Upload
phungthu
View
275
Download
12
Embed Size (px)
Citation preview
SVEUČILIŠTE U ZAGREBU
FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA
ZAVRŠNI RAD br. 1522
DIJAGNOSTIKA KVARA U SUSTAVIMA AUTOMATSKOG UPRAVLJANJA
Andrea Polak
Zagreb, lipanj 2010.
Sadržaj
1. Uvod...........................................................................................................3
2. Osnovne definicije......................................................................................5
3. Metode borbe protiv kvarova......................................................................8
3.1. Analitička redundancija........................................................................9
3.1.1. Metode temeljene na signalima...........................................................10
3.1.2. Metode za generiranje reziduala analitičkog matematičkog modela ..........11
3.1.3. Metode na temelju znanja..................................................................18
4. Isplativost ugradnje sustava tolerantnih na kvar ......................................21
5. Primjer......................................................................................................23
5.1. Izmjenjivač topline .............................................................................23
6. Zaključak..................................................................................................31
7. Literatura..................................................................................................32
8. Sažetak ....................................................................................................33
9. Abstract....................................................................................................34
10. Životopis...................................................................................................35
1. Uvod Sustavi automatskog upravljanja godinama se koriste, razvijaju i sposobni su
obavljati najsloženije zadatke. Međutim, podložni su kvaru tj, u određenim
trenutcima nisu u stanju obaviti zadatak. Kvar je nešto što mijenja ponašanje
sustava tako da on više ne ispunjava svoju svrhu. Može biti događaj u sustavu,
promjena vanjskih uvjeta, kriva upravljačka naredba operatera, greška u
projektiranju sustava koja može ostati neotkrivena sve dok sustav ne dođe u
određenu radnu točku. U svakom slučaju, kvar je primarni razlog promjena
strukture sustava ili parametara koje mogu voditi do smanjenih performansi ili
gubitka funkcije sustava.
U velikim sustavima, svaki dio je projektiran za određenu funkciju i sustav radi
besprijekorno ako svaki taj njegov dio ispunjava svoju ulogu. Međutim, kvar bilo
kojeg dijela mijenja ukupno ponašanje sustava. U kritičnim postrojenjima kao što
su kemijske i farmaceutske tvornice može doći do golemih materijalnih šteta i
gubitka ljudskih života.
Danas se u sustave automatskog upravljanja ugrađuju sustavi tolerantni na
kvarove. Mogu djelovati autonomno, bez pomoći čovjeka. Kvarovi u senzorima,
izvršnim organima (aktuatorima) i u samom procesu ili kvarovi u samom
upravljačkom sustavu tj. u regulatoru, odnosno računalu u kojem je
implementiran algoritam mogu značajno utjecati na sustave upravljanja sa
zatvorenom petljom. Sustavi s ugrađenom tolerancijom na kvarove većinu
informacija primaju sa senzora. To ih čini osjetljivima na kvarove senzora. Oko
40 % problema u pogonima dolazi zbog kvara na senzorima.
Da bi se ostvarila autonomnost sustava upravljanja mora se ostvariti FDIA1,
detekcija, lokalizacija i prilagodba na kvar. Sustavi kod kojih je to zadovoljeno
zovu se sustavima tolerantnima odnosno, otpornima na kvar.
Tolerantnost na kvarove prema [8] je sposobnost sustava da se nosi sa
kvarovima (pogreškama koje ne dovode do potpunog prekida rada-otkaza) u
komponentama i da osigura da se kvarovi ne razviju u otkaze (kvarove koje
1 Engl. Fault Detection, Isolation and Accomodation
dovode do potpunog prekida rada). Takav sustav treba razaznati uvjete rada koji
dovode do otkaza te ili na siguan način isključiti pogon ili nastaviti rad sustava i u
degradiranom stanju onda kad kvar ne narušava sigurnost procesa.
Tradicionalne metode dijagnostike kvarova pretpostavljaju da za svaki
detektirani kvar postoji mjerljiv signal koji ukazuje na pojavu kvara. U složenim
sustavima sa mnogo mogućih kvarova takva izravna veza između kvara i s njim
povezanog signala ne postoji ili je preskupo mjeriti sve takve signale. Ovakav
način dijagnostike kvarova temelji se na fizičkoj redundanciji, gdje su važne
komponente primijenjene više puta.
Kod analitičke redundancije koristi se matematički model. Kvar se dijagnosticira
koristeći informacije iz modela i mjernih signala. Tad se model prilagodi situaciji
u kvaru i regulator se rekonfigurira tako da sustav sa zatvorenom petljom
uključujući uređaje u kvaru zadovoljava.
Danas se koriste pasivne i aktivne metode. Pasivne metode ne mijenjaju
parametre regulatora. Upravljani sustav zadovoljava ciljeve u svim situacijama
pojave kvara. Koristi se robusna sinteza. Aktivne metode mijenjaju parametre
regulatora. Ukoliko su promjene parametara uzrokovane kvarom dolazi do
aktivne otpornosti na kvarove.
