устройство и способ для контроля технической установки, содержащей множество систем, в частности установки электростанции

Классы МПК:G05B23/02 электрические испытания и контроль 
G05B17/02 электрические 
Автор(ы):, ,
Патентообладатель(и):СИМЕНС АКЦИЕНГЕЗЕЛЛЬШАФТ (DE)
Приоритеты:
подача заявки:
2003-07-04
публикация патента:

Изобретения относятся к области контроля технических установок, содержащих множество систем, в частности установки электростанции. Технический результат заключается в повышении точности прогнозирования поведения технической установки. В соответствующем изобретению способе, а также в соответствующем устройстве для контроля технической установки предусмотрено улучшение динамической модели, по крайней мере, одной системы технической установки во время работы системы посредством основанного на искусственном интеллекте алгоритма. 2 н. и 12 з.п. ф-лы, 3 ил. устройство и способ для контроля технической установки, содержащей   множество систем, в частности установки электростанции, патент № 2313815

устройство и способ для контроля технической установки, содержащей   множество систем, в частности установки электростанции, патент № 2313815 устройство и способ для контроля технической установки, содержащей   множество систем, в частности установки электростанции, патент № 2313815 устройство и способ для контроля технической установки, содержащей   множество систем, в частности установки электростанции, патент № 2313815

Формула изобретения

1. Устройство (1) для контроля технической установки (2), содержащей множество систем, в частности установки электростанции, отличающееся тем, что предусмотрен,

по крайней мере, один модуль (13, 13а, 13b), который содержит динамическую модель (15), по крайней мере, одной системы (3, 5, 7, 9, 11) технической установки (2), причем к модулю анализа (13, 13а, 13b) подводятся в качестве входных данных рабочие параметры (17, 17а, 17b) или рабочие и структурные параметры (17, 17а, 17b, 19, 19а, 19b) технической установки (2), и,

по крайней мере, один содержащийся в модуле анализа (13, 13а, 13b) основанный на искусственном интеллекте алгоритм (21, 2a, 21b), который ищет в рабочих параметрах (17, 17а, 17b) или рабочих и структурных параметрах (17, 17а, 17b, 19, 19а, 19b) системы зависимости между рабочими параметрами (17, 17а, 17b) или рабочими и структурными параметрами (17, 17а, 17b, 19, 19а, 19b) посредством методов искусственного интеллекта и интегрирует идентифицированные при этом зависимости в динамическую модель (15) в качестве новых зависимостей и тем самым улучшает ее в отношении повышения точности прогнозирования поведения системы, и посредством этого динамическая модель (15) системы (3, 5, 7, 9, 11) является улучшаемой в отношении повышения точности прогнозирования поведения системы во время эксплуатации системы (3, 5, 7, 9, 11), причем посредством модуля анализа (13, 13а, 13b) являются определяемыми выходные данные (23, 23а, 23b), которые характеризуют мгновенное и/или будущее поведение в эксплуатации системы (3, 5, 7, 9, 11).

2. Устройство (1) по п.1, отличающееся тем, что улучшение динамической модели (15) охватывает идентификацию таких входных данных, которые ранее еще не были использованы до этого динамической моделью (15), и что с помощью этих входных данных динамическая модель (15) является расширяемой.

3. Устройство (1) по п.1 или 2, в котором динамическая модель (15) системы (3, 5, 7, 9, 11) содержит один или несколько элементов из группы графическая характеристика, физическое уравнение, нейронная сеть, нечеткая логика, генетический алгоритм.

4. Устройство (1) по п.1 или 2, причем динамическая модель (15) содержит, по крайней мере, одну нейронную сеть, которая является обучаемой историческими рабочими параметрами системы (3, 5, 7, 9, 11).

5. Устройство (1) по п.1 или 2, отличающееся тем, что имеется множество модулей анализа (13, 13а, 13b), которые содержат соответственно динамическую модель (15), по крайней мере, одной системы (3, 5, 7, 9, 11) технической установки (2), и что предусмотрен, по крайней мере, один дополнительный алгоритм (25), основанный на искусственном интеллекте, посредством которого могут определяться корреляции, по крайней мере, между входными и/или выходными данными первого и входными и/или выходными данными второго из модулей анализа (13, 13а, 13b).

6. Устройство (1) по п.5, отличающееся тем, что посредством корреляций являются определяемыми дополнительные выходные данные (27), которые характеризуют мгновенное и/или будущее поведение в эксплуатации технической установки (2), причем эти дополнительные выходные данные (27) содержат выходящие за пределы системы информации.

7. Устройство (1) по п.1 или 2, причем рабочие параметры (17, 17а, 17b) и/или структурные параметры (19, 19а, 19b) технической установки (2) содержат одну или множество информации из группы параметры процесса, контрольная сигнализация работы оборудования, предупредительная сигнализация, сигнализация о повреждениях, записи наблюдения, комментарии, конструкция технической установки, иерархия компонентов установки.

8. Устройство (1) по п.1 или 2, причем рабочие параметры (17, 17а, 17b) и/или структурные параметры (19, 19а, 19b) технической установки (2) содержат мгновенные и/или исторические данные технической установки (2).

