Способ и система мониторинга оборудования на основе совместного статистического и физического моделирования

Изобретение относится к области мониторинга и прогнозирования технического состояния агрегатов и систем в целях идентификации и локализации дефектов оборудования на ранней стадии возникновения. Технический результат использования изобретения заключается в повышении точности диагностики за счет создания способа и системы с возможностью совместного использования статистических и физических методов моделирования технических устройств и их отдельных узлов с учетом имеющихся функциональных особенностей оборудования и их взаимосвязей. Указанный технический результат достигается за счет взаимного обмена данными в процессе статистического и физического моделирования в режиме реального времени. Разработанная система включает в себя подсистему сбора и обработки первичных данных, подсистемы статистического и физического моделирования, программируемый динамический коммутатор и коммуникационный интерфейс с возможностью управления параметрами системы. 2 н. и 7 з.п. ф-лы, 3 ил.

 

Область техники.

Изобретение относится к области мониторинга и прогнозирования технического состояния производственных объектов и может быть использовано для идентификации и локализации дефектов оборудования на ранней стадии возникновения для предупреждения возникновения критических ситуаций.

Сложное технологическое оборудование включает в себя большое количество связанных друг с другом подсистем. Функционирование каждой подсистемы характеризуется набором технических показателей, совокупность значений которых в моменте описывает состояние устройства. Мониторинг значений показателей функционирования в режиме реального времени позволяет выявлять отклонения, сигнализирующие о возникновении дефектов оборудования. Анализ динамики отклонений с учетом взаимных связей параметров дает возможность прогнозировать вероятные сбои в работе агрегатов и их подсистем.

Уровень техники.

Используемые в ходе мониторинга и прогнозирования технического состояния оборудования методы анализа данных включают в себя статистическое и физическое моделирование. Известны статистические модели, описывающие работу различных видов производственного оборудования, основанные на анализе отклонений от сформированной эталонной модели устройства. К ним, в том числе, относятся различные методы с использованием корреляционно-регрессионного анализа, дисперсионного, ковариационного, дискриминантного анализа и других. В частности, MSET (Multivariate State Estimation Technique) - метод формирует цифровой портрет объекта в n-мерном пространстве технических параметров функционирования, используя ретроспективные данные в качестве основы для формирования эталонной выборки значений. Отклонение фактических значений параметров от эталона сигнализируют о возможных неисправностях оборудования. Статистические методы, в частности, используются при формировании трендовых моделей системы удаленного мониторинга газотурбинной установки (Патент RU 2726317C1), многомерного корреляционного анализа сигнально-контрольных датчиков (US 7,739,096) и некоторых других. Использование метода MSET актуально для системы прогностики и удаленного мониторинга (Патент RU 2686257), раннего обнаружения деградаций оборудования (Патенты US 9152530, US 8543346) и ряда других.

Недостатком применения статистических моделей является необходимость наличия исторических данных о работе оборудования, в том числе, в различных режимах и условиях. Во многих случаях это недостижимо, в том числе вследствие высокой вариативности параметров и их возможных комбинаций: различной температуры внешней среды в течение года, изменений в составе топлива и рабочих сред, отсутствия пиковых нагрузок или запусков оборудования после ремонта в обозримой ретроспективе и др. Кроме того, в любой момент времени данные должны быть актуальными – например, историческое показатели функционирования не могут быть использованы в ходе статистического моделирования после проведенного капитального ремонта агрегата. Отсутствие необходимых данных не позволяет адекватно прогнозировать неисправности при выходе на режимы, которые не зафиксированы в истории работы оборудования.

