Pobierz Zastosowanie logiki czterowartościowej w procesie wnioskowania w systemach diagnostycznych i więcej Publikacje w PDF z Logica tylko na Docsity!
Biuletyn WAt V ol. lXV, nr 2, 2016
Zastosowanie logiki czterowartościowej
w procesie wnioskowania
w systemach diagnostycznych
STANISŁAW DUER^1 , KONRAD ZAJKOWSKI^1 , RADOSŁAW DUER^2
(^1) Politechnika Koszalińska, Wydział Mechaniczny, 75-620 Koszalin, ul. Racławicka 15-17, Stanisł[email protected] (^2) Politechnika Koszalińska, Wydział Elektroniki i Informatyki, 75-453 Koszalin, ul. Śniadeckich 2, [email protected] Streszczenie. W artykule zaprezentowano zastosowanie logiki czterowartościowej w procesie wniosko- wania w systemach diagnostycznych. W tym celu przedstawiono i zdefiniowano strukturę inteligent- nego systemu diagnostycznego DIAG 2. Opisano jego istotne moduły: pomiarowy, obliczenia i analizy (program sieci neuronowej) oraz wnioskowania diagnostycznego. W literaturze brakuje opracowań w zakresie opisu i zastosowania logiki czterowartościowej w systemach diagnostycznych. Prace autorów w tym zakresie są nowatorskie. Na uwagę zasługuje także zaprezentowanie metody diagnostycznej stosowanej w systemie DIAG 2. Proponowana metoda diagnozowania (oceny stanu badanego obiektu) polega na porównaniu wektorów sygnałów diagnostycznych z ich wektorami wzorcami. W wyniku porównania sygnałów wyznaczane są przez sieć neuronową elementarne metryki rozbieżności wekto- rów sygnałów diagnostycznych. Na podstawie metryk odległości różnicowej następuje wnioskowanie systemu co do rozpoznania stanu elementów podstawowych obiektu. Słowa kluczowe: diagnostyka techniczna, wnioskowanie diagnostyczne, logiki wielowartościowe, sztuczna inteligencja DOI: 10.5604/12345865.
1. Wstęp
W przypadku organizacji działań obsługowych obiektu ważne znaczenie ma rozpoznanie stanów uprzedzających wystąpienie stanu niezdatności, dlatego zasto-
-^ sowanie logiki dwuwartościowej stało się niewystarczające [1, 2-7, 8-13]. Coraz -^ -^ -^
42 S. Duer, K. Zajkowski, R. Duer szerzej zaczęto w diagnostyce stosować logikę trójwartościową opracowaną przez J. Łukaszewicza [2-7]. Autor w pracach [2-13] przedstawił swoje osiągnięcia, które znacząco wzbogacają rozwiązania diagnostyki obiektów technicznych w zakresie wnioskowania w logice trójwartościowej. Stosowana w niej klasyfikacja stanów oprócz stanu zdatności „2” i niezdatności „0” wyróżnia stan zdatności częściowej (niepełnej zdatności) „1”. W literaturze [2-7] wykazano, że wprowadzenie dodatkowego stanu pozwala na zwiększenie możliwej do uzyskania pełniejszej informacji diagnostycznej. Problem ten jest szczególnie ważny w kontekście realizacji obsługiwania technicznego obiektów. Można także stwierdzić, że ten dodatkowy zysk informacji diagnostycznej zwiększa również przeciętny czas bezawaryjnej pracy obiektu. Diagnostyka techniczna jest nie tylko działaniem samym z sobą, ale ma świadczyć usługi na korzyść wspomagania organizacji efektywnych systemów obsługiwania obiektów poprzez wypracowane decyzje o stanie obiektu. Wcześniejsze rozwiązania stosowane w diagnostyce technicznej wykorzystywały logikę dwuwartościową, w któ- rej „1” określa stan zdatny, a „0” niezdatny. Celem tego rodzaju diagnozowania jest tylko rozpoznanie stanu zdatności lub niezdatności (awarii). Strategia organizacji procesu eksploatacji według stanu na bazie diagnoz w logice dwuwartościowej jest mało efektywna. Niemożliwe jest zatem planowanie terminu wykonania obsługiwa- nia na podstawie rozpoznanego stanu, ponieważ dla stanu „1” — stanu zdatności, nie organizuje się odnawiania. W literaturze przedstawia się, że w takiej sytuacji termin obsługiwania jest wykonywany według „resursu”, to jest dla określonego przedziału czasu, który jest dla danej klasy obiektów wyznaczany na podstawie badań niezawodnościowych lub empirycznych. W ramach systemu obsługiwania obiektu odnawianiu poddawane są wszystkie jego elementy konstrukcyjne. Zakres odnawiania dotyczy odnowy pełnej, zatem koszty takiej strategii obsługiwania są wysokie. Koszty obsługiwania są zwiększane przez czas nieprodukcyjny, czas „przestoju” — czas, w którym obiekt nie realizuje swoich zadań ze względu na czas jego obsługiwania. Można przypuszczać, że wartościowości logik (k > 2) będą bardziej efektywne ze względu na informacyjność diagnoz, które będą wspomagać organizację systemu obsługiwania obiektów technicznych.
