ОСОБЕННОСТИ СОСТАВЛЕНИЯ ДИАГНОСТИЧЕСКОЙ МАТРИЦЫ БАЙЕСА ПРИ БЕЗРАЗБОРНОЙ ДИАГНОСТИКИ ДВИГАТЕЛЕЙ ВНУТРЕННЕГО СГОРАНИЯ

Научная статья
DOI:
https://doi.org/10.18454/IRJ.2016.47.270
Выпуск: № 5 (47), 2016
Опубликована:
2016/05/20
PDF

Халиуллин Ф.Х.1, Ахметзянов И.Р.2

1ORCID: 0000-0002-4864-197X, Кандидат технических наук, Казанский национальный исследовательский  технический университет, 2ORCID: 0000-0002-1825-0023, аспирант, Казанский государственный аграрный университет

ОСОБЕННОСТИ СОСТАВЛЕНИЯ ДИАГНОСТИЧЕСКОЙ МАТРИЦЫ БАЙЕСА ПРИ БЕЗРАЗБОРНОЙ ДИАГНОСТИКИ ДВИГАТЕЛЕЙ ВНУТРЕННЕГО СГОРАНИЯ

Аннотация

В статье рассмотрено – алгоритм составления диагностической матрицы Байеса при безразборной диагностики двигателей внутреннего сгорания и недостаточной статистической информации о распределении отказов по наработке. Предлагается определить распределение вероятностей диагнозов согласно методам математического моделирования с использованием статистических данных. При этом учитываются как техническое состояние самого двигателя, так и его наработка. Полученные результаты численного моделирования согласуются с имеющимися практическими данными технической эксплуатации двигателей внутреннего сгорания и могут быть применены при создании алгоритма безразборной диагностики.

Ключевые слова: диагностика, распределение отказов, компрессия.

Khayrullin F.H.1, Akhmetzyanov I.R.2

1 ORCID: 0000-0002-4864-197X, PhD in Engineering, Kazan National Research Technical University, 2 ORCID: 0000-0002-1825-0023, Postgraduate student of Kazan State Agrarian University

DIAGNOSTIC FEATURES OF MATRIX IN BAYES CIP DIAGNOSIS OF INTERNAL COMBUSTION ENGINES

Abstract

In the article - a diagnostic algorithm for drawing up the matrix with Bayes CIP diagnosis of internal combustion engines and the lack of statistical information on the distribution of failures on an operating time. It is proposed to determine the probability distribution of diagnoses according to the methods of mathematical modeling using statistical data. This takes into account both the technical condition of the engine and its operating time. These numerical simulation results are consistent with the available technical operation of internal combustion engines with practical data and can be used to make the diagnosis algorithm CIP.

Keywords: diagnosis, distribution of failures compression.

Повышение точности и эффективности безразборной диагностики  двигателей внутреннего сгорания является одним из составляющих успеха при решении задачи определения параметров технической эксплуатации [4]. Применение алгоритма Байеса для этой цели, при наличии достаточного объема статистической информации, является оправданным, несмотря его некоторую громоздкость. Однако, зачастую информации о техническом состоянии    двигателя, в зависимости от его конструктивных параметров и наработки,  бывает недостаточно  или они носят противоречивый характер. Этому способствует также распространенный в настоящее время агрегатный метод восстановления ресурса двигателя внутреннего сгорания. В результате вероятность поставленного итогового диагноза оказывается ниже порогового значения, что требует проведения дополнительных исследований. Одним из вариантов решения задачи определения недостающей информации для диагностической матрицы Байеса является численное моделирование влияния наработки двигателя внутреннего сгорания на интенсивность изменения параметров его технического состояния.

Рассмотрим методику определения распределения вероятностей диагнозов при безразборной  диагностики технического состояния двигателей внутреннего сгорания на основе  алгоритма Байеса [1,2].

Для определения вероятности диагнозов по методу Байеса необходимо составить диагностическую матрицу, которая формируется на основе предварительного статистического материала. В этой таблице содержатся вероятности разрядов признаков и соответствующее им вероятности предполагаемых  диагнозов при различных сочетаниях признаков. Размер исследуемых значений определяется количеством вероятных (возможных) проявлений признаков отказов и неисправных состояний.

В идеале для заполнения данной матрицы необходимо вести непрерывный учет технического состояния двигателя при прохождении им каждого очередного технического обслуживания с фиксацией состояния его систем и механизмов. Как показывает практика диагностирования, удовлетворительная сходимость результатов появляется при размере выборки большее 200. При этом необходимо отметить, согласно нормативно- технической документации, не все интересующие составляющие элементы двигателя проходят оценку технического состояния при этих работах. Поэтому задача заполнения матрицы диагностирования с учетом реального влияния наработки двигателя на его техническое состояние является актуальной.