Альтернативным подходом является использование физических моделей оборудования, представляющих собой систему дифференциальных уравнений, описывающих, например, термодинамические и механические аспекты работы устройства. Физическая модель каждого агрегата может включать в себя несколько групп уравнений, например, для газовой турбины это уравнение материального баланса, уравнение теплового баланса, уравнение состояния газа, уравнение, описывающее механический момент на вале турбины. Модель является динамической, поскольку учитывает развитие физических процессов и связанных с ними параметров во времени. В отличие от статистических, физические модели локализованы по отношению к основным подсистемам или узлам агрегата, например, для газотурбинного двигателя это 1) камера сгорания, 2) компрессор высокого давления, 3) турбина высокого давления, 4) компрессор низкого давления, 5) турбина низкого давления, 6) силовая турбина. Каждая из подсистем описывается своей физической моделью или группой моделей. Подсистемы агрегата являются взаимосвязанными, часть показателей функционирования одной подсистемы влияет на определенные показатели других подсистем. Например, положение регулирующего клапана подогрева воздуха в значительной мере определяет давление воздуха на выходе из компрессора турбины, а температура воздуха перед компрессором влияет на величину пульсаций в камере сгорания и температуру газов в выхлопном диффузоре турбины. Построение интегральной модели для всей системы в целом осуществляется путем последовательного решения системы дифференциальных уравнений для каждой из подсистем с передачей результирующих параметров, влияющих на другую (соседнюю) подсистему для решения системы уравнений для следующей подсистемы.

Известны решения, использующие физические модели для выявления отклонений параметров функционирования технических объектов от расчетных значений. Например, в Патенте RU 2675965C2 физическое моделирование используется для нескольких связанных подсистем газотурбинного двигателя с целью определения режимов выбросов. Система для диагностирования промышленного объекта (Патент RU 2707423 С2) моделирует весь объект контроля в целом для выявления предотказных состояний и нарушений в режимах работы.

Построение физических моделей позволяет получить общую эталонную модель работы оборудования без непосредственного получения исторических данных, исходя из базовых физических закономерностей. На практике, в силу того, что каждая единица сложного оборудования имеет свои индивидуальные особенности, необходимо уточнение эталонной модели с внесением поправочных коэффициентов на реальных данных. При этом, объем необходимых данных существенно меньше, чем при использовании статистических методов, а данные об отдельных режимах работы могут при этом отсутствовать и рассчитываться непосредственно в модели. Недостатком физического моделирования является то, что не для всех частей и процессов сложного оборудования возможно построение адекватной физической модели с возможностью осуществления расчетов в режиме реального времени. Например, для газовой турбины достаточно сложной задачей является создание адекватной физической модели подшипника. Ограниченность массива необходимых данных также может создавать сложности в использовании физических моделей, например, при временном выходе из строя даже нескольких датчиков, физическое моделирование некоторых подсистем агрегата будет осуществляться со значительной погрешностью, причем, с учетом наличия прямых и обратных связей между параметрами подсистем, результирующая ошибка моделирования может нарастать.

В качестве прототипа выбран способ и система для гибридного моделирования рисков турбинного оборудования (патент US20120130688, General Electric). Под гибридным моделированием в патенте понимается совместное использование физических методов моделирования и статистических моделей, получаемых на основании исторических данных. В частности, в системе присутствуют функции вычисления эффективного эквивалентного числа моточасов, рассчитывающих ожидаемое время выхода из строя лопаток и других элементов турбомашины. В статистическую суб-модель включаются история установки, использования и обслуживания компонентов, множество данных, получаемых с датчиков мониторинга и диагностики. В системе предусматриваются различные сочетания физических и статистических моделей для отдельных компонентов турбины.

К недостаткам данного решения можно отнести следующие:

- подсистемы турбомашины рассматриваются и моделируются по отдельности, при этом не учитывается их взаимосвязь и влияние друг на друга, что может приводить к нарастанию ошибки и снижению достоверности результатов физического моделирования для зависимых подсистем;

- в патенте не описывается анализ режимов работы с отсутствующими данными либо низкой плотностью данных.

Раскрытие изобретения.

