Dự báo thời hạn làm việc của thiết bị điện tử trong bảo dưỡng theo trạng thái
Cùng với sự phát triển của khoa học kỹ thuật, các thiết bị khí tài trong quân sự
ngày càng hiện đại, trở thành những hệ thống kỹ thuật có mức độ phức tạp cao.
Nhiều nước đã áp dụng phương pháp bảo dưỡng kỹ thuật theo trạng thái (CBM -
Condition based maintenance) nhằm nâng cao khả năng sẵn sàng chiến đấu và tăng
hạn sử dụng các thiết bị quân sự. Bản chất của phương pháp là giám sát, chuẩn đoán
và dự báo được tình trạng kỹ thuật của trang thiết bị để dựa vào đó lập kế hoạch bảo
dưỡng trước khi sự cố xảy ra, nhở đó tối ưu hóa kế hoạch bảo dưỡng cũng như ngăn
chặn các hỏng hóc bất ngờ [3, 4]
Trong giám sát thu thập dữ liệu trạng thái, thiết bị được mô hình hóa là một
tập biến các thông số đặc trưng cho thông tin khác nhau về trạng thái. Xác định tập
biến số đầu vào xi (i = 1 ÷ N) từ các tham số kỹ thuật của thiết bị được thu thập,
thống kê trong quá trình bảo dưỡng và đo đạc kiểm tra trong N lần. Trạng thái của
thiết bị thu được trong mỗi lần kiểm tra được xác định như sau:
S = f(xi, Ti) (1)
Một số tham số đặc trưng được sử dụng để giám sát đánh giá khả năng làm
việc của thiết bị điện tử (bảng 1)
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Tóm tắt nội dung tài liệu: Dự báo thời hạn làm việc của thiết bị điện tử trong bảo dưỡng theo trạng thái
Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 98 DỰ BÁO THỜI HẠN LÀM VIỆC CỦA THIẾT BỊ ĐIỆN TỬ TRONG BẢO DƯỠNG THEO TRẠNG THÁI HOÀNG LONG, NGUYỄN XUÂN HUY I. MỞ ĐẦU Cùng với sự phát triển của khoa học kỹ thuật, các thiết bị khí tài trong quân sự ngày càng hiện đại, trở thành những hệ thống kỹ thuật có mức độ phức tạp cao. Nhiều nước đã áp dụng phương pháp bảo dưỡng kỹ thuật theo trạng thái (CBM - Condition based maintenance) nhằm nâng cao khả năng sẵn sàng chiến đấu và tăng hạn sử dụng các thiết bị quân sự. Bản chất của phương pháp là giám sát, chuẩn đoán và dự báo được tình trạng kỹ thuật của trang thiết bị để dựa vào đó lập kế hoạch bảo dưỡng trước khi sự cố xảy ra, nhở đó tối ưu hóa kế hoạch bảo dưỡng cũng như ngăn chặn các hỏng hóc bất ngờ [3, 4]. Chương trình theo phương pháp CBM gồm 03 bước (hình 1): Hình 1. Sơ đồ bảo dưỡng theo trạng thái Trong giám sát thu thập dữ liệu trạng thái, thiết bị được mô hình hóa là một tập biến các thông số đặc trưng cho thông tin khác nhau về trạng thái. Xác định tập biến số đầu vào xi (i = 1 ÷ N) từ các tham số kỹ thuật của thiết bị được thu thập, thống kê trong quá trình bảo dưỡng và đo đạc kiểm tra trong N lần. Trạng thái của thiết bị thu được trong mỗi lần kiểm tra được xác định như sau: S = f(xi, Ti) (1) Một số tham số đặc