Способ оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования

Изобретение относится к области диагностики технического электромеханического оборудования. Техническим результатом является повышение точности и качества оценки технического состояния оборудования. Способ содержит измерение параметров, вычисление признаков оперативного диагностирования, распознавание неисправностей и расчет отклонений, с учетом алгоритмов искусственной нейронной сети типа Кохонена, на основе которых рассчитывают и оценивают коэффициенты технического состояния потребителя-регулятора по подсистемам диагностирования, далее на основании полученных значений коэффициентов оценивают техническое состояние и выбирают режим диагностирования, при этом расчет коэффициентов производят с учетом динамики изменения электрических и вибрационных параметров за наблюдаемый период эксплуатации, затем проводят сравнение отклонения зарегистрированных параметров от нормированных с использованием нейронной сети типа Кохонена и определяют возможность эксплуатации электроустановки в качестве потребителя-регулятора. 3 ил., 3 табл.

 

Изобретение относится к области диагностики технического состояния электромеханического оборудования и позволяет производить диагностику и оценку технического состояния потребителя-регулятора, работающего в различных условиях эксплуатации, путем записи электрических и вибрационных параметров, с помощью датчиков вибрации, тока и напряжения, и использования искусственной нейронной сети (ИНС) типа Кохонена для анализа и построения зависимостей параметра, характеризующего возможности эксплуатации электроустановки от коэффициента технического состояния потребителя-регулятора для выявления неисправностей в определенной подсистеме диагностирования (двигатель (обмотка статора), двигатель (механические дефекты) с дальнейшим изменением режима управления.

Известен способ диагностики технического состояния электропривода по оценке динамики его параметров (патент РФ №2546993, опубл. 10.04.2015 г.), согласно которому производится замер тока, напряжения, скорости и управляющего задания электропривода, далее происходит преобразование параметров в цифровую форму и передача в персональный компьютер для обработки. Программно реализуют и обучают на конкретном электроприводе перед его эксплуатацией рекуррентную нейронную сеть, после чего производится сравнение результата динамики нейросетевой модели с реальной динамикой электропривода. Рассчитывается функция рассогласования динамики его параметров от модели для неисправного электропривода, по характеру которой производится оценка ТС и прогноз остаточного ресурса электропривода.

Недостатками способа является то, что применяемая модель искусственной нейронной сети для обработки информации и оценки технического состояния с учетом функции рассогласования динамики во времени для неисправного электропривода не позволяет визуально оценить неисправное состояние и выбрать оптимальный способ управления.

Известен способ диагностирования установки электроприводного центробежного насоса (УЭЦН) в процессе их эксплуатации на нефтяных месторождениях (Надежность, техническое обслуживание, ремонт и диагностирование нефтегазопромыслового оборудования / Под общ. ред. В.В. Сушкова. - Спб.: Нестор, 2008.296 с. (с. 87-101), согласно которому для выбранного ПР регистрируют и анализируют форму и амплитуду полученного сигнала, сравнивают с предыдущими измерениями, оценивают возможность дальнейшей эксплуатации, строят зависимости изменения параметра ТС областей и принимают решение по дальнейшей эксплуатации.

Недостатками способа и полученных зависимостей по оптимизации эксплуатации потребителей-регуляторов является то, что полученная зависимость изменения параметра технического состояния областей от времени не учитывает изменение параметров по нескольким подсистемам (двигатель (обмотка статора), двигатель (механические дефекты)) в ходе эксплуатации от нормативных, также отсутствуют границы оценки ТС с учетом электрических, вибрационных параметров и обнаруженных дефектов.

Известна интеллектуальная автоматизированная система управления установкой электроцентробежного насоса (Б.Г. Ильясов, А.В. Комелин, К.Ф. Тагирова Автоматизация и управление технологическими процессами и производствами Т. 9, №2 (20). С. 58-70 Уфа: УГАТУ, 2007), согласно которой предложена структура и алгоритмы работы автоматизированной системы управления установкой электроцентробежного насоса (АСУ УЭЦН), и применяемой для ПР в условиях нефтегазового комплекса на основе системы принятия решений с самоорганизующимися нейронными сетями.

Недостатками способа является то, что предложенная интеллектуальная автоматизированная система позволяет управлять режимом электроустановки на основе группы управляющих параметров только технологической среды, исключающих информацию по электрическим и вибрационным параметрам без оценки технического состояния выбранного потребителя-регулятора с учетом возникающих неисправностей в процессе эксплуатации.