Задачей, на решение которой направлено изобретение, является создание способа и системы с возможностью совместного использования статистических и физических методов моделирования технических устройств для эффективного анализа и прогнозирования поведения различных узлов с учетом их функциональных особенностей и взаимосвязей, в том числе, в условиях ограниченного объема исходных данных.

Техническим результатом решения является повышение достоверности моделирования функционирования технических устройств и их отдельных узлов, расширение возможностей по выявлению отклонений в работе оборудования, более точному и раннему прогнозированию возникновения неисправностей, в том числе при ограниченном массиве первичных данных.

Заявленный результат достигается посредством создания гибридной модели, совмещающей статистический и физический функционал, используемые отдельно, поочередно итерационно или совместно в зависимости от ситуации, реализующей описанную далее последовательность действий:

- В режиме реального времени производится получение данных, описывающих фактические показатели технических параметров функционирования объекта контроля. Управление потоком данных осуществляется автоматически, исходя из фактических характеристик первичного сигнала, прежде всего, скорости изменения параметров в единицу цикла опроса контрольного датчика. Данные проходят предварительную обработку с использованием фильтров пороговых значений и регрессионных моделей с исключением нехарактерных значений, при этом достоверность данных увеличивается, общий размер массива уменьшается.

- Полученный массив данных разделяется на три группы: исходные данные для статистического моделирования и анализа, исходные данные для физического моделирования и анализа, контрольные показатели физического моделирования. Массивы данных для статистического и физического моделирования могут полностью или частично пересекаться, при этом объем данных необходимый для статистического моделирования в значительной степени превышает аналогичный объем, используемый физическими моделями.

- С использованием статистических методов строится динамическая эталонная модель (эталонные модели) функционирования объекта контроля с размерностью равной числу используемых параметров. Полученная модель может иметь области с отсутствием данных (нет сигнала с датчика, параметр исключен статистически, как нехарактерный, изменилась температура внешней среды и др.), что снижает ее достоверность «в моменте».

- Производится анализ отклонений фактических значений технических параметров от показателей эталонной модели, определяются параметры с наибольшими показателями отклонений. На основании выявленных устойчивых отклонений формируются гипотезы о возможной локализации дефектов на уровне узлов с использованием предшествовавших данных или экспертных оценок.

- Выделяются составляющие подсистемы объекта контроля с высокой степенью детализации. Например, к описанным выше подсистемам 1-6 для газовой турбины добавляются 7) нагнетатель, 8) маслосистема, 9) подсистема подготовки воздуха, 10) подсистема поворота лопаток. Это позволяет построить высокоточную модель, имеющую среднюю погрешность в сравнении с фактическими показателями реального оборудования в пределах нескольких процентов.

- Определяются исходные переменные и результирующие функции физической модели для каждой из подсистем, функционирование каждой подсистемы описывается соответствующей системой дифференциальных уравнений. В частном случае для описания компрессора, камеры сгорания и ступеней газовой турбины используются уравнение состояния газа, уравнение материального баланса, уравнение теплового баланса, уравнение механических моментов на валу. Система дифференциальных и алгебраических уравнений, используемых для решения может быть описана следующим образом:

m= υ (P,ω,t)

N(t)=w(p,ω,y,t)

P=ρrT

Где J-вектор моментов инерции, ω- вектор угловых скоростей вращения, N-вектор крутящих моментов, m-вектор массовых потоков, на компрессорах/ступенях турбины, T – вектор температур в камерах и температуры топлива, y – матрица массовых долей в смеси в камерах, ρ – вектор плотностей в камерах, r – вектор удельной газовой постоянной в камерах, P- вектор давлений в камерах.

