Прогнозирование технического состояния машин - Оптимизация стратегии технического обслуживания и ремонта

К задачам технической прогностики относятся, например, задачи, связанные с определением срока службы объекта или с назначением периодичности его профилактических проверок и ремонтов. Эти задачи решаются путем определения возможных или вероятных эволюции состояния объекта, начинающихся в настоящий момент времени.

Решение задач прогнозирования весьма важно, в частности, для организации технического обслуживания объектов по состоянию (вместо обслуживания по срокам или по ресурсу). Непосредственное перенесение методов решения задач диагностирования на задачи прогнозирования невозможно из-за различия моделей, с которыми приходится работать: при диагностировании моделью обычно является описание объекта, в то время как при прогнозировании необходима модель процесса эволюции технических характеристик объекта во времени. В результате диагностирования каждый раз определяется не более чем одна "точка" указанного процесса эволюции для текущего момента (интервала) времени. Тем не менее, хорошо организованное диагностическое обеспечение объекта с хранением всех предшествующих результатов диагностирования может дать полезную и объективную информацию, представляющую собой предысторию (динамику) развития процесса изменения технических характеристик объекта в прошлом, что может быть использовано для систематической коррекции прогноза и повышения его достоверности.

По оценкам отечественных и зарубежных исследователей число различных методов, приемов, методик прогнозирования превысило 200[26]. Однако число базовых методов, повторяющихся в различных вариациях в других методах, не превышает десятка. Специфика исходной информации и объекта прогнозирования требует выбора адекватного модели, а значит и метода прогнозирования. Под методом прогнозирования технического состояния (ТС) будем понимать совокупность приемов прогнозирования, позволяющих на основе ретроспективных данных, известных внешних и внутренних связей подсистем, а также их измерений в рамках рассматриваемых видов ТС вывести суждения определенной достоверности относительно будущего ТС машины. Из множества возможных классификационных признаков методов прогнозирования определяющими взяты признаки, характеризующие способ преобразования прогностической информации и природу знания, лежащего в основании прогноза. Методы прогнозирования рассмотрим в составе пяти основных групп[26]:

    - эвристические методы прогнозирования; - математические методы временной экстраполяции; - математические методы пространственной экстраполяции - методы моделирования процессов развития; - логические и структурные методы.

Эвристическое прогнозирование состоит в интуитивном выборе из бесчисленного множества обстоятельств важнейших и решающих. Большая часть этой интуиции состоит в полусознательном сравнении всех величин и вариантов, с помощью которых быстро устраняется все маловажное и несущественное. Несмотря на то, что эксперт, как правило, не осознает технологии эвристического прогнозирования, он дает в среднем неплохой прогноз[26].

Эвристические методы применимы для прогнозирования любых процессов независимо от того, непрерывный процесс или дискретный, стационарный или нестационарный, требуется качественный прогноз или количественный, имеется статистика или не имеется, описаны ли математически закономерности процесса или нет. Несомненным достоинством эвристических методов является возможность избежать грубых ошибок, особенно в области скачкообразных изменений прогнозируемой величины.

Однако эвристические методы субъективны и пригодны только тогда, когда существуют эксперты, знакомые с прогнозируемой ситуацией. Кроме того, при прогнозировании многочисленных характеристик сложных технических устройств методы эвристического прогнозирования становятся весьма сложными и трудоемкими.

Недостатки этого метода потребовали разработки математических методов прогнозирования, основные достоинства которых состоят в объективности получаемой информации и в возможности автоматизации процесса прогнозирования с использованием ЭВМ. И хотя разработка любых методов прогнозирования на всех этапах непосредственно связана с эвристической деятельностью, с ростом использования вычислительной техники для задач прогнозирования в ряде вспомогательных операций роль эвристической деятельности как решающего фактора снижается.

В зависимости от используемого математического аппарата и целевой направленности, математические методы временной экстраполяции можно условно разделить на три группы: методы аналитического прогнозирования, методы вероятностного прогнозирования и методы статистической классификации[26].

К числу методов аналитического прогнозирования многомерных процессов относится градиентный метод, в рамках которого функция состояния экстраполируется в направлении вектора градиента функции состояния.

Существует ряд методов аналитического прогнозирования, учитывающих производные изменений функции состояния. К числу таких методов относят операторный метод, метод суммирования производных и т. д.

Модели методов прогнозирования, учитывающие производные функции состояния, обладают неопределенностью начальных условий и при случайных помехах, накладывающихся на функцию состояния, начальная неопределенность возрастает, что затрудняет определение параметров модели, и, как следствие, ухудшает точность прогнозирования.