Известен способ диагностики прогнозирования технического состояния электроприводных газоперекачивающих агрегатов (ЭГПА) (Крюков О.В., Серебряков А.В., ЭСиК, №1(30), 2016, с. 39-43), согласно которому выбирают диагностируемые параметры, подлежащие прогнозированию состояния обмотки статора для синхронного двигателя типа СТД с учетом использования архитектуры встроенных систем мониторинга и прогнозирования ТС ЭГПА на базе ИНС, подбирают оптимальную конструкцию искусственной нейронной сети, выявляют типы неисправностей для обмотки статора с учетом кода искусственной нейронной сети, создают блок ИНС, формируют структуры классов по обучающей выборке, формируют выходные сигналы сети, определяют код ИНС, к которому относится тип неисправности обмотки статора, и делают вывод об изменении в техническом состоянии двигателя обмотки статора электроприводного газоперекачивающего агрегата.

Недостатками способа является то, что при оценке ТС ЭГПА рассматривается только одна подсистема (обмотка статора), не позволяющая дать полное представление о возникающих неисправностях с учетом механических дефектов. Дополнительно при работе ИНС отсутствует оценка точности прогнозирования ТС и параметр, позволяющий оценить его изменение в момент эксплуатации от нормативного на основе выявленных зависимостей с дальнейшим изменением режима управления.

Известен способ управления режимами на основе нейросетевого диагностирования неисправностей и технического состояния электроприводного газоперекачивающего агрегата (патент РФ №2648413, опубл. 27.03.2018 г.), принятый за прототип, согласно которому производится измерение параметров, сбор информации и проверка ее достоверности, фильтрация измерений, проверка измерений, корректировка показаний измерений, сверка с ограничениями, вычисление признаков оперативного диагностирования, распознавание неисправностей и расчет отклонений. Вычисление признаков оперативного диагностирования и распознавание неисправностей осуществляют с учетом алгоритмов, основанных на работе двух нейронных сетей типа Кохонена, на основе которых рассчитывают и оценивают коэффициенты неисправностей по подсистемам: смазки, нагнетателя, обмотки статора и механических дефектов электродвигателя. Затем оценивают ТС на основании полученных значений коэффициентов и выбирают режим диагностирования и управления, повышается точность диагностики.

Недостатками способа является то, что выявленные коэффициенты неисправности и полученные шкалы оценки по определенным подсистемам диагностирования для ПР не позволяют отследить динамику их изменения от времени, исключая возможность непрерывного контроля изменения параметров в процессе эксплуатации электроустановки с дальнейшим изменением режима управления и диагностирования.

Техническим результатом является повышение точности и качества оценки технического состояния ПР с учетом полученных зависимостей изменения параметра, характеризующего возможности эксплуатации электроустановки от коэффициента технического состояния потребителя-регулятора посредством ИНС Кохонена и с последующим изменением режима управления и диагностирования ПР.

Технический результат достигается тем, что расчет коэффициентов производят с учетом динамики изменения электрических и вибрационных параметров за наблюдаемый период эксплуатации, затем проводят сравнение отклонения зарегистрированных параметров от нормированных с использованием нейронной сети типа Кохонена и определяют возможность эксплуатации электроустановки в качестве потребителя-регулятора, коэффициент технического состояния потребителя-регулятора определяют по формуле

где - коэффициент технического состояния потребителя-регулятора;

К - коэффициент, учитывающий влияние нейронной сети типа Кохонена на выявленную неисправность,

RHC - значения координат для выявленного состояния S с учетом появления неисправностей;

Rs - значения координат для состояния S потребителя-регулятора, соответствующие области, к которой относится выявленная неисправность.

Способ поясняется следующими фигурами:

Фиг. 1 - структурная схема устройства оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования;

Фиг. 2 - структурная схема системы оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования;

Фиг. 3 - график зависимости параметра, характеризующего возможности эксплуатации электроустановки от коэффициента технического состояния потребителя-регулятора, где:

1 - потребитель-регулятор (ПР);

2 - блок обработки параметров от датчиков;

3 - датчик тока;

4 - датчик напряжения;

5 - датчик вибрации;

6 - датчик температуры;

7 - блок анализа;

8 - блок гармонического анализа;

9 - блок гармонического анализа токов;

10 - блок гармонического анализа напряжений;

11 - блок гармонического анализа виброскорости;