Рассмотрим пример составления диагностической матрицы по алгоритму Байеса для двигателя Д-243 [5,6].

Выбираем четыре основных состояний двигателя  и три основных диагностических признака (параметра)   проявления различных неисправностей:

– неисправности в системе подачи воздуха (СПВ) image002;

– неисправности в системе подачи топлива  (СПТ) image004;

– неисправности цилиндро-поршневой группы (ЦПГ) image006;

– исправное состояние двигателя image008.

Как правило, ресурс двигателя определяется ресурсом его базовых деталей, в качестве которых выступает блок цилиндров и коленчатый вал. Принимаем, что основанием для капитального ремонта двигателя служит предельное состояние блока цилиндров, которое характеризуется предельно низким значением компрессии в цилиндре.

В качестве диагностического признака выберем интенсивность  изменения показателей двигателя при единичном изменении положения рычага настройки регулятора – переходные функции. Как известно, они отражают динамические характеристики системы и зависят от ее технического состояния [3]. Каждый признак image010 имеет три уровня состояния: хороший, удовлетворительный и неудовлетворительный, соответствующий неисправности системы:

– интенсивность изменения частоты вращения image012;

– интенсивность изменения подачи топлива image014;

– интенсивность изменения подачи воздуха image016.

Диапазон изменения показателей от хорошего до неудовлетворительного значения определяется соответствующими значениями этих показателей для двигателей с нулевой и предельной наработкой. Эти данные необходимо получить в стендовых условиях и они служат для определения граничных условий при диагностировании.

Исходными данными для диагностируемого двигателя являются также:

– ресурс до капитального ремонта image018;

– периодичность технического обслуживания image020;

­– текущая наработка image022.

Практика технической эксплуатации  показывает, что при качественном проведении регламентных работ по обслуживанию и применении оригинальных расходных материалов техническое состояние двигателей  внутреннего сгорания после очередного технического обслуживания (ТО) восстанавливается до номинального или близкого к нему значения по убывающей амплитуде. Интенсивность изменения амплитуды зависит от условий эксплуатации двигателя и качества организации работ по ТО.

Диагностическая матрица Байеса об отказах и неисправностях двигателя при выбранных диагностических параметрах приведена ниже в табл.1

Таблица 1 – Диагностическая матрица Байеса

23-05-2016 16-53-58

Определяем вероятность диагноза состояния двигателя image024, если имеет место одно из возможных совместных  проявлений признаков image012, image014 и image016.

Для определения значений image026  нужны статистические данные вероятности диагнозов при различном техническом состоянии двигателя (компрессия К) и при различной наработке L. Однако, учитывая скудные данные по техническому состоянию составляющих элементов двигателя можно принять математические методы моделирования вероятности диагнозов.

Общеизвестно, что износ ЦПГ двигателя носит постепенный характер и определяется условиями эксплуатации, применяемыми расходными материалами и качеством проведения ТО. Можно предположить, что вероятность исправного состояния ЦПГ при изменении компрессии от Kmin  до Kmax изменяется по экспоненциальному закону (рис. 1).

В то же время, необходимо отметить, что вероятность исправного состояния  ЦПГ с  увеличением  наработки  изменяется по непрерывному закону, согласно рисунку 2.

image092

Рис. 1 Вероятность исправного состояния ЦПГ от компрессии K

image094

Рис. 2 Вероятность исправного состояния ЦПГ от наработки L

Тогда закон изменения вероятности исправного состояния  двигателя image085

имеет вид, изображенный на рисунке 3.

image096

Рис. 3 – Вероятность исправного состояния ЦПГ в зависимости от компрессии и наработки

Как видно из рисунка 3, максимум вероятности исправного состояния приходится на компрессию K =35 при нулевой наработке L=0 м.ч.  Минимальная вероятность достигается при значениях компрессии K =15 и наработке L=8000 м.ч.

Вероятности установления диагнозов неисправности в системе подачи воздуха image002 и неисправности в системе топливоподачи image004, как правило, зависят от наработки двигателя кусочно-экспоненциально и имеют вид, представленный на рисунке 4.

image098

Рис 4. Вероятность появления диагнозов image002 и image004 от наработки

Локальные амплитуды изменения вероятностей уточняются по статистическим данным и возникают при наработках, соответствующим  наработкам периодичности технического обслуживания. По статистическим данным значения этих максимумов находятся в пределах P(D1)=0,25-0,32 P(D2)=0,30-0,41.