9. Устройство (1) по п.1 или 2, причем рабочие параметры (17, 17а, 17b) и/или структурные параметры (19, 19а, 19b) технической установки (2) предоставлены в распоряжение диспетчерской системой управления процессом технической установки (2).

10. Устройство (1) по п.1, в котором основанный на искусственном интеллекте алгоритм (21, 21a, 21b) улучшает в отношении повышения точности прогнозирования поведения системы взаимодействие отдельных зависимостей динамической модели (15) так, что возникает переплетение взаимосвязей, и что основанный на искусственном интеллекте алгоритм (21, 21а, 21b) параметрирует это переплетение взаимосвязей.

11. Способ для контроля технической установки (2), содержащей множество систем, в частности установки электростанции, отличающийся тем, что предусмотрены следующие операции:

к динамической модели, по крайней мере, одной системы (3, 5, 7, 9, 11) технической установки (2) подводят в качестве входных данных рабочие параметры (17, 17а, 17b) или рабочие и структурные параметры (17, 17а, 17b, 19, 19а, 19b) технической установки (2), посредством основанного на искусственном интеллекте алгоритма (21, 21a, 21b) улучшают в отношении повышения точности прогнозирования поведения системы динамическую модель (15) системы (3, 5, 7, 9, 11) во время эксплуатации системы (3, 5, 7, 9, 11), причем посредством методов искусственного интеллекта ищут в рабочих параметрах (17, 17а, 17b) или рабочих и структурных параметрах (17, 17а, 17b, 19, 19а, 19b) системы (3, 5, 7, 9, 11) зависимости между рабочими параметрами (17, 17а, 17b) или рабочими и структурными параметрами (17, 17а, 17b, 19, 19а, 19b) и интегрируют идентифицированные при этом зависимости в динамическую модель в качестве новых зависимостей и посредством динамической модели (15) определяют выходные данные (27), которые характеризуют мгновенное и/или будущее поведение в эксплуатации системы (3, 5, 7, 9, 11).

12. Способ по п.11, отличающийся тем, что улучшение динамической модели (15) в отношении повышения точности прогнозирования поведения системы охватывает идентификацию таких входных данных, которые ранее еще не были использованы динамической моделью (15), и что с помощью этих входных данных динамическая модель (15) является расширяемой.

13. Способ по п.11 или 12, отличающийся тем, что предусмотрено множество динамических моделей (15), которые описывают соответственно, по крайней мере, одну систему (3, 5, 7, 9, 11) технической установки (2), и предусмотрен, по крайней мере, один следующий основанный на искусственном интеллекте алгоритм (21, 21a, 21b), посредством которого являются определяемыми корреляции, по крайней мере, между входными и/или выходными данными первой и входными и/или выходными данными второй из динамических моделей (15).

14. Способ по п.13, отличающийся тем, что посредством корреляций являются определяемыми дальнейшие выходные данные, которые характеризуют мгновенное и/или будущее поведение в эксплуатации технической установки (2), причем эти дальнейшие выходные данные содержат информацию, выходящую за пределы системы.

Описание изобретения к патенту

Область техники, к которой относится изобретение

Изобретение относится к устройству, а также способу для контроля технической установки, содержащей множество систем, в частности установки электростанции.

Уровень техники

Обычные устройства и способы для контроля технической установки, содержащей множество систем, в частности способы диагностики и аппаратура для диагностики, часто основаны на наблюдении и/или измерении определенных рабочих параметров технической установки, причем превышение или отклонение вниз от заданного значения предполагает необходимость меры технического обслуживания.

Естественно, при этом вывод необходимой меры воздействия при рассмотрении изолированно измеренных параметров является неточным и подвержен ошибкам.

Если, с другой стороны, привлекается множество данных, которые получаются в технической установке, в частности величины измерения самых различных точек измерения и/или соответствующие запомненные, исторические результаты измерения, чтобы составить себе картину о мгновенном или ожидаемом в будущем рабочем состоянии, то это также не приводит к удовлетворительному высказыванию, так как взаимные зависимости этих данных из самых различных в общем источников данных в большинстве случаев неизвестны и поэтому отсюда невозможно сделать также никакой точной оценки или даже предсказания рабочей ситуации.

Кроме того, следует ожидать, что учтены не все данные, которые оказывают влияние на рабочую ситуацию установки, что делает проблему еще более сложной.

Раскрытие изобретения

В основе изобретения поэтому лежит задача указания улучшенного устройства, а также способа для контроля технической установки, содержащей множество систем, в частности установки электростанции. При этом должна быть, в частности, достижима высокая точность предсказания относительно развивающейся в технической установке неисправности.

Также так называемые "медленно изменяющиеся отклонения процесса", которые уводят от желаемой рабочей ситуации и практически всегда предшествуют появлению неисправности и/или нарушению хода процесса, должны по возможности распознаваться заблаговременно.

Кроме того, посредством устройства согласно изобретению или соответствующего способа ожидаемый момент появления неисправности в технической установке должен распознаваться по возможности заблаговременно так, чтобы до наступления выхода установки или ее компонентов из строя могли быть предприняты встречные меры, в частности меры технического обслуживания.