Уравнения термогазодинамического баланса:

H_вых(T)=C_pmixT

Где – теплота сгорания в камерах, V_j – объемы камер, P_j – давление в камерах, T_j – температура в камерах, T-температура, V – объем, m_вх- массовый поток входящих в камеру газов (кроме топлива), m_топ – массовый поток топлива, m_реак – массовые изменения в результате реакции горения, m_вых – массовый поток выходящих из камеры газов, h_вх- энтальпия входящих в камеру газов (кроме топлива), h_топ – энтальпия топлива, h_вых –энтальпия выходящих из камеры газов, ρ_mix – плотность смеси в камере, C_Vmix – теплоемкость смеси в камере при постоянном объеме, C_pmix – теплоемкость смеси при постоянном давлении, y_вх- доли входящих в камеру газов (кроме топлива), y_топ – доли топлива, y_реак – изменение долей реагентов, y_вых – массовый поток выходящих из камеры газов.

- Система полученных дифференциальных уравнений решается с использованием численных методов, например, методом Рунге-Кутта [Амоносов А.А., Дубинский Ю.А., Копченова Н.В. «Вычислительные методы для инженеров», М., Высшая школа, 1994]. В качестве внешних параметров для физического моделирования используются показатели атмосферного давления, температуры и относительной влажности воздуха, скорости подачи топлива. Таким образом, происходит формирование физической эталонной модели в виде функциональных закономерностей: при использовании определенных исходных данных в качестве аргументов, модель определяет эталонные значения параметров, являющихся функциями. Дополнительно к физическим уравнениям и количественным закономерностям, описываемым статистическими моделями, в системе описываются логические взаимосвязи, обусловленные не непосредственной физической взаимосвязью подсистем, а внутренними правилами, обусловленными системой управления моделируемого устройства. Например, согласно алгоритму функционирования газотурбинной установки, положение регулирующих клапанов газообразного топлива корректируется в зависимости от давления воздуха перед компрессором, а положение регулирующего клапана подогрева воздуха - от температуры воздуха перед компрессором и абсолютного давления воздуха на выходе из компрессора. Указанные закономерности учитываются наряду с непосредственным взаимным влиянием физических параметров друг на друга.

- После решения уравнения для всех подсистем цикл повторяется. Модель имеет только одно положение динамического равновесия для заданного набора входных условий, в этой связи в результате циклических итераций, последовательность значений параметров сходится к единственному решению. Скорость сходимости определяется заданными начальными условиями (исходные температура, давление и доли газов для всех подсистем турбины) при фиксированных значениях внутренних параметров подсистем (теплотворная способность топлива, объем камеры сгорания, момент инерции систем высокого и низкого давления и др.). Итерационный подход позволяет учесть взаимное влияние параметров различных подсистем друг на друга и сформировать максимально достоверную эталонную физическую модель объекта.

- Для выбранных точек в пространстве значений параметров работы оборудования проводится сравнение данных, полученных физическим моделированием, с реальными данными с датчиков, выявляются отклонения, обусловленные индивидуальными особенностями агрегата с учетом допусков. Далее с помощью выбранного метода оптимизации (например, методом стохастического градиентного спуска) подбираются эмпирические коэффициенты, с тем, чтобы добиться минимального расхождения между модельными и фактическими данными. Корректировка модели производится однократно, повторная верификация целесообразна после изменения физических характеристик оборудования, например, по итогам проведения ТО или капитального ремонта агрегата, либо существенных изменений в составе топлива.

- Данные передаются из подсистем физического моделирования в систему статистического моделирования через программируемый динамический коммутатор на интегральной схеме, обеспечивающий обмен данными между подсистемами статистического и физического моделирования. Объем и состав дополнительных данных, необходимый для формирования эталонной статистической модели определяется динамическим коммутатором. Коммутатор в режиме реального времени производит оценку полноты входных данных (в том числе, с учетом возможного отказа датчиков, идентифицируемого по неизменности уровня формируемого сигнала в течение определенного времени) и определяет массив необходимых «физических» данных для использования в статистическом моделировании. В качестве дополнительного управляющего сигнала для коммутатора может выступать ошибка статистического моделирования, высокие значения которой сигнализируют о наличии системных (многопараметрических) отклонений. Исходя из состава необходимых дополнительных данных, коммутатор осуществляет подключение физической модели для соответствующей подсистемы объекта контроля к статистическому моделированию.