2. Struktura inteligentnego systemu diagnostycznego
monitorującego stan obiektu technicznego
Jeżeli obiekt użytkowany jest na bieżąco i ciągle diagnozowany, to będzie moż- liwe podjęcie w nim czynności naprawczych (odnawiających) dla rozpoznanego itp. stanu niepełnej zdatności lub stanu niezdatności. Jeżeli znamy lub możemy określić czas ich wystąpienia, to tym samym wiemy dokładnie, kiedy (w jakim cza- sie) należy obiekt poddać odnowie. Takie podejście (stosowanie strategii odnowy)
-^ jest rozwiązaniem podstawowego problemu w układzie regulacji — odtwarzania -^ -^ -^
44 S. Duer, K. Zajkowski, R. Duer — oprogramowanie karty pomiarowej to wyspecjalizowany program komputerowy sterujący pracą karty pomiarowej, jej efektem jest pomiarowa baza wiedzy eks- pertowej {W(ε(ei, j))}, która zestawiona może być w postaci tablicowej [4, 17], — specjalistyczne oprogramowanie diagnostyczne wykorzystujące sztuczne sieci neuronowe DIAG 2 przystosowane do wnioskowania w logikach wielowarto- ściowych: dwu-, trój- i czterowartościowej. Zadaniem systemu diagnostycznego jest realizacja zadania porównywania obrazu wektora sygnału diagnostycznego z obrazem jego wektora sygnału wzorcowego (nominalnego). W tym celu wygodnie jest przedstawić obrazy porównywanych sygnałów diagnostycznych w postaci wektorowej (rys. 1). Postać analityczną rów- nania diagnostycznego, opisującego proces diagnozowania obiektów technicznych (rys. 1) wykonywany metodą porównywania sygnałów z ich wzorcem, przedsta- wiono w postaci zależności: (1) gdzie: X(w)(ε(ei,j)) — wzorcowy sygnał diagnostyczny dla j-tego elementu w i-tym zespole, X(ei,j)) — sygnał diagnostyczny na wyjściu j-tego elementu w i-tym zespole obiektu, W(ε(ei,j)) — wartość wynikowa porównania sygnału dla j-tego elementu
w i-tym zespole obiektu, ∀ — kwantyfikator ogólny, ∃ — kwantyfikator szczegółowy,
— relacja porównywania, ⇒ — relacja wynikania.
Na podstawie tej zależności można powiedzieć, że na wyjściu każdego j-tego elementu znajdującego się w i-tym zespole obiektu ei,j istnieje sygnał diagnostyczny X(ei,j), który jest porównywany z właściwym mu sygnałem wzorcowym. Efek- tem tego działania diagnostycznego jest wynik sprawdzenia Di(ε(ei,j)) — wartość wynikowa porównania sygnału j-tego elementu w i-tym zespole obiektu. Jeżeli w dalszym etapie diagnozowania każdemu uzyskanemu wynikowi sprawdzenia diagnostycznego przypisze się określoną wartość logiczną stanu, wówczas dane sprawdzenie diagnostyczne obiektu można przedstawić w postaci tablicy diagnoz (tablicy stanów).
