Виброакустическая диагностика технических объектов

Врамках границ разброса параметров для объекта можно определить бесконечное число функций состояния. Эта группа функций состояния, основанная на критериях эффективности объекта, представляет собой числовые характеристики способности объекта выполнять заданную работу (предназначение), т.е. характеристики, соответствующие его техническому заданию.

При диагностировании характеристики различных процессов (трение, диффузия, утечки и т.п.) в объектах параметры диагностического сигнала, сопутствующие работе объекта, не всегда доступны для непосредственного измерения. Сами по себе процессы, образующие диагностический сигнал, как правило, не имеют существенного значения с точки зрения работоспособности объекта, и поэтому в машиноведении, за исключением диагностики, они обычно не изучаются. Но в диагностике их роль существенна: они служат источником информации о состоянии объекта.

Впрактике поиск неисправностей, разделенных на классы, не различающиеся между собой для разных объектов (например, износ, коррозия,

ит.п.), осуществляется их выделением в алфавит классов, различающихся между собой по элементам различных объектов. Число классов (следовательно, число входящих в них неисправных состояний) определяет достигаемую при поиске неисправностей детализацию мест неисправностей. Эту степень детализации в технической диагностике принято называть глубиной поиска или глубиной диагностирования.

Характеристики диагностического сигнала, содержащие информацию о параметрах технического состояния объекта, называют диагностическими признаками состояния, которые могут быть объединены в сигнале в классы признаков по элементам объекта, а классы признаков – в алфавиты классов признаков, форматирующие информацию состояния технического объекта.

Размерности классов и алфавитов классов признаков параметров диагностических признаков в принципе не ограничены, что и обусловливает развитие технической диагностики.

На практике для решения прикладных задач диагностики находят такое минимальное количество диагностических признаков, которое однозначно связано с соответствующими структурными параметрами объекта, определяющими условия нахождения в границах их допуска или выхода за границы, что соответствует отказу в его работе. Эти диагностические признаки должны быть статистически независимы друг от друга в одном классе признаков

идолжны соответствовать классам неисправностей и дефектов объекта для других алфавитов классов признаков. Это практически недостижимо, поскольку взаимосвязь между всеми дефектами и диагностическими признаками является объективным свойством природы любых процессов при функционировании объекта.

11

Диагностирование можно построить различными способами. Наиболее распространенным способом является оценка по среднеквадратичному значению изменения диагностического признака в определенном классе признаков во времени (статический способ). Как правило, данная процедура по одному параметру не решает вопроса построения причин отказа в работе объекта. Он только показывает интервал остаточного ресурса работы объекта. Если для диагностической цели состояние объекта обычно описывается не одним, а целой совокупностью параметров, то при указанной выше обработке сигналов для однозначного диагностирования объекта требуется использовать большое число разнообразных процессов, описываемых дополнительной совокупностью классов признаков или отдельным алфавитом класса признаков.

Динамический способ построен на другом принципе. Вместо того, чтобы регистрировать и усреднять большое число различных процессов, регистрируется только один из них, но для его анализа используется такой способ обработки сигнала, из которого извлекается вся диагностическая информация. Он оперируют с переменными сигналами, главным образом имеющими колебательный характер. Такие сигналы обладают сложной временной и спектральной структурой, поэтому способны переносить большие объемы информации. Использование всего одного процесса вместо множества разнородных по физической природе процессов следует считать достоинством динамической системы диагностики по сравнению со статической.

1.1. Структурная схема распознавания в технической диагностике

Техническая диагностика изучает методы получения и оценки диагностической информации, которые могут быть сведены в распознавание классов технического состояния объекта по совокупности его диагностических характеристик [2]. Для решения задачи распознавания технического состояния объекта может быть привлечен хорошо разработанный математический аппарат теории распознавания образов.

В общем виде постановка задания распознавания может быть сформулирована как исходное состояние объектов (машин, механизмов), которое определяется определенной ситуацией или выполнением определенных процессов, ко-

торые можно описать алфавитом классов признаков W = {ω1, ..., ωm } , который состоит из словаря признаков U p = {u1, ..., un } .

