Анализ спектра вибросигналов

1. Анализ методов диагностирования и диагностических признаков неисправностей поршневых компрессоров

1.1 Мониторинг состояния поршневых компрессоров

На нефтеперерабатывающих заводах России безразборная диагностика насосно-компрессорного оборудования осуществляется с помощью стационарных систем компьютерного мониторинга для предупреждения аварий и контроля состояния КОМПАКС. В настоящее время в систему КОМПАКС введены алгоритмы диагностики поршневых машин.

Разработанная система мониторинга состояния поршневых машин (ПМ) КОМПАКС [1, 2, 10] и, прежде всего, поршневых компрессоров (ПК) (рисунок 1.1), обеспечивает безопасную эксплуатацию ПК. При этом система отвечает требованиям, предъявляемым к системам мониторинга состояния оборудования опасных производственных объектов.

В основе системы КОМПАКС [1, 2, 10] лежит многопараметрическая обработка ВА сигналов, полученных в различных точках ПК, которая наряду с измерением параметров ВА сигнала для контроля состояния ПК и режимов его работы использует и параметры других физических процессов. При этом особое внимание уделено точкам получения ВА сигналов, в которых ВА сигнал наиболее адекватно отражает состоянии тех или иных узлов ПК.

Диагностическая станция (ДС) стационарной системы (рисунок 1.1) позволяет принимать аналоговые и цифровые данные и выдавать цифровые управляющие сигналы по 8192 дифференциальным каналам. Скорость опроса в зависимости от соотношения числа каналов, измеряющих статические и динамические величины, достигает до 100 каналов в секунду. При этом каждые 90 секунд значения диагностических признаков сохраняются в базе данных и могут быть отображены в виде 12-часовых, 4-суточных, 40-суточных, годовых и 9-летних трендах. Полевая сеть содержит измерительные модули с функцией аналого-цифровой обработки измеренных сигналов и датчики различных физических величин. Расстояния от модулей до ДС может достигать 1000 м, а от датчиков до модулей — 500 м. Аппаратура полевой сети может располагаться во взрывоопасной зоне.

Рисунок 1.1 — Структура системы мониторинга поршневых компрессоров КОМПАКС Результаты мониторинга состояния оборудования в системе КОМПАКС выводятся на экран (монитор). На экране отображается символическое обозначение оборудования (объектов) и узлов (субъектов), диагностирование которых проводит система. По результатам работы экспертной системы соответствующий субъект окрашивается в зеленый, желтый или красный цвета, что соответствует состояниям диагностируемого узла ДОПУСТИМО для дальнейшей эксплуатации, ТРЕБУЕТ ПРИНЯТИЯ МЕР (ТПМ) или НЕДОПУСТИМО (НДП), при этом курсор на экране автоматически устанавливается на наихудший с точки зрения состояния субъект. При изменении состояния субъекта из ДОПУСТИМО в ТПМ, или из ТПМ в НДП, или других изменениях состояния объекта мониторинга система КОМПАКС выдает речевое сообщение, которое будет регулярно повторяться до момента его квитирования. Кроме этого на экран выводится текстовое сообщение — результат постановки диагноза.

Сложность вибродиагностики поршневых машин заключается в цикличности работы их движущихся частей, т. к. в основном диагностика двигателей, центробежных агрегатов производится с помощью спектральных оценок вибросигнала. В поршневых машинах вибросигнал представляет собой почти периодический процесс и степень износа агрегата отражается на изменении уровня вибросигнала при определенных значениях угла поворота коленчатого вала. Однако распознать износу какой детали соответствует изменение вибросигнала достаточно сложно, так как зазоры в различных деталях могут вызывать изменение величины вибросигнала при одних и тех же значениях по углу поворота вала. Решением данной проблемы может быть, во-первых, «грамотный» выбор количества точек расположения вибродатчиков, во-вторых, «удачное» место расположения датчиков на агрегате, в-третьих, «надежный» алгоритм обработки сигналов. Критерием решения этих проблем может быть только практический опыт по анализу неисправностей поршневых компрессоров в момент их капитального ремонта и сопоставление неисправностей с накопленными данными.

Теоретический анализ циклограммы работы поршневого компрессора показывает, что после прохождения мертвой точки в момент уравновешивания сил давления газов в обеих полостях цилиндров, уравновешиваются силы, действующие на кривошипно-шатунный механизм (КШМ), что приводит к перекладке ползуна крейцкопфа и выбору зазоров всех подшипников. Наложение процессов от сил, передающихся через коренные и шатунные шейки, составляет общую картину вибраций, фиксируемую датчиками на коренных шейках. Информация с датчиков на коренных подшипниках и крейцкопфного механизма позволяет выявить взаимное влияние сигналов и разделить диагностическую информацию от разных источников сигнала.

Из анализа циклограммы работы клапанов можно определить моменты времени открывания и закрывания клапанов, когда следует ожидать на вибросигнале появление отклика от ударов клапанов и флуктуаций давления в цилиндре.

На основе анализа вибросигналов в различных точках поршневого компрессора было выбрано следующее расположение датчиков на корпусе компрессора типа 4М16М-45/35−55:

— напротив коренного подшипника;

— над направляющими ползуна крейцкопфного механизма;

— на впускных и нагнетательных клапанах.

Накопление данных и сопоставление их с неисправностями компрессоров, выявленных в результате ремонта, позволили определить однозначную взаимосвязь между износом деталей и параметрами наблюдаемого сигнала.

При этом применение различных алгоритмов обработки вибросигналов с датчиков, установленных на клапанах и крейцкопфе, позволяет диагностировать поломку даже одной пружины клапана. Опыт показывает, что первые признаки выхода из строя клапана появляются за несколько суток до момента определения его неисправности традиционными способами. Если диагностика с помощью вибродатчика позволяет произвести ремонт клапана, то в других случаях, как правило, клапан ремонту уже не подлежит вследствие поломки пластин.

