Тугенгольд Андрей Кириллович - профессор кафедры робототехники и мехатроники, доктор технических наук, профессор.
344000, Ростов-на-Дону, пл. Гагарина, 1.
Researcher ID: E-5707-2018
Лукьянов Евгений Анатольевич - заведующий кафедрой робототехники и мехатроники, кандидат технических наук, доцент.
344000, Ростов-на-Дону, пл. Гагарина, 1.
Волошин Роман Николаевич - аспирант кафедры робототехники и мехатроники.
344000, Ростов-на-Дону, пл. Гагарина, 1.
Бонилья Венегас Феликс Владимир - доцент кафедры мехатроники Технологического университета. кандидат технических наук, доцент
EC170528, Кито, ул. Оксидентал и Мариана де Хесус.
Scopus ID 57195722104
Introduction. Digital systems that control the maintenance of separate mechatronic process facilities (MPF) and sets of production machines are mainly considered. Numerous issues on maintaining the reliability of the condition and emerging malfunctions, as well as the multifactorial nature of the using the existing monitoring and diagnostic systems, are noted. In this regard, the relevance of the tasks of developing methods of processing equipment maintenance to make decisions under the data veracity and limitation is specified.
Materials and Methods. To analyze the criticality of the technical condition, an assessment of the efficiency of the autonomous control of the device state is formed. The method of the neuro-fuzzy system is used to determine the aggregate criterion of criticality. It is proposed to apply this approach to develop recommendations on equipping a production facility with the necessary means of maintaining overall performance and reliability.
Results. The solution provides predicting the development of the state of mechatronic process equipment, alerting personnel in case of emergency and other dangerous conditions, and, if necessary, updating or adjusting control programs. Provision is made for performing of some of the technical state maintenance functions by the mechatronic facility itself, i.e., equipment self-service. The concept of “autonomous management of the technical condition” is formulated. The system structure and control functions are considered. It is noted that the implementation of the systems under consideration will significantly increase the efficiency of the equipment use. The performance of the autonomous control of the device or MPF in general is evaluated in accordance with ISO 13381-1: 2004. Based on this standard and the data presented earlier, a neural network structure is built to assess the autonomy of state management. The system training efficiency is considered taking into account the standard deviation of the network outputs from the target values of the training sample.
Discussion and Conclusion. A list of the basic control functions at different levels of maintenance autonomy is presented: from alarm for failure prediction to complete maintenance autonomy without the direct involvement of an operator.
Введение. Исследуются, в основном, цифровые системы, которые управляют обслуживанием отдельных технологических мехатронных объектов (ТМО) и комплексов технологических машин. Отмечена многочисленность вопросов поддержания надежности состояния и возникающих неисправностей, а также многофакторность применения существующих систем мониторинга и диагностики. В связи с этим указано на актуальность задач разработки методов и способов обслуживания технологического оборудования, позволяющих принимать решения в условиях неопределенности и ограниченности данных.
Материалы и методы. Для анализа критичности технического состояния сформирована оценка качества эффективности автономного управления состоянием устройств. При этом используется метод нейронечеткой системы определения совокупного критерия критичности. Предлагается применять этот подход для выработки рекомендаций по оснащению технологического объекта необходимыми средствами поддержания общей работоспособности и надежности.
Результаты исследования. Решение позволяет прогнозировать развитие состояния мехатронного технологического оборудования, оповещать персонал об аварийных и иных опасных состояниях, при необходимости проводить доработку или корректировку управляющих программ. Предусматривается выполнение части функций обслуживания технического состояния самим мехатронным объектом, т. е. самообслуживание оборудования. Сформулировано понятие «автономное управление техническим состоянием». Рассмотрены структура системы и функции управления. Отмечено, что внедрение рассматриваемых систем позволит в значительной степени повысить эффективность использования оборудования. Результативность автономного управления устройства или ТМО в целом оценивается в соответствии со стандартом ISO 13381-1:2004. На основании этого стандарта и данных, представленных ранее, построена структура нейронной сети для оценки автономности управления состоянием. Эффективность обучения системы рассмотрена с учетом среднеквадратического отклонения выходов сети от целевых значений обучающей выборки.
Обсуждение и заключение. Представлен перечень основных функций управления при разных уровнях автономности технического обслуживания: от сигнализации для предупреждения отказа до полной автономности технического обслуживания без непосредственного участия оператора.
The authors declare that there are no conflicts of interest present.