Рабочий словарь признаков ωi ( i = 1,...,m ) выполнен на языке признаков ui ( i = 1,...,n ), т.е. определена функциональная зависимость между классом признаков и самими признаками:

12

Сведения, заключенные в этих зависимостях, предоставляют априорную информацию для системы распознавания. Для априорной информации известна плотность распределения, как внутри алфавита классов, так и внутри словаря классов признаков, т.е. известна Pj (u) – условная плотность рас-

пределения признаков внутри j-го класса признаков.

При проведении технической диагностики формируются фактические значения состояния признаков:

по каждому признаку внутри класса признаков и алфавита классов признаков. Следовательно, создается фактическая матрица данных, которые характеризуют определенное техническое состояние объекта.

Задача распознавания состоит в необходимости установления, к какому классу признаков относится неизвестное состояние объекта, надлежащее распознаванию.

Решение задачи распознавания осуществляется на основе сопоставления текущих значений признаков (получаемых в процессе обследования агрегата) с априорным описанием их значений в классе признаков на языке признаков при помощи алгоритмов распознавания.

Признаки распознавания состояния можно поделить на детерминированные, вероятностные, логические, структурные.

Детерминированные признаки – это признаки, принимающие конкретные числовые значения, которые могут рассматриваться в качестве физической точки в пространстве признаков, соответствующей данному состоянию.

Вероятностные признаки – признаки, случайные значения которых распределены по всем классам состояния. Признаки распознаваемых состояний следует рассматривать как вероятностные и в случае, если измерение их численных значений связано с погрешностью процедуры их получения (измерения).

Логические признаки – это признаки, которые можно рассматривать как элементарные высказывания, имеющие два значения «да – нет» или «истина – ложь», с полной определенностью эти признаки не имеют структурных выражений.

Структурные (лингвистические) признаки представляют собой непроиз-

вольные элементы (символы) структуры распознаваемого явления. Иначе эти элементы (символы) называются терминами. Каждое распознаваемое состояние может рассматриваться как цепочка символов или как предположение.

Алгоритмы распознавания основываются на выборе определенного метода распознавания. Сущность всех методов сводится к сравнению той или иной меры близости или меры сходства распознаваемого класса признаков

13

состояния с определенным априорным классом признаков. При этом, если выбраны L – меры близости (геометрическое, пространственное и т.п.) для U – класса признаков данного состояния объекта – ωi с Wq (q = 1, …, m) –

признаками класса, то за меру близости L признаком других классов принимается такое решение о принадлежности этого состояния классу Wq , если

выполняется условие ωi Wg , если L(ω,Wq ) = extr(ω,Wi ) , q = 1, ..., m, q ≠ i .

В алгоритмах распознавания (рис. 1.1), базирующихся на использовании детерминированных признаков, в качестве меры часто используют среднеквадратичное (эвклидово) расстояние в признаковом пространстве между данными состояния ω и совокупностью состояний (W1q , ..., Wkq ) , определяю-

щих свой класс Wq

Выбор методики произволен, необходимо лишь, чтобы она удовлетворяла обычным аксиомам расстояний:

a(a,b) = d (b,a) ; a(a,c) ≤ d (a,b) + d (b,c) ; d (b, a) ≥ 0 ; a(a,b) = 0, если a = b.

Рис. 1.1. Схема определения близости признаков одного класса признаков

14

Если две точки в пространстве признаков задать векторами

то расстояние между ними можно определить как расстояние по Хэммингу:

При этом реализация процесса автоматического распознавания осуществляется посредством сравнения с эталоном каждого класса, хранящегося в памяти системы. Под эталоном понимается некоторый усредненный образец класса.

Таким образом, суммирование по индексу S = 1,..., k эквивалентно оценке усредненного расстояния между испытываемым состоянием и q-м классом в признаке классового пространства.

