книги / Управление большими системами. УБС-2017

Информационные технологии в управлении техническими системами и технологическими процессами

Для обеспечения необходимых характеристик надежности РЭД двигателя CFM56-7B, устанавливаемого на самолеты Boeing 737, имеет два независимых компьютера, которые имеют названия «канал А» и «канал В». Система содержит большое количество датчиков, многие из них также дублируются в целях резервирования и повышения надежности. Некоторые датчики дублируются для каждого параметра и соединяются с блоком регулятора посредством отдельных коннекторов и разъемов. Общий принцип соединения датчиков с блоком регулятора показан на рис. 2.

Рис. 2. Типы датчиков и их соединение с блоком регулятора

На блок регулятора приходят данные от самолетной системы, которые тоже приходят на оба канала регулятора (рис. 3).

Таким образом, все входные сигналы для блока РЭД являются двойными и обрабатываются одновременно двумя каналами, однако на выход поступают данные лишь с одного канала, который является командным. Канал, не вырабатывающий выходные воздействия, называется резервным. Он сможет стать командным при следующем запуске двигателя. РЭД может измерять частоты вращения вала, положения некоторых приводов и угол установки РУД. В большинстве случаев датчики двигателя имеют сдвоенную конструкцию. Если электрический датчик не является заменяемым при проведении технического об-

453

491

Управление большими системами. Выпуск XX

служивания, с основными датчиками установлены резервные (для каналов А и В соответственно).

Рис. 3. Схема получения данных каналами РЭД

3. Комбинированное резервирование РЭД

Таким образом, надёжность РЭД обеспечивается резервированием управляющей аппаратуры, цепей датчиков и исполнительных органов на канальном уровне. С целью повышения надёжности электронных регуляторов авиадвигателей с FADEC предлагается комбинированное резервирование на уровне элементов, дополняющее имеющееся резервирование [5]. Рассмотрим предлагаемое резервирование на примере программируемой логики. Так, для программируемой логической матрицы (ПЛМ) [9] парирование r отказов по некоторой i-й переменной х (s-сигнал программирования или настройки) описывается выражением

Вероятность безотказной работы транзисторов по каждой переменной для экспоненциальной модели (модели Вейбулла) имеет вид

454

492

Информационные технологии в управлении техническими системами и технологическими процессами

где λ – интенсивность отказов одного канала; α – коэффициент распределения Вейбулла; 1 ≤ α ≤ 2 , t – время работы; r – число парируемых отказов.

Парирование r отказов по некоторой i-й переменной в LUT (Look Up Table) ПЛИС FPGA [6] предполагает выражение

отказ любых 3 транзисторов по каждой переменной. Графики изменения вероятностей безотказной работы нерезервированного транзистора Р(t), схемы FCT, парирующей один отказ Р(t)ftm2, схемы FCT, парирующей два отказа Р(t)ftm3 и схемы FCT, парирующей три отказа Р(t)ftm4, изображены на рис. 4.

Рис. 4. Графики изменения вероятностей безотказной работы для нерезервированной переменной, для схемы FCT, парирующей один отказ Р(t)ftm2, для схемы FCT, парирующей два отказа Р(t)ftm3 и схемы FCT, парирующей три отказа Р(t)ftm4 при интенсивности отказов 10 в минус пятой

степени 1/час: а – в диапазоне вероятности от 1 до 0; б – в диапазоне вероятности от 1 до 0,4

455

493

Управление большими системами. Выпуск XX

Литература

1.Система управления самолетом [Электронный ресурс]. – URL: http://www.studfiles.ru/preview/2021544/page:7/ (дата обращения: 18.06.2017).

2.ИНОЗЕМЦЕВ А.А. О программе создания авиационных газотурбинных двигателей пятого поколения для семейства самолётов МС-21 // Вестник Перм. науч. центра УрО РАН. – 2010. – № 4. – С. 28–46.

3.ИНОЗЕМЦЕВ А.А. История МиГ-31 продолжается [Элек-

тронный ресурс]. – URL: http://vpk-news.ru/ARTICLES/15110 (дата обращения: 18.06.2017).

4.ОДК СТАР [Электронный ресурс]. – URL: http://www. ao-star.ru/ru/search/node (accessed at: 18 Juny 2017).

5.ТЮРИН С.Ф. Радиационно-устойчивая ячейка QSRAM // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2014. – № 4 (12). –

С. 14–30.

6.ТЮРИН С.Ф. Отказоустойчивый логический элемент LUT FPGA // Вестник Пермского университета. Серия: Математи-

ка. Механика. Информатика. – 2014. – № 4 (27). – С. 97–103.

7.Fundamentals of Aircraft Turbine Engine Control. – URL: https://www.grc.nasa.gov/www/cdtb/aboutus/Fundamentals_of_ Engine_Control.pdf (accessed at: 18 Juny 2017).