Длительное наблюдение за работой компрессоров и обработка сигналов с датчиков позволило разработать алгоритм диагностики, который можно эффективно использовать в компьютерных системах диагностики и мониторинга. Набор решающих правил легко внедряется в экспертную систему.

Можно отметить, что внедрение системы диагностики и мониторинга на работающие и исправные, с точки зрения механиков установок, поршневые компрессора сразу выявило повышенный уровень вибросигнала в отдельных точках по сравнению с ожидаемым, что явилось следствием повышенного износа некоторых деталей агрегатов. При этом аномальных отклонений режимов эксплуатации компрессоров с точки зрения технологических процессов не наблюдалось.

Используемый сегодня алгоритм мониторинга и диагностики поршневых компрессоров позволяет качественно оценить степень износа отдельных деталей. При этом по сигналу дается оценка «допустимо», «недопустимо» или «требует принятия мер», а также отслеживается скорость перехода от одной оценки к другой по накапливаемым трендам. Последнее позволяет оценить оставшийся ресурс работы компрессора.

Используемая система мониторинга и диагностики поршневых машин позволяет более точно оценивать состояние агрегатов и прогнозировать их срок эксплуатации. Данные с датчиков, установленных на клапанах, дают возможность производить оценку технологического режима работы отдельных цилиндров компрессора и его ступеней, что предполагает более четкое соблюдение технологии эксплуатации компрессора в целом.

Расчет экономической эффективности от внедрения системы вибродиагностики поршневых компрессоров показывает, что затраты на внедрение системы окупаются в течение нескольких месяцев ее эксплуатации.

1.2 Вибродиагностика поршневых компрессоров

Превращение в машинах и механизмах одних видов энергии в другие, преобразование форм движения, осуществление рабочих процессов неизбежно связано с появлением переменных сил и моментов, порождающих вибрацию. Она отрицательно влияет на прочность и износ изделий, на надежность и безопасность машин, несущих конструкций, сооружений и оказывает вредное влияние на физиологическое состояние людей. При достижении определенных значений вибрация может вызвать нарушение рабочих процессов, привести к неполадкам систем управления и регулирования, искажению показаний приборов, усиленному износу кинематических пар, поломкам деталей и авариям машин. Статистика показывает, что в большинстве случаев поломки и аварии машин происходят по причине вибрации, возникающей при отклонении показателей режима работы машин от допустимых значений, изменении формы и взаимного положения деталей, ослаблении креплений и посадок деталей, появлении значительной неуравновешенности движущихся частей. В настоящее время снижение весогабаритных характеристик, повышение скорости и мощности машин приводит к увеличению вибрационных нагрузок на их детали и узлы. Это приводит к необходимости контроля вибрации машин. Связь вибрации с качеством изготовления и сборки машин, износом их деталей и узлов, режимом работы, надежностью и безопасностью позволяет использовать ее характеристики для оценки технического состояния составных частей машин, прогнозирования их ресурса и оптимизации режима работы.

Для ограничения вибрации в различных областях техники устанавливают требования и нормы для ее регламентации. Под требованиями подразумевают предельно допустимые уровни вибрации, которые необходимы для полного удовлетворения частных условий без учета их выполнения в данный момент времени. Под нормами обычно понимают установленные с помощью статистических методов реально достижимые минимальные уровни вибрации, выполнение которых является обязательным. В большинстве случаев нормы устанавливались с учетом всех наиболее важных условий. Поскольку они не могут в равной степени удовлетворять всем требованиям, нормы являются результатом компромиссного решения. Снижение вибрации машин и оборудования ниже определенного значения отражается на других ее показателях, в том числе, на стоимости и сроках изготовления и ремонта, весогабаритных характеристиках. Существующие нормы и требования по ограничению вибрации машин можно подразделить:

а) нормы, регламентирующие виброактивность и качество изготовления (модернизации, ремонта) машин;

б) эксплуатационные нормы допустимой вибрации;

в) санитарно-гигиенические нормы вибрации (требования);

г) нормы на вибростойкость приборов, машин и строительных конструкций при воздействии внешней вибрации.

Очевидно, что в самом общем случае результатом технического диагностирования является определение значений структурных параметров, непосредственно характеризующих техническое состояние поршневых машин, её узлов и деталей. Необходимо знать фактическое и предельное значения контролируемого параметра, чтобы с учетом закона его изменения в процессе эксплуатации можно было оценить остаточный ресурс. Однако на работающей поршневой машине практически невозможно определить фактическое значение многих структурных параметров. Определение же их при разборке нарушает качество сопряжений в повторно собранной и изменяет закономерности протекания процессов взаимодействия деталей в сопряжениях, что делает неприемлемым практическое использование такого способа получения данных. В этом случае диагностирование проводят по косвенным признакам, которые количественно оцениваются диагностическими признаками.

Определение необходимого и достаточного количества диагностических признаков, которые позволяли бы достоверно оценивать техническое состояние поршневой машины в целом, его систем, механизмов и отдельных деталей, основывается на анализе физических процессов, протекающих в ПМ, и закономерностях их развития.

Опыт длительной эксплуатации систем компьютерного мониторинга технического состояния машинного оборудования КОМПАКС позволил накопить данные по диагностике поршневых компрессоров типа ВДСВ-30/30/20/20×16 (Worthington). Для проведения исследований вибродатчики устанавливали в различных точках, при этом установке датчиков, как правило, предшествовало виброобследование компрессора с помощью переносной системы КОМПАКС-Микро. Как правило, датчики на различные типы компрессоров устанавливали в точках, показанных на рисунке 1.2.

