Intelligent system for monitoring and controlling the technical condition of mechatronic process facilities
Open Access
- 12 July 2020
- journal article
- Published by FSFEI HE Don State Technical University in Вестник Донского государственного технического университета
- Vol. 20 (2), 188-195
- https://doi.org/10.23947/1992-5980-2020-20-2-188-195
Abstract
Введение. Исследуются, в основном, цифровые системы, которые управляют обслуживанием отдельных технологических мехатронных объектов (ТМО) и комплексов технологических машин. Отмечена многочисленность вопросов поддержания надежности состояния и возникающих неисправностей, а также многофакторность применения существующих систем мониторинга и диагностики. В связи с этим указано на актуальность задач разработки методов и способов обслуживания технологического оборудования, позволяющих принимать решения в условиях неопределенности и ограниченности данных. Материалы и методы. Для анализа критичности технического состояния сформирована оценка качества эффективности автономного управления состоянием устройств. При этом используется метод нейронечеткой системы определения совокупного критерия критичности. Предлагается применять этот подход для выработки рекомендаций по оснащению технологического объекта необходимыми средствами поддержания общей работоспособности и надежности. Результаты исследования. Решение позволяет прогнозировать развитие состояния мехатронного технологического оборудования, оповещать персонал об аварийных и иных опасных состояниях, при необходимости проводить доработку или корректировку управляющих программ. Предусматривается выполнение части функций обслуживания технического состояния самим мехатронным объектом, т. е. самообслуживание оборудования. Сформулировано понятие «автономное управление техническим состоянием». Рассмотрены структура системы и функции управления. Отмечено, что внедрение рассматриваемых систем позволит в значительной степени повысить эффективность использования оборудования. Результативность автономного управления устройства или ТМО в целом оценивается в соответствии со стандартом ISO 13381-1:2004. На основании этого стандарта и данных, представленных ранее, построена структура нейронной сети для оценки автономности управления состоянием. Эффективность обучения системы рассмотрена с учетом среднеквадратического отклонения выходов сети от целевых значений обучающей выборки. Обсуждение и заключение. Представлен перечень основных функций управления при разных уровнях автономности технического обслуживания: от сигнализации для предупреждения отказа до полной автономности технического обслуживания без непосредственного участия оператора.This publication has 14 references indexed in Scilit:
- Prognostics and health management design for rotary machinery systems—Reviews, methodology and applicationsMechanical Systems and Signal Processing, 2013
- On the concept of e-maintenance: Review and current researchReliability Engineering & System Safety, 2008
- Formalisation of a new prognosis model for supporting proactive maintenance implementation on industrial systemReliability Engineering & System Safety, 2008
- Development of SOA Based Equipments Maintenance Decision Support SystemLecture Notes in Computer Science, 2008
- PROTEUS—Creating distributed maintenance systems through an integration platformComputers in Industry, 2006
- Intelligent prognostics tools and e-maintenanceComputers in Industry, 2006
- An intelligent maintenance system for continuous cost-based prioritisation of maintenance activitiesComputers in Industry, 2006
- E-manufacturing—fundamental, tools, and transformationRobotics and Computer-Integrated Manufacturing, 2003
- Watchdog Agent—an infotronics-based prognostics approach for product performance degradation assessment and predictionAdvanced Engineering Informatics, 2003
- Fault prognostics using dynamic wavelet neural networksArtificial Intelligence for Engineering Design, Analysis and Manufacturing, 2001