3. Wnioskowanie w czterowartościowej logice oceny stanów
Jeżeli w procesie diagnozowania obiektu technicznego zapewnione będzie podanie nominalnych wartości cech sygnałów wejściowych, to na wyjściu obiektu uzyskamy wartość sygnału charakteryzującą jego stan. Badanie sygnału wyjścio- wego Yi polega na pomiarze jego cech i porównaniu wyniku pomiaru badanego z cechą sygnału wzorcowego Y(w),i. Zamiast porównywać sygnał wyjściowy z wzor- cem, znacznie prościej jest sprawdzić, czy wartości sygnałów diagnostycznych
( (^ )^ (^ )) ( (^ )) e i j (^) , Ei (^) X ei j (^) , X i j ,^^ (^ w^ )^ i j ,^^ i j , X e X e W e ∈ (^) ∈
-^ -^ -^ -^
Zastosowanie logiki czterowartoŁciowej wńprocesie wnioskowania... 45 mieszczą się w ich zakresie zmian dopuszczalnych. Przedziały zmian wartości cechy i-tego sygnału diagnostycznego dla logiki czterowartościowej przedstawiono na rysunku 2. Wyróżniono w nim trzy przedziały zmian, a mianowicie:
- przedział zmian nieistotnych sygnału (Yi3’, Yi^3 ) określający stan cechy obiektu na poziomie „3”,
- przedział zmian istotnych sygnału (Yi1’, Yi3’) ∪(Yi^3 , Yi^1 ) określający stan cechy obiektu na poziomie „1” lub „2”,
- przedział zmian niedopuszczalnych sygnału, (-∞, Yi1’) ∪(Yi^1 , +∞) wskazu- jący stan cechy obiektu na poziomie „0”. Rys. 2. Przedziały zmian wartości cechy i-tego sygnału diagnostycznego Wyznaczone w procesie diagnozowania podzbiory elementu ei dla czterowar- tościowej oceny stanów obiektu określono na podstawie analizy logiki trójwarto- ściowej [2-7] oraz stanów obiektu określonych w polskich normach dotyczących niezawodności i jakości obsługi [4]. Stany obiektu oraz przypisane im przedziały w logice czterowartościowej defi- niujemy następująco: - stan zdatności oznaczony wartością „3”, określa taki stan obiektu, w którym realizuje on zadania zgodnie z przeznaczeniem, przy założeniu, że wartości cech sygnałów wejściowych znajdują się w przedziałach zmian dopusz- czalnych Yj. W tym stanie obiektu wartości cech sygnału Yi mieszczą się w przedziale nazwanym przedziałem zmian nieistotnych określanych następującą zależnością: (2)
gdzie: Rw 1 — pierwsza reguła wnioskowania diagnostycznego,{ ( )} ( ) { }
3 , 3 3 1 :^ ,^ 3 , k w k i i i i Y Y
R Y Y Y
∈
∧ ∈^ — prze⇒^ dział=^ =
zmian nieistotnych wartości cech sygnału, {3} — stan zdatności;
- stan niepełnej zdatności oznaczony wartością „2”, określa stan obiektu posiadającego zdolność do niepełnego wykonania zadania, przy założeniu, że sygnały wejściowe znajdują się w przedziałach zmian dopuszczalnych
{ (^ )} (^ )^ { }
3 , 3 3 1 :^ ,^ 3 , k w k i i i i Y Y
R Y Y Y
∈
∧ ∈^ ⇒^ =^ =
-^ -^ -^ -^
Zastosowanie logiki czterowartoŁciowej wńprocesie wnioskowania... 47 Logika czterowartościowa, podobnie jak logika trójwartościowa, jest szcze- gólnym przypadkiem logiki k-wartościowej (rys. 2). Charakteryzuje się ona tym, że jej funkcje i argumenty mogą przyjmować jedną z czterech wartości określa- nych przez symbole {3, 2, 1, 0}. Wprowadzenie więc do diagnostyki technicznej czterowartościowej oceny stanów prowadzi do realizacji procesu diagnozowania, w którym przyporządkowujemy rzeczywistemu stanowi badanego obiektu jeden stan z następującego zbioru stanów [2-13]:
- {3} — zbiór stanów zdatności, w których obiekt posiada pełną zdolność do wykonywania swoich zadań zgodnie z przeznaczeniem, a zmiana wartości przynajmniej jednej cechy sygnału musi mieścić się w przedziale zmian nieistotnych,
- {2} — zbiór stanów niepełnej zdatności, w których obiekt posiada zdol- ność do wykonywania zadań w ograniczonym zakresie, a zmiana wartości przynajmniej jednej cechy sygnału musi mieścić się w przedziale zmian istotnych,
- {1} — zbiór stanów krytycznej zdatności, w których obiekt posiada zdol- ność do wykonywania zadań w ograniczonym zakresie, a zmiana wartości przynajmniej jednej cechy sygnału musi mieścić się w przedziale zmian krytycznych. Jest to stan poprzedzający uszkodzenie i wymagający podjęcia czynności profilaktycznych odnawiających obiekt,
- {0} — zbiór stanów niezdatności, w których obiekt utracił zasób funkcjono- wania i nie jest zdolny do wykonywania zadań zgodnie z przeznaczeniem. W tym stanie zmiana wartości przynajmniej jednej cechy sygnału musi mieścić się w przedziale zmian niedopuszczalnych.