12 - блок параметров ПР;

13 - блок параметров токов;

14 - блок нормированных параметров токов;

15 - блок параметров напряжений;

16 - блок нормированнных параметров напряжений;

17 - блок параметров виброскорости;

18 - блок нормированных параметров виброскорости;

19 - блок суммарного отклонения амплитуд мощности на характерных частотах;

20 - блок ИНС типа Кохонена;

21 - блок формирования входного вектора ИНС;

22 - блок управляющего воздействия ИНС Кохонена;

23 - блок распределения входных сигналов;

24 - блок выходных данных ИНС Кохонена;

25 - блок обработки карт Кохонена;

26 - блок вывода результатов на основе оценки ТС ПР;

27 - блок выбора режима управления и диагностирования ПР.

Способ осуществляется следующим образом. Согласно фиг. 1., сигналы, полученные от потребителя-регулятора 1, с датчиков тока 3 каждой из трех фаз А, В, С, с датчиков напряжения 4 каждой из трех фаз А, В, С, с датчиков вибрации 5, с датчиков температуры 6 в количестве 1 и более в зависимости от объекта диагностики, составляющих блок обработки параметров датчиков 2, проходят через блок анализа 7, затем подвергаются гармоническому анализу токов в блоке гармонического анализа токов 9, гармоническому анализу напряжений в блоке гармонического анализа напряжений 10, гармоническому анализу виброскорости в блоке гармонического анализа виброскорости 11. Эти блоки объедены в блок гармонического анализа 8, в котором происходит быстрое преобразование Фурье для мгновенных значений токов каждой из фаз А, В и С, мгновенных значений напряжений каждой из фаз А, В и С, мгновенных значений виброскорости с учетом параметров температуры.

Далее записывают полученные параметры из блока гармонического анализа токов 9 в блок параметров токов 13, параметры из блока гармонического анализа напряжений 10 в блок параметров напряжений 15, параметры из блока гармонического анализа виброскорости 11 в блок параметров виброскорости 17.

Затем определяют отклонения зарегистрированных параметров токов из блока параметров токов 13 от нормированных параметров токов из блока нормированных параметров токов 14, полученных перед вводом в эксплуатацию выбранного ПР. Аналогично определяют отклонения зарегистрированных параметров напряжений из блока параметров напряжений 15 от нормированных параметров напряжений из блока нормированных параметров напряжений 16, полученных перед вводом в эксплуатацию выбранного ПР, а также определяют отклонения зарегистрированных параметров виброскорости из блока параметров виброскорости 17 от нормированных параметров виброскорости из блока нормированных параметров виброскорости 18, полученных перед вводом в эксплуатацию выбранного ПР. Полученные данные составляют блок параметров ПР 12 со следующими параметрами:

- отклонение амплитуды сигнала тока на характерных частотах с уровнем сигнала на частоте питающей сети для фазы А между нормированными значениями и полученными эксплуатационными из БД;

- отклонение амплитуды сигнала тока на характерных частотах с уровнем сигнала на частоте питающей сети для фазы В между нормированными значениями и полученными эксплуатационными из БД;

- отклонение амплитуды сигнала тока на характерных частотах с уровнем сигнала на частоте питающей сети для фазы С между нормированными значениями и полученными эксплуатационными из БД;

- отклонение амплитуды сигнала напряжения на характерных частотах с уровнем сигнала на частоте питающей сети для фазы А между нормированными значениями на основании ГОСТ 32144-2013 и полученными эксплуатационными из блока, фиксирующего изменение коэффициента гармонических составляющих напряжения;

- отклонение амплитуды сигнала напряжения на характерных частотах с уровнем сигнала на частоте питающей сети для фазы В между нормированными значениями на основании ГОСТ 32144-2013 и полученными эксплуатационными из блока, фиксирующего изменение коэффициента гармонических составляющих напряжения;

- отклонение амплитуды сигнала напряжения на характерных частотах с уровнем сигнала на частоте питающей сети для фазы С между нормированными значениями на основании ГОСТ 32144-2013 и полученными эксплуатационными из блока, фиксирующего изменение коэффициента гармонических составляющих напряжения;

- суммарный показатель отклонения амплитуд сигналов виброскорости на характерных частотах с уровнем сигнала на частоте питающей сети для положений между нормированными значениями и полученными эксплуатационными;

После рассчитывают суммарный показатель отклонения амплитуд сигналов мощности на характерных частотах с уровнем сигнала на частоте питающей сети для фаз А, В, С расчетный в блоке суммарного отклонения амплитуд мощности на характерных частотах 19, далее получают и выбирают расчетные значения показателей параметров для блока ИНС типа Кохонена 20, в котором формируется входной вектор ИНС, реализуя оценку ТС ПР на основе нейросетевого диагностирования.