Рисунок 1.2 — Схема расположения датчиков: 1 — датчик в осевом направлении поршня (ОНП), 2 — датчики на приемных клапанах, 3 — датчики на выкидных клапанах, 4 — датчик на крейцкопфе (КРЦ), 5 — датчик на заднем подшипнике двигателя, 6 — датчик угла поворота вала, 7 — датчики на коренных подшипниках В настоящее время накоплена информация и разработаны алгоритмы функционирования экспертной системы для диагностики гидравлических ударов, ослабление гайки поршня, износа сальников штока.

1.3 Нормативно-методическое обеспечение мониторинга технического состояния

Минимизация потерь, в т. ч. экологических, экономических от простоев оборудования и технологических линий и затрат на ремонт, вследствие внезапных остановок машинного оборудования является одной из главных целей внедрения систем мониторинга технического состояния оборудования.

Однако, для обеспечения функционирования систем мониторинга технического состояния поршневых компрессоров (ПК), используемых, в частности, в нефтехимическом комплексе, отсутствует нормативно-методическая база. Связано это, прежде всего, со сложностью диагностирования ПК. С другой стороны, ПБ 03−582−03 ставят задачу обеспечения мониторинга состояния ПК и предусматривают соответствующие возможности и организационно-технические мероприятия.

В связи с отсутствием в нормативно-технической документации понятия мониторинг технического состояния для исключения разночтений необходимо определиться с терминологией. В данном случае под мониторингом технического состояния агрегата (мониторингом агрегата), понимается наблюдение за техническим состоянием агрегата (конструкции, машины, узла, механизма), т. е. результатами диагностирования агрегата, для определения и предсказания момента перехода в предельное состояние. Результат мониторинга агрегата представляет собой совокупность диагнозов составляющих его субъектов (конструкций, машин, узлов, механизмов), получаемых на неразрывно примыкающих друг к другу интервалах времени, в течение которых состояние агрегата существенно не изменяется. Принципиальным отличием мониторинга состояния от мониторинга параметров является наличие интерпретатора результатов диагностирования в терминах технического состояния (экспертной системы поддержки принятия решения о состоянии объекта и дальнейшем управлении).

Одной из проблем мониторинга состояния машинного оборудование является выбор контролируемых параметров и мест установки датчиков. Анализ циклограмм работы ПК и опыт вибродиагностирования поршневых машин позволили выявить наиболее информативные точки для получения вибрационных сигналов. В частности, для машин горизонтального типа определены места установки вибродатчиков, приведенные на рисунке 1.3.

	1 — Осевое направление поршня (ОНП); 2 — Радиальное направление поршня (РНП); 3 — Вертикальное направление крейцкопфа (КРЦ); 4 — Клапан 5 — Вертикальное направление штока (Шток) 6 — Осевое направление ползуна

Рисунок 1.3 — Схема расположения вибродатчиков на цилиндре ПК Широчайшие возможности стационарных систем мониторинга состояния оборудования КОМПАКС [12], с помощью которых контролировалось состояние и ПК, по сбору и обработке измеренных данных, а также анализ ремонтной и эксплуатационной документации на поршневые компрессора позволили накопить достаточный объем информации для подготовки нормативно-методической базы, обеспечивающей мониторинг технического состояния ПК [15, 16].

Разработанные на основе полученной информации модели и закономерности формирования и развития виброакустических и других процессов, сопровождающих и характеризующих работу ПК, позволили осуществить их нормирование для определения условных границ, разделяющих состояния ПК.

Приняты три основные условных границы и градации рекомендаций, определяющие конкретные действия персонала [26]:

ь ДОПУСТИМО (Д) — допускается длительная практически без ограничений эксплуатация компрессора;

ь ТРЕБУЕТ ПРИНЯТИЯ МЕР (ТПМ) — техническое состояние компрессора требует принятия мер по предотвращению ухудшения его состояния, поэтому необходимо принять все меры по улучшению состояния компрессора, путем выполнения указаний экспертной системы поддержки принятия решений;

ь НЕДОПУСТИМО (НДП) — техническое состояние компрессора не допускает его дальнейшую эксплуатацию и необходимо либо остановить компрессор и начать его ремонт, либо оперативно выполнить действия по кардинальному улучшению его состояния.

В основе методики нормирования вибропараметров машин лежит экспериментально установленный факт, что при нормальном функционировании ПК параметры вибрации различных машин лежат ниже некоторых значений, которые можно использовать в качестве границ.

В качестве примера на рисунках 1.4 — 1.6 приведены типовые временные реализации сигналов, которые отражают три условных состояния коренных подшипников поршневых компрессоров.

В соответствии с ГОСТ 20 911–89 видами технического состояния объекта (ТСО) являются:

ь ИСПРАВНОЕ — это СО при котором он соответствует всем требованиям нормативно-технической документации (НТД) или конструкторской документации (КД).

Рисунок 1.4 — Вибросигнал с исправного компрессора Рисунок 1.5 — Вибросигнал с узла компрессора, требующего принятия мер Рисунок 1.6 — Вибросигнал с узла компрессора, дальнейшая эксплуатация которого опасна ь НЕИСПРАВНОЕ — это СО при котором он не соответствует хотя бы одному из требований НТД или КД.

ь РАБОТОСПОСОБНОЕ — это СО при котором значения всех параметров, характеризующих способность выполнять заданные функции, соответствуют требованиям НТД и КД, т. е. выходные параметры и характеристики которого для всех возможных режимов его эксплуатации полностью соответствуют ТУ. При этом в отдельных элементах агрегата могут быть неисправности, не влияющие на ее выходные параметры.

ь НЕРАБОТОСПОСОБНОЕ — это СО при котором значение хотя бы одного параметра характеризующего способность выполнять заданные функции не соответствует НТ и КД. Для сложных объектов возможно деление на частично-неработоспособное СО.

