RU2363935C1 - Method to control ship strength and vibration and device to this end - Google Patents
Method to control ship strength and vibration and device to this end Download PDFInfo
- Publication number
- RU2363935C1 RU2363935C1 RU2007140530/28A RU2007140530A RU2363935C1 RU 2363935 C1 RU2363935 C1 RU 2363935C1 RU 2007140530/28 A RU2007140530/28 A RU 2007140530/28A RU 2007140530 A RU2007140530 A RU 2007140530A RU 2363935 C1 RU2363935 C1 RU 2363935C1
- Authority
- RU
- Russia
- Prior art keywords
- unit
- measurement units
- signals
- logical
- control
- Prior art date
Links
Images
Landscapes
- Feedback Control In General (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
Изобретение относится к контрольно-измерительной технике и может быть использовано для непрерывного неразрушающего контроля, оценки и прогнозирования технического состояния конструкций корпуса судна в период эксплуатации.The invention relates to measuring technique and can be used for continuous non-destructive testing, evaluation and prediction of the technical condition of the hull structures during operation.
Проблему повышения технической безопасности и устойчивости функционирования судовых корпусных конструкций решают различными способами.The problem of improving technical safety and the stability of the operation of ship hull structures is solved in various ways.
Известен способ дистанционного контроля и диагностики состояния конструкции и инженерных сооружений, заключающийся в том, что на пункте контроля регистрируют сигналы с блоков измерения, установленных в местах диагностирования, сравнивают их с заранее зафиксированными значениями и по отклонению поступивших сигналов от заранее зафиксированных судят о наличии изменений контролируемых параметров (патент РФ №2146810, МПК7 G01М 5/00, G08С 17/02, опубл. 20.03.00). Кодированные сигналы, каждый из которых соответствует коду одного из блоков измерения, формируют на пункте контроля, производят опрос блоков измерения кодированными радиосигналами, принимают сигналы на блоках измерения, производят сравнение кода блока измерения с кодом сигнала опроса и при совпадении производят с соответствующего блока измерения передачу на пункт контроля сигнала, несущего измерительную информацию, а сравнение ее с заранее зафиксированным значением производят на пункте контроля.There is a method of remote monitoring and diagnostics of the state of the structure and engineering structures, which consists in the fact that at the control point, signals are recorded from the measurement units installed in the places of diagnosis, they are compared with pre-recorded values and judged by the deviation of the received signals from pre-recorded ones about the changes controlled parameters (RF patent No. 2146810, IPC 7 G01M 5/00, G08C 17/02, publ. 20.03.00). Coded signals, each of which corresponds to the code of one of the measurement units, are formed at the control point, the measurement units are interrogated with coded radio signals, signals are received at the measurement units, the code of the measurement unit is compared with the code of the interrogation signal and, if they match, they are transmitted from the corresponding measurement unit to the control point of the signal carrying the measurement information, and its comparison with a pre-recorded value is performed at the control point.
Недостатком этого способа является высокая погрешность при оценке изменений величины контролируемых параметров, возникающая из-за отсутствия информации о зависимости выходных сигналов блоков измерения от внешнего воздействия на контролируемый участок конструкции как целого, и отсутствие информации о «нулевом» состоянии конструкции, так как за заранее зафиксированное значение выходных сигналов блоков измерения принимается значение, которое в реальной конструкции может таковым не оказаться.The disadvantage of this method is the high error in assessing changes in the magnitude of the monitored parameters, arising from the lack of information about the dependence of the output signals of the measurement units on the external impact on the monitored section of the structure as a whole, and the lack of information about the “zero” state of the structure, since the value of the output signals of the measurement units takes a value that in a real design may not be such.
Для осуществления способа контроля и диагностики состояния конструкции и инженерных сооружений используются различные устройства.To implement the method of monitoring and diagnosing the state of the structure and engineering structures, various devices are used.