trưng được sử dụng để giám sát đánh giá khả năng làm việc của thiết bị điện tử (bảng 1) Bảng 1. Một số tham số trạng thái kỹ thuật đặc trưng Thiết bị điện tử Tham số đặc trưng Thiết bị điều khiển Mức Logic, nhiệt độ làm việc. Thiết bị quan sát Rađa Điện áp cao áp Động cơ điện Độ rung Bộ cấp nguồn, Máy biến áp Dòng điện, điện áp Máy phát Công suất, tín hiệu phát Máy thu Độ nhạy Giám sát thu thập số liệu Phân tích xử lý số liệu Quyết định kế hoạch bảo dưỡng Hệ thống Thiết bị Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 99 Tập biến số đầu vào là dãy số theo thời gian xi (i = 1 ÷ N) phản ánh quy luật suy thoái của thiết bị điện tử. Quá trình suy thoái thiết bị được quan sát trên cơ sở kiểm soát tham số, ghi lại các giá trị tham số đặc trưng thể hiện như đồ thị. Tín hiệu biến đổi đến một mức ngưỡng sẽ dẫn đến trạng thái hỏng của thiết bị (hình 2). Dựa vào quá trình kiểm soát tham số có thể ước lượng được thời gian dẫn đến sự cố hỏng thiết bị để có kế hoạch bảo dưỡng phòng ngừa. Hình 2. Đồ thị tham số thiết bị trong quá trình lão hóa Hiện nay có rất nhiều các nghiên cứu tập trung vào tăng tính hiệu quả của phương pháp CBM bằng cách áp dụng các phương pháp dự báo trong xử lý dữ liệu. Bài báo này đề xuất mô hình dự báo thời hạn làm việc của thiết bị điện tử quân sự trên cơ sở các phương pháp hồi quy, làm trơn hàm mũ và một số kết quả thực tiễn, nhằm góp phần vào việc nâng cao hiệu quả khai thác, bảo dưỡng các trang thiết bị điện tử quân sự thế hệ mới. II. PHƯƠNG PHÁP NGHIÊN CỨU Mục đích và yêu cầu xây dựng mô hình toán học dự báo là phải xác định được quy luật biến đổi của các tham số với sai số nhỏ nhất. Dựa vào quy luật phân bố tham số có thể dự báo được sự biến đổi của chúng tại một thời điểm trong tương lai. Phương pháp dự báo làm trơn mũ được Robert Goodell Brown đề xuất vào năm 1956 và sau đó Charles C. Holt mở rộng vào năm 1957. Từ đó đến nay có nhiều mô hình dự báo hiệu quả dựa trên nghiên cứu cải tiến phương pháp này. Bản chất phương pháp làm trơn mũ là thực hiện san trung bình trượt có quyền số [1, 2] như sau: T1 T2 T3 T4 T5 T6 x: ngưỡng hỏng hóc t x Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 100 * Phương trình làm trơn mũ bậc 1 * * 1(1 ) , 1t t ts y s tα α −= + − > (2) n y s n t t = = 1 0 (3) Thực hiện đệ quy liên tiếp công thức (2) ta có: 1).1(. −−+= ttt sys αα 02 2 1 )1(....)1.()1.