ь ПРЕДЕЛЬНОЕ — это СО при котором его дальнейшая, либо восстановление его работоспособного состояния не возможно или не целесообразно.

В реальном производстве использование таких категорий неприемлемо, так как возникают неувязки при решении вопросов об остановке или продолжении эксплуатации объектов. Это происходит по тем причинам, что данные СО имеют тонкую отличительную грань, и в производстве такие состояния часто пересекаются (рисунок 1.7). Поэтому в производстве при эксплуатации оборудования используют более четкие понятия СО, такие как Д, ТПМ и НДП.

Совместимость таких СО показана на рисунке 1.7.

Учитывая возвратно-поступательный характер движения основных узлов машин, для выделения диагностических признаков используется временная селекция сигналов, полезность и эффективность которой подтверждена на практике. Для выделения сигнала в определенные моменты времени по углу поворота вала используют датчик угла поворота вала. Сигнал, с которого обычно приходит в момент нахождения одного из поршней в верхней или нижней мертвой точке.

Рисунок 1.7 — Изменения и переход ТС

Одним из авторов [11, 13] еще в 1972 г. на основе методов диагностики дефектов компрессора по циклограмме его работы со стохастическим усреднением результатов в различных частотных полосах разработаны принципы диагностирования машин циклического действия, защищенные рядом авторских свидетельств и патентов. Был создан и внедрен комплекс аппаратуры ПАРК-1 [9], который использовался на станции обкатки и испытаний компрессоров ДХ2−1010 в серийном производстве, обеспечивающем выпуск до одного миллиона компрессоров в год. Комплекс обеспечивал диагностирование таких производственных дефектов компрессоров, как повышенный вылет поршня, дефекты всасывающего и нагнетательного клапанов, эксцентриситет ротора и др.

Анализ значений измеренных параметров физических величин по углу поворота вала, т. е. частотно-временная селекция сигналов, позволяет увеличить точность постановки диагноза. Разработанные нормы и предельные значения физических величин, в частности, для вибропараметров, надежно определяют состояние машины. Эти нормы также имеют градации Д, ТПМ и НДП. Частотно-временная селекция сигналов и синхронная обработка существенно помогают обнаружить фундаментальные причины отказов и неисправностей.

Одним из важнейших положений нормативно-методической базы мониторинга ПК является сохранение измеряемых данных в виде трендов параметров или диагностических признаков. Опыт показывает, что наиболее оптимальным с точки зрения контроля изменения состояния являются тренды в масштабах времени 12 часов, 4 суток, 40 суток, 1 год и 9 лет. При этом необходимо проводить анализ скорости изменения трендов, абсолютные значения которых должны быть нормированы для различных параметров сигналов и диагностических признаков, и выдавать соответствующие предписания персоналу.

Определение текущего состояния объекта мониторинга является главной задачей теории и практики распознавания образов. В настоящее время в качестве основы для создания базы образов, соответствующих конкретным техническим состояниям поршневой машины, выступает практический опыт диагностирования неисправностей поршневых машин [15, 16, 17].

Предпосылками для разработки методов и методик диагностирования является достаточно большой опыт постановки диагнозов для ротационного оборудования. Один из методов, реализующих данных подход, — синхронная гребенчатая фильтрация во временной и частотных областях. В частности, использование спектральной матрицы позволяет практически со 100 процентной вероятностью определять дефекты и неисправности клапанов поршневых компрессоров [1, 14].

Выделение огибающей вибросигнала с датчиков, установленных в различных точках компрессора, позволяет наглядно представлять процессы, происходящие в компрессоре. Особенно эффективно огибающая вибросигнала работает при ее синхронизации с угловым положением коленчатого вала [1, 9, 16]. Для выделения огибающей используются специально разработанные алгоритмы, позволяющие получать сигнал, несущий максимально возможную информацию о состоянии узлов и деталей компрессора.

Таким образом, обобщение опыта НПЦ «ДИНАМИКА» по мониторингу состояния поршневых компрессоров в нефтехимическом комплексе с помощью стационарных систем КОМПАКС позволяет разработать нормативно-методическую базу для обеспечения мониторинга состояния поршневых компрессоров и получить важнейший источник сокращения издержек производства в виде ресурсосберегающей эксплуатации оборудования на основе непрерывного мониторинга его технического состояния в реальном времени. Это позволяет предотвращать неожиданные неисправности оборудования и остановки производства, непрерывно, в автоматическом режиме получать и использовать объективную информацию о техническом состоянии оборудования, контролировать и корректировать действия персонала в реальном времени путем интегрирования информации систем в единой диагностической сети Compacs-Net с единой базой данных параметров мониторинга на неразрывно примыкающих друг к другу интервалах времени, в течение которых состояние оборудования существенно не изменяется. Все это обеспечивает мониторинг технического состояния оборудования и перевод его на эксплуатацию по фактическому техническому состоянию.

Разработанные и успешно внедренные НПЦ «ДИНАМИКА» на десятках предприятий системы мониторинга технического оборудования КОМПАКС позволяют целенаправленно и надежно контролировать состояние оборудования, в том числе поршневые компрессора. Ближайшей задачей является принятие и утверждение на уровне Федеральных и отраслевых органов основных положений нормативно-методической базы, разработанной НПЦ «ДИНАМИКА», в качестве основы для обеспечения мониторинга технического состояния машинного оборудования, включая поршневые компрессора.

2. Разработка методики и алгоритма обработки данных

2.1 Обработка ВА сигналов с помощью программного обеспечения MatLab

Текст программы по обработке сигналов, полученных с различных ПК, представлен в приложении А. Алгоритм обработки сигналов и расчета спектральных инвариант представлен на рисунках (2.1) и (2.2).

Первый этап обработки сигналов — считывание сигнала из SGF-файла. Сигнал, считанный из SGF-файла с помощью программы MatLab, приведен на рисунке 2.3.