8.Propulsion Controls and Diagnostics Research at NASA Glenn. – URL: https://www.grc.nasa.gov/WWW/cdtb/aboutus/ric_overview_200707jpc.old.pdf (accessed at: 18 Juny 2017).

9.CPLD (Complex Programmable Logic Device). – URL: http:// www.myshared.ru/slide/981511/ (accessed at: 09 Juny 2017).

456

494

Информационные технологии в управлении техническими системами и технологическими процессами

ELECTRONIC ENGINE CONTROL WHITH COMBINED REDUDANCY

Vasinkov Valeriy, Perm National Research Polytechnic University, Perm, student (mr.valery4@yandex.ru).

Prokhorov Andrey Sergeevich – JSC « ER-Telecom Holding», postgraduate student at the Department of Automation and Telemechanics, Electrical Engineering Faculty, Perm National Research Polytechnic University. E-mail: npoxop007@yandex.ru

Tyurin Sergey Feofentovich Perm National Research Polytechnic University, Perm, Doctor of Technical Sciences, Professor at the Department of Automation and Telemechanics (tyurinsergfeo@yandex.ru).

Abstract: The article analyzes the composition of aircraft engine control systems from the point of view of reliability. The conclusion is made about the predominance of channel redundancy. Combined element-level redundancy is offered.

Keywords: Electronic engine controller, reliability, redundancy.

457

495

Управление большими системами. Выпуск XX

УДК 004.93 ББК 32.813

КОМПЛЕКСНОЕ ОЦЕНИВАНИЕ ПРОЧНОСТНЫХ СВОЙСТВ ФУНКЦИОНАЛЬНЫХ МАТЕРИАЛОВ НА ОСНОВЕ АНАЛИЗА ПАРАМЕТРОВ ЗЁРЕННО-ФАЗОВОЙ СТРУКТУРЫ

Батин С. Е.1, Гитман М. Б.2

(Пермский национальный исследовательский политехнический университет, Пермь)

Рассматривается один из подходов к решению задачи дискриминантного анализа микроструктур функциональных материалов по комплексу физико-механических характеристик, основанный на теории нечетких множеств. Предлагаемый подход может быть использован в процессе выборочного контроля качества функциональных и конструкционных материалов. Предполагается, что исходные данные для задачи дискриминантного анализа могут быть получены на основе компьютерного распознавания образов при анализе микроструктуры исследуемого материала по цифровым фотографиям шлифов. Предлагается алгоритм решения задачи дискриминантного анализа зёренно-фазовых структур, позволяющий определять близость исследуемого материала к одному из классов на заданном множестве известных структур по комплексу физикомеханических характеристик. Приводится демонстрационный пример применения разработанного алгоритма при анализе микроструктур по фотографиям микрошлифов закаленной стали с заданными прочностными свойствами.

Ключевые слова: функциональные материалы, фотографии микрошлифов, зёренно-фазовая структура, задача дискриминантного анализа, нечеткие множества

1Сергей Евгеньевич Батин, магистрант (sebatin@ya.ru).

2МихаилБорисовичГитман, докторфизико-математическихнаук, профессор(Пермь, ул. АнадемикаКоролева, д. 6, кв. 6, тел. (965) 554-19-47).

458

496

Информационные технологии в управлении техническими системами и технологическими процессами

1.Введение

Впоследние годы в машиностроении резко возросла роль так называемых «функциональных» материалов (ФМ), которые обладают заранее заданным физико-механическими свойствами (электрическими, магнитными, прочностными и др.). Другими словами, ФМ должны обладать строго определенными и желательно настраиваемыми физико-механическими свойствами, дающими возможность реализовывать эксплуатационные характеристики конструкций и устройств, недостижимые при использовании других материалов. К таким материалам, в частности, могут быть отнесены различные металлические сплавы и композиты. Создание ФМ с оптимальными свойствами осуществляется путем усиления или подавления («тюнинга») каких-либо свойств уже имеющихся материалов и невозможно без привлечения современных экспериментальных и теоретических подходов. Ярким представителем функциональных материалов являются, например, металлические сплавы с мартенситными превращениями и эффектами памяти формы [5, 10].

Однако при этом возрастает необходимость разработки новых средств автоматизированного контроля качества подобных материалов для анализа сложных зёренных структур на мезоили микромасштабных уровнях, отвечающих за формирование требуемого комплекса свойств на макроуровне.

Цель данной работы заключается в разработке подхода к решению задачи определения близости исследуемого материала к определенному классу, характеризующемуся заданным комплексом физико-механических характеристик, которые, в свою очередь, однозначно определяются параметрами его зё- ренно-фазовой структуры. При этом для исследуемого материала физико-механические характеристики считаются неизвестными, а задан набор параметров структурных характеристик. По сути, предлагаемая методика не предполагает задание конкретного вида аппроксимирующей функции и способа приближения к результату в виде, например, метода наименьших квадратов, а позволяет оценивать близость с помощью установления

459

497

Управление большими системами. Выпуск XX

отношений между параметрами зёренно-фазовой структуры для заданных физико-механических характеристик материала.

