Методы определения запаса работоспособности объектов судового электрооборудования Текст научной статьи по специальности «Математика»

УДК 519.856:[629.5.06:621.3]

МЕТОДЫ ОПРЕДЕЛЕНИЯ ЗАПАСА РАБОТОСПОСОБНОСТИ ОБЪЕКТОВ СУДОВОГО ЭЛЕКТРООБОРУДОВАНИЯ

Г.А. Пюкке, Д.С. Стрельников

Камчатский государственный технический университет, Петропавловск-Камчатский, 683003

e-mail: [email protected]

Предложенный в работе метод основан на использовании модели, построенной методом исключения варьируемого параметра. На стадии эксплуатации такая методика дает возможность выполнения текущего регулирования и обслуживания оборудования по реальному техническому состоянию. Оценка текущего состояния объектов диагностирования основана на использовании критерия его близости к критическому. В качестве критерия выбрана оценка величины дрейфа точки состояния объекта диагностирования в пространстве диагностирования. Типовая задача использования функции нескольких переменных преобразуется в задачу использования функции с переменными параметрами. Это дает возможность в совокупности с интервальными методами ограничиться рассмотрением детерминированной модели оптимизации, избежав громоздких аналитических моделей и усовершенствовать методики, построенные на основе использования аналитических выражений целевых функций градиентных, граничных и т. д. методов, традиционно применяемых при оптимизации.

Ключевые слова: диагностический признак, стохастическая модель, регулярная модель, вариация, регулируемый параметр.

Methods of determining the remaining working capacity f objects of marine electrical equipment.

G.A. Pjukke, D.S. Strelnikov ^Kamchatka State Technical University, Petropavlovsk-Kamchatsky, 683003)

The method offered in work based on the use of the model constructed by process of elimination of varied parameter. At the operational stage, this technique allows to make the current regulation and service of the equipment by real technical condition. Evaluation of the current state of diagnosis objects is based on the criterion of proximity of the technical condition of the object to a critical diagnosis. The estimate of the value of the drift point of diagnosing the state of the object in the space of diagnosis is selectedas criterion. Typical problem of using the function of several variables is converted to the task of using a function with variable parameters. This allows in aggregate with interval methods to consider only deterministic optimization models, avoiding the cumbersome analytical models and techniques and improve constructed on the basis of the use of analytical expressions of the gradient of the objective functions, boundary, etc., methods traditionally used in the optimization.

Key words: diagnostic feature, stochastic model, regular model, variation, adjustable parameter.

Пути и методы повышения работоспособности судовых электрических

средств автоматизации

Повышение работоспособности судовых ЭСА параметрическими методами исследованы и разработаны недостаточно полно. Наряду с хорошо известными работами [1-4], акцентирующими внимание на вопросе повышения качества судового электрооборудования, остаются малоизученными возможности обеспечения достаточно высокого запаса работоспособности и методы назначения допусков на параметры компонент СЭУ. На всех этапах жизненного цикла объектов электрических средств автоматизации важнейшей характеристикой оценки их технического состояния является величина запаса работоспособности, которая определяется различными факторами, в частности состоянием составляющих компонент и характером их взаимосвязи.

Эта характеристика не остается постоянной с течением времени, и по мере эксплуатации наблюдаются отклонение параметров составляющих компонент и изменения характера их взаимосвязи, обусловленные различными внешними и внутренними воздействующими факторами. Неизбежность необратимых физико-химических процессов в тонких структурах компонент приводит к изменению их параметров. Такие изменения могут приводить к снижению параметрической надежности и в крайних случаях к потере работоспособности оборудования.

При решении задач оценки текущего состояния объектов диагностирования используют

критерии близости технического состояния объекта диагностирования к критическому. В качестве такого критерия может быть выбрана оценка величины дрейфа точки состояния объекта диагностирования в пространстве диагностирования {Кь К2} (где К1, К2 - диагностические признаки-координаты пространства) на основе модели, полученной методом исключения варьируемого параметрах [1].

На стадии эксплуатации такие данные могут быть использованы для выполнения текущего регулирования и параметрической оптимизации. Это дает возможность выполнять обслуживание оборудования по реальному техническому состоянию. На стадии проектирования можно использовать модель [1] для априорной оптимизации по показателям запаса работоспособности.