Данный тип файлов состоит из двух частей — описание сигнала и считанные данные. Первая часть файла «описание» находится между открывающим и закрывающим данный раздел тегами

и соответственно. А вторая часть — между тегами и.

В разделе описания содержатся поля, в которых после знака двоеточие указываются различные параметры сигнала, например:

— кодировка (ENCODE: DOS),

— агрегат (PLANT: «Омский НПЗ»),

— индекс (INDEX: 1КН2),

— единицы измерения сигнала (UNITS: м/с²),

— размер (SIZE: 16 402),

— частота дискретизации (FREQ: 20 480), и т. д.

Второй раздел содержит закодированные считанные данные виброускорения, которые были получены с различных узлов поршневых компрессоров.

Находим шаг частоты дискретизации по формуле:

(2.1)

где — частота дискретизации, N — количество считываний сигнала.

Далее для осуществления фильтрации сигнала используем полосовой фильтр — выполняем следующие преобразования:

— преобразование Фурье (БПФ), после чего получаем спектр сигнала.

— фильтруем (обнуляем) частоты за пределами нужного нам диапазона 4000 — 7000 Гц. Это высокочастотная зона и здесь отсутствуют гармоники от неуравновешенности и другие «механические», а есть только шумовая составляющая, которая модулирована сигналами от различных дефектов.

— выполняем обратное преобразование Фурье (ОБПФ), после чего получаем фильтрованный сигнал.

Для построения спектра огибающей ВА сигнала выполняем очередное БПФ. Так как после данного преобразования получаем комплексные числа, то вычисляем модуль по формуле 2.2 и получаем спектр огибающей сигнала, затем отбираем значения амплитуд первых пяти гармоник на оборотной частоте равной 6,25 Гц (рис. 2.6).

(2.2)

где Re (S), Im (S) — соответственно действительная и мнимая части сигнала.

Записываем выбранные амплитуды гармоник в файл для дальнейших расчетов в программе MS Excel. Полученные значения виброускорения и спектральных инвариант, ,, рассчитанных соответственно по формулам (2.3), (2.4), (2.5), сводим в таблицу Б.1 (приложение Б).

(2.3)

(2.4)

(2.5)

где А_1, А_2, А_3, А_4, А₅ - амплитуды 1^ой, 2^ой, 3^ой, 4^ой, 5^ой гармоник в спектре огибающей.

2.2 Методика определения пороговых уровней диагностического параметра

Общая методика нахождения пороговых уровней представлена на рисунках (2.7) и (2.8).

Описание методики нахождения порогов приведем на примере расчетов для коэффициента с датчиков на клапанах.

Рассчитаем значения порогов для клапанов для коэффициента K₁.

2.2.1 Построение и разделение общей гистограммы

Группирование результатов наблюдений по интервалам предусматривает: определение размаха изменений параметра х; выбор количества интервалов и их величины; подсчет для каждого i-го интервала [x_i — x_i+1] частоты n_i или относительной частоты (частотности v_i) попадания варианты в интервал. В результате формируется представление ЭД в виде интервального или статистического ряда.

Графически статистический ряд отображают в виде гистограммы. Часто гистограмму представляют как фигуру, состоящую из прямоугольников, основаниями которых служат интервалы длиною h, а высоты равны соответствующей частотности. Однако такой подход неточен. Высоту i-го прямоугольника z_i следует выбрать равной. Такую гистограмму можно интерпретировать как графическое представление эмпирической функции плотности распределения F_n(x), в ней суммарная площадь всех прямоугольников составит единицу.

Для того чтобы построить общую гистограмму определяем оптимальное число интервалов группирования ЭД (рисунок 2.7 блок 1, 2) по формуле Уильямса (2.6) [24]:

K ? 4 [0,75 (n-1)²]^0,2, (2.6)

где K — количество интервалов (карманов), n — количество значений в выборке.

К? 4 [0,75 (2754−1)²]^0,2? 90.

В данном случае для удобства вычислений и для наглядности гистограммы будем использовать К = 60.

Длины интервалов удобно выбирать одинаковыми и равными величине:

(2.7)

где x_max — максимальное и x_min — минимальное значение параметра.

Рассчитываем частотность (рисунок 2.7 блок 3) — количество значений, попавших в каждый интервал. В расчете в программе excel частотность рассчитываем с помощью условия — если в ряде данных [x₁; x_n] встречается значение от a до b, в данную ячейку прибавляется единица:

E29 = ABS (СЧЁТЕСЛИ ($A$ 4:$A$ 2754; «<=» &D29) — СЧЁТЕСЛИ ($A$ 4:$A$ 2754; «<=» &D28)),

где E29 = 0, — ячейка, содержащая полученное значение частотности от всего ряда данных для первого интервала; $A$ 4 и $A$ 2754 — ячейки, содержащие соответственно первое x₁ и последнее x_n значения всего ряда данных (коэффициентов); D29 и D28 — ячейки, содержащие значения соответственно верхней a и нижней b границ для первого интервала.

Растягиваем формулу для остальных 60 карманов и получаем значения частотности для каждого интервала.

Далее рассчитываем накопление ряда (рисунок 2.7 блок 4). Для этого первому значению накопления в ячейке H29 для первого интервала приравниваем первое значению частотности E29. Последующие значения накопления рассчитываем так же как для второго интервала — предыдущее значение накопления прибавить к последующему значению частотности:

H30 = (H29+E30) = 0+1 = 1,

где H29 — ячейка, содержащая значение накопления для первого интервала; E30 — ячейка, содержащая значение частотности для второго интервала.

Растягиваем ячейку второго интервала на все 60 интервалов и получаем значения накоплений для всех карманов.

