Методика прогнозирования надежности сложных технологических систем в металлургии с учетом временной зависимости вероятности отказов узлов

• Автор: Заверняев, Константин Валерьевич
• Шифр специальности: 05.26.03
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Москва
• Количество страниц: 207 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕз

1. МЕТОДЫ ИССЛЕДОВАНИЯ НАДЕЖНОСТИ ТЕХНОЛОГИЧЕСКИХ СИСТЕМ

1.1. Методы разрушающего и неразрушающего контроля

1.1.1. Методы разрушающего контроля

1.1.2. Методы неразрушающего контроля

1.2. Моделирование сложных технологических систем и методы расчета их надежности

1.2.1. Основные понятия и определения надежности.ю

1.2.2. Концепция статистического моделирования

1.2.3. Основные математические модели, используемые в расчетах надежности.

1.2.4. Общий логиковероятностный метод анализа систем

1.2.5. Системный анализ СТС с помощью диаграмм типа дерево отказов.
1.2.5. Анализ и прогнозирование временных рядов. Метод Гусеница.
1.3. Существующие программные комплексы моделирования и расчета показателей надежности.
1.4. Постановка задачи исследования.
1.5. Выводы по главе 1
2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ НАДЕЖНОСТИ С УЧЕТОМ ВРЕМЕННОЙ ЗАВИСИМОСТИ ВЕРОЯТНОСТИ ОТКАЗОВ УЗЛОВ
2.1. Допущения, принятые при разработке модели
2.2. Особенности моделирования показателей надежности металлургического оборудования.
2.3. Описание математической модели.
2.4. Описание интерфейса программновычислительного комплекса
2.4.1. Интерфейс программы
2.4.2. Создание, редактирование и моделирование.
2.5. Проверка работоспособности модели
3. ПРОВЕРКА АДЕКВАТНОСТИ МАТЕМАТИЧЕСКОЙ МОДЕЛИ
3.1. Анализ поведения гипотетической сложной системы
3.2. Сопоставление результатов моделирования сданными по отказам металлургического оборудования
3.3. Выводы по главе 3
4. ПРОГНОЗИРОВАНИЕ НАДЕЖНОСТИ АВТОМАТИЗИРОВАННОГО ГОРЯЧЕШТАМПОВОЧНОГО КОМПЛЕКСА.
4.1. Изучение структуры автоматизированного горячештамповочного комплекса.
4.2. Представление исследуемого комплекса в виде
дерева отказов
4.3. Данные по отказам узлов исследуемой сложной технологической системы
4.4. Прогноз изменения надежности работы горячештамповочного комплекса во времениЮЗ
4.5. Рекомендации по замене узлов и деталей исследуемого оборудования.
4.6. Выводы по главе 4.
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ


Вычисленное очередное значение у(х,) добавляется к накапливаемой сумме у(х/). На этом заканчивается очередной опыт. После того как проведено М опытов, вычисляется итоговая оценка в виде правой части выражения (1. О не снизится до требуемой величины, зависящей от допустимой погрешности и коэффициента доверия. Один опыт дает одну реализацию (одно выборочное значение). Проводятся М опытов (испытаний), получается “статистический" материал (малая или большая выборка). Берется среднее арифметическое времени безотказной работы системы в качестве оценки надежности системы. Таким образом, испытания реальной системы заменены испытаниями математической модели. Каждое испытание сопровождается расчетом. Поэтому имитационное моделирование и называют численным экспериментом на ЭВМ с математической моделью (модель выступает как объект исследования). И расчетные, и логические операции реализуются на ЭВМ с помощью соответствующих алгоритмов, которые в совокупности и составляют моделирующий алгоритм. Моделирующий алгоритм обеспечивает построение траекторий смены состояний системы во времени, а воспроизведение случайных факторов, определяющих эти состояния, конструируется с использованием заданных законов случайных событий и величин и реализуется с помощью датчиков базовой случайной величины (БСВ). Базовой случайной величиной (БСВ) в статистическом моделировании называют непрерывную случайную величину г, равномерно распределенную на интервале (0,1). Ее плотность распределения вероятностей (п. Г(0 = 1, 0 < Г < 1. Математическое ожидание (м. БСВ моделируется на ЭВМ с помощью датчиков - это устройство или программа, выдающая по запросу одно или несколько независимых значений ,. БСВ. Табличный датчик БСВ это просто ограниченное количество случайных чисел в таблицах. На всех языках программирования реализован в виде функции “RANDOM”. Физический датчик БСВ это специальное радиоэлектронное устройство в ЭВМ, содержащее источник электронного шума. Шум преобразуется в случайные числа с необходимым распределением. Недостатки физического датчика БСВ: невозможность повторения каких-либо ранее полученных реализаций z*, . Программный датчик БСВ обычно вычисляет значения zr, Z2,. Zi=f(Zn), (1. Zo. В комбинации с табличным датчиком получается мультипликативный конгруэнтный датчик БСВ, который обладает рядом преимуществ - простота создания и большой ряд неповторяющихся случайных чисел. Использование подобного датчика в рамках диссертационной работы будет весьма удобно. В работе Харина Ю. С. и Степановой М. Д. [7] можно найти подробные рекомендации по выбору параметров для датчиков БСВ. По мнению О. И. Кутузова и Т. М. Татарниковой [], в классической задаче надежности рассматриваются системы следующего вида: Система состоит из п элементов. Каждый элемент случайно может находиться либо в рабочем состоянии, либо в состоянии отказа. Случайные величины, описывающие состояния элементов независимы, так как элементы отказывают независимо друг от друга. Известны вероятности отказа элементов. Система в целом также либо работает, либо находится в состоянии отказа. Состояние системы однозначно определяется совокупностью состояний элементов, т. В классической задаче надежности требуется найти вероятность отказа системы при известных вероятностях отказа элементов. Даны л-мерная двоичная случайная величина X, подчиняющаяся закону распределения Р и логическая функция у = у(Х), однозначно описывающая состояние системы. Требуется найти значение вроятности отказа системы О = М(у). Как видим, данная задача вполне может рассматриваться как типовая задача статистического эксперимента. Опыт эксплуатации очень многих электронных приборов и значительного количества электромеханической аппаратуры показывает, что для них характерны три вида зависимостей интенсивности отказов от времени (рис. Указанные три вида зависимостей интенсивности отказов от времени можно получить, используя для вероятностного описания случайной наработки до отказа двухпараметрическое распределение Вейбулла [, , ]. Я(І)=Х.