(. syyy n ttt αααααα −++−+−+= −− − = − −+−= 1 0 0)1()1( n i n it i sy ααα trong đó: y - chuỗi giá trị dữ liệu quan sát thu thập; n - số phần tử của chuỗi; s, s0 - chuỗi giá trị dự báo và giá trị trung bình mũ ban đầu; α - tham số làm trơn mũ bậc 1 (0 < α < 1). * Phương trình làm trơn mũ nhiều bậc Mở rộng công thức làm trơn mũ với P bậc, ta có công thức tổng quát: p t p t P t sss 1 1 ).1(. − − −+= αα (4) Giả sử xu thế của chuỗi dự thời gian là một đa thức n bậc thì phương pháp làm trơn mũ cho phép ta tính toán các hệ số của đa thức thông qua giá trị trung bình mũ nhiều bậc. Công thức như sau: ( ) 0 0 ( 1 )!( 1) !( 1)! ! k pn p k k it t k j y p jS j k p j α β ∞ = = − + = − − (5) trong đó: s01, s02,, s0p là giá trị ban đầu của trung bình mũ bậc 1, 2,p; yt(k) : đạo hàm bậc k; αβ −= 1 ; st0 = yt; p = 1 ÷ n. III. KẾT QUẢ VÀ THẢO LUẬN Đối với khí tài thông tin được chọn để áp dụng phương pháp này, thông số kỹ thuật đặc trưng trong quá trình bảo dưỡng là độ nhạy máy thu, điện áp ra bộ kích thích và công suất máy phát. Các số liệu thông số đặc trưng cho các khối điển hình của khí tài thông tin P934Y được thu thập bằng đo kiểm tra định kỳ (hàng tuần). Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 101 Số liệu độ nhạy máy thu AШ-404 (mức danh định < 30 μV) ghi nhận được trong 24 tuần trình bày trong bảng 2 và thể hiện trong đồ thị hình 3. Bảng 2. Độ nhạy (μV) máy thu AШ-404 theo tuần (1 - 24) Hình 3. Đồ thị độ nhạy (μV) máy thu AШ-404 theo tuần (1 - 24) Tuần Độ nhạy Tuần Độ nhạy 1 17,2 13 20,4 2 17,1 14 21,1 3 17,3 15 21,5 4 17,2 15 22,2 5 17,4 17 23,1 6 17,6 18 23,9 7 17,8 19 24,8 8 18,1 20 26,1 9 18,4 21 26,9 10 18,7 22 28,0 11 19,2 23 29,1 12 19,7 24 29,8 0 5 10 15 20 25 30 35 1 3 5 7 9 11 13 15 17 19 21 23 Điện áp bộ kích thích RJD-400 (mức danh định 3,5-5,6V) theo dõi trong 24 tuần liên tục được trình bày trong bảng 3 và thể hiện trong đồ thị hình 4. Bảng 3. Điện áp (V) bộ kích thích RJD-400 theo tuần (1 - 24) Hình 4. Đồ thị điện áp (V) bộ kích thích RJD-400 theo tuần (1 - 24) Tuần Điện áp Tuần Điện áp 1 4,79 13 4,76 2 4,80 14 4,73 3 4,81 15 4,66 4 4,80 15 4,55 5 4,80 17 4,46 6 4,79 18 4,33 7 4,80 19 4,18 8 4,80 20 4,02 9 4,79 21 3,82 10 4,80 22 3,59 11 4,81 23 3,37 12 4,80 24 3,08 0 1 2 3 4 5 6 1 3 5 7 9 11 13 15 17 19 21 23 Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 102 Công suất máy phát đài thông tin P934Y (mức danh định > 1W) giai đoạn hỏng 30 ngày được trình bày trong bảng 4 và hình 5. Bảng 4. Công suất (W) máy phát giai đoạn hỏng (30 ngày) Hình 5. Đồ thị công suất máy phát giai đoạn hỏng (30 ngày) Tuần Công suất Tuần Công suất 1 1,44 16 1,24 2 1,45 17 1,21 3 1,45 18 1,17 4 1,44 19 1,12 5 1,45 20 1,07 6 1,44 21 1,02 7 1,45 22 0,97 8 1,44 23 0,91 9 1,42 24 0,85 10 1,41 25 0,80 11 1,39 26 0,72 12 1,36 27 0,66 13 1,34 28 0,58 14 1,31 29 0,51 15 1,27 30 0,44 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Nhận thấy các chuỗi thời gian của tham số biến đổi theo