Далее рассчитываем процентный ряд (рисунок 2.7 блок 5). Для этого каждую ячейку со значением накопления, соответствующую определенному интервалу, делим на общее количество значений коэффициентов n:

I29 = H29/$F$ 23 = 0/2754 = 0,

I29 — ячейка, содержащая полученное значение процентов для первого интервала; $F$ 23 — ячейка, содержащая общее количество значений коэффициентов n (значком $ перед буквой и цифрой обозначается const соответственно для столбца и строки).

По рассчитанным данным строим общую гистограмму (рисунок 2.7 блок 6), по оси X откладываем x_i (карманы), по оси Y частотность и проценты (рисунок 2.9).

Рисунок 2.9 — Гистограмма распределения с датчиков на клапанах для всего набора данных Из рисунка 2.9 видно, что на гистограмме три явных максимума гистограммы, они соответствуют трем состояниям ПК (Д, ТПМ, НДП). Для того, что бы определить более точно границы перехода ПК от одного состояния в другое, рассмотрим каждую область отдельно. Для этого устанавливаем визуальные границы между состояниями и записываем их в ячейки (рисунок 2.7 блок 7). После чего в соответствии с установленными границами делим ряд частотности на три интервала то, что выходит за пределы границ, приравниваем к нулю. Получаем три столбца частотности, соответствующие трем отдельным областям Д, ТПМ, НДП.

2.2.2 Построение эмпирической функции распределения

Эмпирической функцией распределения называется функция F_n(x), равная относительной частоте (доле) таких значений x_i, что x_ix, i=1,…, n,

F_n(x) = P_n(X_x/n, (2.8)

где n_x — число вариант, меньших x. F_n(x) называют также статистической или выборочной функцией распределения (2.9).

(2.9)

где n_i — число совпадающих значений x_i, и скачок в точке x_i равен n_i /n.

При n эмпирическая функция распределения стремится к теоретической, F_n(x_i)F (x).

Для состояния «Допустимо» (Д) определим эмпирическую функцию распределения (рисунок 2.8 блок 8) по формуле (2.9).

F_n(x₁) = .

В программе excel расчет эмпирической функции распределения выглядит как:

O29 = СУММ (L$ 29:L29)/ СУММ (L$ 29:L$ 89),

где O29 = F_n(x₁) — ячейка, содержащая значение эмпирической функции распределения для первого кармана; L$ 29 — ячейка, содержащая значение частотности n₁ для состояния Д; L29 — ячейка, содержащая значение частотности n_i для состояния Д; L$ 89 — ячейка, содержащая значение n (последнее значение частотности для состояния Д).

Для состояний ТПМ и НДП рассчитываем аналогично, но используя ряды частотностей для соответствующих состояний. Все полученные значения F_n(x_i) записываем в таблицу В.1.

После разделения общей гистограммы на области и нахождения эмпирической функции распределения для каждого отдельного состояния построим три гистограммы (рисунок 2.8 блок 9), откладывая по оси Y ряды частотности и процентного ряда (эмпирическую функцию распределения) для каждого состояния свои.

Деление на перечисленные выше три области используют, потому что с такими состояниями объекта проще работать и анализировать полученные результаты, так как данные состояния следуют строго одно за другим. Со стандартными терминами работать намного сложнее: объект может быть исправным, но неработоспособным, или работоспособным, но неисправным при этом не находиться в предельном состоянии и т. д.

3. Расчет параметров диагностических признаков

По методике расчета, представленной в разделе 2, рассчитаем пороговые значения коэффициентов K₃ и K₃₋₅ для клапанов и K₁, K₃ и K₃₋₅ цилиндропоршневой группы (ЦПГ).

3.1 Расчет порогов для клапанов

Рассчитываем значения порогов для клапанов для коэффициента K₃.

По формуле (2.6) определяем оптимальное количество интервалов:

К? 4 [0,75 (324−1)²]^0,2? 40.

Рисунок 3.1 — Гистограмма распределения K₃ с датчиков на клапанах для всего набора данных Рисунок 3.2 — Гистограмма распределения K₃ сигналов с датчиков на клапанах, для состояния «Допустимо»

Рисунок 3.3 — Гистограмма распределения K₃ сигналов с датчиков на клапанах, для состояния «Требует принятия мер»

Рисунок 3.4 — Гистограмма распределения K₃ сигналов с датчиков на клапанах, для состояния «Недопустимо»

Для состояния Д построим вариационный ряд и для него определим эмпирическую функцию распределения по формуле (2.9):

F_n(x₁) = .

Аналогичным образом вычисляем для для всех остальных значений и записываем полученные значения в таблицу В.2.

Для аппроксимации по формулам (2.10), (2.11) находим координаты X_i, Y_i:

;

.

Аналогичным образом вычисляем остальные координаты и заносим в таблицу В.2.

По найденным координатам для состояния Д строим график и аппроксимируем его линейной функцией вида. Кривые приведены на рисунке 3.5.

Рисунок 3.5 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации Из уравнения находим коэффициенты в₁ и в₀, необходимые для расчета теоретической функции распределения. По графику видно, что y = 1,7947x+3,2592 при значении R²= 0,99%. Следовательно, коэффициенты в₁ и в₀ соответственно равны 1,7947 и 3,2592. С учетом коэффициентов б= в₁ = 1,7947; в= =0,1638; =0,025 получаем значения функции распределения по закону Вейбула-Гнеденко (2.12):

.

Для остальных значений X_i значения функции распределения находим таким же образом и заносим в таблицу В.2.

По полученным данным строим график эмпирической и теоретической функции распределения (рисунок 3.6).

Рисунок 3.6 — График теоретической и эмпирической функции распределения для области «Допустимо»

Определяем меру Линдера R² по формуле (2.13):

.

Как видим R² = 100%, это говорит о совпадении распределения диагностического признака — коэффициента K₃ с выбранным законом распределения (Вейбула-Гнеденко).