Постановка задачи. Пусть задано набор образцов исследуемого функционального материала. Для каждого образца имеется цифровая фотография микрошлифа, анализируя которую с помощью компьютерного распознавания и сегментации образцов [9], можно определить основные параметры зёренно-фазовой структуры. К таким параметрам можно отнести параметры фазового состояния, например объемные доли фаз, а также параметры зёренной структуры, например средний размер зерна, коэффициент вариации размера зерна, степень анизотропии зерен, объемная доля зерен и т.п. Пусть количество выбранных параметров зёрен- но-фазовой структуры равно некоторому числу k.

Требуется исходя из анализа параметров зёренно-фазовой структуры исследуемого функционального материала оценить близость этого материала к определенному классу, характеризующемуся заданным комплексом физико-механических характеристик, в частности прочностных свойств. Считается, что каждый комплекс эксплуатационных характеристик однозначно определяется набором параметров зёренно-фазовой структуры материала. Отметим, что классов материалов, определяемых комплексом физико-механических характеристик, может быть много. Однако с точки зрения разрабатываемого подхода достаточно рассмотреть разделение двух классов и без потери общности распространить полученный алгоритм на любое количество классов. Кроме того, при обосновании гарантированного качества исследуемого функционального материала достаточно рассмотреть два класса, один из которых включает материалы, удовлетворяющие заданным требованиям по физико-механическим характеристикам, а другой – материалы, у которых хотя бы одна характеристика выходит за допустимый диапазон значений.

Поставленная задача относится к задачам дискриминантного анализа, общую постановку которой можно найти, например, в работе [3]. В соответствии с ней необходимо найти такую решающую функцию f : X → R, для которой выполняются следующие условия:

460

498

Информационные технологии в управлении техническими системами и технологическими процессами

где а1, а2 являются двумя заранее заданными классами. Как уже отмечалось, хотя постановка записана для случая с двумя классами, ее без потери общности можно распространить на любое количество классов.

Компоненты вектора x являются информативными признаками, а уравнение f (x) = 0 образует гиперповерхность, разде-

ляющую объекты в пространстве их признаков.

Следует отметить, что сложность рассматриваемой в данном исследовании задачи связана еще и с тем, что объем исходной базы данных обычно невелик, а число классифицирующих признаков может быть значительным, причем часто они имеют нечеткую природу. Поэтому требуется разработка новых эффективных подходов к решению поставленной задачи, одним из которых может выступать подход, основанный на элементах теории нечетких множеств.

Подход к решению задачи дискриминантного анализа при нечетких исходных данных. Рассмотрим процесс получе-

ния функционального материала, в качестве которого выступает арматурная сталь с заданными прочностными свойствами, получаемыми путем специальной термообработки конструкционной стали марки 80Р. Изменяя режимы обработки, можно формировать ту или иную зёренно-фазовую структуру материала, которая, в свою очередь, определяет необходимый комплекс физико-механических характеристик. При этом анализ зёреннофазовой структуры материала осуществляется экспертным путем по набору фотографий микрошлифов. Например, на рисунке приведена фотография микрошлифа стали марки 80Р, которая была подвержена термообработке по следующему режиму: нагрев до 930 °C, выдержка в течение 3 мин и охлаждение со скоростью 20 °C/с (исследования проведены в лаборатории металлографии НИИ наносталей при Магнитогорском государственном техническом университете). На этом рисунке представлен результат классификации шлифа экспертами из лаборатории металлографии.

461

499

Управление большими системами. Выпуск XX

Рис. Результат анализа шлифа экспертами

На рисунке видно, что при термообработке кроме феррит- но-карбитной смеси (ФКС) в материале возникают мартенситная (М) и бейнитная (Б) фазы, объемная доля которых существенно влияет на прочностные характеристики материала [4]. Кроме этого, существенное влияние на эксплуатационные свойства исследуемого материала оказывают параметры зёренной структуры – средний размер зерна, коэффициент вариации размера зерна, степень анизотропии зерен и объемная доля зерен (ОДЗ), которые также существенно изменяются в процессе термообработки.

Будем считать, что количество имеющихся экспериментов (микрошлифов и соответствующих каждому из них замеров эксплуатационных характеристик исследуемого материала) равно l.

Введем специальные нечеткие множества для характеристик зёренно-фазовой структуры и физико-механических характеристик материала (процедура определения специального нечеткого множества приведена в работе [2]).

Пусть Ai – специальное нечеткое множество, содержащее

параметры зёренно-фазовой структуры для i-го эксперимента, Ci – специальное нечеткое множество, содержащее эксплуатационные характеристики для i-го эксперимента.

462

500