Далее, соответствующее изобретению устройство так же, как и соответствующий способ, должны уменьшать затраты на обычное до сих пор применение диагностики в установке и, кроме того, позволять лучшую оптимизацию использованных устройств регулирования.

Изложенная задача решается согласно изобретению с помощью устройства для контроля технической установки, содержащей множество систем, в частности установки электростанции, содержащего:

- по крайней мере, один модуль анализа, который содержит динамическую модель, по крайней мере, одной системы технической установки, причем к модулю анализа являются подводимыми в качестве входных данных рабочие и/или структурные параметры технической установки,

- по крайней мере, один содержащийся в модуле анализа основанный на искусственном интеллекте алгоритм, посредством которого динамическая модель системы является улучшаемой во время эксплуатации системы,

причем посредством модуля анализа являются определяемыми выходные данные, которые характеризуют мгновенное и/или будущее поведение системы в эксплуатации.

Изобретение исходит при этом из рассуждения, что достижимая при обычных, известных из уровня техники моделирования точность, то есть достижимая степень совпадения определенных величин модели с соответствующими реальными величинами, слишком мала, чтобы сделать достоверные высказывания о будущем поведении установки. Известные моделирования дают пригодные результаты для какого-либо настоящего момента времени, то есть имеет место большая степень совпадения с соответствующими реальными величинами к настоящему моменту времени. Однако чем отдаленнее в будущем лежит интересующий момент времени поведения установки, тем больше ненадежность высказывания.

Дальнейшая исходная точка изобретения состоит в том, что во многих случаях невозможно или возможно только с экстремально высокими затратами указать довольно точную модель технической установки (например, вследствие сильно нелинейного поведения некоторых систем технической установки).

В соответствующем изобретению устройстве исходят из динамической модели, по крайней мере, одной системы технической установки, которую улучшают во время работы посредством методов искусственного интеллекта. За счет этого улучшается способность модуля анализа описывать и прогнозировать поведение системы в эксплуатации.

При этом не является обязательно необходимым стартовать с комплексной единой динамической модели. Часто является достаточным, например, набор немногих выборочных простых уравнений и графических характеристик, которые могут быть дополнены предпочтительно просто выполненной нейронной сетью, нечеткой логикой или генетическим алгоритмом. Взаимодействие между этими "субмоделями" для описания системы улучшается затем во время работы посредством основанного на искусственном интеллекте алгоритма так, что возникает переплетение названных элементов.

Модель, в частности, детерминистичная в классическом смысле не требуется. Более того, так называемое переплетение параметрируют (например, применяют уравнение Бернулли этого переплетения, чтобы применить его на конкретно имеющееся течение), и основанный на искусственном интеллекте алгоритм ищет в исторических или мгновенных рабочих параметрах и/или структурных параметрах системы и/или технической установки взаимосвязи, например, изменения величин, которые устанавливаются вследствие изменения других величин. Подобные вновь открытые взаимосвязи интегрируют затем посредством алгоритма, основанного на искусственном интеллекте, в динамическую модель, в частности, в виде дополнительной графической характеристики и/или уравнения или как согласование параметров динамической модели, например, весовых коэффициентов нейронной сети, - и улучшают ее за счет этого.

Понятие "система" в связи с изобретением должно покрывать область от простой компоненты, например, трубопровода вплоть до высококомплексной общей системы, охватывая множество подсистем, например турбогенераторный агрегат, котельную установку, энергетический блок электростанции или всю электростанцию.

Под "рабочими параметрами" понимают, в частности, все виды данных, которые поступают при работе технической установки, как, например, результаты измерения температуры, данные измерений давления, тепловые диаграммы, данные датчиков, сообщения, сигналы тревоги, предупреждения и т.д.

"Основанный на искусственном интеллекте алгоритм" охватывает, в частности, методы искусственного интеллекта, такие как нейронные сети, нечеткую логику и генетические алгоритмы.

"Динамическая модель" может быть описана детерминистично и аналитически или также посредством методов, основанных на искусственном интеллекте. Она может охватывать также физические и математические уравнения. Охваченными являются также комбинации названных элементов, в частности физические и/или математические уравнения, которые объединены с помощью методов, основанных на искусственном интеллекте.

В предпочтительной форме выполнения улучшение динамической модели содержит идентификацию таких входных данных, которые еще не были ранее использованы динамической моделью, и динамическая модель может быть расширена с помощью этих входных данных.

При этом основанный на искусственном интеллекте алгоритм используют при улучшении динамической модели для идентификации и установления еще не учтенных в динамической модели взаимосвязей.

Предпочтительно динамическая модель содержит один или несколько элементов из группы {графическая характеристика, физическое уравнение, нейронная сеть, нечеткая логика, генетический алгоритм}.

В частности, динамическая модель содержит, по крайней мере, одну нейронную сеть, которая является обучаемой историческими рабочими параметрами системы.