- Проводится коррекция эталонной статистической модели методами физического моделирования: при наличии областей с отсутствующими данными, генерируются «виртуальные» массивы исходных данных с использованием ранее отлаженных физических моделей оборудования, после чего происходит построение новой эталонной статистической модели. Выборка генерируемых данных формируется исходя из состава отсутствующих данных с учетом возможностей используемых физических моделей.

- Проводится дополнительная верификация эталонной модели, полученной статистическим методом путем ее сравнения с физической моделью оборудования. Для этого сопоставляются результаты отклонений параметров, полученных статистическими и физическими методами. При малых отклонениях (расхождения в пределах 5%) модели оцениваются, как валидные. При наблюдении существенных отклонений требуется дополнительная корректировка моделей. Для этого используются вариации параметров управления первичными данными (частота обновления, пороговые значения), корректировка показателей корреляции между динамикой зависимых параметров, изменение методов оптимизации для настройки физических моделей. Подбор оптимальных параметров моделей осуществляется с участием эксперта-пользователя системы.

- Для подсистем, описание которых физическими методами затруднено или невозможно, из статистических данных выбираются точки пространства значений параметров, соответствующих рассчитанным в физической модели, описывающей смежную подсистему. Параметры, полученные для отдельных подсистем статистическими методами, передаются как исходные, для расчетов смежных подсистем с использованием физических моделей.

- В частном случае, при отсутствии статистических данных (новый режим работы оборудования, запуск агрегата после проведенного капитального ремонта) используются только физические модели для соответствующих подсистем. После наработки необходимых ретроспективных данных к физическим методам анализа подключаются статистические модели.

Результаты физического и статистического моделирования представляются раздельно в едином управляющем пользовательском интерфейсе (Фигура 1). Вывод о наличии неисправностей Объекта контроля делается на основании наличия одновременных отклонений фактических параметров от результатов как статистической, так и физической моделей, а также при значимом отклонении фактических параметров от среднего значения между величиной параметра, полученного физическим и статистическим моделирование соответственно.

Таким образом, статистические и физические модели взаимно уточняют и дополняют друг друга, поскольку статистическая модель описывает весь объект, более устойчива к локальным ограничениям массива входных данных, но не предусматривает возможность идентификации дефектов на уровне узлов или подсистем объекта, в то время, как физическая модель описывает функционирование подсистем с учетом многообразия взаимосвязей, но критично зависит от полноты необходимой информации. Вероятность выявления факта неисправности повышается за счет верификации статистической эталонной модели физическими методами. Использование уточненных статистическими методами физических моделей обеспечивает более высокую точность локализации дефектов, благодаря используемому итерационному подходу (циклам сходимости). Все это позволяет добиться более высокого уровня автономности решения.

Совместное использование физических и статистических моделей позволяет сравнивать общие показатели системы с показателями отдельных узлов и выявлять компоненты отклонений параметров от эталонных на уровне отдельных систем. Например, такой анализ, с использованием термодинамической модели горячего тракта турбины, совместно со статистической моделью, позволяет разделить термодинамический и механический КПД газовой турбины и выявить таким образом причины его снижения.

Совместное использование статистических и физических моделей в процессе эксплуатации оборудования позволяет автоматически формировать библиотеку дефектов на уровне узлов с характерными признаками – значениями соответствующих параметров или их отклонениями от эталонных показателей. Большое количество входных параметров, требуемое для построения статистических моделей, обеспечит высокую точность описания специфики каждого выявленного дефекта.

Обновляемая библиотека дефектов с характерными признаками в дальнейшем может быть использована для машинного обучения, повышения квалификации профильных специалистов эксплуатирующих организаций, а также инженерных подразделений производителей соответствующего оборудования. Последнее, в частности, позволяет выявлять наличие возможных системных дефектов на уровне партий или серий оборудования, что, в свою очередь, благоприятствует реализации упреждающих ремонтно-диагностических мероприятий и снижению показателей аварийности на уровне отраслей.