Пороговое значение диагностического признака при вероятности 0,95 для состояния Д с клапанов составило:

Для состояний «Требует принятия мер» (ТПМ) и «Недопустимо» (НДП) рассчитываем значения порогов аналогично. Рассчитанные значения также заносим в таблицу В.2. По полученным значениям строим графики.

Для состояния ТПМ получаем:

Рисунок 3.7 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации.

Рисунок 3.8 — График теоретической и эмпирической функции распределения для области ТПМ

Определяем меру Линдера R² по формуле (2.13):

.

Пороговое значение диагностического признака при вероятности 0,95 для состояния ТПМ составило:

Для состояния НДП получаем:

Рисунок 3.9 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации.

Определяем меру Линдера R² по формуле (2.13):

.

Пороговое значение диагностического признака при вероятности 0,95 для состояния НДП составило:

Рисунок 3.10 — График теоретической и эмпирической функции распределения для области НДП

Рассчитываем значения порогов для клапанов для коэффициента K₃₋₅.

По формуле (2.6) определяем оптимальное количество интервалов: К? 4 [0,75 (7118−1)²]^0,2? 130. В данном случае для удобства вычислений и для наглядности гистограммы будем использовать К = 60.

Рисунок 3.11 — Гистограмма распределения K₃₋₅ с датчиков на клапанах для всего набора данных Рисунок 3.12 — Гистограмма распределения K₃₋₅ сигналов с датчиков на клапанах, для состояния «Допустимо»

Рисунок 3.13 — Гистограмма распределения K₃₋₅ сигналов с датчиков на клапанах, для состояния «Требует принятия мер»

Рисунок 3.14 — Гистограмма распределения K₃₋₅ сигналов с датчиков на клапанах, для состояния «Недопустимо»

Для состояния Д построим вариационный ряд и для него определим эмпирическую функцию распределения по формуле (2.9):

F_n(x₁) = .

Аналогичным образом вычисляем для всех остальных значений и записываем полученные значения в таблицу В.3.

Для аппроксимации по формулам (2.10), (2.11) находим координаты X_i, Y_i:

;

.

Аналогичным образом вычисляем остальные координаты и заносим в таблицу В.3.

По найденным координатам для состояния Д строим график и аппроксимируем его линейной функцией вида. Кривые приведены на рисунке 3.15.

Рисунок 3.15 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации Из уравнения находим коэффициенты в₁ и в₀, необходимые для расчета теоретической функции распределения. По графику (рисунок 3.15) видно, что y = 2,7605x+5,0414 при значении R²= 0,99%. Следовательно, коэффициенты в₁ и в₀ соответственно равны 2,7605 и 5,0414. С учетом коэффициентов б= в₁= 2,7605; в= = 0,1638; = 0,017 получаем значения функции распределения по закону Вейбула-Гнеденко (2.12):

.

Для остальных значений X_i значения функции распределения находим таким же образом и заносим в таблицу В.3.

По полученным данным строим график эмпирической и теоретической функции распределения (рисунок 3.16).

Рисунок 3.16 — График теоретической и эмпирической функции распределения для области «Допустимо»

Определяем меру Линдера R² по формуле (2.13):

.

Как видим R² = 100%, это говорит о совпадении распределения диагностического признака — коэффициента K₃₋₅ с выбранным законом распределения (Вейбула-Гнеденко).

Пороговое значение диагностического признака при вероятности 0,95 для состояния Д с клапанов составило:

Для состояний «Требует принятия мер» (ТПМ) и «Недопустимо» (НДП) рассчитываем значения порогов аналогично. Рассчитанные значения также заносим в таблицу В.3. По полученным значениям строим графики.

Для состояния ТПМ получаем:

Рисунок 3.17 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации Рисунок 3.18 — График теоретической и эмпирической функции распределения для области ТПМ

Определяем меру Линдера R² по формуле (2.13):

.

Пороговое значение диагностического признака при вероятности 0,95 для состояния ТПМ составило:

Для состояния НДП получаем:

Рисунок 3.19 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации Определяем меру Линдера R² по формуле (2.13):

.

Рисунок 3.20 — График теоретической и эмпирической функции распределения для области НДП Пороговое значение диагностического признака при вероятности 0,95 для состояния НДП составило:

3.2 Расчет порогов для цилиндропоршневой группы

Полученные с ЦПГ значения виброускорения и рассчитанные значения спектральных инвариант, , соответственно по формулам (2.3), (2.4), (2.5) приведены в таблице Б.2 (приложение Б).

Рассчитываем значения порогов для ЦПГ для коэффициента K₁.

По формуле (2.6) определяем оптимальное количество интервалов:

К? 4 [0,75 (2341−1)²]^0,2? 84.

В данном случае для удобства вычислений и для наглядности гистограммы будем использовать К = 60.

Рисунок 3.21 — Гистограмма распределения K₁ с датчиков на ЦПГ для всего набора данных Рисунок 3.22 — Гистограмма распределения K₁ сигналов с датчиков на ЦПГ, для состояния «Допустимо»

Рисунок 3.23 — Гистограмма распределения K₁ сигналов с датчиков на ЦПГ, для состояния «Требует принятия мер»

Рисунок 3.24 — Гистограмма распределения K₁ сигналов с датчиков на ЦПГ, для состояния «Недопустимо»

Для состояния Д построим вариационный ряд и для него определим эмпирическую функцию распределения по формуле (2.9):

F_n(x₁) = .

Аналогичным образом вычисляем для для всех остальных значений и записываем полученные значения в таблицу В.4.

Для аппроксимации по формулам (2.10), (2.11) находим координаты X_i, Y_i:

;

.

Аналогичным образом вычисляем остальные координаты и заносим в таблицу В.4.

По найденным координатам для состояния Д строим график и аппроксимируем его линейной функцией вида. Кривые приведены на рисунке 3.25.