Моделирование технических компонентов и установок посредством нейронных сетей является известным и зарекомендовавшим себя способом. Особое преимущество следует видеть в том, что не требуется аналитическое описание подлежащих моделированию компонентов. За счет фазы обучения (которая, например, включает известный алгоритм обратной передачи ошибки обучения) сначала выполняют инициализированную посредством стартовых параметров ("стартовые весовые коэффициенты"), заранее установленную структуру нейронной сети относительно ее весовых коэффициентов так, что после завершения фазы обучения можно ожидать хорошего совпадения с реальными компонентами. Таким образом, получают модель компонентов без необходимости выполнения точного аналитического анализа. В фазе обучения нейронная сеть учится реагировать на определенные входные значения определенными выходными значениями; подобные входные значения вместе с соответствующими им выходными значениями обозначают часто как обучающее количество. При эксплуатации нейронная сеть интерполирует входные значения, которые не охвачены обучающим количеством так, что также для интерполированных входных значений вычисляются выходные значения.

При эксплуатации технической установки часто появляется проблема, что не все рабочие параметры, которые влияют на поведение подлежащей(их) моделированию компоненты(ов) или также всей технической установки, являются известными или регистрируемыми.

Использование, по крайней мере, одного основанного на искусственном интеллекте алгоритма далее позволяет вовлекать посредством динамической модели в вычисления состояния системы технической установки также такие параметры, которые не действуют непосредственно на эту систему технической установки, например, как входные и/или выходные сигналы или потоки сред. Например, при последовательно расположенной цепи систем может быть предусмотрено моделирование находящейся в середине этой цепи системы, которая - наряду с непосредственно воздействующими на эту систему входными сигналами - получает входные сигналы от предшествующей системы, которые не являются доступными путем техники измерений или другим путем.

Методы искусственного интеллекта (которые приближенно к биологической эволюции могут быть выполнены, например, в виде генетических алгоритмов поиска по подходящей комбинации признаков) позволяют при этом производить вычисление состояния системы технической установки также тогда, когда входные параметры для определения фактического состояния в значительной степени неизвестны или могут быть определены только с большим трудом, например, как упомянуто выше, посредством сложного измерения выходных значений предшествующей системы.

При этом могут, например, использоваться также статистические методы в связи с основанным на искусственном интеллекте алгоритмом, причем самые вероятные входные и/или выходные значения системы, которые не являются доступными другим образом, определяются в актуальной рабочей ситуации таким образом, что основанный на искусственном интеллекте алгоритм определяет эти требующиеся динамической модели входные и/или выходные значения соответствующей системы, например, путем эволюционной стратегии поиска.

Таким образом, можно ожидать хорошего совпадения модели, по крайней мере, одной системы с реальным поведением этой системы, так как посредством, по крайней мере, одного основанного на искусственном интеллекте алгоритма в моделирование системы вовлекаются также такие рабочие параметры, которые иначе оставались бы вне и приводили бы к более или менее сильной неточности модели и, тем самым, в частности, полученных таким образом прогнозов.

Тем самым, могут привлекаться, в частности, также входные и/или выходные данные системы, которые определяют вместе с другими ее рабочее состояние, однако, не являются доступными, например, путем техники измерений. За счет этого точность прогнозов повышена.

Особенно предпочтительная форма выполнения изобретения охватывает множество модулей анализа, которые содержат соответственно динамическую модель, по крайней мере, одной системы технической установки. Далее, при этом предусмотрен, по крайней мере, один дополнительный алгоритм, основанный на искусственном интеллекте, посредством которого могут определяться корреляции, по крайней мере, между входными и/или выходными данными первого и входными и/или выходными данными второго из модулей анализа.

Эта форма выполнения изобретения относится к расширению соответствующего изобретению устройства для параллельного контроля взаимодействующих систем, причем взаимодействие в виде зависимости между соответствующими входными и/или выходными данными модулей анализа определяются другим основанным на искусственном интеллекте алгоритмом и вводятся в качестве дополнительных зависимостей (например, в форме уравнения, нейронной сети или графической характеристики).

За счет этого возникает точная динамическая модель взаимодействующих систем, содержащая динамическую модель отдельных систем, а также дополнительные зависимости.

Таким образом, описываются мгновенные и/или будущие эксплуатационные характеристики как отдельных систем, так и эксплуатационные характеристики установки, возникающей за счет взаимодействия систем.

При этом предпочтительно посредством корреляций могут быть определены дополнительные выходные данные, которые характеризуют мгновенные и/или будущие поведения в эксплуатации технической установки, причем эти дополнительные выходные данные содержат информации, выходящие за пределы одной системы.

Корреляции между названными данными указывают на взаимные зависимости, за счет чего полученные при этом дополнительные выходные данные по своей силе высказывания выходят за пределы системных границ участвующих отдельных систем и тем самым описывают поведение в эксплуатации большего узла технической установки, охватывающего, по крайней мере, две системы.

Предпочтительно рабочие и/или структурные параметры технической установки содержат одну или несколько информаций из группы {параметры процесса, контрольная сигнализация работы оборудования, предупредительная сигнализация, сигнализация о повреждениях, записи наблюдения, комментарии, конструкция технической установки, иерархия компонентов установки}.

Параметры процесса при этом можно получать в режиме "он-лайн" и "оф-лайн" из системы диспетчерского управления технической установки и/или связанной с ней подсистемы или также задавать вручную.