Далее происходит графическое представление результатов на основе оценки ТС ПР в блоке вывода результатов на основе оценки ТС ПР 26, затем изменяют режим управления и диагностирования ПР в блоке выбора режима управления и диагностирования ПР 27.

Система оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования в блоке ИНС типа Кохонена 20 (фиг. 2) реализована следующим образом. Из общей базы данных параметров (БД) ПР 12 и блока расчетных значений суммарного показателя отклонения амплитуд сигналов мощности на характерных частотах с уровнем сигнала на частоте питающей сети для фаз А, В, С 19 формируется вектор входных параметров ИНС в блоке формирования входного вектора ИНС 21, состоящий из 8 параметров. Далее обрабатывают полученные статистические данные ПР с помощью блока формирования входного вектора ИНС 21, состоящей из конкурирующего слоя Кохонена в блоке управляющего воздействия ИНС Кохонена 22, распределительного в блоке распределения входных сигналов 23 и выходного слоя в блоке выходных данных ИНС Кохонена 24. Далее обрабатывают карты Кохонена в блоке обработки карт Кохонена 25, и строят зависимости изменения параметра, характеризующего возможности эксплуатации электроустановки от коэффициента ТС ПР в блоке вывода результатов на основе оценки ТС ПР 26.

Таким образом, на основе полученных данных эксплуатации и сравнения с нормированными значениями результатов работы ИНС Кохонена, делают вывод об изменении ТС выбранного ПР с учетом разработанных шкал оценивания и полученных зависимостей изменения параметра, характеризующего возможности эксплуатации электроустановки от коэффициента технического состояния ПР, используя блок вывода результатов на основе оценки ТС ПР 26, с последующим изменением режима управления и диагностирования ПР в блоке выбора режима управления и диагностирования ПР 27.

Оценку ТС ПР для определенных подсистем диагностирования производилась на основе коэффициента, характеризующего ТС ПР по n-координатам трехмерного пространства по следующей формуле:

где - коэффициент, характеризующий ТС ПР в ходе эксплуатации и вычисленный с учетом изменения параметров за время t; К - коэффициент, учитывающий влияние ИНС Кохонена на выявленную неисправность в системе диагностирования (патент РФ №2648413, опубл. 27.03.2018 г.),

RHC - значения координат для выявленного состояния S с учетом появления неисправностей (результат ИНС Кохонена);

Rs - значения координат для состояния S ПР, соответствующие области, к которой относится выявленная неисправность.

Набор параметров для расчета включал в себя 8 параметров, участвующих при формировании входного вектора ИНС типа Кохонена 21 ().

Определение коэффициента, характеризующего ТС ПР, вычисленного по нормативным и паспортным данным производится аналогично формуле (1), отличающейся своим набором параметров, указанной в паспортной документации. Для определения использовались параметры, указанные в паспортной документации потребителя-регулятора.

Для дальнейшего изменения режима электропотребления в условиях предприятий нефтегазового комплекса и результатов работы ИНС были построены зависимости параметра, характеризующего возможности (невозможности) эксплуатации электроустановки ϕi от по формуле:

NИНС - количество диагностируемых параметров, значения которых отклонились от заданных (по результатам ИНС); Nдиагн - количество диагностируемых параметров в ходе эксплуатации.

Дальнейшее применение ИНС Кохонена для определения последующее сравнение с позволяет получить информацию по вероятности наступления отказа в зависимости от развития дефекта в подсистеме(ах) диагностирования, тем самым позволяя оценивать ТС выбранного ПР на основе динамики процесса изменения параметров от времени.

Апробация зависимостей параметра, характеризующего возможности эксплуатации электроустановки от коэффициента ТС ПР осуществлялась в условиях предприятий нефтегазового комплекса.

Способ поясняется следующими примерами. В таблице 1 представлены результаты работы ИНС по оценке ТС на примере синхронного двигателя, из которой следует, что наименьшее значение по вероятности наступления отказа наблюдается для состояния d(S, S1) по подсистеме диагностирования (двигатель - обмотка статора).