Рисунок 3.25 — Модифицированная эмпирическая и регрессионная модели функции распределения, — величина достоверности аппроксимации.

Из уравнения находим коэффициенты в₁ и в₀, необходимые для расчета теоретической функции распределения. По графику (рисунок 3.25) видно, что y = 6,0901x+8,6563 при значении R²= 0,99%. Следовательно, коэффициенты в₁ и в₀ соответственно равны 6,0901 и 6,6563. С учетом коэффициентов б= в₁= 6,0901; в= = 0,2455; = 0,017 получаем значения функции распределения по закону Вейбула-Гнеденко (2.12):

.

Для остальных значений X_i значения функции распределения находим таким же образом и заносим в таблицу В.4.

По полученным данным строим график эмпирической и теоретической функции распределения (рисунок 3.26).

Рисунок 3.26 — График теоретической и эмпирической функции распределения для области «Допустимо»

Определяем меру Линдера R² по формуле (2.13):

.

Как видим R² = 100%, это говорит о совпадении распределения диагностического признака — коэффициента K₁ с выбранным законом распределения (Вейбула-Гнеденко).

4. Безопасность жизнедеятельности

4.1 Защита в чрезвычайной ситуации

4.1.1 Действия персонала на НПЦ «Динамика» при угрозе и возникновении ЧС природного и техногенного характера

НПЦ «Динамика» расположено в помещениях офисного типа. Деятельность организации — оборудование для автоматизации промышленных предприятий, экспертиза промышленной безопасности.

К чрезвычайным ситуациям (ЧС) природного характера относятся явления, связанные с проявлением стихийных сил природы, — землетрясения, наводнения, извержения вулканов, оползни, сели, ураганы, смерчи, бури, природные пожары и др.

Техногенные ЧС — это ситуации, которые возникают в результате производственных аварий и катастроф на объектах, транспортных магистралях; пожаров, взрывов на объектах; загрязнения местности и атмосферы сильнодействующими ядовитыми веществами (СДЯВ), отравляющими веществами (ОВ), биологически (бактериологически) опасными и радиоактивными веществами.

Так как данное предприятие не относится к опасным производственным объектам, СДЯВ на предприятии не используются, не имеется биологически опасных и радиоктивных веществ, не производятся и не являются результатом деятельности, то на данном предприятии рассматривается ЧС техногенного характера — пожары на предприятии.

ЧС природного и техногенного характера могут возникнуть внезапно или после различного по продолжительности периода угрозы возникновения. Исходя из этого, период угрозы возникновения ЧС должен быть в максимальной мере использован для предотвращения ЧС или уменьшения возможного ущерба.

1. Порядок оповещения администрации и персонала об угрозе возникновения ЧС:

— оповещение руководителей персонала отделения о ЧС на занимаемой учреждением территории производится по разработанной схеме оповещения;

— оповещение администрации и персонала учреждения о ЧС в нерабочее (ночное) время производится по телефону (сотрудником-сторожем, осуществляющим дежурство);

— в первую очередь оповещается администрация учреждения, а затем, в зависимости от обстановки, остальной персонал;

— в рабочее время сотрудники учреждения оповещаются голосовым способом и по телефону;

— при приеме районного предупредительного сигнала «Внимание всем» (вой сирен) все радиоточки, телевизоры и радиоприемники учреждения перевести в режим приема речевых сообщений, передаваемых главным управлением по делам ГО и ЧС города (области, края и т. д.).

2. О мерах по сохранению материальных ценностей в период угрозы и возникновения ЧС:

— все сотрудники учреждения должны принимать меры по сохранению материальных ценностей при угрозе или возникновении ЧС;

— в период проведения мероприятий по защите от ЧС или ликвидации их последствий должны приниматься меры по предотвращению или уменьшению возможного материального ущерба учреждению, по охране имущества и оборудования.

4.1.2 Безопасность персонала при ЧС на НПЦ «Динамика»

Помещения размещены в одно-, двухэтажном здании, второй степени огнестойкости. Здание находится в районе выезда 2 ПЧ 6 ОГПС МЧС России Омской области. Здание оборудовано внутренним противопожарным водопроводом, автоматической пожарной сигнализацией и системой оповещения людей на случай пожара. Имеется подвальное и чердачное помещения в зданиях, деревянные конструкции чердачного помещения обработаны огнезащитным составом. Имеются огнетушители, дополнительные выходы из здания, которые необоходимы при возникновении различных чрезвычайных ситуаций. Также на предприятии есть ответственный по пожарной безопасности и дополнительно на каждом этаже закреплен работник, ответственный за пожарную безопасность, в случае возникновения пожара.

Таблица 4.1. Действия персонала НПЦ «Динамика» при возникновении пожара

Действия	Порядок и последовательность действий
Сообщение о пожаре	Сообщить по тел. 01 в центральную диспетчерскую города или по тел. 21−63−70 в районную пожарную охрану, указав место горения, адрес, фамилию и должность сообщавшего. Сообщить о пожаре по ретрансляционной сети. Включить систему оповещения.
Эвакуация людей	Открыть основные и запасные двери. Эвакуировать персонал из здания.
Тушение пожара	Отключить вспомогательные электроустановки. Локализовать очаг горения. Тушить первичными средствами пожаротушения.
Эвакуация материальных ценностей	Ценности и дорогостоящие оборудование эвакуируется через запасные выходы, складируется и ставится под охрану Зам. Директора.
Встреча пожарного подразделения	Встретить пожарное подразделение у главного входа со стороны фасада здания. Доложить обстановку о местах возгорания, наличии людей в здании, принятых мерах пожаротушения. Указать места установки пожарных автомобилей и пожарный водоем: W=700 м3 со стороны пересечения улиц Рабиновича и Чернышевского.