Известно устройство дистанционного контроля и диагностики состояния конструкции, содержащее пункт контроля, блоки измерения, размещенные в местах диагностирования, преобразователи, линию связи, контроллер (патент РФ №2146810, МПК7 G01М 5/00, G08С 17/02 от 20.03.00). В известном устройстве блоки измерения установлены на поверхности конструкции. Пункт контроля выполнен в виде ЭВМ с принтером, блоком последовательного интерфейса, соединенного с ее входом-выходом; соединенных последовательно кодера, модулятора, радио приемопередатчика, демодулятора и декодера, выход которого связан со вторым выходом блока последовательного интерфейса, второй выход которого соединен с входом кодера. Каждый блок измерения выполнен в виде последовательно соединенных коммутатора, вторичного блока питания датчика горизонта, аналого-цифрового преобразователя, кодера, модулятора, радио приемопередатчика, демодулятора, декодера со схемой сравнения, выход которого подключен к первому входу коммутатора, ко второму входу которого подключен автономный источник питания, а линией связи является линия радиосвязи через антенны радио приемопередатчика.A device for remote monitoring and diagnostics of the state of the structure, containing a control point, measuring units located in the places of diagnosis, converters, communication line, controller (RF patent No. 2146810, IPC 7 G01M 5/00,
Этому устройству присущи недостатки способа, на котором оно основано. Кроме этого при размещении, креплении и защите блоков измерения на поверхности конструкции возникают дополнительные погрешности, обусловленные наличием на конструкции неконтролируемого внешнего воздействия.This device has the disadvantages of the method on which it is based. In addition, when placing, attaching and protecting the measuring units on the surface of the structure, additional errors arise due to the presence of uncontrolled external influences on the structure.
Наиболее близким к заявленному способу является способ дистанционного контроля и диагностики состояния конструкции и инженерных сооружений и устройство для его осуществления (патент РФ №2247958, МПК7 G01М 5/00, G08С 17/02 от 10.03.05).Closest to the claimed method is a method for remote monitoring and diagnostics of the state of a structure and engineering structures and a device for its implementation (RF patent No. 2247958, IPC 7 G01M 5/00,
1. Способ дистанционного контроля и диагностики состояния конструкции и инженерных сооружений, заключающийся в том, что на пункте контроля регистрируют сигналы с блоков измерения, установленных в местах диагностирования конструкции, сравнивают их с заранее зафиксированными значениями и по отклонению поступивших сигналов от заранее зафиксированных судят о наличии изменений контролируемых параметров, причем элемент конструкции изготавливают из того же материала, что и вся конструкция, размещают на нем блоки измерения, проводят метрологическую аттестацию элемента с размещенными на нем блоками измерения путем установления зависимостей между сигналами с блоков измерения и калибровочными внешними воздействиями, регистрируют эти зависимости на пункте контроля и используют их в качестве заранее зафиксированных сигналов, врезают элемент с установленными на нем блоками измерения в места диагностирования конструкции и по отклонению поступавших сигналов с блоков измерения от заранее зарегистрированных сигналов судят о состоянии конструкции.1. The method of remote monitoring and diagnostics of the state of the structure and engineering structures, which consists in the fact that at the control point, signals are recorded from the measurement units installed in the places of diagnosis of the structure, they are compared with pre-recorded values and judged by the deviation of the received signals from pre-recorded changes in the controlled parameters, and the structural element is made of the same material as the entire structure, place measurement blocks on it, conduct metro the logical certification of the element with the measurement units placed on it by establishing the dependencies between the signals from the measurement units and the calibration external influences, register these dependencies at the control point and use them as pre-recorded signals, insert the element with the measurement units installed on it to the diagnostic points of the structure and the deviation of the incoming signals from the measurement units from pre-registered signals is judged on the state of the structure.
2. Устройство дистанционного контроля и диагностики состояния конструкции и инженерных сооружений в соответствии со способом по п.1, содержащее пункт контроля, блоки измерения, размещенные в местах диагностирования конструкции, преобразователи, линию связи, контроллер, причем блоки измерения размещены на метрологически аттестованном элементе конструкции, изготовленном из того же материала, что и вся конструкция, с размещенными на нем блоками измерения, соединен с соответствующими преобразователями, связанными своими выходами с входом контроллера, подключенного к модему, который через линию связи своим выходом соединен с пунктом контроля.2. The device for remote monitoring and diagnostics of the state of the structure and engineering structures in accordance with the method according to claim 1, containing a control point, measurement units located in the places of diagnosis of the structure, converters, communication line, controller, and the measurement units are placed on a metrologically certified structural element made of the same material as the whole structure, with the measurement units placed on it, is connected to the corresponding transducers connected by their outputs to the input controller connected to the modem, which through the communication line with its output is connected to the control point.