В условиях автономного плавания при длительной эксплуатации и отсутствии стационарного обслуживания (ремонт, настройка) такая текущая настройка вполне оправдана, и для ее выполнения необходимо разработать соответствующую методику и технические средства, позволяющие свести сложный процесс оптимизации электрических средств автоматизации к ряду простых манипуляций, не требующих высокой квалификации обслуживающего персонала. При оптимизации ЭСА в качестве критерия близости целесообразно выбрать запас работоспособности, который максимизируется при вариациях параметров составляющих компонент.

Настраиваемые входные параметры хн(0 и выбранные выходные параметры у(0 считаются функциями времени, изменяющимися в интервале ^ е [0, Т]. Задача оптимизации на максимум работоспособности обычно сводится к выбору таких значений компонент вектора хнЬ г = 1, т, при которых вероятность нахождения точки состояния в пространстве выходных {у}, ] = 1, п

или входных {хг} параметров в пределах соответствующих областей работоспособности будет максимальной на интервале времени [0, Т]. Следует отметить, что специфика модели [1] позволяет рассматривать задачи параметрического регулирования и диагностики в рамках этой модели как задачи взаимообратные. Диагностико-регулировочная модель [1] носит детерминированный характер.

Однако применение детерминированных моделей не позволяет учитывать всей совокупности дестабилизирующих факторов, воздействующих на систему: это влияет на точность метода и адекватность модели реальным условиям диагностирования. Особенности схем электрических средств автоматизации, насыщенных компонентами различных типов и характеристик приводит к появлению неявных и нелинейных уравнений связи входных и выходных параметров. Это усложняет применение чисто аналитических методов расчета и влияет на точность оценок при идентификации параметров компонент.

Высокий уровень корреляционных связей между параметрами компонент, как правило, имеющий место в сложных электронных схемах, приводит к невозможности раздельной регистрации изменения одного из параметров без учета влияния остальных, что усложняет структуру аналитической модели. При переходе посредством аналитической модели [1] от т-мерного пространства варьируемых параметров компонент к двумерному пространству выходных параметров однозначность соответствия можно обеспечить только при рассмотрении прямой задачи параметрического регулирования и обратной задачи поиска одиночных дефектов при покомпонентной вариации диагностируемых параметров. Это дает возможность построить методику выполнения процедуры параметрической оптимизации и методику локализации одиночных дефектов. Задача поиска множественных дефектов с использованием принятой модели может быть решена на основе вероятностного подхода. Диагностируемые параметры gi представляются координатами точки текущего состояния в т-мерном пространстве входных параметров, связанными посредством диагностической модели с диагностическими признаками К в двумерном пространстве диагностирования. Расчет на основе детерминированной модели сводится к определению компонент вектора С = т), которые соответствуют положению точки состояния внутри области работоспособности О, построенной в пространстве диагностических признаков. Следуя выбранной методике, базирующейся на использовании диагностико-регулировочной модели [1] как при решении задачи параметрической оптимизации, так и задач диагностики необходимо выполнить построение области идентификации работоспособных состояний.

Построение области идентификации в пространстве выходных параметров судовых

электрических средств автоматизации

Следует отметить также, что при наличии производственного разброса параметров составляющих компонент положение точки текущего состояния в области работоспособности будет рассеяно. В этом случае можно говорить только о вероятности попадания точки состояния в выделенную область идентификации Н.

Величина дисперсии значений диагностических признаков будет определять размеры и конфигурацию области идентификации Н, дрейфующей относительно области G при вариациях диагностируемых параметров. При покомпонентной вариации составляющими вектора входных параметров ... gm), область Н

будет перемещаться по соответствующей кривой (рис. 1). Это взаимно однозначное соответствие положено в основу решения двух вышеназванных взаимообратных задач параметрического регулирования И рис. /. Взаимное расположение областей диагностики судового электрооборудования. идентификации и работоспособности