Контрольная сигнализация работы оборудования содержит, в частности, данные датчиков и выведенные из них информации о рабочем состоянии технической установки и ее систем.

Структурные параметры содержат, в частности, информации о конструкции технической установки относительно содержащихся в технической установке систем (компоненты установки, подсистемы, группы систем), а также их иерархического взаимодействия и распределения приоритетов.

Эти параметры могут при этом содержать мгновенные и/или исторические данные, которые, например, отложены в кратковременном или долговременном архиве или в технической системе.

Предпочтительно рабочие и/или структурные параметры предоставляются в распоряжение диспетчерской системы управления процессом.

Для обслуживания и наблюдения комплексных технических установок чаще всего используют диспетчерскую систему управления процессом, в которой названные параметры имеются или поступают и запоминаются во время эксплуатации. В этой форме выполнения предоставление в распоряжение данных является, поэтому, особенно несложным.

Изобретение ведет далее к способу контроля технической установки, содержащей множество систем, в частности установки электростанции, содержащему следующие операции:

- к динамической модели, по крайней мере, одной системы технической установки подводят в качестве входных данных рабочие параметры и/или структурные параметры технической установки,

- посредством основанного на искусственном интеллекте алгоритма улучшают динамическую модель системы во время эксплуатации системы,

- посредством динамической модели определяют выходные данные, которые характеризуют мгновенное и/или будущее поведение системы в эксплуатации.

Предпочтительно улучшение динамической модели содержит идентификацию таких входных данных, которые не были использованы до этого динамической моделью, и с помощью этих входных данных динамическая модель является расширяемой.

В дальнейшей форме выполнения предусмотрено множество динамических моделей, которые описывают, соответственно, по крайней мере, одну систему технической установки и, по крайней мере, один дополнительный, основанный на искусственном интеллекте алгоритм, посредством которого являются определяемыми корреляции, по крайней мере, между входными и/или выходными данными первой и входными и/или выходными данными второй из динамических моделей.

Предпочтительно посредством корреляций являются определяемыми дополнительные выходные данные, которые характеризуют мгновенное и/или будущее поведение в эксплуатации технической установки, причем эти дополнительные выходные данные содержат информацию, выходящую за пределы одной системы.

Пояснения, сделанные в связи с соответствующим изобретению устройством и его преимущественными формами выполнения, могут быть перенесены на соответствующий изобретению способ и поэтому здесь не повторяются.

Резюмируя, изобретение выражается в следующем.

Искусственный интеллект для диагностики систем технической установки, например установки электростанции, может быть использован для предварительного прогнозирования ошибок, причем могут привлекаться все стоящие в распоряжении в технической установке данные.

Центры тяжести лежат при этом, например, на генетических алгоритмах и нейронных сетях для моделирования и выполнения задач контроля, в частности диагностических задач.

Особенный интерес представляет возможность значительно уменьшить затраты на применение диагностики в технической установке и, кроме того, достигнуть улучшенного оптимирования регулирований.

Улучшение достигнуто, если, с одной стороны, снижаются важные агрегатные характеристики систем технической установки, как, например, мощность и потребление энергии в связи с правовыми нормами и дефицитом исходных материалов.

С другой стороны, должны выполняться желания заказчиков об улучшенной мощности и возможностях диагностики.

В диагностику посредством генетических/эволюционных алгоритмов могут быть интегрированы как большие системы, так и малые системы.

За счет соединения генетических (эволюционных) алгоритмов с сетями Кохонена и/или нейронными сетями любого вида можно делать высказывания о состоянии, по крайней мере, одной системы технической установки.

Использование генетических алгоритмов, кроме того, позволяет вовлекать в определение состояния системы технической установки такие параметры, которые напрямую не действуют на эти компоненты технической установки, например, как входные и/или выходные сигналы или потоки сред.

Методики генетических алгоритмов (алгоритмов поиска) позволяют, кроме того, производить вычисление состояния, по крайней мере, одной системы или всей технической установки также тогда, когда входные параметры для определения фактического состояния в основном неизвестны и/или не могут быть определены или могут быть определены только с трудом, например, посредством измерения, требующего больших затрат.

Использование искусственного интеллекта для диагностики, кроме того, позволяет при сложных состояниях установки отклонения фактических состояний от вычисленных сообщать оператору технической установки.

При этом можно вначале отказаться от конкретного указания повреждения, например узко ограниченного места повреждения, так как отказы, например, датчиков в большинстве случаев так или иначе регистрируются и сигнализируются имеющейся системой диспетчерского управления.

Более того, важным в связи с изобретением является распознавание медленно действующих процессов, которые не обязательно вызывают мгновенный выход компоненты установки из строя, как загрязнение, падение мощности за счет износа, старения и т.д., которые неправильно воспринимаются человеком за счет "эффекта привыкания" или, соответственно, неправильно интерпретируются.