Прогнозирование изменений функции распределения параметров с преобладанием случайных составляющих заключается в вычислении статистических характеристик и построении интегральных функций распределений различных последовательностей временных рядов. Существенным недостатком метода является необходимость длительного наблюдения при индивидуальном прогнозировании для получения представительных выборок. Также, при построении одномерных временных рядов функций распределения, для многомерного объекта выдвигается условие некоррелированности между собой этих функций, что на практике не всегда имеет место[26].

Принципиальными трудностями применения этих фильтров для многомерных процессов является громоздкость вычислительных процедур и необходимость наличия представительных статистических данных.

К общим недостаткам большинства вероятностных методов прогнозирования многомерных процессов можно отнести:

    - необходимость наличия представительного объема статистических данных о процессах изменения параметров; - невозможность учета скачков на участке прогнозирования; - невозможность обойтись без математического описания процессов изменения параметров.

В методах аналитического и вероятностного прогнозирования временная экстраполяция функции состояния заложена в явном виде. При прогнозировании состояния одного экземпляра - объекта время контроля ограничено (до момента возникновения необходимости в прогнозировании) и в начале применения по целевому назначению отсутствуют предпосылки для экстраполяции с помощью рассмотренных методов. Данная проблема частично решается прогнозированием на основе теории статистической классификации (распознавания образов), при которой процесс установления экстраполяционных связей осуществляется на основе априорной информации и называется процессом обучения экстраполяционным связям.

Прогнозирование параметров состояния в виде временной экстраполяции характеристик использует в качестве аргумента один параметр - время. Пространственная экстраполяция связана с прогнозированием в пространстве характеристик, и состоит в оценке значений векторного поля по отдельным наблюдениям [27]. Метод пространственной экстраполяции лежит в рамках подхода к прогнозированию по математической аналогии [28,29].

Методы моделирования процессов функционирования систем могут выступать как методы прогнозирования машин. Как правило, выделяют три метода моделирования: физическое, математическое и имитационное. Физическое моделирование позволяет воспроизводить функционирование только отдельных элементов и подсистем объекта с сохранением его физической природы. Имитируя предполагаемые воздействия на эти элементы, можно прогнозировать их техническое состояние в интересующих условиях. Данный метод позволяет получить любую недостающую информацию для построения прогнозной модели, однако в ряде случаев физическое моделирование невыполнимо. Для уникальных транспортных конструкций в целом, например, в силу дороговизны и невозможности имитации ряда факторов реальных условий передвижения физическое моделирование не осуществимо. Кроме того, физическое моделирование может быть неосуществимым для ряда уникальных объектов разового действия. Математическое моделирование предполагает описание с помощью совокупности соотношений - уравнений, неравенств, логических условий прогнозных характеристик технического состояния. Недостатки математического моделирования (математические методы прогнозирования) типичны для недостатков методов временной экстраполяции. В силу сложности объекта математическая модель функционирования может быть слишком громоздкой для ее оперативного использования. Имитационное моделирование применяется в том случае, когда исследуемые процессы сложны и многообразны настолько, что математическая модель становится слишком грубым приближением к действительности.

Логические и структурные методы прогнозирования рассматриваются преимущественно в рамках одноименных методов распознавания образов, где под образами подразумеваются прогнозируемые явления и процессы. Исключение составляет ряд методов прогнозирования, наиболее распространенный из которых основан на морфологическом анализе. Морфологический анализ связан с анализом структурных взаимосвязей между объектами, явлениями и концепциями. Морфологический подход представляет собой упорядоченный способ рассмотрения различных возможностей будущих состояний и получения систематизированной информации по всем возможным ТС наблюдаемого объекта.

Основные этапы морфологического прогнозирования:

    1. Предпрогнозная ориентация. Составление задания на прогнозное исследование совместно с заказчиком, выбор информационного массива, определение числа контрольных точек (ретроспективная информация) и уровня отношений объекта прогнозирования, описание объекта на языке системы прогнозирования. 2. Проведение поискового прогнозного исследования. 3. Оценка перспективности возможных значений объекта прогнозирования и выбор наиболее перспективных. 4. Проведение нормативного прогнозного исследования. 5. Выдача и представление результатов прогнозного исследования. 6. Организационные оценки (программный прогноз) и выработка управляющих решений в системе программно-целевого управления. 7. Построение прогнозного цикла по мере поступления новой информации с учетом коррекции в предпрогнозной ориентации.

Похожие статьи




Прогнозирование технического состояния машин - Оптимизация стратегии технического обслуживания и ремонта

Предыдущая | Следующая