Поскольку форма и размеры области Н зависят от вида законов распределения параметров компонент, то статистический расчет области Н сводится к расчету вероятности Р попадания точки состояния в эту область. Традиционный подход разрешения проблем параметрической оптимизации и диагностирования предполагает выполнение определенных требований, предъявляемых к выходным параметрам системы К при регулировании или идентификации параметров ее компонент. Условия работоспособности, как правило, задаются неравенствами в нормальной форме в пространстве параметров компонент gi - gi тт > 0; gi тах - gi > 0, или в пространстве выходных параметров К> 0, i = 1, т; у = 1, п. При этом система условий работоспособности в пространстве выходных параметров будет определять гиперповерхности, ограничивающие область работоспособности G. Область идентификации после воздействия на детерминированную модель [1], связывающую вектор входных параметров ... gm) с совокупностью выходных параметров (диагностических признаков), выделит в К1, К2 области G некоторую подобласть Н, содержащуюся в G, совпадающую с G или пересекающуюся с G (рис. 1). Задача идентификации в этом случае сводится к определению положения области Н в пространстве диагностирования относительно области G. Зависимость положения и формы области Н от вида статистических законов распределения входных параметров может быть положена в основу методики построения области работоспособности G, если на статистическое условие разброса входных параметров наложить условие дрейфа входных параметров в пределах области работоспособности.

Построение вероятностной области Н включает использование покомпонентных зависимостей между случайной величиной диагностического признака и несколькими случайными величинами gi параметров компонент.

При преобразовании массива случайных величин giк, где г - номер варьируемого параметра; к - индекс текущего значения gi, посредством детерминированной модели [1], в случайную величину выходного параметра будем определять числовые характеристики законов распределения выходных параметров, устанавливающих границы области Н.

При покомпонентной вариации входных параметров аналитическое выражение связи играет роль параметрического равенства, в котором параметры входят в коэффициенты дробно-линейной функции. То есть аналитическое описание процесса движения точки состояния в пространстве выходных параметров предполагает смену параметров аналитической модели при очередной перемене варьируемого параметра. Типовая задача использования функции нескольких переменных преобразуется в задачу использования функции с переменными параметрами. Это несколько усложняет модель и увеличивает объем вычислений при определении числовых характеристик законов распределения выходных параметров.

Методика построения законов распределения параметров компонент по данным выборкам включает построение группированного статистического ряда и гистограмм. Имея в своем распоряжении группированный статистический ряд, можно построить гистограмму и статистическую функцию распределения Е с последующим выравниванием статистических распределений при выборе аппроксимирующих зависимостей и проверке правдоподобия гипотез с использова-

нием критериев согласия (Пирсона, Колмогорова и т. д.). И здесь могут оказаться полезными интервальные методы анализа, базирующиеся на правилах интервальной арифметики.

Обоснование и теоретические предпосылки применения интервальных методов при решении задач оптимизации рабочего режима судового электрооборудования

Особенности управления системами судового электрооборудования не исключают возникновения аварийных ситуаций при малых отклонениях параметров составляющих компонент судовых электрических средств автоматизации. В некоторых случаях даже незначительные изменения входных параметров объекта могут существенно изменять показатели надежности. Это может повлиять на обстановку безопасности в условиях автономного плавания. Вышесказанное приводит к необходимости обеспечения расчета и оптимизации рабочего режима судового электрического оборудования, который гарантированно обеспечит реализацию условий высокой безопасности эксплуатации.

Однако исходная информация о состоянии и надежности сложных систем, как правило, бывает неполной (неизвестны законы распределения времени безотказной работы элементов и их параметры, нет информации о зависимости или независимости элементов). Стандартные методы расчета не всегда эффективны. Это объясняется низкой скоростью сходимости итерационных методов, часто применяемых на практике, вероятной возможностью появления неконтролируемых отклонений (при наличии методических ошибок в расчетах и погрешностей в исходных данных), существованием различных видов неопределенностей и т. д.

Наиболее перспективным при решении указанных проблем в условиях неопределенности является интервальный подход, обладающий рядом преимуществ, не требующий знания вероятностных характеристик, которые редко бывают точно известны. При наличии малого объема поступающей информации получают строгие оценки для самих искомых величин, а не для вероятностных характеристик, которые не могут гарантировать определенный исход одного конкретного опыта.