Во многих случаях подобные медленно действующие изменения когда-нибудь приводят к выходу из строя технической установки. Изменения, однако, часто не распознаются, так как имеющееся устройство регулирования, например, пытается противодействовать этому изменению: например, загрязнения на лопатках вентилятора компенсируются перестановкой вентиляторных лопаток. Или устройство регулирования компенсирует уменьшающиеся мощности масляного насоса или насоса системы охлаждения за счет новых заданий установок, затем температура, например, опоры повышается, только очень медленно, так как устройство регулирования может часто оттягивать момент времени выхода системы из строя при начинающейся неисправности. Однако при этом регулируемые системы нагружаются все выше, и износ увеличивается. Пользователь технической установки не замечает этого, так как именно за счет устройства регулирования техническая установка работает дальше, хотя одна или несколько систем технической установки приближаются к своим границам износа.

Рискованный режим работы имеет место, в частности, тогда, когда функционирующая система эксплуатируется при повышенной нагрузке; подобная нагрузка может быть вызвана ранее названным устройством регулирования за счет новых заданий установок.

Например, контур охлаждения рассчитан на длительный режим работы с 50% мощности. Тогда длительный режим работы с 70-80% мощности может приводить уже скоро к существенным повреждениям. Начинающийся выход из строя насоса системы охлаждения, давшего течь, однако, остается незамеченным, так как устройство регулирования для поддержания функционирования контура охлаждения все больше повышает заданное значение (например, давление) для насоса системы охлаждения, что еще больше ускоряет выход насоса из строя. Только когда выход из строя действительно наступил, замечают повреждение насоса системы охлаждения как причину повреждения в системе охлаждения. Здесь могут оказать помощь соответствующее изобретению устройство, а также способ.

Генетические алгоритмы в связи с интеллигентными, способными к обучению сетями позволяют, кроме того, распознавание рискованных режимов работы технической установки, перегрузку или, соответственно, неправильную нагрузку агрегатов и систем и т.д. Об этом предпочтительно сигнализируется пользователю/оператору технической установки, например, в виде нагрузочной диаграммы (например, поля характеристик), из которой вытекает как мгновенный режим работы, так и предложенный, улучшенный режим работы.

Представление отклонений может производиться, предпочтительно, посредством полей характеристик. Основываясь на генетических алгоритмах, наряду с предсказанием повреждения возможным является также оптимирование режима работы технической установки.

Далее, посредством генетических алгоритмов могут быть получены информации для управляющего персонала технической установки, которые позволяют делать высказывание об общем состоянии установки и, при необходимости, о требующихся через некоторый промежуток времени мерах технического обслуживания.

Предпочтительно использование искусственного интеллекта позволяет вычислять состояния системы в режиме он-лайн, то есть оператору может быть указано на "неправильное поведение" в его установке, и тогда он будет в состоянии произвести прогнозирующие вычисления, которые позволят ему новый взгляд на вещи.

Пример

Соответствующее изобретению устройство, например, в виде диагностической системы сигнализирует оператору "повреждение на углеразмольной мельнице XX область измельчающих валков"; путем встречного контроля устанавливают, что необходима мера технического обслуживания углеразмольной мельницы (например, поскольку это так предписано изготовителем в соответствующем руководстве по техническому обслуживанию).

За счет прогнозирующего вычисления тогда можно посредством соответствующей изобретению системы диагностики определить, что случится, если оператор оставит свою техническую установку в эксплуатации без принятия мер технического обслуживания и когда следует ожидать действительного наступления эксплуатационного отказа углеразмольной мельницы.

Соединением генетических алгоритмов и нейронных сетей, а также, при необходимости, сетей Кохонена можно делать множество высказываний относительно актуального и/или будущего состояния технической установки, в частности, когда будет необходимо принятие мер технического обслуживания.

Краткое описание чертежей

В последующем два примера выполнения изобретения представлены более подробно. При этом показывают:

Фиг.1 - иерархию системы, как она обычно встречается в технических установках,

Фиг.2 - соответствующее изобретению устройство,

Фиг.3 - другую форму выполнения соответствующего изобретению устройства с двумя модулями анализа.

Осуществление изобретения

Фиг.1 показывает иерархическое построение системы технической установки 2.

Техническая установка 2 выполнена в виде установки электростанции для выработки электрической энергии и содержит два энергетических блока электростанции 3.

Каждый энергетический блок электростанции 3 содержит при этом две турбины 5, например газовые турбины. Эти турбины 5 содержат, в свою очередь, соответственно, по одному контуру охлаждения 9.

Этот контур охлаждения 9 охватывает при этом турбинную лопатку 11 турбины 5.

Каждый из названных элементов в связи с изобретением должен подпадать под понятие системы. Система, таким образом, может охватывать простую изолированную компоненту, как, например, турбинную лопатку, но также и комплексную систему, как энергетический блок электростанции 3 или также несколько энергетических блоков электростанции 3.

Фиг.2 показывает соответствующее изобретению устройство с одним модулем анализа 13.

К модулю анализа 13 при этом подведены в качестве входных данных рабочие параметры 17 и структурные параметры 19 технической установки.

В случае рабочих параметров 17 может идти речь, например, о результатах измерения в режиме "он-лайн", которые получают в технической установке или в самой системе посредством датчиков. При этом, однако, может идти речь также о данных, выведенных из этих результатов измерения, которые, например, получают в вычислительной системе. Далее, рабочие параметры 17 могут также содержать результаты измерения в режиме "оф-лайн", которые, например, отложены в архиве или вводятся вручную.