Таким образом, представленные результаты позволяют выявить и оценить возможность развития дефекта в определенной подсистеме диагностирования (чем больше интенсивность дефекта, тем меньше расстояние до соответствующей области на карте Кохонена).

На фиг. 3 показан пример оценки ТС ПР по одной подсистеме диагностирования (двигатель-обмотка статора), где цифрами обозначен допуск к эксплуатации: 28 - исправное; 29 - работоспособен с учетом проведения диагностики; 30 - функционирование с нарушениями, допускается при комплексной диагностике; 31 - не допускается к работе, вывод.

Полученные зависимости позволяют производить оценку ТС ПР и выявлять неисправности в определенной подсистеме диагностирования с дальнейшим изменением управления режимами.

В таблице 2 представлены результаты оценки ТС ПР с учетом выявленных неисправностей на примере синхронного двигателя.

В таблице 3 представлены результаты оценки ТС в условиях предприятий нефтегазового комплекса на примере электроприводного газоперекачивающего агрегата (ЭГПА).

Результатами работы способа оценки ТС ПР на основе нейросетевого диагностирования являются полученные зависимости изменения параметра, характеризующего возможности эксплуатации электроустановки от коэффициента ТС ПР для различных подсистем диагностирования фиг. 3, табл. 2, табл. 3, и сравнения нормативного и расчетного значения , полученное на основе работы ИНС, с учетом электрических, вибрационных параметров и обнаруженных дефектов и оцененное в соответствии с границами ϕi: 0<ϕi≤0,4 - остановка, 0,28<ϕi≤0,4 - функционирование с нарушениями, допускается при комплексной диагностике, 0,16<ϕi≤0,28 - работоспособное с учетом проведения диагностики, 0<ϕi≤0,16 - исправное, на основании которых принимают решение о допуске к эксплуатации с последующим ограничением режима работы с целью проведения диагностики для предотвращения выхода из строя.

Способ оценки технического состояния потребителя-регулятора на основе нейросетевого диагностирования, включающий измерение параметров, вычисление признаков оперативного диагностирования, распознавание неисправностей и расчет отклонений, с учетом алгоритмов искусственной нейронной сети типа Кохонена, на основе которых рассчитывают и оценивают коэффициенты технического состояния потребителя-регулятора по подсистемам диагностирования, далее на основании полученных значений коэффициентов оценивают техническое состояние и выбирают режим диагностирования, отличающийся тем, что расчет коэффициентов производят с учетом динамики изменения электрических и вибрационных параметров за наблюдаемый период эксплуатации, затем проводят сравнение отклонения зарегистрированных параметров от нормированных с использованием нейронной сети типа Кохонена и определяют возможность эксплуатации электроустановки в качестве потребителя-регулятора, коэффициент технического состояния потребителя-регулятора определяют по формуле

где - коэффициент технического состояния потребителя-регулятора;

К - коэффициент, учитывающий влияние нейронной сети типа Кохонена на выявленную неисправность;

RHC - значения координат для выявленного состояния S с учетом появления неисправностей;

Rs - значения координат для состояния S потребителя-регулятора, соответствующие области, к которой относится выявленная неисправность.



 

Похожие патенты:

Изобретение относится к области медицины, а именно к медицинской технике. Система лечения лучевой терапией с прогнозированием дозы лучевой терапии содержит: устройство получения изображений для получения одного или более трехмерных медицинских изображений; невременный машиночитаемый носитель данных для хранения упомянутых одного или более трехмерных медицинских изображений, модели нейронной сети, одной или более трехмерных анатомических карт и одного или более трехмерных распределений дозы; устройство обработки изображений, выполненное с возможностью: обучать модель нейронной сети прогнозировать по меньшей мере одну из карты флюенса и карты дозы на основе упомянутых одного или более трехмерных медицинских изображений и упомянутых одной или более трехмерных анатомических карт; и генерировать трехмерное распределение дозы на основе прогнозирований нейронной сети.

Изобретение относится к вычислительной технике и может быть использовано для мониторинга участков недропользования открытого типа. Техническим результатом является повышение быстродействия обработки данных и снижение количества вычислительных ресурсов.

Изобретение относится к области распознавания лиц. Технический результат заключается в обеспечении автоматического распознавания лиц.

Изобретение относится к устройству для восстановления карты глубины с поиском похожих блоков на основе нейронной сети. Технический результат заключается в уменьшении погрешности восстановления карты глубины за счет предварительно обученной нейронной сети.