Осуществление изобретения.

Система мониторинга состояния оборудования, реализующая заявленный способ совместного использования статистических и физических методов моделирования технических устройств, включает в себя ряд следующих функциональных подсистем, отраженных на Фигуре 2:

- Подсистема 1 сбора, преобразования и хранения первичных данных, включающая модуль 2 управления настройками первичных сигналов с датчиков, обеспечивающий формирование оптимального массива данных для дальнейшей обработки в рамках заявленного способа в режиме реального времени; модуль 3 предварительной обработки данных; сервер 4 формирования и хранения массива исходных данных для дальнейшего анализа с возможностью архивирования; OPC-сервер 5, реализующий связь с системой 6 АСУ ТП, принимающей и аккумулирующей сигналы с контрольных датчиков 7, двусторонний криптошлюз 8, обеспечивающий защиту данных и управляющих сигналов в процессе передачи;

- защищенные каналы передачи данных и управляющих сигналов через глобальную сеть Интернет, с использованием механизмов синхронизации данных;

- подсистема 9 статистического моделирования и анализа информации, включающая в себя аналитический сервер, реализующий обработку данных по технологии MSET с дальнейшим выявлением отклоняющихся от эталонной модели параметров;

- подсистема 10 физического моделирования и анализа, в том числе модуль расчета технических параметров объекта мониторинга, применительно к основным узлам, а также модуль классификации неисправностей; интерфейс настройки физических моделей на реальных данных;

- программируемый динамический коммутатор 11 на интегральной схеме, обеспечивающий обмен данными между подсистемами 9 и 10 статистического и физического моделирования. Динамический коммутатор 11 контролирует объем данных, используемый для формирования эталонной статистической модели в режиме реального времени, при отсутствии первичных данных, имеющих статус критичных, происходит переключение на массив расчетных данных по результатам физического моделирования для корректировки эталонной статистической модели;

- коммуникационный интерфейс 12 обмена данными с двусторонними каналами передачи информации (Фигура 1), обеспечивающий визуализацию результатов статистического и физического моделирования, в том числе, через web-сервер с удаленными устройствами пользователей, которые могут вносить изменения в настройки моделей.

Первичные сигналы с контрольных датчиков 7 объекта мониторинга в системе 6 АСУ ТП через настраиваемый OPC-сервер 5 в режиме реального времени поступают в модуль 3 предварительной обработки данных на сервере 4 хранения и буферизации информации. Сформированный массив в зашифрованном виде передается по защищенному каналу в центр обработки данных с синхронизацией передаваемых пакетов. Обработка данных статистическими и физическими методами осуществляется параллельно, обмен данными реализует программируемый динамический коммутатор. Коммуникация с пользователями поддерживается через двусторонний интерфейс 12, обеспечивающий возможность управления настройками формируемого массива первичных данных и физических моделей.

Контрольные датчики 7 длительно эксплуатируемого агрегата в условиях высоких температур и скоростей вращения достаточно регулярно выходят из строя, причем, во многих случаях наблюдается временный выход из строя («зависание») датчиков. В среднем, могут не функционировать до 3-5% датчиков одновременно, причем время «зависания» может составлять от 1-2 секунд до нескольких минут. Для широко распространенной турбины ГТЭ-160 (мощность – 150 МВт, производитель ОАО «Силовые машины», использование в составе парогазовой установки или в открытом цикле) это составляет в моменте до нескольких десятков сигнальных устройств. В данной ситуации использование гибридной системы может стать безальтернативным, поскольку при отказе датчиков происходит резкое уменьшение массива входных данных, что существенно снижает точность статистического и/или физического моделирования.