Структурные параметры 19 описывают техническую установку или саму систему. Они содержат, в частности, информацию о соединении в общую схему подсистем, которые охвачены системой, и их иерархическом расположении.

Динамическая модель 15 предусмотрена для моделирования поведения системы. Эта модель 15 может содержать, например, аналитические уравнения, но также и методы искусственного интеллекта, как, например, нейронные сети, нечеткую логику или генетические алгоритмы. Кроме того, могут быть предусмотрены, в частности, простые графические характеристики для описания поведения системы.

Основанный на искусственном интеллекте алгоритм 21 предусмотрен для улучшения динамической модели 15 во время режима работы системы 15.

Этот основанный на искусственном интеллекте алгоритм 21 может быть выполнен, например, в виде генетического алгоритма.

Важная роль этого алгоритма 21 состоит в выполнении динамических согласований в модели 15, чтобы достигнуть улучшения этой модели 15 в том смысле, чтобы достигалось улучшенное поведение модели, то есть улучшенное совпадение с поведением реальной системы. Например, может привлекаться ошибка моделирования, такая как разница между действительным временным поведением системы и смоделированным временным поведением этой системы. Посредством основанного на искусственном интеллекте алгоритма 21 тогда может происходить улучшение модели 15. При этом основанный на искусственном интеллекте алгоритм 21 применяют, в частности, для того, чтобы идентифицировать, установить и добавить к динамической модели 15 еще не учтенные при моделировании параметры и данные, которые содержатся в рабочих 17 и/или структурных параметрах 19, однако, еще не были привлечены для моделирования, и другие зависимости, например, уравнения или графические характеристики, содержащие названные идентифицированные параметры и/или данные.

Основанный на искусственном интеллекте алгоритм 21, выполненный в виде генетического алгоритма, оптимирует охваченные динамической моделью 15 зависимости, как, например, уравнения, графические характеристики или сетевые параметры нейронной сети таким образом, что он комбинирует и рекомбинирует эволюционные параметры и данные и открывает при этом, в частности, новые зависимости, которые еще не охвачены динамической моделью 15.

Таким образом, описанное, примененное в связи с изобретением моделирование и его улучшение посредством основанного на искусственном интеллекте алгоритма 21 выходит за пределы известных методов, например обучения с учителем (Supervised Learning) и классического моделирования.

Модуль анализа 13 формирует в качестве выходных данных 23 высказывания о поведении системы в эксплуатации. При этом может идти речь, например, о мгновенном или также будущем поведении системы в эксплуатации (составлении прогноза). Например, к модулю анализа 13 подводят рабочие параметры 17 и предполагают, что эти рабочие параметры сохранятся в определенном будущем временном интервале. Тогда выходные данные 23 позволяют сделать высказывание, например, в том направлении, следует ли и, в частности, когда ожидать нарушения режима работы системы. Это высказывание является тем более точным, чем точнее модель 15 отражает действительное поведение системы. В соответствующем изобретению устройстве 1, в частности, посредством основанного на искусственном интеллекте алгоритма 21 приняты меры для высокой точности модели 15 так, что определенные модулем анализа 13 в качестве выходных данных 23 прогнозы и диагнозы являются очень точными.

Выходные данные 23 содержат, в частности, квалифицированные сообщения относительно обнаружения повреждений (анализ тенденции развития, износ и старение), коэффициент полезного действия, качество процесса и ожидаемое будущее поведение системы и технической установки.

Для формирования таких сообщений модуль анализа 13 может содержать регулирующее устройство, чтобы преобразовывать сформированные моделью 15 выходные данные в названные сообщения. При этом регулирующее устройство может содержать, в частности, правила для прогнозирования краткосрочного периода наблюдения, а также правила для долгосрочного периода наблюдения.

К регулирующему устройству при этом наряду с выходными данными модели 15 могут подводиться дополнительная информация, например, сообщения и сигналы тревоги, касающиеся системы или технической установки.

На Фиг.3 устройство 1 содержит два модуля анализа 13а и 13b.

При этом к модулю анализа 13а подводятся рабочие параметры 17а и структурные параметры 19а системы охлаждения 29; модуль анализа 13b получает в качестве входных данных рабочие параметры 17b и структурные параметры 19b генератора 31.

Далее, к обоим модулям анализа 13а, 13b подводятся данные окружающей среды 33 технической установки, например температуру окружающей среды, влажность воздуха, давление воздуха и т.д.

Каждый модуль анализа 13а, 13b определяет выходные данные 23а или, соответственно, 23b, которые характеризуют поведение в эксплуатации анализируемой системы 29 или, соответственно, 31.

Так как система охлаждения 29 и генератор 31 не являются технологически подлежащими рассмотрению изолированно друг от друга системами, следует считаться с тем, что, в частности, изменяющиеся рабочие параметры 17а системы охлаждения 29 оказывают влияние на поведение системы генератора 31 и, тем самым, на выходные данные 23b модуля анализа 13b. То же самое справедливо и для изменяющихся рабочих параметров 17b генератора 31, от которых можно ожидать, что после этого поведения в эксплуатации системы охлаждения 29 и, тем самым, выходные данные 23а модуля анализа 13а изменяются.