Slika 1.1: Shema sustava s ugrađenom otpornosti na kvarove
2. Osnovne definicije
Kvar (Engl. fault) – nedopušteno odstupanje barem jednog svojstva ili parametra
sustava od standardnog, dopuštenog, prihvatljivog stanja. Uzrokuje promjene
komponenti i mijenja način rada sustava.
Kvarovi se dijele na:
• kvarove postrojenja - kvarovi koji mijenjaju dinamička svojstva
sustava. Ako se nastale promjene uslijed kvarova ne mogu nikakvim
upravljanjem razriješiti mora se izmijeniti upravljačka struktura
• kvarovi senzora - nema više povezanosti između uređaja i regulatora,
odnosno regulator dobiva krivu informaciju o signalima koje mjere
senzori. U takvoj situaciji moraju se primijeniti alternativna mjerenja ili
estimacije signala.
• kvarovi aktuatora - utjecaj regulatora na objekt upravljanja je prekinut
ili promijenjen.
Aktuator
Sustav Senzori
Kvarovi
aktuatora
Kvarovi
sustava
Kvarovi
senzora
a
Slika 2.1: Prikaz vrsta kvarova ovisno o mjestu nastankOtkaz (Engl. failure) – trajni prekid sustava da odradi traženo u zadanim
uvjetima. Ovaj pojam podrazumijeva potpuni prekid rada sustava (njegovih
komponenti ili funkcija). Otpornost na kvarove je sposobnost sustava da spriječi
kvar da se pretvori u otkaz.
Rezidual – pokazatelj kvara. Temelji se na odstupanju između izmjerenih
vrijednosti i rezultata dobivenih na temelju modela. Kad sustav nije u kvaru
rezidual je približno jednak nuli, a značajnije odstupa od nule pri pojavi kvara.
Upravljani sustavi (Engl. controlled system) – objekt upravljanja (proces)
podvrgnut sustavu automatskog upravljanja u kojem senzori i aktuatori imaju
važnu ulogu.
Sustavi sigurni nakon kvara (Engl. fail-safe sustav) – sustav u „sigurnom“ kvaru,
ali kad kvar nije opasan te je sustav u stanju koje se smatra donekle sigurnim,
dakle ovakav sustav je sposoban provesti nadzirano zaustavljanje procesa kad
otkaže neka od komponenti sustava kojim upravljamo. Koristi se najčešće u
kemijskoj i farmaceutskoj industriji.
Prilagodba na kvar (Engl. fault accommodation) – upravljačka metoda koja
mijenja upravljačke parametre ili strukturu da bi se izbjegle posljedice kvara.
Ulaz i izlaz iz regulatora i uređaja ostaju nepromijenjeni. Postiže se svrha
upravljanja, međutim mogućnosti upravljanja mogu biti smanjene. Može biti
pasivna ili aktivna. Pasivna – uz pomoć robusnih sustava upravljanja, aktivna -
detekcija i izolacija kvara dovodi do promjene u upravljačkom algoritmu kako bi
se sustav upravljanja prilagodio na kvar.
Detekcija kvara (Engl. fault detection) – prvi korak pri utvrđivanju kvara, određuje
prisutnost kvara u sustavu i vrijeme njegova otkrivanja. Ima dva stanja: ili je sve
u redu ili je sustav u kvaru.
Lokalizacija (Engl. fault isolation) - drugi korak, određuje vrstu, mjesto i vrijeme
otkrivanja kvara. Slijedi nakon detekcije kvara.
Analiza kvara (Engl. fault analysis) – treći korak, određuje veličinu kvara i
promjenu ponašanja u ovisnosti o vremenu. Slijedi iza lokalizacije kvara.
Dijagnoza kvara (Engl. fault diagnosis) – određivanje veličine, vrste, mjesta i
vremena otkrivanja kvara. Uključuje sva tri prethodna koraka.
Otpornost na kvar (Engl. fault tolerance) – sposobnost sustava kojim upravljamo
da zadrži cilj upravljanja unatoč pojavi kvara. Prihvatljive su i smanjene
mogućnosti upravljanja. Otpornost na kvar postiže se ili tijekom prilagodbe kvara
ili kroz rekonfiguraciju sustava i/ili regulatora.
Rekonfiguracija - mijenja ulaze/izlaze regulatora i uređaja tako da mijenja
strukturu i parametre regulatora. Originalni cilj upravljanja može se postići
unatoč eventualnom smanjenju performansi.
3. Metode borbe protiv kvarova Tradicionalna metoda otpornosti na kvarove je sklopovska redundancija. Na
mjestima sustava, gdje je dovoljan jedan element za rad procesa, postavi se
više elemenata, (obično dva a ponekad i tri ili četiri). U slučaju kvara regulator se
prebaci na redundantnu komponentu. Koristi se kod kritičnih sustava (podvodna
vozila, zrakoplovi, brodovi, kemijska i nuklearna postrojenja). Ovakav pristup
povećava cijenu, traži više prostora, povećava težinu. Također, često se javlja i
mogućnost da ista oprema teži otkazu u istim uvjetima. Sve navedeno su razlozi
zbog čega je ova metoda skupa i upotrebljava se samo u kritičnim postrojenjima.