Изобретение относится к способу экстраполяции параметров траектории сопровождаемого объекта. Технический результат заключается в увеличении пропускной способности радиолокационной станции.

Изобретение относится к области радиотехники, точнее к широкополосным системам связи, использующим шумоподобные сигналы, которые подвергаются помехам различной интенсивности и характера, в том числе искусственным.

Изобретение относится к области теплоэнергетики и может быть использовано для прогнозирования и управления факельным сжиганием топлива, в частности, в топочных устройствах в угольных и газовых котлах.

Изобретение относится к вычислительной технике. Технический результат заключается в обеспечении возможности получения двухмерных изображений всего тела человека в разных позах и с разных точек обзора с использованием искусственного интеллекта.

Изобретение относится к области обработки и распознавания типа манипуляции радиосигналов и может быть использовано в радиотехнических устройствах. Техническим результатом является расширение алфавита распознаваемых типов манипуляции радиосигналов с 4-х до 7.

Группа изобретений относится к обработке изображений для определения местонахождения изнашиваемой детали на изображении рабочего инструмента. Технический результат – сокращение времени установки в ввода в эксплуатацию, повышение надежности системы мониторинга изнашиваемых деталей.

Изобретение относится к средствам для обработки аудиосигнала. Технический результат заключается в повышении эффективности обработки аудиосигнала за счет уменьшения избыточности и задержки.

Изобретение относится к средствам для обработки аудиосигнала. Технический результат заключается в повышении эффективности обработки аудиосигнала за счет уменьшения избыточности и задержки.

Изобретение относится к автоматике и вычислительной технике и может быть использовано при построении систем технического зрения различного назначения, а также для анализа и синтеза фильтров при обработке цифровых изображений.

Изобретение относится к области вычислительной техники для цифровой обработки сигналов. Технический результат заключается в повышении быстродействия устройства быстрого преобразования Фурье (БПФ).

Изобретение относится к области радиолокации и предназначено для использования в импульсно-доплеровских (ИД) радиолокационных станциях (РЛС), работающих с высокой частотой повторения (ВЧП) импульсов в режиме разрешения близкорасположенных целей.

Группа изобретений относится к области цифровой обработки сигналов. Техническим результатом является создание унифицированной реконфигурируемой схемы коммутации быстрого преобразования Фурье (БПФ) с меньшими аппаратными затратами.

Группа изобретений относится к области цифровой обработки сигналов. Техническим результатом является создание унифицированной реконфигурируемой схемы коммутации быстрого преобразования Фурье (БПФ) с меньшими аппаратными затратами.

Изобретение относится к кодированию/декодированию видео. Технический результат изобретения заключается в возможности регулировать битовую глубину в ходе восстановления кодированных выборок, недопущении возникновения переполнения выходных данных при декодировании.

Группа изобретений относится к области измерений, вычислительной технике и предназначено для прямого и обратного преобразований сигналов произвольной формы. Техническим результатом является уменьшение аппаратной среднеквадратичной погрешности, максимального уклонения восстановленного сигнала от исходного сигнала.

Группа изобретений относится к области измерений, вычислительной технике и предназначено для прямого и обратного преобразований сигналов произвольной формы. Техническим результатом является уменьшение аппаратной среднеквадратичной погрешности, максимального уклонения восстановленного сигнала от исходного сигнала.

Изобретение относится к области вычислительной техники. Технический результат заключается в повышении оперативности и достоверности контроля многопараметрических объектов.

Изобретение относится к области диагностики технического электромеханического оборудования. Техническим результатом является повышение точности и качества оценки технического состояния оборудования. Способ содержит измерение параметров, вычисление признаков оперативного диагностирования, распознавание неисправностей и расчет отклонений, с учетом алгоритмов искусственной нейронной сети типа Кохонена, на основе которых рассчитывают и оценивают коэффициенты технического состояния потребителя-регулятора по подсистемам диагностирования, далее на основании полученных значений коэффициентов оценивают техническое состояние и выбирают режим диагностирования, при этом расчет коэффициентов производят с учетом динамики изменения электрических и вибрационных параметров за наблюдаемый период эксплуатации, затем проводят сравнение отклонения зарегистрированных параметров от нормированных с использованием нейронной сети типа Кохонена и определяют возможность эксплуатации электроустановки в качестве потребителя-регулятора. 3 ил., 3 табл.

Наверх