4. Struktura funkcjonalno-diagnostyczna obiektu badania
Podstawą badań diagnostycznych urządzeń technicznych są modele funk- cjonalno-diagnostyczne tych obiektów [8-16, 19]. Stąd na potrzeby tego artykułu opracowano schemat funkcjonalno-diagnostyczny systemu elektrowni wiatrowej. Opracowany model badanego obiektu jest podstawą do wyznaczenia zbioru sygnałów diagnostycznych oraz jego sygnałów wzorcowych. Schemat funkcjo- nalno-diagnostyczny badanego obiektu przedstawiono na rysunku 3. W wyniku analizy funkcjonalno-diagnostycznej wyróżniono w obiekcie siedem zespołów funkcjonalnych. W każdym z zespołów wyznaczono podzbiór jego elementów funkcjonalnych oraz na ich wyjściach zidentyfikowano sygnały diagnostyczne tworzące zbiór sygnałów diagnostycznych {X(Ei)}, których pełny zbiór zestawiono w tabeli (tab. 1).
-^ -^ -^ -^
48 S. Duer, K. Zajkowski, R. Duer Rys. 3. Schemat funkcjonalno-diagnostyczny elektrowni wiatrowej, gdzie: E 1 — układ napędu generatora, E 2 — układ generatora synchronicznego, E 3 — układ magneśnicy generatora, E 4 — układ regulatora mocy, E 5 — układ przekształtnika energii elektrycznej, E 6 — zespół przekształtnika współrzędnych napięcia i prądu, E 7 — zespół transformatora SN Tabela 1 Wykaz zespołów funkcjonalnych i zbiór elementów podstawowych badanego obiektu wyznaczonych w opracowaniu diagnostycznym Zespoły obiektu Elementy podstawowe obiektu Symbol Opis Symbol Opis E1 układ napędu generatora e1,1 zespół stabilizacji wału turbiny e1,2 przekładnia główna e1,3 układ regulacji temperatury przekładni e1,4 sprzęgło e1,5 hamulec generatora E2 układ generatora synchronicznego e2,1 generator synchroniczny e2,2 układ regulacji temperatury generatora E3 układ magneśnicy generatora e3,1 uzwojenie magneśnicy e3,2 układ regulacji napięcia wzbudzenia e3,3 układ dopasowania E4 układ regulatora mocy e4,1 zespół PWM falownika e4,2 regulator mocy generatora E układ przekształtnika energii elektrycznej e5,1 prostownik sterowany e5,2 falownik E zespół przekształtnika współrzędnych napięcia i prądu e6,1 zespół przekształtnika współrzędnych napięcia UA, UB, UC e6,2 zespół przekształtnika współrzędnych prądu IA, IB, IC
-^ E7^ zespół transformatora SN^ e7,1^ zespół transformatora SN -^ -^ -^
50 S. Duer, K. Zajkowski, R. Duer krytycznej zdatności w strukturze badanego obiektu stanowi 20%. W badanym obiekcie nie ma elementów o stanie „0” — niezdatności.