При интервальном подходе операции над неопределенными величинами заменяются операциями над областями с дальнейшей аппроксимацией области неопределенности классом областей, зависящим от конечного числа параметров. Для оценки работоспособности электрических средств автоматизации необходимо иметь унифицированное представление диагностической информации, снимаемой с объекта диагностирования. Как показывает опыт, совмещение в единой модели различных способов описания процессов функционирования в некоторых случаях расширяет возможности успешного решения задач оптимизации и диагностирования (например, использование интервально-статистической модели функционирования элементов устройств).

Сложность построения области работоспособности системы и параметров процесса оптимизации, как правило, связана с ограниченностью информации об элементах устройств. Например, данные о надежности компонент электрических средств автоматизации могут быть представлены только интервалом средних времен до отказа, а закон распределения времени безотказной работы неизвестен. Или, например, данные о запасе работоспособности представлены массивом интервалов вариации параметров компонент, а закон изменения функции цели при вариациях этих параметров неизвестен. В таких случаях можно использовать дополнительную информацию только о верхней и нижней границах оценок дополнительных данных (например, нижняя и верхняя граница оценки вероятности безотказной работы).

Таким образом, при отсутствии данных о параметрах процесса можно получить уверенные интервальные оценки. Немаловажным является вопрос о корреляционной зависимости параметров составляющих компонент судового электрооборудования. Наличие такой зависимости усложняет анализ системы и процесс построения адекватных моделей оптимизации и диагностирования. В работе [2], например, показано, что определение двумерного закона распределения по его маргинальным распределениям при неизвестной связи двух элементов возможно только в интервальном виде. Так как такие связи компонент сложны в описании и не всегда известны, то использование интервального подхода оправдано.

Следует отметить, что иногда использование интервального подхода не только оправдано, но и необходимо. Так, например, бессмысленно иметь точечную оценку величины, если неизвестна ее точность и корректность. Реализация интервального подхода и использование теории интервальных статистических моделей, как правило, оправдано из-за отсутствия достаточного

объема выборочных данных и их статистической устойчивости, необходимых при вероятностном подходе. Очевидно также, что нельзя за счет смены применяемого математического аппарата восполнить недостаток информации, получаемой от исследуемого объекта. Но для общего представления неопределенностей, обусловленных различными подходами (вероятностный, лингвистический, теория возможностей и т. д.) можно использовать интервальные вероятностно-статистические категории. Это дает универсальный способ описания реальных знаний, то есть реализацию с единых позиций всех подходов при описании неопределенностей [8].

Интервальная модель формализуется на пространстве регулируемых параметров совокупностью признаков и интервалов на этих признаках, «увязанных» в единую модель. Одной из главных особенностей таких моделей является то, что меры возможности и необходимости могут быть представлены частным случаем интервальных вероятностей, то есть мера возможности определяет верхнюю вероятность, а мера необходимости нижнюю вероятность. Это открывает пути представления возможности и необходимости события как верхних и нижних границ интервалов, что в большей степени согласуется с реальностью. Рассмотрим регулярные методы оптимизации, разработанные на основе детерминированной модели параметрического регулирования [1].

Как уже отмечалось, использование чисто аналитических методов оптимизации связано с определенными трудностями. Например, не всегда возможно построить единое соотношение, связывающее совокупность входных параметров с функцией цели (особенно для схем средней и высокой размерности). Определение положения экстремума единой формулой (или совокупностью формул), несомненно, является достоинством аналитического метода. Однако для преодоления трудностей, связанных с употреблением громоздких выражений, необходимо вводить множество ограничений и допущений, приводящих к снижению точности, чувствительности и адекватности реальному устройству.

В большинстве случаев задача оптимизации решается численными методами математического программирования на основе построенных алгоритмов, не дающих конечную формулу, а лишь указывающих способ отысканная экстремумов. В целом такие методы являются численно-аналитическими, поскольку в их основе лежат все те же вычисления по конечным формулам. Но если отказаться от использования единого аналитического выражения, связывающего регулируемые параметры с функцией цели, и использовать совокупность выражений с переменными параметрами, то решение задачи существенно упрощается.