При большом числе алфавитов класса признаков можно упростить процедуру распознавания за счет формализации признаков определенного класса или алфавита классов признаков, тем самым удешевить процедуру определения принадлежности к одному из классов путем сравнения вновь

как эталон – центр тяжести области диагноза технического состояния.

15

ur

Распознавание состояния, заданного вектором U i , осуществляется

V i , и отнесением к соответствующему классу состояния Wi в соответствии с правилом ω Wi , если dij = min dik , k = 1,...,m .

Для уменьшения вероятности ошибки распознавания вводится порог, например радиус сферы, в которую должна попасть точка в признаковом пространстве для отнесения ее к j-му классу.

Правило распознавания для однородного класса признаков формулируется следующим образом: ω W , если |Ui − Vj |< Pi .

Радиус для диагностирования принимается таким, чтобы допустимая среда пространства в классе признаков была с некоторым запасом, чтобы все точки обучающейся последовательности, принадлежащие данному классу, укладывались в величину выбираемого запаса по пространству признака.

Для классификации состояния объекта часто пользуются не мерой близости векторов в признаковом пространстве, а мерой сходства. При этом распознавание испытуемого состояния осуществляется оценкой меры сходства вектора признаков с описанием каждого класса и отнесением к такому классу, мера сходства с которым максимальна, т.е. ω W , если Rij = max Rik ,

k = 1,...,n.

Наиболее употребляемой мерой сходства является косинус угла qij ме-

жду векторами U i ,U j , который в статистике называют мерой линейного сходства или нормированной функцией корреляции:

Максимум сходства достигается, когда направление рассматриваемого Ui и эталонного U j векторов совпадают. Избирательность классифицирую-

щей функции, характеризующей сходство векторов Ui и эталонного U j , оп-

ределяемых отрезком по направлению между вершинами данных векторов, преобразуя n-мерный вектор диагностических признаков в N-мерную корреляционную функцию. В этом случае произведение двух N-мерных корреля-

ционных функций K N (Ui ) и K N (U j ) преобразуется в (N + 1)-ю степень од-

номерной функции взаимной корреляции K N +1 (U jUi ) , которая является мерой сходства:

16

В алгоритмах распознавания, базирующихся на вероятностных признаках, в качестве меры близости используется риск, связанный с решением задачи о принадлежности распознаваемого объекта к классу Wj , j =1,...,m.

Пусть даны априорные описания классов: функция плотности значений признаков состояния объекта, относящихся к классу Wj , j =1,...,m , априор-

ная вероятность нахождения объекта в состоянии Wj класса и вектор призна-

ков Ui , т.е. {Pi (U ); P(Wi );U = {u1, ..., un }} , а также риски правильных и ошибочных решений, представляющих собой элементы m-мерной матрицы:

по главной диагонали матрицы расположены потери при правильных решениях, а по обеим сторонам – потери при ошибочных решениях.

Если lij < 0 , i =1, ..., n , то такие отрицательные потери можно рассмат-

ривать как выигрыш при правильных решениях.

Пусть в результате эксперимента установлено, что значения признаков

с теоремой гипотез и формулой Байеса, будет найдена по формуле

17

ления технического состояния не всегда соответствует фактическому состоянию. Поэтому нет «идеального» метода неразрушающего контроля, который с 100%-ной достоверностью позволял бы определить фактический уровень технического состояния объекта.

Каждый из методов неразрушающего контроля технической диагностики формирует два взаимопроникающих и взаимосвязанных направления:

1)распознавание признаков технического состояния;

2)определение технического состояния и поиск неисправностей.

В общем случае техническая диагностика решает задачу общей теории надежности объекта.

Исходя из физических явлений, на которых основан неразрушающий контроль (НК), принято выделять девять его основных видов: радиоволновой; тепловой; оптический; радиационный; акустический; вихретоковый; магнитный; электрический; с применением проникающих веществ.

