ОБОРУДОВАНИЯ

Техническое состояние сборочных единиц и агрегатов машин в процессе эксплуатации зависит от различных факторов, не поддающихся предварительному учету. Однако, если известны нормативные значения диагностических параметров, можно прогнозировать остаточный ресурс машины, т.е. ее наработку от момента диагностирования параметра до момента получения им предельного значения.

Прогнозирование остаточного ресурса проводится с целью определения наработки объекта с момента технического диагностирования его состояния до достижения им предельного состояния с заданной вероятностью безотказной работы.

Прогнозирование поведения объекта проводят различными методами:

экстраполяцией данных о техническом состоянии, полученных ранее по результатам диагностирования;

моделированием, т.е. исследованием физической модели объекта, деградационных процессов, математическим (машинным) экспериментом аналитической модели;

опросом экспертов;

анализом статистических данных об отказах и ресурсе множества аналогичных объектов при схожих режимах и условиях эксплуатации;

методом аналогий поведения объекта с поведением других объектов в данных условиях эксплуатации.

По форме представления количественных результатов различают статистические и детерминированные методы.

Для прогнозирования надежности оборудования применяют, в основном, две группы методов: статистические (основанные на статистической обработке данных об отказах и ресурсе аналогов) и экстраполяционные (основанные на анализе тренда параметров технического состояния исследуемого оборудования).

Статистические методы применяют в тех случаях, когда по исследуемому объекту нет ретроспективных данных об изменении параметров, определяющих его техническое состояние.

Если на исследуемом объекте периодически или непрерывно проводится контроль параметров технического состояния и эти данные накоплены за достаточный срок эксплуатации, то более эффективно использование метода прогнозирования тенденций изменения (тренда) параметров технического состояния. Графическая или аналитическая интерпретация тренда параметров в будущее время называется экстраполяцией.

В общем случае выбор метода прогнозирования остаточного ресурса должен обосновываться точностью и достоверностью полученных данных, а также требованиями точности и достоверности прогнозируемого ресурса объекта и риска его дальнейшей эксплуатации, наличия и надежности системы контроля его технического состояния.

Определение остаточного ресурса потенциально опасного объекта осуществляется на основе имеющейся информации прогнозированием его технического состояния по определяющим параметрам до достижения ими предельного значения.

Возможность прогнозирования остаточного ресурса методом экстраполяции обеспечивается при одновременном наличии следующих условий:

на основании обследования известны параметры технического состояния объекта;

известны определяющие параметры технического состояния, изменяющиеся соответственно выявленному механизму разрушения элементов объекта;

известны критерии предельного состояния объекта, достижение предельных значений которых возможно при развитии выявленных дефектов.

По ряду деградационных процессов (сплошной коррозии, изнашиванию, ползучести) эти условия выполняются. По другим видам процессов разрушения (образованию трещин, межкристаллической, щелевой, язвенной коррозии, некоторым видам изнашивания) выполняются не все условия, что требует специальных исследований.

Основой прогнозирования остаточного ресурса служит следующая информация:

диагностические данные о состоянии объекта;

данные о режиме и условиях эксплуатации;

априорная информация о процессах, ограничивающих ресурс.

Номенклатура параметров технического состояния должна содержать:

наименование параметра;

принадлежность его к параметрам, описывающим групповые или индивидуальные особенности исследуемого объекта;

способ измерения параметра;

характеристику погрешности измерения параметра.

В число информативных параметров в каждом конкретном случае включаются только те параметры, которые определяют работоспособность потенциально опасных участков рассматриваемого объекта и заметно изменяются в ходе эксплуатации. В качестве информативных параметров для определения предельного состояния потенциально опасного оборудования, подверженного коррозии, в первую очередь принимают толщины стенок, несущих нагрузку элементов, напряженно-деформированное состояние, дефектность и прочностные характеристики материалов в потенциально опасных участках.

Безусловными критериями предельного состояния сосудов, аппаратов, трубопроводов, подвергающихся коррозии, являются:

потеря прочности при уменьшении толщины стенки;

наличие растрескивания металла, коррозионных язв, питтинга в зоне сварных швов;

распространение дефектов (трещин, коррозионных язв и др.) на регламентированную нормативной документацией площадь и глубину.

При возможности непрерывного контроля параметров технического состояния могут использоваться упрощенные методы, при которых прогнозирование осуществляется по одному параметру технического состояния:

для объектов, работающих в условиях статического нагруже-ния и общей равномерной коррозии, расчет проводится по снижению несущей способности вследствие уменьшения толщины стенки;

для объектов, работающих в условиях циклического нагружения при отсутствии коррозионной среды, расчет проводится по снижению несущей способности вследствие малоцикловой усталости;

для объектов, для которых накоплен объем информации по функциональным параметрам, достаточный для экстраполяции значений на последующий период эксплуатации, расчет проводится по изменению этих параметров до предельных значений.

В основе выбора типовых моделей экстраполяции лежат априорные знания физических закономерностей развития дефектов и результаты предшествующих исследований закономерностей деградации на объектах-аналогах со сходными режимами и условиями эксплуатации.

Аналитическим прогнозированием называют прогнозирование, задачей которого является получение аналитических выражений для оценки значений прогнозируемых параметров в будущий момент времени t или момент времени, когда параметр технического состояния достигает предельного значения. Если техническое состояние описывается несколькими параметрами, то используют понятие обобщенного многомерного вектора состояния x(t) = {x₁, х₂, ...}.

