Определение динамической погрешности измерения параметров электрогидромеханических систем с учётом быстродействия датчиков

А. М. Гареев, А. Г. Гимадиев, Д. М. Стадник, И. А. Попельнюк

Аннотация


Для интеллектуальных систем диагностирования энергетических и технологических комплексов, основанных на измерении динамических параметров, необходимо обеспечивать соответствующую информативность применяемых средств измерения. Датчики и измерительная аппаратура должны обладать достаточной точностью, надёжностью, быстродействием и стабильностью характеристик. Типы датчиков для измерения динамических параметров выбираются в зависимости от структуры системы и рабочих сред. Это могут быть, например для электрогидромеханических систем указанных комплексов, датчики давления, расхода и температуры рабочих сред, перемещения подвижных элементов, вибраций корпусных деталей. Тип датчика, предусмотренного для применения в системе диагностирования, во многом определяется степенью динамичности протекающих в ней процессов. Необходимо, чтобы датчики удовлетворяли предъявляемым к ним требованиям по быстродействию. Если датчики обладают малым быстродействием, чем необходимо по динамичности процессов в электрогидромеханической системе, то это может привести к динамической погрешности измерения и ошибке в диагнозе технического состояния. В технической литературе требование по быстродействию датчиков даётся указанием на то, что оно должно быть на порядок выше, чем динамика протекающих в системе процессов. Такой подход неприемлем при выборе типа датчиков для систем диагностирования с учётом динамики процессов. Во-первых, датчиков для измерения с таким требуемым параметром может не оказаться. Во-вторых, даже если имеется датчик с близким по быстродействию с динамикой процессов в системах параметром, необходимо заранее знать, к какой динамической погрешности это может привести и как это отразится на точности системы диагностирования. В работе получена аналитически обобщённая зависимость динамической погрешности измерения параметров в электрогидромеханических системах от относительного быстродействия датчиков, которая позволяет выбрать датчик с динамической погрешностью, не превышающей заданную величину. На примере гидравлической системы вертолёта МИ-8 показан расчёт динамической погрешности измерения.


Ключ. слова


Электрогидромеханические системы; диагностирование; измерение параметров; динамическая погрешность; быстродействие датчика; расчёт погрешности измерения

Полный текст:

PDF

Список литературы

1. Гориш А.В., Дмитриенко А.Г., Пивкин А.Г. Проблемы создания датчиковой аппаратуры для измерения, контроля, управления и диагностики физических параметров // Труды Международного симпозиума «Надёжность и качество». 2013. Т. 2. С. 48-53.

2. Абраменко Т.В., Гориш А.В., Кириллов А.Б. Общие принципы конструирования датчиковой аппаратуры для измерения различных физических параметров // Труды Международного симпозиума «Надёжность и качество». 2002. Т. 1. С. 202-204.

3. Yurasova E.V., Bizyaev M.N., Volosnikov A.S. General approaches to dynamic measurements error correction based on the sensor model // Вестник Южно-Уральского государственного университета. Серия «Компьютерные технологии, управление, радиоэлектроника». 2016. Т. 16, № 1. С. 64-80. DOI: 10.14529/ctcr160106

4. Кузнецов Ф.И. Минимизация динамических погрешностей в датчиковых системах мониторинга и управления в реальном масштабе времени // Известия ЮФУ. Технические науки. 2014. № 4 (153). С. 63-69.

5. Ляшенко А.В. Информационно-измерительная система контроля частоты вращения ротора турбоагрегата стартового двигателя // Измерение. Мониторинг. Управление. Контроль. 2016. № 1 (15). С. 37-42.

6. Liansheng L., Datong L., Zhang Y., Peng Y. Effective sensor selection and data anomaly detection for condition monitoring of aircraft engines // Sensors. 2016. V. 16, Iss. 5. DOI: 10.3390/s16050623

7. Yang S., Qiu J., Liu G. Sensor optimization selection model based on testability constraint // Chinese Journal of Aeronautics. 2012. V. 25, Iss. 2. P. 262-268. DOI: 10.1016/S1000-9361(11)60386-5

8. Cheng S., Azarian M.H., Pecht M.G. Sensor systems for prognostics and health management // Sensors. 2010. V. 10, Iss. 6. P. 5774-5797. DOI: 10.3390/s100605774

9. Guan F., Cui W.-W., Li L.-F, Wu J. A comprehensive evaluation method of sensor selection for PHM based on grey clustering // Sensors. 2020. V. 20, Iss. 6. DOI: 10.3390/s20061710

10. Jung D., Dong Y., Frisk E., Krysander M., Biswas G. Sensor selection for fault diagnosis in uncertain systems // International Journal of Control. 2020. V. 93, Iss. 3. P. 629-639. DOI: 10.1080/00207179.2018.1484171

11. Nesci A., De Martin A., Jacazio G., Sorli M. Detection and prognosis of propagating faults in flight control actuators for helicopters // Aerospace. 2020. V. 7, Iss. 3. DOI: 10.3390/aerospace7030020

12. Ким Д.П. Теория автоматического управления. Т. 1. Линейные системы. М.: ФИЗМАТЛИТ, 2016. 312 с.

13. Андрюшин А.В., Сабанин В.Р., Смирнов Н.И. Управление и инноватика в теплоэнергетике. М.: Издательский дом МЭИ, 2011. 392 с.


DOI: http://dx.doi.org/10.18287/2541-7533-2020-19-2-85-98

Ссылки

  • Ссылки не определены.


© Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, 2020

 

Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 International License.

 

ISSN: 2541-7533