Također, u tradicionalne metode ubrajamo testiranje praga (Engl.Limit-checking)
i spektralnu analizu (Engl. Spectral Analysis) signala.
Danas se koristi analitička redundancija, upotrebom matematičkog modela.
Dva su pristupa, aktivni i pasivni. Pasivni koristi robusnu sintezu, a aktivni se
prilagođava na kvar.
U ovakvim sustavima važna je dijagnostika kvarova.
Općenito, metode koje se koriste da bi sustav bio otporan na kvarove prema [1]
možemo podijeliti na one koje koriste matematički model i na one koje ga ne
koriste.
Metode otpornosti na kvarove
Metode bez matematičkog
modela
Metode s uključenim matematičkim
modelom
Metoda fizičke redundancije
Analitička redundancija
Testiranje praga
Spektralna analiza
Slika 3.1: Podjela metoda otpornosti na kvarove
3.1. Analitička redundancija
Dijagnostika kvara treba :
1. otkriti ili detektirati kvar – otkriti vrijeme pojave kvara uz prisutne
poremećaje/smetnje
2. lokalizirati kvar – klasificirati različite kvarove, odnosno definirati
mjesto kvara
3. analizirati kvar – odrediti tip, veličinu i uzrok kvara
Postupci kojima se izvršava dijagnostika su:
1. generiranje reziduala – signali prema kojima će se moći otkriti kvar. Za
lokaliziranje različitih kvarova treba ispravno odabrati reziduale
2. procjena reziduala (lokalizacija kvara) – zaključivanje o vremenu i
mjestu kvara praćenjem reziduala
3. analiza kvara – da se odredi tip, veličina i uzrok kvara
Proces
Generiranje
reziduala
Procjena
reziduala
Analiza kvara
Prema način ožemo
u generiranja reziduala metode dijagnostike kvarova mSlika 3.2: Opća shema sustava za dijagnostiku kvaraGeneriranje
reziduala
Metode s
analitičkim
modelom
Metode temeljene
na znanju
Metode obrade
mjerenih signala
3.1.1.
Sustavi za otkrivanje kv
kvara. Najčešće se ko
kruga, iz razloga što im
Generiranje reziduala p
Koristi se iznos amp
autokorelacijske funkcije
Harmonijske oscilacije
Promjena frekvencije os
Niskopropusni filter se
pojavljuju u normalnom
Osim niskopropusnih filt
Slika 3.3: Metode generiranja reziduala
Metode temeljene na signalima
ara koji koriste signale nisu prikladni za rano otkrivanje
riste u dijagnostici kao nadzor, ne kao dio upravljačkog
je potrebno više mjernih točaka za otkrivanje kvara.
rovodi se primjenom matematičkih funkcija na signale.
litude signala, momenti, kovarijance, korelacijske i
, spektralne gustoće itd.
su najčešći način otkrivanja kvara ovom metodom.
cilacije je informacija o neispravnom stanju komponente.
postavlja za detekciju viših harmonika koji se ne
radu:
(1)
ara mogu se koristiti i pojasno-propusni filtri:
|H(jω)|, (2)
3.1.2. Metode za generiranje reziduala analitičkog matematičkog modela
Sustavi generiraju rezidual i nakon toga ga ocjenjuju upotrebom matematičkog
modela procesa ili dijela proces i ulaznih signala u taj proces. U kompleksnim
sustavima postoji redundantan broj signala koji se generiraju iz različitih
senzora. Senzori su međusobno funkcionalno povezani. Treba naći
matematičku funkciju koja povezuje dva signala. Nemoguće je u potpunosti
opisati proces modelom. Modeli moraju biti robusni kako ne bi došlo do lažnih
otkrivanja kvarova ili njihova neotkrivanja.
Generiranje reziduala ovom metodom možemo podijeliti na:
1. jednadžbe pariteta
2. observere
3. estimaciju parametara – Kalman filter
Jednadžbe pariteta Odnosi pariteta su modificirane jednadžbe modela izravnog ulaza i izlaza, nad
kojima je učinjena linearna dinamička transformacija. Transformirani reziduali
služe za detekciju i izolaciju. Sloboda dizajna omogućena transformacijom može
se koristiti za poboljšanja u odvajanju ometala i izolaciju pogreški. Osim toga
može se pridodati dinamika odgovora, unutar granica koje diktiraju zahtjevi
kauzalnosti i stabilnosti.