Суть метода состоит в том, что при вариациях регулируемых параметров вид очередного аналитического выражения (величины коэффициентов при текущих параметрах) ставится в зависимость от предыстории и величины изменения очередного параметра. Поэтому регулировочная модель будет представлять собой совокупность соотношений, параметры которых формируются в процессе регулирования на основе результатов предшествующих вариаций.

Изменение параметров функции цели выполняется в точках оптимума при вариациях текущего параметра регулируемой компоненты. При решении задачи оптимизации электрических средств автоматизации используется метод исключения варьируемого параметра [1, 7], основанный на анализе информации, полученной при измерении регулировочных признаков К1 и К2.

Параметры модели меняются в поворотных точках смены варьируемого параметра. Эти точки одновременно являются точками локального оптимума по регулируемому на данном этапе параметру gi (рис. 2). Но прежде чем выполнять поиск локальных экстремумов при вариациях каждой из компонент, необходимо построить массив допустимых изменений параметров компонент, полученный на основе статического, временного, частотного и др. анализа исследуемой системы.

Регулярные методы оптимизации технических показателей устройств судовых электрических средств автоматизации

Рис. 2. Траектория точки состояния в пространстве регулирования

Следует отметить, что традиционно при решении таких задач используется вероятностный подход, статистически учитывающий производственный разброс параметров составляющих компонент. Однако построение области работоспособности статистическими методами для цепей средней и высокой размерности сопровождается громоздкими малоэффективными вычислениями, не учитывающими топологии всей схемы, что приводит к искажению конфигурации границ области работоспособности.

В такой ситуации полезными оказываются интервальные методы определения границ изменения исходных параметров отдельных компонент исследуемой схемы. Поэтому целесообразно будет выбрать интервальную арифметику в качестве основного инструмента формирования массива интервалов компонент, построенных из условий сохранения номинальных статических, динамических и др. режимов работы устройства. Это оправданно, так как интервальные методы позволяют находить интервалы, гарантированно содержащие решения поставленных задач.

Возвращаясь к ранее сказанному, опишем механизм построения регулировочной модели, предполагая, что массив результирующих интервалов уже известен. После решения системы интервальных уравнений по найденным интервалам строится траектория движения точки состояния в пространстве регулировочных признаков. Этапу построения траектории предшествует этап вариации всеми т параметрами компонент с использованием уравнений диагностико-регулировочной модели.

Т1(0 = Г,%Ь £2, ..., £т);Г2(г) = Г2(%1, £2, ... , £т), (1)

где г = 1, т - количество варьируемых параметров; Т - регулировочный признак; - варьируемый параметр. Последовательность параметров £г, подлежащих регулированию, оценивается по чувствительности регулировочных признаков Т1 и Т2 к величине отклонения г-го регулируемого параметра.

Величина чувствительности пропорциональна скорости изменения регулировочного признака по каждому из параметров £г, для нахождения которой вычисляются частные производные первого порядка от признака по регулируемому параметру: Зг]-= д Т/д£г. Формируется матрица чувствительностей регулировочных признаков 8 (рис. 3):

£1 £2 ....................................Ят

8 -► Т1 811 821 ....................................8т1

Т2 812 822 ...................8т2

Рис. 3. Матрица чувствительностей регулировочных признаков

Строки матрицы соответствуют выбранным регулировочным признакам Т1, Т2, а столбцы варьируемым параметрам £1£2 ... £т. Для определения порядка регулирования компонент выполняется суммирование элементов матрицы 8 по столбцам и нахождение суммарной чувствительности двух каналов прохождения тестового сигнала для каждого из регулируемых параметров. Строится вектор суммарных чувствительностей 8 (рис. 4):

£1 £2 §т

Т1+Т2 811+812 821 + 822 8т1+8т2

Рис. 4. Компоненты вектора суммарных чувствительностей

Компоненты вектора S упорядочиваются по максимуму интегральной чувствительности, определяющему порядок регулирования компонент [6]. Далее производится поочередное изменение всех g, в установленном порядке на величины их интервалов, полученных при анализе устройства (рис. 5) Максимум запаса работоспособности по каждому из регулируемых параметров ищется в пределах каждого текущего интервала Ag, в соответствии с моделью (1).