Индивидуальный прогноз объекта исследования основан на знании математического ожидания М_у и условной дисперсии величины х в моменты времени, предшествующие моменту обследования x(t_i), i = 1, N, и принимаемой модели развития этого процесса.

Рассматриваемый процесс представляют в виде сочетания регулярной и случайной составляющих:

x(t) = y(t,j) + z(t).

Предполагается, что регулярная составляющая y{t, j) представляет гладкую функцию времени, описываемую конечномерным вектором параметров j. Эта составляющая имеет ряд синонимов: тренд, уровень, тенденция, детерминированная основа процесса.

Случайная составляющая z(t) принимается некоррелируемым случайным процессом с нулевым математическим ожиданием.

Оценка z(t) необходима для определения точностных характеристик прогноза. При оценке точности прогноза принято рассматривать три класса случайных процессов: стационарные случайные процессы, случайные процессы с медленно возрастающим (убывающим) математическим ожиданием и дисперсией. Выбору аппроксимирующей функции регулярной составляющей предшествует улаживание, выравнивание и анализ временного ряда значений показателей. Выбор вида функции является неформализованным процессом и зависит от интуиции и субъективных качеств специалистов в области прогнозирования. Наибольшее применение нашли следующие аппроксимирующие функции:

линейная модель вида y(t) = у₀ + Ct. Эта модель хорошо описывает кинетику разрушения металлов при общей коррозии и разных видах механического изнашивания;

степенная модель y(t) = Ct^m. Модель применяется при описании многих видов коррозии (сплошной, локальной), а также при коррозии под напряжением и при изнашивании;

логарифмическая зависимость y(t) - A ln (t + С). Она хорошо описывает кинетику газовой и локальной коррозии;

экспоненциальная модель y(t) = С exp [T(t)]. Применяется при описании общей коррозии под напряжением.

В качестве основного показателя остаточного ресурса в результате прогноза определяется гамма-процентный ресурс, задаваемый двумя численными параметрами: наработкой и выраженной в процентах вероятностью того, что в течение этой наработки предельное состояние не будет достигнуто. При отсутствии второго показателя величина наработки считается назначенной.

Выбор вероятности осуществляется в зависимости от назначения, степени ответственности и режима использования объекта. Для уникальных и ответственных объектов, отказ которых может привести к человеческим жертвам и существенным экономическим потерям, значение вероятности приближается к единице.

В статистических методах оценки ресурса по результатам исследования партии изделий гамма-процентный ресурс определяется по кривой распределения ресурсного показателя. При отсутствии закона распределения используют непараметрические методы оценки надежности.

В экстраполяционных методах определения ресурса единичного объекта ожидаемый ресурс определяется при достижении y(t) предельной величины. Если параметр х неравномерно распределен по поверхности (например, глубина и площадь коррозионного разрушения), то определяют функцию распределения этой величины и находят доверительные нижнюю и верхнюю границы ресурсного показателя, задаваясь величиной гамма. При этом полагают, что закон распределения в начале и конце прогнозируемого интервала времени не изменяется.

Опыт эксплуатации показывает, что распределение язв коррозионного повреждения подчиняется закону Вейбулла с коэффициентом вариации 0,2 - для эрозии, сплошной равномерной коррозии, 0,3-0,5 - для сплошной неравномерной коррозии, 0,6-1,0 - для язвенной, питтинговой, межкристаллитной коррозии.

При статическом разрушении для оценки гарантии прочности учитывают распределение действующих напряжений. При расчете конструкции по критерию усталостной прочности учитывают распределение числа циклов до разрушения при определенной амплитуде. В расчетах на износ принимают нормальное распределение износа детали.

Общая типовая методика прогнозирования технического состояния оборудования содержит следующие этапы исследования:

1. Определение стратегии прогноза (определение цели, задач, интервала упреждения, рабочих гипотез, методов и организации исследования).

2. Прогностический фон (сбор информации о методах прогнозирования по схожим с объектом исследования объектов).

3. Разработка системы параметров, отображающей характер и структуру объекта.

4. Разработка поисковой модели (проекции в будущее системы показателей модели на дату упреждения по наблюдаемой тенденции с учетом факторов прогностического фона).

5. Разработка нормативной модели (проекции в будущее системы показателей модели в соответствии с заданными целями и нормами по заданным критериям).

6. Оценка степени достоверности (верификации) и уточнения предварительных моделей с помощью параллельных контрольных методов (опросом экспертов, математическим экспериментом).

7. Выработка рекомендаций для оптимизации принятия решения в планировании и управлении эксплуатацией оборудования на основе прогностических моделей.

Перспективным является метод прогнозирования остаточного ресурса машин по тенденции (тренду) изменения их технического состояния.

Исходными данными при этом методе являются: характер изменения контролируемого параметра технического состояния (рис. 7.20); предельное П_цр, допустимое П_д и номинальное П_н его значения; значение параметра технического состояния на момент диагностирования П(t_k); наработка t_k проверяемой составной части от начала ее эксплуатации до момента диагностирования; периодичность проведения диагностирования t_м; предельное изменение параметра технического состояния U_пр, изменение параметра технического состояния U(t_k) после наработки t_k, t_ост - остаточный моторесурс.

Характер изменения параметра технического состояния U(t_k) после наработки t_k в общем виде выражается следующей зависимостью:

где V_c - коэффициент, характеризующий скорость изменения параметра; α - показатель степени изменения параметра технического состояния.