Prijenosnu funkciju proces možemo definirati kao:
(3)
Dobijemo model
(s)= (4)
Gdje su:
(s) prijenosna funkcija procesa
s) funkcija izlaznih signala procesa
( s) funkcija ulaznih signala procesa i modela
(s) polinom u brojniku prijenosne funkcije procesa
(s) polinom u nazivniku prijenosne funkcije procesa
(s) prijenosna funkcija modela procesa
(s) funkcija izlaznih signala modela procesa
(s) polinom u brojniku prijenosne funkcije modela
(s) polinom u nazivniku prijenosne funkcije modela
Jednadžbe pariteta formiraju se na dva načina:
• po odstupanju izlaza
• po polinomskom odstupanju
Oba pristupa su matematički gledano isti izraz samo drugačije napisan. Veza
između njih je dana sa
(5)
Metode uz pomoć jednadžni pariteta su najjednostavnije, mogu se primijeniti u
obliku jednadžbi diferencija npr.
Jednadžbe pariteta po odstupanju izlaza
Rezidual računamo:
(6)
Gdje je V(s) filter kojim se razdvaja utjecaj pojedinačnih kvarova.
Slika 3.4: Model za jednadžbe pariteta po odstupanju izlaza (Horvat, 2006)
Jednadžba na kojoj se temelji ovaj postupak:
(7)
Jednadžbe pariteta po polinomskom odstupanju
(8)
Slika 3.5: Model za jednadžbe pariteta po polinomskom odstupanju (Horvat,
2006)
Generiranje reziduala estimatorom izlaznog signala-observer Različiti tipovi observera razvijaju se za generaciju reziduala. _Unknown input_
tehnike projektiranja mogu se koristiti za odvajanje reziduala od (ograničenog
broja) smetnji. Sloboda projektiranja promatrača može se iskoristiti za
poboljšanje reziduala za izolaciju. Dinamika javljanja greške može se donekle
kontrolirati postavljanjem polova promatrača.
Slika 3.6: Model kod observera (Horvat, 2006)
Estimator izlaznog signala može biti observer punog ili reduciranog tipa ili
Kalmanovog filtra. Estimiraju se izlazi iz proces i uspoređuju sa izlazima iz
procesa te tako dobijemo reziduale.
Dijagnostički observeri estimiraju izlaze, ne estimiraju varijable stanja. Proces
nužno ne mora biti osmotriv. Koeficijente matrice H biramo tako da svojstvene
vrijednosti zatvorenog kruga moraju biti brze u odnosu na trajanje radnih
intervala procesa. Matrica H omogućuje postizanje robusnosti.
Povratna veza je potrebna za stabiliziranje u slučaju nestabilnog procesa i za
kompenziranje nepoznatih početnih uvjeta.
U idealnim uvjetima matrica H se projektira tako da rezidual r ili J(r):
(9)
(10)
d nemaju utjecaj.
U realnim sustavima u rezidualu se ne može u potpunosti eliminirati utjecaj
kvarova f od nepoznatih ulaza d postavljaju se pragovi otkrivanja . Kad
je rezidual pod kvarom onda on nadvisuje postavljeni prag.
(11)
(12)
Kod robusnih postupaka generiranja reziduala računaju se usmjereni vektori r.
na taj način kvarovi se preslikavaju u jedinstven položaj i veličinu vektora.
Razdvajanje vektora obavlja se metodama u vremenskoj i frekvencijskoj domeni.
U vremenskoj domeni koristimo filtre za otkrivanje kvara i postupke preko
observera nepoznatih ulaza.
Postoje i algoritmi:
• postupak preko Kronecekrovog kanoničkog oblika
• postupak za pridruživanje svojstvene strukture
Estimacija parametara
• odredi se referentni model uređaja u situaciji bez kvara
• parametri se neprestano proračunavaju
Slika 3.7: FDI Shema za generiranje reziduala estimiranjem parametara
(Horvat, 2006)
Odstupanja od referentnog modela služe kao podloga za detekciju i izolaciju
kvara. Primjenjuje se u klipovima, pumpama, motorima, pogonima.
U praksi parametri su djelomično poznati ili nisu poznati uopće. Određuju se
metodom estimacije. Mjere se ulazni i izlazni signali ako je poznat osnovni
strukturni model. Estimacija parametara često treba pobudu (uzbudu) ulaznih
parametara procesa i dobra je za detekciju kvarova koji se ponavljaju ili
umnožavaju.
Promjena procesa dovodi do promjene parametara, a parametri dovode do
promjene izlaznih signala.
Provodi se u dva koraka:
1. Identifikacija parametra Θ
2. Pretvorba parametra Θ u fizikalne parametre p
Detekcija kvara ovisi o promjeni ∆p koja se dalje određuje i provodi kroz
algoritam za utvrđivanje kvara.
Jednadžba :
(13)
opisuje linearni kauzalni vremenski nepromjenjiv proces opisan ulazni/izlaznim
matematičkim modelom. Parametri procesa su dani sa:
(14)
Otkrivanje kvarova može biti u off-line i on-line načinu rada.
OFF-line:
Napravi se teorijski model procesa i određuju se parametri nominalnog
procesa.