Рассмотрим использование гибридной системы для достаточно распространенной ситуации, характеризующейся временным выходом из строя датчиков температуры атмосферного воздуха (1.1.) и/или температуры воздуха перед компрессором (2.3) газовой турбины ГТЭ-160, Фигура 3. Датчики температуры представляют собой цифровые термоэлектронные преобразователи, работающие в заданном диапазоне температур (в данном случае от -50 до 50 градусов Цельсия). Индикатором отказа датчиков становится отсутствие сигнала (потока данных) или постоянство уровня сигнала в течение заданного числа тактов опроса АСУ ТП. Идентификация недостоверности сигнала осуществляется в модуле предварительной обработки данных подсистемы сбора, преобразования и хранения первичных данных. Состав нефункционирующих в моменте датчиков доступен оператору гибридной системы в закладке «Параметры» / «Датчики» (Фиг.1).

Согласно схеме основных взаимосвязей подсистем газовой турбины ГТЭ-160 (Фигура 3), многие параметры функционирования агрегата имеют взаимную связь, в частности, значение температуры атмосферного воздуха (1.1) влияет на величину температуры воздуха перед компрессором (2.3), она, в свою очередь, в значительной степени определяет температуры газов на выходе из турбины и в выхлопном диффузоре (5.1-5.13), а также уровень вибрации подшипников турбины и компрессора (7.7, 7.8) и величину пульсаций в правой и левой камерах сгорания (4.3, 4.4). Отказ температурных датчиков, характеризующих часть внешних параметров системы делает невозможным расчет уравнения термогазодинамического баланса для всей установки в целом, а также для подсистемы подготовки воздуха и связанной с ней подсистемы компрессора (Фигура 3) и, далее, по цепочке других связанных с ними подсистем. Таким образом, в данной ситуации использование физической модели в отдельности является невозможным, поскольку отсутствуют критически важные для расчета входные данные.

В свою очередь, статистическая модель использует несколько сот показателей функционирования установки (для ГТЭ-160 их число составляет 485) и является единой для всего агрегата. При высоких значениях сходимости (низких интегральных отклонениях) фактических показателей функционирования агрегата в моменте от валидной эталонной модели, часть отсутствующих первичных данных (в данном случае – показателей температурных датчиков) может быть заменена на эталонные значения параметров. После этого становится возможным физическое моделирование. При ограниченном числе моделируемых параметров динамический коммутатор системы осуществляет замену автоматически, однако история всех замещений фактических данными модельными фиксируется (доступна в закладке «Параметры» / «Замещения» за выбранный временной период). Пользователь также может выбрать регрессионный принцип в качестве альтернативы: для всех основных взаимосвязей параметров подсистем (Фиг.3) могут быть смоделированы прямые или обратные регрессии, например, зависимость температуры воздуха датчиков турбины (5.1-5.13) от температуры воздуха перед компрессором (2.3). Выбор метода замещения определяется настройками динамического коммутатора.

При отсутствии критичных для статистического моделирования «внутренних» сигналов с датчиков температуры или давления в подсистеме камеры сгорания (не имеющих явных, т.е. описываемых в рамках регрессий, взаимосвязей с другими параметрами) они могут быть рассчитаны в физмодели из приведенного ранее уравнения термогазодинамического баланса.

На Фиг.1 приведено изображение коммуникационного интерфейса при выявленных статистическими методами избыточных перепадах давления в системе воздухоподготовки (КВОУ или комплексные воздухоочистительные устройства), которое привело к избыточному давлению и вибрациях в камере низкого давления (КНД) и сопле турбины (СТ). В верхней части экрана визуализируются результаты статистического моделирования с текстовой индикацией показателей, имеющих нехарактерные отклонения.

В левой нижней части интерфейса визуализированы сравнительные интегральные результаты физического и статистического моделирования для выбранных показателей функционирования агрегата. Согласно результатам физического моделирования, в отличие от данных статистического моделирования, показатели функционирования ГТЭ-160 не выходят за пределы нормальных. Таким образом, можно ожидать, что выявленная проблема не является критической.

