
УСТАНОВЛЕННАЯ МОЩНОСТЬ И ЭЛЕКТРОМАГНИТНАЯ СОВМЕСТИМОСТЬ БЕЗРЕДУКТОРНЫХ ЛИФТОВЫХ ПРИВОДОВ
Рассматриваются вопросы определения полной мощности электроприводов лифта с преобразователями частоты, а также электромагнитная совместимость с сетью. Приводится сравнительный анализ различных типов приводов.
Ключевые слова: безредукторный привод лифта, экономия электроэнергии, электромагнитная совместимость.
Безредукторный привод лифта обладает рядом преимуществ по сравнению с редукторным приводом: отсутствие редуктора упрощает и удешевляет монтаж и обслуживание привода, экономия электроэнергии составляет порядка 40 %, имеется возможность уменьшения размеров машинного отделения, вся электромеханическая система может быть выполнена в двух подшипниковых опорах, за счет снижения уровня шума, плавности хода и точности остановки повышается комфортность поездки [1,2].