1. odaberemo matematički model i identificiramo parametre za normalne
uvjete rada
(15)
2. odredimo matematičke i fizikalne parametre procesa
(16)
ON-line (u realnom vremenu):
1. identifikacija parametara matematičkog modela Θ
2. izračunamo fizikalne parametre procesa
3. uspoređujemo fizikalne i nominalne parametre
4. otkrivanje kvara
5. klasifikacija kvara
Analiza kvara je jednostavna, međutim, javljaju se dva problema:
1. ulazni signal stalno mora biti pobuđujući i mora u sebi sadržavati modove
takve da pobudi sve parametre
2. ponekad je teško odrediti vezu između matematičkih i fizikalnih
parametara
3.1.3. Metode na temelju znanja
Kod jako složenih sustava, kad se ne može dovoljno kvalitetno opisati sustav
modelom, potrebno je poznavati proces. Koriste se sustavi koji se temelje na
znanju ili kombinacija s analitičkim postupcima.
Prema [2] dijele se na:
• Heurističke ili integrirane (analitičke i heurističke) simptome, kvalitativne
metode se koriste za analizu kvara
• Kvalitativni model- koriste se kvalitativne metode za generiranje, analizu i
ocjenu kvara
Heuristički ili integrirani simptomi
Generiranje simptoma:
• analitičko (kvantitativno) - temelji se na promjenama u rezidualima koje
su prešle prag otkrivanja kvara
• heurističko (kvalitativno) - empirijske činjenice koje se mogu predstaviti u
kvalitativnom obliku kao: "da", "ne" (izrazite veličine), ili "malo", "srednje",
"puno" (neizrazite veličine), a dobiju se mjerenjem ili zapažanjem
operatera
• temeljeno na povijesti procesa i statističkim podacima, npr. statistika
kvarova u sličnim procesima, statistika kvarova pojedinih elementa,
vrijeme rada bez kvarova, opterećenje pojedinih komponenti od zadnjeg
remonta, zadnji remont, itd.
Korištenje integriranih simptoma je učestalo u praksi.
Kvalitativno znanje se prikazuje u obliku pravila:
ako uvjet onda posljedica
dobijemo usmjerene grafove prema [10]:
Slika 3.8: Usmjereni grafovi
Usmjerene grafove možemo promatrati kao:
1. stablo kvarova pa govorimo o analizi stabla kvarova,
• Kvar je poznat i polazište, traže se simptomi i uspoređuju se sa
simptomima poznatim od prije
2. stablo događaja
• Simptomi su poznati i polazište, traže se kvarovi
Simptomi su povezani logičkim AND/OR operacijama u binarnoj ili neizrazitoj
(fuzzy) logici. Pravila su dana u obliku:
kiiii thenORANDANDORANDANDif ϕσσσσσσ δδ <>< ++ ...)...'...()...( 11 (17)
gdje je iσ element [ ]ik SE , skup događaja i simptoma (ulazi, premise), a kϕ
element [ ]jk FE , skup kvarova (izlazi, zaključci).
Kvalitativni model Dijagnostika se temelji ili na modelima kvarova ili na modelu procesa u uvjetima
bez kvara (nominalni uvjeti).
Kad ju temeljimo na modelima kvarova trebamo poznavati ponašanje sustava
pri pojavi određenog kvara. Pomoću modela simuliramo kvarove i napravimo
tablicu kvarova. Uspoređujemo simptome iz procesa sa simuliranim
simptomima.
Kad ju temeljimo na modelu procesa pretpostavljamo da će taj model točno
odrediti ponašanje stvarnog sustava.
Kao alat u metodama na osnovi znanja koristi se umjetna inteligencija,
neuronske mreže, neizrazita ili fuzzy logika.
4. Isplativost ugradnje sustava tolerantnih na kvar
Ekonomska analiza opravdanosti ulaganja u sustav tolerantan na kvar prema [2]
temelji se na sljedećim veličinama:
• Cijena otkaza, tj. ispada postrojenja uslijed kvara upravljačkog
sustava dovodi do smanjenja profita.
• Cijena kvara se može podijeliti na direktni i indirektni dio. U direktni
dio troškova ulaze cijene promjene komponenti i popravka pokvarene
opreme, a u indirektne troškove ulaze gubici u proizvodnji,
uništavanje i zbrinjavanje sirovina za proizvodnju.
Procijenjena cijena otkaza se može prikazati formulom:
(18)
- ocijenjena vrijednost otkaza
- cijena popravka
- cijena ostalih troškova vezanih uz kvar
- vjerojatnost pojave otkaza u normalnom vijeku trajanja
• Cijena otkaza s ugrađenim sustavom tolerantnim na kvar sustavi
tolerantni na kvar bi trebali smanjiti pojavu otkaza uz prihvatljivo
smanjenje mogućnosti sustava. Također, mogu se smanjiti i direktni
troškovi u proizvodnji.
• Cijena kvarova ovisi o tome da li je kvar detektiran ili ne. Cijena
nedetektiranog kvara jednaka je cijeni kvara u sustavu koji nema
ugrađen na kvar tolerantni sustav, dok pretpostavljena cijena
detektiranog kvara mora biti manja od nedetektiranog kvara, jer inače
nema smisla implementirati na kvar tolerantne sustave. Zbog toga je
cijena za određeni način kvara jednaka cijeni pojave načina kvara
pomnožena s vjerojatnošću pojave tog istog kvara.
