Метод непрерывного программного диагностирования состояния оборудования

Показана важность диагностирования горно-выемочного и горно-перерабатывающего оборудования для экономических и имиджевых показателей предприятий и отраслей. Существующие программные средства обработки вибродиагностических сигналов не лишены недостатков, в том числе, вычислительной сложности и большого количества настроек. Кроме того, для диагностики состояния оборудования традиционно используется только специально получаемая диагностическая информация, тогда как вполне можно использовать и данные о технологических параметрах. В статье предлагается простой и эффективный метод программного определения моментов изменения состояний оборудования. Метод опробован на специально сгенерированных последовательностях зашумленных сигналов, отражающих переходные процессы в типовом технологическом оборудовании. Тренды сигналов обрабатывались с помощью фильтров разной природы. Отфильтрованная последовательность сигналов за заданный период времени преобразовывалась в гистограмму интервалов величин сигналов. Разность гистограмм рассчитывалась как норма разности векторов, образованных значениями карманов гистограмм. Наступление особого состояния оборудования идентифицируется по сумме разностей гистограмм в пределах скользящего окна. Показано, что при правильном подборе алгоритма фильтрации и вида нормы разности гистограмм в момент наступления особого состояния значение диагностического сигнала возрастает в несколько раз по сравнению с нормальным состоянием оборудования. Подобный алгоритм, простой с точки зрения вычислений, позволяет использовать для непрерывного диагностирования данные любой природы.

Затонский А. В. Метод непрерывного программного диагностирования состояния оборудования // Горный информационно-аналитический бюллетень. – 2020. – № 4. – С. 146–154. DOI: 10.25018/0236-1493-2020-4-0-146-154.

Затонский Андрей Владимирович — д-р техн. наук, профессор, Пермский национальный исследовательский политехнический университет, Березниковский филиал, e-mail: zxenon@narod.ru.

1. Тихомиров М. В., Конопкин Е. В., Сафонов В. И. Анализ некоторых параметров и мероприятий состояния технической эксплуатации горно-шахтного оборудования в сложных условиях горного производства // Проблемы современной науки и образования. — 2019. — № 1. — С. 23—27.

2. Karandaev A. S., Yachikov I. M., Khramshin V. R. Methods of multi-parameter diagnostics of electric equipment condition within on-line monitoring systems // Procedia Engineering. 2016. Vol. 15. Pp. 32—38.

3. Дьяченко М. Д., Кодулев С. В. Программно-аппаратный комплекс мониторинга работы маслонасосов силовых высоковольтных трансформаторов // Вестник Приазовского государственного технического университета. — 2017. — № 34. — С. 127—133.

4. Xue S., Howard I., Wang C., Bao H., Yan Y. The diagnostic analysis of the planet bearing faults using the torsional vibration signal // Mechanical Systems and Signal Processing. 2019. Vol. 134. 106304. DOI: 10.1016/j.ymssp.2019.106304.

5. Schmidt S., Heyns P. S., Gryllias K. C. A discrepancy analysis methodology for rolling element bearing diagnostics under variable speed conditions // Mechanical Systems and Signal Processing. 2019. Vol. 116. Pp. 40—61.

6. Ракаева Т. Г., Плехов П. В., Затонский А. В. Повышение эффективности системы управления известняковым карьером с использованием имитационной модели // Горный журнал. — 2019. — № 12. — С. 39—43.

7. Затонский А. В. Динамическая пространственная модель многоприводного ленточного конвейера // Вестник Астраханского государственного технического университета. Управление, вычислительная техника и информатика. — 2017. — № 4. — С. 99—110.

8. Плехов П. В., Затонский А. В., Беккер В. Ф. Управление средствами производства в системе менеджмента качества химической продукции // Горный информационно-аналитический бюллетень. — 2010. — № 9. — С. 66—72.

9. Битюков С. И., Максимушкина А. В., Смирнова В. В. Сравнение гистограмм в физических исследованиях // Известия высших учебных заведений. Ядерная энергетика. — 2016. — № 1. — С. 81—90.

10. Никитин А. А., Петров А. В. Теоретические основы обработки геофизической информации. — М.: РГГУ им. Серго Орджоникидзе, 2008. — 112 с.

11. Беккер В. Ф. Решение технологических проблем действующего производства средствами автоматизации. — Пермь: ПНИПУ, 2012. — 312 с.

12. Zhang Y., Wang G., Xu J., Shi Z., Feng T., Dong D., Chi G. A method of eliminating the signal-dependent random noise from the raw CMOS image sensor data based on Kalman filter // Signal Processing. 2014. Vol. 104. Pp. 401—406.

13. Sun X.-J., Deng Z.-L. Optimal and self-tuning weighted measurement fusion Wiener filter for the multisensor multichannel ARMA signals // Signal Processing. 2009. Vol. 89. Pp. 738—752.