Радиоволновый метод неразрушающего контроля основан на регистрации изменений параметров электромагнитных волн радиодиапазона, взаимодействующих с объектом контроля (ОК). Обычно используются волны сверхвысокочастотного (СВЧ) диапазона с длиной от 1 до 100 мм. Контролируют изделия из материалов, где радиоволны не очень сильно затухают: диэлектрики (пластмассы, керамика, стекловолокно), магнитодиэлектрики (ферриты), полупроводники, тонкостенные металлические объекты. По характеру взаимодействия с ОК различают методы прошедшего, отраженного, рассеянного излучения и резонансный. При использовании этого вида контроля наличие дефектов в исследуемых изделиях приводит к появлению дополнительных отражений электромагнитного поля, которые изменяют интерференционную картину и вызывают дополнительные потери энергии. Этот метод применяется в дефектоскопии диэлектриков, а также при исследовании состояния поверхности проводящих тел. Недостатком СВЧ-метода является сравнительно низкая разрешающая способность устройств, реализующих этот метод, которая обусловлена малой глубиной проникновения радиоволн в металлы.

Тепловой метод НК основан на регистрации изменений тепловых или температурных полей контролируемых объектов. Он применим к объектам из любых материалов. Распределение температур в изделии зависит от его свойств: геометрических параметров, химического состава, наличия дефектов и др. По характеру взаимодействия теплового поля с ОК различают методы: пассивный (на объект не воздействуют внешним источником энергии) и активный (объект нагревают или охлаждают от внешнего источника). Недостатком этого метода контроля является необходимость использования контактных устройств, что затрудняет процессы автоматизации при непрерыв-

19

ных измерениях и контроле движущихся объектов. При бесконтактных измерениях возникают достаточно жесткие требования к чистоте окружающей среды.

Оптический НК основан на наблюдении или регистрации параметров оптического излучения, взаимодействующего с ОК. Это взаимодействие связано споглощением, отражением, рассеиванием, дисперсией, поляризацией и другими оптическими эффектами. Данный метод применяют для измерения геометрических параметров изделий, контроля состояния поверхности и обнаружения поверхностных дефектов. Оптические методы имеют очень широкое применение благодаря большому разнообразию способов получения первичной информации. Возможность их применения для наружного контроля не зависит от материала объекта. Оптические методы широко применяют для контроля прозрачных объектов. В них обнаруживают макро- и микродефекты, структурные неоднородности, внутренние напряжения. Недостатками оптических методов являются узкий диапазон контролируемых параметров, жесткие требования к состоянию окружающей среды ичистоте поверхности изделия.

Радиационный НК основан на регистрации и анализе проникающего ионизирующего излучения после взаимодействия его с ОК. В зависимости от природы ионизирующего излучения вид контроля подразделяют на подвиды: рентгеновский, гамма-, бетаконтроль (поток электронов), нейтронный. Наиболее широко используют для контроля рентгеновское и гамма-излучения. Их можно использовать для контроля объектов из самых различных материалов, подбирая благоприятный частотный диапазон. Эти методы в основном применяются в дефектоскопии, измерении геометрических и структурных особенностей материалов. К недостаткам данных методов относятся повышенные требования к технике безопасности, сложность, дороговизна и громоздкость аппаратуры, а также ограничения, связанные со сравнительно небольшими толщинами ОК.

Акустический НК основан на регистрации параметров упругих волн, возникающих или возбуждаемых в объекте. Чаще всего используют упругие волны ультразвукового диапазона (с частотой колебаний выше 20 кГц). Этот метод также называют ультразвуковым. Главная отличительная особенность данного метода состоит в том, что в нем применяют и регистрируют не электромагнитные, а упругие волны, параметры которых тесно связаны с такими свойствами материалов, как упругость, плотность, анизотропия (неравномерность свойств по различным направлениям) и др. Акустические свойства твердых материалов и воздуха настолько сильно отличаются, что акустические волны отражаются от тончайших зазоров (трещин, непроваров) шириной 10–6...10–4 мм. Этот вид контроля применим ко всем материалам, достаточно хорошо проводящим акустические волны: металлам, пластмассам, керамике, бетону и т.д. Колебания в исследуемый объект вводятся в импульс-

20