(19)
(20)
(21)
- cijena otkaza uslijed detektiranog kvara, tj. prilagodbe na kvar
- cijena otkaza uslijed nedetektiranog kvara
- cijena zaustavljanja procesa uslijed pogrešne detekcije kvara
S obzirom da je cijena otkaza sustava koji nema implementiran na kvar
tolerantan sustav definirana kao [10]:
(22)
Optimalna cijena smanjenja troškova korištenjem na kvar tolerantnog sustava je:
(23)
• Investicija za implementaciju sustava tolerantnog na kvar
Cijena sustava s ugrađenim algortimom tolerancije na kvarove je naravno veća
od sustava bez ugrađenog algoritma. Ovakve algoritme treba razvijati i
eventualno povećati snagu računala.
(24)
(25)
Ukupna cijena unaprijed može biti samo procijenjena, nikad točno određena.
5. Primjer
5.1. Izmjenjivač topline U primjeru su dani prikaz i primjena dijagnostike kvara u izmjenjivaču topline.
Izmjenjivač radi na sljedeći način: u glavnom krugu električni grijač grije vodu u
plovilu tlakom od 1 bara. Temperatura vode koja ide u sekundarni krug jest
varijabla kojom upravljamo, PID regulatorom, kroz promjenu toka mase u
glavnom krugu.
Slika 5.1: Shema izmjenjivača topline
Sljedeće varijable i parametri opisuju ovaj sustav:
P – snaga električnog grijača (W)
hm – tok mase u glavnom krugu (1/s)
pc – specifična toplinska konstanta (J/kgK)
hinϑ – temperatura vode za grijanje na ulazu u glavni krug (K)
coutϑ – temperatura vode za grijanje na izlazu iz glavnog kruga (K)
cinϑ – temperatura vode za hlađenje na ulazu u sekundarni krug (K)
coutϑ – temperatura vode za hlađenje na izlazu iz sekundarnog kruga (K)
M – masa vode u plovilu (kg)
Izmjena topline u sustavima poput ovog se ne može modelirati s velikom
točnošću, jer dinamika sustava jako ovisi o radnoj točki. Matematički model
izmjenjivača topline opisan je MIMO sustavom (2 ulaza, 2 izlaza):
1 2 1 2 32 2 3 1 1 1( ) ( ( ) ( ) ) ( ) ( )( ) ( )dh dc dhT s T s T s
cout h ins K H s H s e V s H s H e H e h s− − −∆Θ = + ∆ + + ∆Θ (26)
1 22 2 3 2( ( ) ( ) ) (dhT s
CK H s H s e H s−+ = )
( )
)
(27)
1 2 31 1 1 1( )dc dhT s T s
CH H e H e H s− −+ = (27)
' ' '' 2 2 12 1 3 1( ) ( ( ) ( ) ) ( ) ( ) ( )dhT s
hout h hins K H s H s e V s H S s−∆Θ = + ∆ + ∆Θ (29)
' '' 2 22 1 3 2( ( ) ( ) ) (dhT s
HK H s H s e H s−+ = (30)
'11 1( ) ( )HH S H s= (31)
Prijenosna funkcija opisuje ovisnost temperature hladne vode na izlazu i
temeperature tople vode na ulazu, opisuje ovisnost temperature hladne
vode na izlazu i masenog toka vode,
1CH
2CH
1HH opisuje ovisnost temperature tople
vode na izlazu i temperature tople vode na ulazu, 2HH opisuje temperature
tople vode na izlazu i masenog toka vode. Energetska bilanca plovila dana je
izrazom:
( ) ( ) ( ) hindh p hout h p hin cpP m t c t m c t M
dtϑϑ ϑ+ = + (32)
Matematički model prikazan je na slici 5.2 :
Slika 5.2: Matematički model izmjenjivača topline
Model uključuje sve kvarove koji mogu djelovati na njega.