Автоматический характер замещения неактуальных параметров функционирования агрегата обеспечивает удобство работы пользователя – текущие изменения в потоке первичных данных не отображаются в основных выходных формах коммуникационного интерфейса.

1. Способ оценки состояния оборудования на основе совместного использования методов статистического и физического моделирования для эффективного анализа и прогнозирования поведения различных узлов с учетом их функциональных особенностей и взаимосвязей, в том числе в условиях ограниченного объема исходных данных, включающий в себя следующие этапы:

- получение и верификация исходных данных с контрольных датчиков Объекта, оценка полноты массива для дальнейшего статистического и физического моделирования; по результатам оценки способ далее включает, в различной последовательности, следующие этапы:

- построение статистической динамической эталонной модели Объекта на основе выбранного массива ретроспективных данных, выделение областей модели с низкой плотностью или отсутствием данных, анализ отклонений фактических значений технических параметров от эталонной модели;

- моделирование физических подсистем Объекта, определение исходных переменных и результирующих функций физической модели для каждой из подсистем, описание каждой из подсистем системой дифференциальных уравнений;

- описание логических связей между подсистемами и отдельными датчиками внутри подсистем, формируемых на основе физических процессов функционирования объекта, алгоритмов работы и обратных связей управляющих систем;

- итерационное решение системы дифференциальных уравнений численными либо аналитическими методами либо их комбинацией, формирование физической эталонной модели в виде функциональных закономерностей, корректировка физической эталонной модели на реальных данных Объекта выбранным методом оптимизации;

- оценка полноты входных данных, в том числе с учетом возможного отказа датчиков, определение объема и состава необходимых дополнительных данных для статистического моделирования, передача данных из соответствующей подсистемы физического моделирования в систему статистического моделирования через программируемый динамический коммутатор на интегральной схеме, обеспечивающий мониторинг входной информации и обмен данными между системой статистического и подсистемами физического моделирования;

- корректировка эталонной статистической модели с использованием результатов физического моделирования: для областей с низкой плотностью или отсутствием данных, генерация «виртуальных» массивов исходных данных с использованием ранее отлаженных физических моделей оборудования, с последующим построением новой эталонной статистической модели;

- дополнительная верификация статистической модели путем сравнения данных, полученных в результате физического и статистического моделирования, корректировка настроек массива входных параметров;

- идентификация аномалий на основе оценки отклонений технических параметров от эталонных значений, локализация места возможного дефекта на уровне подсистемы Объекта.

2. Способ по п.1, в котором результаты статистического моделирования используют в качестве входных данных для подсистем, смежных с подсистемами, моделирование которых физическими методами затруднено или невозможно.

3. Способ по п.1, в котором при отсутствии необходимых ретроспективных данных используют только физическое моделирование с дальнейшим подключением статистического моделирования в процессе набора необходимого массива исторических данных.

4. Способ по пп.1-3, в котором в процессе совместного использования статистических и физических моделей формируют библиотеку дефектов в привязке к подсистемам Объекта.

5. Система для оценки состояния оборудования на основе совместного использования методов статистического и физического моделирования способом по п. 1, содержащая: подсистему сбора, предварительной обработки и хранения первичных данных, подсистему статистического моделирования и анализа, подсистему физического моделирования и анализа информации, программируемый динамический коммутатор на интегральной схеме, обеспечивающий обмен данными между подсистемами статистического и физического моделирования, коммуникационный интерфейс обмена данными с двусторонними каналами передачи информации, защищенные каналы передачи данных.

6. Система по п. 5, в которой библиотека дефектов выделена в отдельную подсистему и реализована на выделенном сервере.

7. Система по п. 5 или 6, в которой права доступа разделены в зависимости от должности, занимаемой пользователем.

8. Система по п. 5 или 6, в которой защищенные каналы передачи данных могут быть проводными или беспроводными.

9. Система по п. 7, в которой защищенные каналы передачи данных могут быть проводными или беспроводными.