В разрабатываемом методе не требуется увеличения размерности пространства регулировочных признаков при увеличении количества регулируемых компонент. Размерность пространства регулировочных признаков остается постоянной за счет процедуры исключения варьируемого параметра из системы уравнений для регулировочных признаков. Следует отметить, что связь между входными и выходными параметрами в реальных условиях носит, как правило, нелинейный характер, тогда как большинство методов определения запаса работоспособности требует наложения искусственного условия равенства скорости движения отображающей точки по всем направлениям. Для снятия этого ограничения целесообразно задавать критерии оптимизации в пространстве оптимизационных признаков, нелинейно связанных с входными параметрами посредством диагностико-регулировочной модели (1).

Т

(1)

Т(1)

Т1

(2)

Т

(2)

= T1<1)( gl, a2> a3 am )

q = var

<?2 = a2 q = аз = Ti(1)(gi, a q = var

<?2 = a2 q3 = a3

g1min — g1 — g1max

>am )

= Ti(2)(ai, g2 qi = ai q = var

q3 = a3

= ^O^ g 2 , aз, •• qi = ai q = var

q3 =a з

, a )

' m *

g 2min — g 2 — g m

T

Ti

T

©

©

T2

Т1

(m)

Т (m)

= Tim (аl, a2 , aз, gm )

qi = ai

q2 = a2 gm min — gm — gm max q3 = аз

= T2m (al, ^ ^ gm )

qi = ai

q2 = a2 q3 = аз

©

T2

Рис. 5. Вариации параметрами компонент

a

m

При работе с детерминированными моделями отказ от функции цели как от единого аналитического выражения или алгоритмического правила в классическом понимании этих процедур

дает некоторые упрощения при решении задачи оптимизации. Сначала решается система интервальных уравнений, определяющих допустимые границы изменения первичных параметров, с дальнейшим определением границ изменения оптимизационных признаков. Это дает возможность определять значения параметров внутри каждого из интервалов Agi равноудаленные от допустимых границ во времени (оптимизировать, смещая величины самих параметров gi к серединам интервалов, невозможно из-за неравенства скоростей изменения параметров по различным направлениям).

После нахождения массива интервалов Agi положение точки состояния внутри каждого из интервалов необходимо скорректировать. Точка состояния должна быть установлена на равных во времени расстояниях от границ интервалов [5].

Для разрешения этой задачи необходимо знать закон изменения параметров компонент во времени. Однако подобные соотношения носят, как правило, статистический характер, и для отдельно взятой компоненты трудно идентифицированы. Здесь представляется два пути разрешения проблемы.

Если для отдельно взятых составляющих компонент устройства временные зависимости gi= F(t) получены, то задача оптимизации на максимум работоспособности электрического средства автоматизации будет сводиться к нахождению равного во времени от границ интервалов gi mm, gi max положению точки состояния. Для нахождения положения оптимизации используется условие равного времени:

t« = t(+)

(2)

/-) .

где г ) - время перемещения точки состояния до нижнеи границы интервала gi перемещения точки состояния до верхнеИ границы интервала gi тах (4):

(3);t(+) - время

(3)

(4)

t/ ) = 9i(gi,gi t Vi (gi,gi max )*

При решении системы относительно gi находится положение оптимизации точки состояния. Если увеличение и уменьшение параметра gi во времени описываются одноИ и тоИ же зависимостью, то покомпонентная вариация параметрами gi позволяет оптимизировать электрическое средство автоматизации по каждоИ компоненте вектора входных параметров в отдельности.

Диагностико-регулировочная модель применяется в качестве индикационной функции, ис-пользуемоИ для нахождения положения оптимизации в пространстве регулировочных признаков. Это дает возможность осуществлять контроль процесса регулирования непосредственно на объекте, не нарушая его топологии. Вычисляя значения признаков Т1 и Т2 в точках gi = gi опт, получаем координаты точки оптимизации Т1опт и Т2опт в пространстве регулирования (5) и (6):

Т (0 _ р ©/"„ у

Т 1опт Т 1 опт); (5)

Т

(i) :

2опт

Т (i)(g ).