Недостатком способа является низкая надежность контроля при наличии сбоев в измерительной системе и при возникновении непредсказуемых, особенно экстремальных ситуаций.The disadvantage of this method is the low reliability of control in the presence of failures in the measuring system and in the event of unpredictable, especially extreme situations.
Недостаток устройства определяется отсутствием логических блоков управления и интеллектуальных датчиков, обеспечивающих отказоустойчивость и осуществляющих обработку информации в ситуациях, связанных с отказом датчиков и возникновением нештатного режима работы устройства.The disadvantage of the device is determined by the absence of logical control units and intelligent sensors that provide fault tolerance and process information in situations related to sensor failure and the occurrence of an abnormal mode of operation of the device.
Решению поставленной задачи способствуют частные существенные признаки изобретения.Partial essential features of the invention contribute to the solution of the problem.
В способе дистанционного контроля и диагностики состояния корпуса судна для повышения надежности способа при возникновении экстремальных ситуаций, связанных с необходимостью предотвращения выхода измеряемых характеристик корпусных конструкций судна за принятые ограничения, предлагается оборудовать рабочее место оператора графическим экраном, связанным интерфейсами с бортовой ЦВМ, процессором нечеткой логики и нейрокомпьютером, с помощью которых обеспечивается функционирование интеллектуальной системы, реализующей обработку измерительной информации и процедуры адаптивного управления в первом логическом блоке на основе самоорганизующейся нейронной сети.In the method of remote monitoring and diagnostics of the condition of the ship’s hull to increase the reliability of the method in the event of extreme situations associated with the need to prevent the measured characteristics of the ship’s hull structures from exceeding the accepted restrictions, it is proposed to equip the operator’s workplace with a graphic screen connected to the onboard computer, a fuzzy logic processor, and neurocomputer, with the help of which the functioning of the intellectual system that implements processing from measuring information and adaptive control procedures in the first logical unit based on a self-organizing neural network.
В устройстве дистанционного контроля и диагностики состояния корпуса в пункте контроля (рулевая рубка) для повышения отказоустойчивости устройства при возникновении нештатных ситуаций, связанных с отказом датчика и возникновением нештатного режима работы устройства, дополнительно введены второй логический блок и нейроконтроллер, реализующие операции контроля состояния блоков измерения и построения интеллектуальных датчиков на основе ассоциативных нейронных сетей.In the device for remote monitoring and diagnostics of the condition of the case at the control point (wheelhouse), in order to increase the fault tolerance of the device in the event of emergency situations associated with a sensor failure and the emergency operation of the device, a second logical unit and a neurocontroller are implemented that implement the state monitoring of the measurement units and building intelligent sensors based on associative neural networks.
Реализация этой технологии предусматривает решение двух практических задач. Первая из них связана с повышением надежности функционирования устройства в экстремальных ситуациях, а вторая с повышением отказоустойчивости устройства при возникновении сбоев в блоках измерения.The implementation of this technology provides for the solution of two practical problems. The first of them is associated with an increase in the reliability of the device in extreme situations, and the second with an increase in the fault tolerance of the device in the event of failures in the measurement units.
Для обучения нейронных сетей на основе нейрокомпьютера используется информация, полученная от датчиков блоков измерения в реальных условиях эксплуатации судна. В процессе обучения осуществляется настройка весов синаптических (межнейронных) связей.For the training of neural networks based on a neurocomputer, information obtained from sensors of measurement units in real-life conditions of a vessel is used. In the learning process, weights are adjusted for synaptic (interneuron) connections.
Таким образом, предлагаемые способ и устройство обеспечивают создание искусственной интеллектуальной среды, включающей в себя функциональные блоки в виде совокупности управляющих элементов на основе бортовой ЦВМ, процессора нечеткой логики и нейрокомпьютера.Thus, the proposed method and device provide the creation of an artificial intelligent environment that includes functional blocks in the form of a set of control elements based on an on-board computer, a fuzzy logic processor and a neurocomputer.