Kvarovi se dijele na:
1f – greška u mjerenjima senzora hm
2f – greška u mjerenjima senzora za coutϑ
3f – greška u mjerenjima senzora za hinϑ
4f – greška u mjerenjima senzora za houtϑ
5f – začepljenje u unutarnjoj cijevi
6f – curenje u vodenoj posudi
Da bi kvar bio detektiran potebno je generirati odgovarajuće reziduale. Kvar
će se promatrati prvi. Problem pri detekciji kvara je taj što plovilo nema
senzore tlaka ni razine vode. Iz jednadžbe za energetsku bilancu plovila vidi se
6f
6f
da razina vode tj. promjena veličine M mijenja dinamiku plovila, dok ne utječe na
statičko ponašanje (zato što M stoji uz diferencijalnu jednadžbu, koja je po
definiciji mjera promjene, dakle označava dinamiku). Iz ovoga proizlazi da se
anomalija može detektirati promjenom parametra hinϑ . Jednostavna metoda za
promatranje hinϑ je Luenbergerov observer za linearne sustave. Da bi se
primijenila ta metoda, potrebno je linearizirati jednadžbu energetske bilance
plovila. Prikladna metoda linearizacije je velocity – based. Energetska bilanca
plovila (ili jednadžba x) može se zapisati u obliku sustava jednadžbi:
1 1 1( , ) p M M Tcp
x F x r r r x r rM M M
•
= = − + (33)
( , )y G x r x= = (34)
gdje su , pr P= M hr m= , T houtr ϑ= , hinx ϑ= , x w•
=
x w•
= (35)
1 1( )T
M MT
cpP
rr rw w x r rM M M M
r
•
M
⎡ ⎤⎡ ⎤ ⎢ ⎥= − + − +⎢ ⎥ ⎢ ⎥⎢ ⎥⎣ ⎦ ⎢ ⎥⎣ ⎦
(36)
y w•
= (37)
5ˆ
hin hinr y y ϑ ϑ∧
= − = − (38)
Jednadžba (36) je linearizirani model energetske bilance plovila (32) metodom
velocity – based, pa se može upotrijebiti Luenbergerov observer. Rezidual
predstavlja nekonzistentnost između stvarnog i očekivanog ponašanja izlazne
varijable. Za reziduale do prikladne su jednadžbe pariteta:
5r
1r 4r
⎥⎦
⎤⎢⎣
⎡×⎥⎦
⎤⎢⎣
⎡ −⎥⎦
⎤⎢⎣
⎡×
+=⎥
⎦
⎤⎢⎣
⎡)()(
1)()(1
)()()()(
)()(11
)()(
2
5
22221
1211
22
1
sfsf
sHsH
swswswsw
sHsHsrsr
C
PID
CPID
(39)
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡×
+=⎥
⎦
⎤⎢⎣
⎡)()(
1001
)()(11
)()(
4
3
14
3
sfsf
sHsHsrsr
IVH
(40)
Ako se stavi da je:
11( ) 1w s =
12 ( ) ( )PIDw s H s=
21 2( ) ( )Cw s H s= −
22 ( ) 1w s =
reziduali i se dobivaju iz izraza: 1r 2r
3 3
4 41 1
( )( ) ( )1 01( ) ( )( ) 0 11 ( ) ( )
hin
hout H V
e sr s f sr s f se s H s H s
ϑ
ϑ
⎡ ⎤⎡ ⎤ ⎡⎡ ⎤= ×⎢ ⎥⎢ ⎥ ⎢⎢ ⎥− ⎣ ⎦⎢ ⎥⎣ ⎦ ⎣⎣ ⎦
⎤⎥⎦
(41)
Reziduali i su jednaki greškama izlaznih varijabli: 3r 4r
3 3
4 41 1
( )( ) ( )1 01( ) ( )( ) 0 11 ( ) ( )
hin
hout H V
e sr s f sr s f se s H s H s
ϑ
ϑ
⎡ ⎤⎡ ⎤ ⎡⎡ ⎤= ×⎢ ⎥⎢ ⎥ ⎢⎢ ⎥− ⎣ ⎦⎢ ⎥⎣ ⎦ ⎣⎣ ⎦
⎤⎥⎦ (42)
Testiranje opisanog modela provodilo se 7000 s, pri čemu su se konstantno
izvlačili podaci o procesu i reziduali. Kvarovi su se generirali kako slijedi: se
pojavio između t = 1000 i t = 1500 s,
1f
2f između t = 2000 i t = 2500 s, 3f između
t = 3000 i t = 3500 s, 4f između t = 4000 i t = 4500 s, 5f između t = 5000 i t =
5500 s i 6f između t = 6000 i t = 6500 s, kao što je prikazano na slici 5.3:
Slika 5.3: Rezultati testiranja modela
Na desnoj strani slike prikazane su pojave kvarova, dok lijeva strana prikazuje
izmjerene signale. Kvarovi se nisu pojavili osim u datim trenutcima, dok su
odgovarajući reziduali generirani za dokazivanje kvara. Nije testirana simultana
pojava više kvarova. Također, u ovom slučaju nije moguća izolacija kvarova. Da
bi se omogućila izolacija kvarova, ne može se koristiti klasična Booleova
algebra, jer utjecaj šuma ili greške u modelu dovode do prečestih, a time i
nepouzdanih odluka. Predložena metoda za rješavanje ovog problema je TBM2,
koji omogućava dijagnostičko zaključivanje i uz proturječne podatke. Prednost
pred klasičnom Booleovom algebrom je što TBM pretpostavlja i pojavu
nepoznatih događaja, pa ako se pojavi nepoznati kvar, moguće je izbjeći
pogrešno tumačenje događaja, a time i krivu dijagnostiku. Slika 5.4 prikazuje
dvije moguće pogrešne interpretacije kvarova:
Slika 5.4 Pogrešne interpretacije kvarova
2 Engl. Transferable Belief Model
Na slici 5.4 se vidi da su reziduali generirani u istim trenutcima kao u prošlom
slučaju. Prva pogrešna inerpretacija može se dogoditi nakon 3100 s, kad se
generira kvar . Međutim, proturječje je preveliko, što ukazuje na lažnu
uzbunu. Identična stvar se događa nakon 3700 s, kad se pojavljuje kvar
6f
2f . U
praksi, operater ne bi reagirao u ove dvije situacije, zbog male pouzdanosti,
osim što bi mu to bio signal za obraćanje posebne pažnje na proces u sljedećih
par minuta. Kada se upotrijebila klasična Booleova logika, obje situacije su
dovele do lažne uzbune. To se kod TBM metode ne može dogoditi, jer koliko
god proturječje bilo veliko, alarm bi se uključio samo kod pojave kvara.