2 i опт

(6)

При покомпонентном регулировании оптимизация на максимум запаса работоспособности судового электрического оборудования выполняется по параметру одноИ компоненты, в следствии этого вопрос корреляционных зависимостеИ интервальных значениИ параметров компонент снимается. Это дает возможность ограничиться рассмотре- ,т т \

1 Г\ т 1опГ5 Т 2опт)

нием детерминированной модели оптимизации (рис. 6). Т

T = T (q ) Исключение q : T = f (T2 ) T> = T2 (q ) q = var; AT = T ( Aq )

AT2 = T,(Aq)

AT <

T

ATi

i -<

Т = Т (Ч) Исключение ч2: Т = / (Т2)

Т2 = Т2 (^2) Ч2 = уаг; ЛТ1 = Т1 (А<?2 )

АТ2 = ТДА^)

1 опт? Т 2опт)

Т1 = Т1 (4п ) Исключение 4п : Т1 = Л (Т2) Т2 = Т2 (Чп) Чп = var; АТ1 = Т1 (А4п )

АТ> = Т2(АЧп)

АГ

Рис. б. Поинтервальная оптимизация выходных

параметров устройства

_>амехрической оптимизации выполняется

Процедура пар а

в два этапа: этапа рабочего анализа электрического режима устройства и этапа регулирования. Этап анализа выполняется в режиме рабочего функционирования объекта регулирования, результатом проведения которого становятся данные о допустимых границах варьирования параметров компонент устройства. В рамках полученных границ производится регулирование на максимум работоспособности, не выводящее за пределы рабочего режима судового электрооборудования.

Этап регулирования выполняется на основе диагностико-регулировочной модели с помощью описанной выше методики. Это дает возможность заменить громоздкие методики, построенные на основе использования аналитических выражений целевых функций градиентных, граничных и т. д. методов, традиционно применяемых при оптимизации.

Второй путь предполагает использование стохастических моделей: в силу зависимости численных значений параметров компонент от большого числа факторов, трудно учитываемых при анализе, необходимо рассматривать вероятностные закономерности. При многофакторном воздействии внешней среды изменения физико-химических свойств компонент носят необратимый случайный характер и сопровождаются накоплением новых физических свойств во времени. Если оценивать параметры компонент по вероятности принадлежности установленному интервалу работоспособности, то эта вероятность со временем будет убывать. В качестве основного показателя надежности можно выбрать вероятность безотказной работы Р(0, определяющей зависимость изменения вероятности сохранения параметра в заданных пределах от времени.

Литература

1. Пюкке Г.А., Портнягин Н.Н., Кузнецов С.Е. Диагностирование электрических цепей методом изовар / // Изв. вузов. Электромеханика. - 1998. - № 1. - С. 35-40.

2. Эйкхофф П. Основы идентификации систем управления. - М.: Мир, 1975. - 648 с.

3. Демирчян К.С. Бутырин П.А. Моделирование и машинный расчет электрических цепей. -М.: Высшая школа, 1988. - 335 с.

4. Синтез линейных электрических и электронных цепей / П.А. Ионкин, Н.Г. Максимович,

B.Г. Миронов, Ю.С. Перфильев, П.Г. Стахив. - Львов: Высшая школа. Изд-во при Львовском университете, 1982. - 312 с.

5. Блинов, Э.К., Розенберг Г.Ш. Техническое обслуживание и ремонт судов по состоянию. - СПб.: Судостроение, 1992. - 189 с.

6. Лурье О.Б. Интегральные микросхемы в усилительных устройствах. Анализ и расчет. -М.: Радио и связь, 1988. - 176 с.

7. Айзинов С.Д., Белавинский А.Ю., Солодовниченко М.Б. Комплексная оценка надежности судовых радиоэлектронных средств // Эксплуатация морского транспорта. - СПб.: Наука, 2003. -

C. 242-247.

8. Выбор информативных параметров при контроле качества изделий электронной техники / Д.В. Гаскаров, В.И. Попеначенко, С.А. Попов, В.И. Шаповалов. - Л.: Общество Знание, 1979. -32 с.