Для обнаружения и количественной оценки подобных корреляций предусмотрен дополнительный основанный на искусственном интеллекте алгоритм 25.

Он может быть выполнен, например, в виде дополнительного генетического алгоритма, который формирует дополнительные выходные данные 27, которые содержат выходящую за пределы системы информацию, то есть выходящую за пределы описания поведения одной из систем и содержат, в частности, информацию о взаимодействии систем 29 и 31 и их взаимных зависимостях.

Дополнительный основанный на искусственном интеллекте алгоритм 25 является при этом, следовательно, ответственным за идентификацию и установление выходящих за пределы системы зависимостей. Эти зависимости могут содержать, например, уравнения, графические характеристики или нейронные сети, которые формируются и/или параметрируются дополнительным основанным на искусственном интеллекте алгоритмом 25.

Стратегия для идентификации и установления подобных выходящих за пределы системы зависимостей может быть сходна с системой идентификации Фиг.2, и установление внутренних для системы дополнительных зависимостей основывается на искусственном интеллекте алгоритмов 21а, 21b.

Посредством соответствующего изобретению устройства и соответствующего изобретению способа должно быть, в частности, возможным без сложных средств диагностики из имеющихся рабочих и структурных параметров системы делать высказывания о поведении системы, в частности о будущем поведении системы.

Для этого предусмотрена самоадаптирующаяся динамическая модель системы, которая улучшается основанным на искусственном интеллекте алгоритмом во время эксплуатации.

Основанный на искусственном интеллекте алгоритм 21 применяется, в частности, для того, чтобы искать зависимости в так или иначе имеющихся в распоряжении рабочих и/или структурных параметрах технической установки, которые, например, обрабатываются в системе диспетчерского управления, и при этом интегрировать идентифицированные зависимости в динамическую модель, чтобы улучшать ее шаг за шагом.

Таким образом, не требуется, чтобы имелась аналитическая модель системы или технической установки. Более того, модель, исходя, например, из очень простой графической характеристики поля характеристик и/или простых уравнений, улучшается шаг за шагом с помощью корреляционного анализа рабочих и структурных параметров посредством основанного на искусственном интеллекте алгоритма при установлении определенных при этом корреляций, например, в виде дальнейших графических характеристик, уравнений и т.д.

В отличие от обычных устройств контроля и диагностики предложенное основано предпочтительно на базирующемся на данных методе, причем зависимости между частями имеющихся рабочих параметров и/или между частями структурных параметров технической установки обнаруживают методами искусственного интеллекта и устанавливают в виде количественно оцененных зависимостей, например уравнений и/или графических характеристик, так, что возникает точная динамическая модель, по крайней мере, одной системы технической установки.

Класс G05B23/02 электрические испытания и контроль 

способ поиска неисправного блока в непрерывной динамической системе на основе смены позиции входного сигнала -  патент 2528135 (10.09.2014)
способ и система управления для планирования нагрузки электростанции -  патент 2523191 (20.07.2014)
нормализация данных, используемых для контроля авиационного двигателя -  патент 2522308 (10.07.2014)
идентификация отказов в авиационном двигателе -  патент 2522037 (10.07.2014)
способ определения зачетных натурных испытаний сложного технического комплекса средств вооружения корабля -  патент 2520711 (27.06.2014)
способ поиска неисправных блоков в непрерывной динамической системе -  патент 2519435 (10.06.2014)
способ определения поперечной гидродинамической силы, образующейся на корпусе судна при выполнении сложного маневрирования -  патент 2509032 (10.03.2014)
способ поиска неисправного блока в дискретной динамической системе -  патент 2506623 (10.02.2014)
способ поиска неисправных блоков в дискретной динамической системе -  патент 2506622 (10.02.2014)
система автоматизированного контроля работоспособности и диагностки неисправностей радиоэлектронной аппаратуры -  патент 2504828 (20.01.2014)

Класс G05B17/02 электрические 

обнаружение аномалий в авиационном двигателе -  патент 2497173 (27.10.2013)
способ и система управления работой устройства с использованием комплексного моделирования с возможностью временного сдвига -  патент 2481612 (10.05.2013)
система прогнозирования и распределения выбросов (проливов) аварийно химически опасных веществ -  патент 2453896 (20.06.2012)
способ коррекции сложных систем и компенсатор для его осуществления -  патент 2451968 (27.05.2012)
способ параметрической идентификации математической модели судна -  патент 2444043 (27.02.2012)
способ управления и/или регулирования промышленного процесса -  патент 2444042 (27.02.2012)
моделирующий комплекс для станков с чпу -  патент 2438156 (27.12.2011)
устройство для моделирования процедуры распознавания сложного динамического объекта на временном интервале -  патент 2427873 (27.08.2011)
модельный прогнозный контроль процессов регулирования загрязнения воздушной среды -  патент 2379736 (20.01.2010)
генерация последовательности операций по комплексному анализу на основе предсказательной модели одиночной скважины - модульного динамического тестера (swpm-mdt) -  патент 2336567 (20.10.2008)
Наверх