Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология
Образование Политология Производство Психология Стандартизация Технологии


Элементы сценарной диаграммы



Обозначение Описание
Внешние причины
Параметры среды
Внешние события, процессы и явления
Внутренние причины
Деградационные процессы
Параметры конструкции (дефектность, геометрические параметры, значения силовых, деформационных и энергетических критериев)
Предельные состояния

 

Третий этап (развитие повреждений, разрушений и потеря несущей способности) является моделью возможных траекторий дальнейшего развития аварийной ситуации. Количество траекторий и фаз развития третьего этапа определяется преимущественно свойствами конструкции (ее структурной сложностью и живучестью).

Итак, математической моделью причинно-следственного комплекса формирования аварийной ситуации является модель первого этапа сценарной диаграммы.

Процедура анализа и моделирования ПСО формирования аварийной ситуации выглядит следующим образом.

По актам расследования аварии разрабатывается схема, аналогичная классическому дереву неполадок. Отличие заключается в том, что элементами схемы являются не только события, но и процессы и явления, обусловленные функционированием технической системы. При этом формулировки оказываются достаточно произвольными и близкими к тем, которые используются в актах.

Табл. 5.1.2

Примеры значений лингвистических переменных

ЛИНГВИСТИЧЕСКИЕ ПЕРЕМЕННЫЕ ЗНАЧЕНИЕ
Переменные, характеризующие критические предельные состояния
Вероятность излома балки     = очень низкая = низкая = средняя = высокая = очень высокая
Вероятность повреждения подкоса   = очень низкая = низкая = средняя = высокая = очень высокая
Переменные, характеризующие элементы причинно-следственного комплекса
Качество сварного шва   = очень низкое = низкое = среднее = высокое = очень высокое
Квалификация экипажа экскаватора   = очень низкая = низкая = средняя = высокая = очень низкая
Степень коррозионного повреждения   = очень низкая = низкая = средняя = высокая = очень низкая
Нагруженность конструкции   = очень низкая = низкая = средняя = высокая = очень низкая

 

Далее для каждого элемента схемы назначается лингвистическая переменная (табл. 5.1.2). При этом формулировки событий, явлений, процессов меняются таким образом, чтобы была возможность их количественного описания. Желательно использовать реальные физические или технические параметры, а если это не удается, вводим относительные показатели, коэффициенты, баллы и т.п.

Использование лингвистических переменных дает возможность количественного анализа процессов и явлений, традиционно относящихся с слабоформализуемым понятиям. Понятие лингвистической переменной было введено в классических работах Заде, развито в ряде теоретических работ и стало теоретической основой многочисленных экспертных систем в различных предметных областях знаний.

Множество лингвистических правил может задаваться экспертом или группой экспертов, исходя из личного опыта. Известен ряд методов получения экспертных знаний и формулировки лингвистических переменных и логических правил: для уникального эксперта, для группы экспертов, методы построения терм-множеств, которые, в свою очередь, могут быть прямыми и косвенными. Количество таких правил ограничивается возможностями реализации, поэтому необходима селекция наиболее репрезентативных или часто встречающихся правил. На практике строится гистограмма, характеризующая частоту появления правил, после чего производится исключение нехарактерных правил.

Для решения реальных задач достаточно иметь 8 – 12 значений лингвистических переменных, в качестве которых могут быть: «большой», «маленький», «средний», «около нуля», «отрицательный маленький», «отрицательный большой» и т.д., такие значения особенно удобны тогда, когда переменные нормируются в интервале [0 1]. Как правило, такой интервал имеет 5 – 30 точек разбиения. Как показывает опыт решения ряда задач прогнозирования, погрешность интерпретации при увеличении количества точек разбиения до 100 уменьшается всего на 2 – 3%.

Формулировка набора лингвистических переменных позволяет далее непосредственно сформулировать нечеткие множества с использованием функций принадлежности. Эти функции представляют собой специальные характеристические функции множества, позволяющие перейти от двух к произвольному числу значений истинности. На практике сложился ряд стандартных типов функций принадлежности: субнормальная, амодальная, многомодальная, унимодальная.

Определение множества лингвистических переменных и функций принадлежности позволяет сформулировать систему элементарных логических правил вывода, представляющих собой базу знаний экспертной системы. Эти правила обычно записываются в форме ЕСЛИ (факт) ТО (вывод).

Использование системы логических правил вывода в их совокупности позволяет в конечном итоге подойти к итоговому значению искомой лингвистической переменной, также представленной в виде системы функций принадлежности. На последнем этапе выполняется процедура дефаззификации – перехода к конкретному наиболее вероятному значению лингвистической переменной. Основными методами дефаззификации являются методы центроида, среднего максимумов и др.