6. Zaključak Glavna prednost upravljanja s otpornošću na kvarove tj, analitičke redundancije
nad sklopovskom redundancijom jest što upravljanje s otpornošću na kvarove
koristi redundancije uključene u sustav i informacije o sustavu da bi se povećala
produktivnost sustava. Analitička redundancija je jeftinija nego ugrađivanje više
istih komponenti (redundancija).
Otpornost na kvarove treba redundanciju. Sklopovska da bi se detektirali kvarovi
mjerenjem ulaznih i izlaznih signala, a analitičkoj su potrebni redundantni
senzori ili aktuatori za rekonfiguraciju upravljanja. To ne znači da svi senzori ili
aktuatori moraju implementirati više puta. Jedan dodatni senzor ili aktuator može
provesti analitičku redundanciju za svaki kvar senzora ili aktuatora.
Dijagnostika kvarova na ovaj način se počela razvijati relativno nedavno, 70-ih
godina prošlog stoljeća. Postala je važan dio u modernoj teoriji upravljanja. Kod
složenih sustava javlja se problem nedovoljne točnosti matematičkog modela.
Do rješenja takvih problema dolazi se kombinacijom metoda.
Dijagnostikom kvarova želi se postići da sustavi tolerantni na kvarove koriste
programska rješenja, a ne sklopovska.
7. Literatura
[1] Omerdić, E: “Thruster fault diagnosis and accomodation for overactuated
open- frame underwater vehicles“, Doktorski disertacija. Universitiy of
Wales, 2004
[2] Horvat, K: “Na kvarove tolerantan sustav turbinske regulacije vodne
turbine“, Doktorska disertacija. Sveučilište u Zagrebu, FER, 2006
[3] Persin, S; Tovornik B: “Real-time implemetation of fault diagnosis to a
Heat exchanger“, www.sciencedirect.com, 2004
[4] Blanke M; Kinnaert M; Lunze J; Staroswiecki M: “Diagnosis and fault
tolerant control“, Springer, 2006
[5] Koren I; Mani Krishna C: „Fault tolerant systems“, Elsevier, 2007
[6] Noura, H; Theilliol D; Ponsart J-C; Chamseddine A: “Fault-Tolerant
Control Systems“, Springer, 2009
[7] Vukic, Z; Ozbolt H; Pavlekovic, D: “Improving Fault Handling in Marine
Vehicle Course-Keeping System“, IEEE Robotics and Automation Society,
vol.6, 4(1999), 39-52
[8] Vukic, Z: "Otkrivanje i lokalizacija kvara u sustavima automatskog
upravljanja", EGE 7, (1999), vol. 2, 118-120
[9] Lo, C.H; Wong, J.K; Rad, A. B:“Model-based fault diagnosis in continuous
dyniamic systems“, ISA Transactions, 43 (2004) 459–475
[10] Golub, I; Anonic, R; Cibilic, A:“Fault Diagnosis and Isolation of the
Marine Diesel Engine Turbocharger System”,
http://biblio.irb.hr/datoteka/401407.IVANA_GOLUB_Mipro.pdf, 28.4.2010
8. Sažetak
Ovaj rad obrađuje osnovne metode detekcije i izolacije kvara. Dani su osnovni
pojmovi koji se koriste u opisivanju sustava otpornih na kvar. Klasični pristup
koristi metode testiranja praga ili spektralnu analizu. Takav pristup ima dosta
nedostataka te se koriste metode temeljene na modelu. Ovakve metode koriste
generiranje reziduala, te ih obrađuju estimacijom parametara, observerima ili
paritetnim jednadžbama. Također, koriste i signale, te metode temeljene na
znanju.
9. Abstract
This paper concerns basic methods of fault detection and isolation. Basic
definitions of fault tolerant systems are given. The classical approaches are limit
checking or spectral analysis. They do not give all needed informations so
model-based methods are developed. These methods use residual generation
and they are based on parametar estimation, parity equations, or state
observers. Also signal model and knowledge-based approaches were
developed.
10. Životopis
Andrea Polak je redoviti student na Sveučilištu u Zagrebu, Fakultet
elektrotehnike i računarstva od 2003 godine. Srednjoškolsko obrazovanje je
stekla u Šibeniku, Gimnazija Antuna Vrančića.
Trenutno završava preddiplomski studij na studijskom programu Elektrotehnika i
informacijska tehnologija, smjer Automatika.