5. Wnioski^ Rys. 4. Postać wynikowa programu „DIAG 2”
Tablica stanów procesu nadzoru i bezpieczeństwa dla farmy wiatrowej , gdzie: {3} — zbiór stanów zdatności, {2} — zbiór stanów niepełnej zdatności, {1} — zbiór stanów krytycznej zdatności, {0} — zbiór stanów niezdatności
-^ -^ -^ -^
Zastosowanie logiki czterowartoŁciowej wńprocesie wnioskowania... 51 Logika czterowartościowa, podobnie jak logika trójwartościowa, jest szczegól- nym przypadkiem logiki k-wartościowej. Charakteryzuje się ona tym, że jej funkcje i argumenty mogą przyjmować jedną z czterech wartości określanych przez symbole {0, 1, 2, 3}. Podobnie jak dla logiki dwu- i trójwartościowej, obszar określoności dowolnej funkcji czterowartościowej jest ograniczony (4n^ zestawów wartości argu- mentów przy n = 2, 3, 4). Wprowadzenie dodatkowego stanu niezawodnościowego (technicznego) charakteryzującego obiekt techniczny w logice czterowartościowej zwiększa dostępną informację diagnostyczną. Uzyskana w ten sposób informacja pozwala dokładniej określić czas wystąpienia stanu zdatności krytycznej w obiekcie (stan przeduszkodzeniowy). Zidentyfikowanie tego stanu dodatkowo pozwala na dokładniejsze określenie czasu wystąpienia w obiekcie rozregulowań, rozstrojeń, zaniżenia wartości parametrów obiektu, które możliwe są do usunięcia za pomocą prostych regulacji w procesie obsługi. Rozpoznanie jednego ze stanów częściowej lub krytycznej zdatności, należących do tego przedziału, powinno skutkować pod- jęciem decyzji o przeprowadzeniu odnowy technicznej. Praca finansowana z Projektu Badawczego Statutowego nr 504.02.12. Artykuł opracowany na podstawie referatu wygłoszonego na XXIX Międzynarodowej Konferencji Naukowo-Technicznej „Ekomilitaris 2015” „Inżynieria bezpieczeństwa — ochrona przed skutkami nadzwyczajnych zagrożeń” Zakopane 15-18.09.2015 r. Artykuł wpłynął do redakcji 11.04.2016 r. Zweryfikowaną wersję po recenzjach otrzymano 28.04.2016 r. LITERATURA [1] Będkowski L., Dąbrowski T., Podstawy eksploatacji, cz. II. Podstawy niezawodności eksploata- cyjnej, Wyd. WAT, Warszawa, 2006, s. 187. [2] Duer S., Artificial Neural Network-based technique for operation process control of a technical object, Defence Science Journal, DESIDOC, vol. 59, no. 3, May 2009, pp. 305-313. [3] Duer S., System ekspertowy, ze sztuczną siecią neuronową obsługujący zestaw stacji radiolokacyjnej, VII Krajowa Konferencja Inżynierii Wiedzy i Systemów Ekspertowych, Politechnika Wrocławska, 23-25 czerwiec, Wrocław, 2009, s. 377-388. [4] Duer S., Inteligentny system wspomagający proces odnawiania cech eksploatacyjnych w złożonych obiektach technicznych, Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin, 2012, s. 242. [5] Duer S., Artificial neural network in the control process of object’s states basis for organization of a servicing system of a technical objects, Neural Computing & Applications, vol. 21, no. 1, 2012, pp. 153-160. [6] Duer S., Applications of an artificial intelligence for servicing of a technical object, Neural Com- puting & Applications, vol. 22, no. 5, 2013, pp. 955-968. [7] Duer S., Zajkowski K., Płocha I., Duer R. Training of an artificial neural network in the diagnostic system of a technical object, Neural Computing & Applications, vol. 22, no. 7, 2013, pp. 1581-1590. [8] Duer S., Zajkowski K., Duer R., Bernatowicz D., Wrzesień P. Inteligentny system nadzoru
-^ i bezpieczeństwa dla farmy wiatrowej,^ Logistyka, 6, 2014, s. 3312-3321. -^ -^ -^