На следующей стадии формулируем с привлечением экспертных знаний функции принадлежности всех используемых в модели лингвистических переменных и разрабатываем систему логических правил формирования аварийной ситуации (табл. 5.1.3) таким образом, чтобы при количественном анализе была возможность оценивать вероятность наступления события в вершине графа.

Лингвистические переменные могут быть отнесены к одной из двух групп: характеризующие критические предельные состояния и элементы причинно-следственного комплекса. Переменные, характеризующие критические предельные состояния, выражают вероятность их наступления вследствие последовательности событий и процессов на первом этапе сценарной диаграммы. Переменные, характеризующие элементы причинно-следственного комплекса, предназначены для количественной оценки всех элементов древовидной структуры первого этапа сценарной диаграммы. Для всех лингвистических переменных принято пять возможных значений, представляющих собой наименования нечетких переменных, областью определения каждой из которых является соответствующее нечеткое множество.

Например, качество подготовки забоя характеризуется максимальным размером кусков породы d. При очень малых, стремящихся к нулю, размерах кусков качество подготовки забоя считаем очень высоким. При размерах кусков, больших 230 мм, качество подготовки очень низкое. Качество подготовки забоя при промежуточных размерах кусков описывается семейством функций принадлежности (рис 5.2.), имеющих следующий смысл. На универсальном множестве значений лингвистической переменной «качество подготовки забоя» определены пять нечетких множеств: «очень высокое» (d< 50 мм), «высокое» (d = 40…100 мм), «среднее» (d = 90…150 мм), «низкое» (d = 140…200 мм), «очень низкое» (d> 190 мм). Функции μ ов, μ в, μ с, μ н, μ он показывают степень принадлежности конкретного значения размера куска породу к тому или иному нечеткому множеству. Например, степень принадлежности к множеству «высокое» кусков с размерами 50 и 70 мм составляет соответственно 0, 42 и 1, 0, кусок размера 45 мм в равной степени принадлежит множествам «очень высокое» и «высокое», степень принадлежности куска размером 91 мм к множествам «высокое» и «среднее» равна соответственно 0, 35 и 0, 1. Такие формулировки позволяют оперировать в одной модели как величинами, имеющими конкретные физические или технические единицы измерения, так и субъективно определяемыми понятиями, оценками, характеристиками.

Табл. 5.1.3

Примеры логических правил формирования

аварийных ситуаций

 

Ключевое слово Лингвистические переменные Значения
Если Обводненность забоя = высокая
И Температура воздуха = низкая
То Сопротивления породы копанию = высокое
Если Сопротивления породы копанию = высокое
И Скорость введения ковша в забой = высокая
То Вероятность излома балки рукояти = высокая
Если Качество подготовки трассы = низкое
И Квалификация экипажа экскаватора = низкая
То Излом крестовины балансира ходовой рамы = высокая
Если Качество подготовки забоя = низкое
И Отсутствие рыхления взрывом = возможно
То Нагруженность конструкции = высокая
Если Нагруженность конструкции = высокая
И Степень исчерпания ресурса = высокая
То Вероятность появления трещины на нижней секции стрелы = высокая
Если Вероятность дефекта сварного шва = высокая
И Ослабление подъемных канатов = низкая
То Вероятность излома распорного бруса = высокое
Если Частота нарушения паспорта ведения горных работ = высокая
И Совмещение операций напора и поворота = высокая
То Вероятность излома балки рукояти = высокая
Если Подготовка забоя = низкая
И Усталость металла = высокая
То Вероятность появления трещины в стакане нижней рамы = высокая
Если Нагруженность несущей конструкции = высокая
И Расслоение металла = высокое
И Объем шлаковых образований = высокий
То Вероятность падения оголовка роторной стрелы = высокая
Если Наличие сезонно мерзлых грунтов = высокое
И Вероятность работы без защиты стрелы от растяжки = высокая
То Вероятность обрыва подъемного каната = высокая
Если Вероятность обрыва подъемного каната = высокая
И Угол откоса = высокий
То Нагруженность несущих конструкций = высокая
Если Нагруженность несущих конструкций = высокая
И Вероятность отсутствия запасного каната = высокая
И Коррозионные повреждения = высокие
То Вероятность разрушения подкоса = высокая

Рис. 5.2. Примеры функций принадлежности

 

Описанный подход реализован в среде пакета моделирования MATLAB и использован для анализа сценариев ряда аварийных ситуаций экскаваторов на открытых горных работах.

 


Поделиться:



Популярное:

Последнее изменение этой страницы: 2017-03-11; Просмотров: 736; Нарушение авторского права страницы


lektsia.com 2007 - 2024 год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! (0.014 с.)
Главная | Случайная страница | Обратная связь