Предложенная методика моделирования вероятностей позволяет упростить процедуру применения алгоритма Байеса для безразборной диагностики двигателей внутреннего сгорания и может быть применена при практической реализации данного алгоритма.

 

Литература

  1. Ahmetzyanov I.R., Medvedev V.M., Khaliuillin F.K., Shiriyazdanov R.R. Internal Combustion Engine Faults Imitation Methods for Developing a Method of Engine Diagnostics // Science and Education [Text]: materials of the VI Inter-national research and practice conference, Munich, June 27-28, 2014 / publishing office Vela Verlag Waldkraiburg – Munich – Germany, 2014. pp. 445-447.
  2. Ахметзянов И.Р., Халиуллин Ф.Х. Имитация износа цилиндро-поршневой группы ДВС. //   Научное сопровождение агропромышленного комплекса: теория, практика, перспективы/ Материалы международной научно-практической конференции посвященной 65-летию образования Института механизации и технического сервиса.-Казань: Издательство Казанского ГАУ, 2015  –477с. С.  52-56.
  3. Халиуллин Ф.Х., Ахметзянов И.Р. Обоснование выбора диагностических параметров энергетических установок мобильных машин. // Вестник Казан-ского государственного аграрного университета, №2(32), 2014. С. 72-74.
  4. Халиуллин Ф.Х., Галиев И.Г. Учет условий эксплуатации автотранспортных средств при определении нормативов технической эксплуатации. Вестник Казанского государственного аграрного университета, №2(20), 2011.  С.106-108
  5. Халиуллин Ф.Х., Ахметзянов И.Р., Шириязданов Р.Р., Халиуллин А.Ф. Патент на полезную модель. Стенд для исследования рабочих процессов двигателя внутреннего сгорания в динамических режимах с возможностью имитации некоторых неисправностей двигателя. // Пат. № 151482 Российская Федерация МПК RU G01М  15/05; заявитель и патентообладатель Казанский государственный аграрный университет №2014122088/06, заявл. 30.05.14; опубл. 10.04.15; Бюл. № 10.
  6. Халиуллин Ф.Х., Ахметзянов И.Р., Шириязданов Р.Р., Халиуллин А.Ф. Патент на полезную модель. Прибор для диагностики двигателя внутреннего сгорания по переходным характеристикам. // Пат. № 160474 Российская Федерация МПК RU G01М  15/05; заявитель и патентообладатель Казанский государственный аграрный университет №2015103562/06, заявл. 03.02.2015; опубл. 20.03.2016; Бюл. № 8.

References

  1. Akhmetzhanov I.R., Medvedev V.M., Khaliullin F.K., Sheryazdanova R.R. Internal Combustion Engine Faults Imitation Methods for Developing a Method of Engine Diagnostics // Science and Education [Text]: materials of the VI International research and practice conference, Munich, June 27-28, 2014 / publishing office Vela Verlag Waldkraiburg - Munich - Germany , 2014. pp. 445-447.
  2. Akhmetzyanov IR, Khaliullin FH Wear Imitation cylinder-piston internal combustion engine of the group. // Scientific support of agro-industrial complex: theory, practice, prospects / Proceedings of the international scientific-practical conference dedicated to the 65th anniversary of the Institute of mechanization and technical servisa. Kazan: Publishing House of Kazan State Agrarian University, 2015 -477s. S. 52-56.
  3. Khaliullin FH, Akhmetzyanov IR Justification of the choice of diagnostic parameters of power installations of mobile machines. // Journal of Kazan State Agrarian University, №2 (32), 2014. pp 72-74.
  4. Khaliullin FH, Galiev IG Considering conditions of operation of vehicles in the determination of the technical operation standards. Journal of Kazan State Agrarian University, №2 (20), 2011. S.106-108
  5. Khaliullin FH, Akhmetzyanov IR, Shiriyazdanov RR, AF Khaliullin The patent for utility model. Stand for investigation of operating an internal combustion engine processes in dynamic conditions with the possibility of simulating some engine problems. // Pat. Number 151482 Russian Federation RU MIC G01M 15/05; the applicant and the patentee Kazan State Agrarian University №2014122088 / 06, appl. 30/05/14; publ. 10/04/15; Bull. Number 10.
  6. Khaliullin FH, Akhmetzyanov IR, Shiriyazdanov RR, AF Khaliullin The patent for utility model. A device for diagnosing an internal combustion engine on the transient response. // Pat. Number 160474 Russian Federation RU MIC G01M 15/05; the applicant and the patentee Kazan State Agrarian University №2015103562 / 06, appl. 03/02/2015; publ. 03/20/2016; Bull. Number 8.