xu hướng tăng hoặc giảm theo một tỷ lệ biến đổi chậm, ta có thể hồi quy phân bố của chuỗi theo hàm tuyến tính β++= btayt . . Trong đó: a, b là hằng số mô tả thành phần xu hướng; β là thành phần bất thường. Đề xuất áp dụng mô hình dự báo làm trơn mũ bậc 2 như sau: Bước 1: Nhập số liệu: nhập chuỗi tham số y1, y2,yn và thời gian: t1, t2, tn Bước 2: Hồi quy lớn hơn 50% số các số liệu để xác định hàm phân bố: y(t) = s0 + b0* t Bước 3: Với α = từ 0,1 đến 1, bước 0,01; với β = từ 0,01 đến 1, bước 0,01 Tính trung bình mũ với t = từ 1 đến n Thành phần cơ bản: )).(1(. 111 −−− +−+= tttt bsys αα Thành phần xu hướng: 11 )1().( −− −+−= tttt bssb ββ Tính kết quả dự báo: btstyty ttdb .)()( +== ∧ Tính sai số: = ∧ −= T t tt tytySSE 1 2))()(( Bước 4: Kết luận mô hình dự báo tối ưu với α , β có kết quả sai số SSE nhỏ nhất Bước 5: Xác định kết quả dự báo: ttpt bpsty .)( +=+ ∧ Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 103 Chạy thử nghiệm chương trình trên ngôn ngữ VBA với các số liệu tham số thiết bị của khí tài P934Y như trình bày trong các bảng trên, kết quả nhận được trình bày trong các bảng 5, 6 và 7. Các kết quả dự báo được tô đậm so với giá trị quan sát y(t) có sai số SSE nhỏ. Dựa trên giá trị dự báo có thể ước lượng được thời gian tham số tiến đến giá trị ngưỡng hỏng. Ví dụ: Quan sát giá trị tham số độ nhạy máy thu AШ-404 đến tuần 22 có thể dự báo tham số chạm ngưỡng tại tuần 25. Quan sát giá trị tham số điện áp bộ kích thích RJD-400 đến tuần 21 có thể dự báo tham số chạm ngưỡng tại tuần 23. Bảng 5. Dự báo độ nhạy máy thu AШ-404 và kết quả hồi quy N α β SSE SUMMARY OUTPUT 12 0,51 0,08 5,087 t y(t) S b ydb y(t)-ydb [y(t)-ydb]2 Regression Statistics 15,84 0,564 16,40 Multiple R 0,976507 5 17,4 16,92 0,605 17,52 -0,12 0,01494 R Square 0,953566 6 17,6 17,56 0,609 18,17 -0,57 0,32602 Adjusted R Square 0,950249 7 17,8 17,98 0,593 18,57 -0,77 0,59796 Standard Error 0,612825 8 18,1 18,33 0,574 18,90 -0,80 0,64513 Observations 16 9 18,4 18,64 0,553 19,20 -0,80 0,63483 10 18,7 18,94 0,532 19,47 -0,77 0,59744 ANOVA 11 19,2 19,33 0,521 19,85 -0,65 0,42638 df 12 19,7 19,77 0,514 20,29 -0,59 0,34621 Regression 1 13 20,4 20,35 0,519 20,86 -0,46 0,21591 Residual 14 14 21,1 20,99 0,529 21,51 -0,41 0,17175 Total 15 15 21,5 21,51 0,528 22,04 -0,54 0,28625 16 22,2 22,12 0,535 22,65 -0,45 0,20688 Coefficients 17 23,1 22,88 0,553 23,44 -0,34 0,11386 S 15,835 18 23,9 23,68 0,573 24,25 -0,35 0,12128 b 0,563529 19 24,8 24,53 0,596 25,13 -0,33 0,10756 20 26,1 25,63 0,636 26,26 -0,16 0,02707 21 26,9 26,59 0,663 27,25 -0,35 0,12553 22 28,0 27,64 0,694 28,33 -0,33 0,11014 23 29,1 29,03 0,07 0,00549 24 29,8 29,72 0,08 0,00642 Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 104 Bảng 6. Dự báo điện áp bộ kích thích RJD-400 và kết quả hồi quy N α β SSE SUMMARY OUTPUT 13 0,29 0,63 0,121 t y(t) S b ydb y(t)-ydb [y(t)-ydb]2 Regression Statistics 4,95 -0,09 4,86 Multiple R 0,974889 12 4,80 4,84 -0,101 4,74 0,06 0,00337 R Square 0,950409 13 4,76 4,75 -0,098 4,65 0,11 0,01220 Adjusted R Square 0,942144 14 4,73 4,67 -0,083 4,59 0,14 0,01971 Standard Error 0,053313 15 4,66 4,61 -0,070 4,54 0,12 0,01452 Observations 8 16 4,55 4,54 -0,068 4,47 0,08 0,00577 ANOVA 17 4,46 4,47 -0,071 4,40 0,06 0,00372 df 18 4,33 4,38 -0,083 4,30 0,03 0,00117 Regression 1 19 4,18 4,26 -0,104 4,16 0,02 0,00048 Residual 6 20 4,02 4,12 -0,129 3,99 0,03 0,00095 Total 7 21 3,82 3,94 -0,160 3,78 0,04 0,00154 22 3,59 3,62 -0,03 0,00095 Coefficients 23 3,37 3,46 -0,09 0,00824 S 4,955714 24 3,08 3,30 -0,22 0,04875 b -0,08821 Bảng 7. Dự báo công suất máy phát khí tài P934Y và kết quả hồi quy N α β SSE SUMMARY OUTPUT 12 0.30 0.40 0.009 t y(t) S b ydb y(t)-ydb [y(t)-ydb]2 Regression Statistics 1,478 -0,029 1,45 Multiple R 0.996539 12 1,45 1,45 -0,029 1,42 0,03 0,00087 R Square 0.99309 13 1,44 1,43 -0,027 1,40 0,04 0,00161 Adjusted R Square 0.992322 14 1,42 1,41 -0,024 1,38 0,04 0,00145 Standard Error 0.008616 15 1,41 1,39 -0,021 1,37 0,04 0,00162 Observations 11 16 1,39 1,38 -0,018 1,36 0,03 0,00104 17 1,36 1,36 -0,018 1,34 0,02 0,00038 ANOVA 18 1,34 1,34 -0,018 1,32 0,02 0,00031 df 19 1,31 1,32 -0,019 1,30 0,01 0,00012 Regression 1 20 1,27 1,29 -0,023 1,27 0,00 0,00001 Residual 9 21 1,24 1,26 -0,026 1,23 0,01 0,00005 Total 10 22 1,21 1,23 -0,029 1,20 0,01 0,00018 23 1,17 1,19 -0,032 1,16 0,01 0,00019 Coefficients 24 1,12 1,15 -0,037 1,11 0,01 0,00013 S 1.478182 25 1,07 1,10 -0,041 1,06 0,01 0,00021 b -0.02955 26 1,02 1,04 -0,046 1,00 0,02 0,00044 27 0,97 0,95 0,02 0,00029 28 0,91 0,91 0,00 0,00001 29 0,85 0,86 -0,01 0,00012 30 0,8 0,82 -0,02 0,00023 Thông tin khoa học công nghệ Tạp chí Khoa học và Công nghệ nhiệt đới, Số 05, 12 - 2013 105 TÀI LIỆU THAM KHẢO 1. V. P Luscasin, Các phương pháp thích nghi trong dự báo ngắn hạn, thống kê, Moskva, 1982. 2. NIST/SEMATECH e-Handbook of Statistical Methods, 6.4.3.3. Double Exponential Smoothing, 3. R. Keith Mobley, An Introduction to Predictive Maintenance, Second Edition, 2002. 4. Mike DiLeo, Charles Manker and John Cadick, P.E., Condition Based Maintenance, Cadick Corporation - Revised, October, 1999. Nhận bài ngày 12 tháng 9 năm 2013 Hoàn thiện ngày 27 tháng 11 năm 2013 Viện Độ bền Nhiệt đới, Trung tâm Nhiệt đới Việt - Nga
File đính kèm:
- du_bao_thoi_han_lam_viec_cua_thiet_bi_dien_tu_trong_bao_duon.pdf