На чертеже (фиг.1) представлена блок-схема устройства, реализующего способ контроля прочности и вибрации судна. Устройство содержит элемент конструкции 1, представляющий собой один из контролируемых участков корпусной конструкции, расположенный в носовой части судна, на котором размещены блоки измерения: деформации 2, например тензорезисторные, оптоэлектронные; механического напряжения 3, например основанные на акустической эмиссии; вибрации 4. Блоки измерения деформаций 2 и механических напряжений 3 размещены на наиболее подверженных воздействию внешних динамических нагрузок элементах корпусных конструкций при движении судна во льдах - в районе переменной ватерлинии в носовой части корпуса судна, а блоки измерения вибрации 4 - на носовой и кормовой поперечных переборках. Выходы блоков измерения 2-4 соединены с входами соответствующих преобразователей 5-7, выходы которых, в свою очередь, соединены с входом контроллера 8. Выход контроллера 8 подключен к модему 9, который своим выходом соединен через линию связи 10 с входом удаленного пункта контроля 11.The drawing (figure 1) shows a block diagram of a device that implements a method of controlling the strength and vibration of the vessel. The device contains a structural element 1, which is one of the controlled sections of the hull structure located in the bow of the vessel, on which the measurement units are located: deformations 2, for example, strain gauge, optoelectronic; mechanical stress 3, for example based on acoustic emission; vibration 4. Blocks for measuring deformations 2 and mechanical stresses 3 are placed on the hull structures most exposed to external dynamic loads when the vessel moves in ice - in the variable waterline area in the bow of the ship’s hull, and vibration measuring blocks 4 on the fore and aft transverse bulkheads . The outputs of measurement units 2-4 are connected to the inputs of the corresponding transducers 5-7, the outputs of which, in turn, are connected to the input of the controller 8. The output of the controller 8 is connected to the modem 9, which is connected via an output line 10 to the input of the
Удаленный пункт контроля 11 (фиг.2) расположен в рулевой рубке судна и содержит рабочее место оператора 12, интеллектуальную систему 13, два логических блока 14, 15 и нейроконтроллер 16.Remote control point 11 (figure 2) is located in the wheelhouse of the vessel and contains the operator’s
Рабочее место оператора 12 (фиг.3) оснащено графическим экраном 17, связанным интерфейсами 18, 19, 20 с бортовой ЦВМ 21, процессором нечеткой логики 22 и нейрокомпьютером 23, обеспечивающими функционирование интеллектуальной системы 13, первого и второго логических блоков 14, 15 и нейроконтроллера 16.The operator’s workstation 12 (Fig. 3) is equipped with a
Интеллектуальная система 13 (фиг.4) обеспечивает функционирование устройства контроля прочности и вибрации судна в различных условиях эксплуатации, устанавливает факт возникновения экстремальных ситуаций, выдает практические рекомендации по управлению судном, обеспечивает работу логического блока 14, содержит базу знаний 24, механизм логического вывода 25, систему объяснения 26 и базу данных 27, реализуется на базе процессора нечеткой логики 22 и бортовой ЦВМ 21, представляющей собой многопроцессорный вычислительный комплекс.Intelligent system 13 (figure 4) ensures the operation of the device for monitoring the strength and vibration of the vessel in various operating conditions, establishes the occurrence of extreme situations, issues practical recommendations for controlling the vessel, ensures the operation of
Первый логический блок 14 (фиг.5) обеспечивает функционирование устройства контроля при возникновении экстремальных ситуаций, связанных с необходимостью предотвращения выхода измеряемых характеристик прочности и вибрации корпусных конструкций судна за принятые ограничения, управляется с помощью интеллектуальной системы 13, обеспечивающей работу блока анализа и прогноза ситуации 28 и блока обучения самоорганизующейся нейронной сети 29. Логические операции, выполняемые в блоке 14, поддерживаются процессором нечеткой логики 22, а операции по самоорганизации нейронной сети 30 на основе нейрокомпьютера 23.The first logical unit 14 (Fig. 5) ensures the functioning of the monitoring device in the event of extreme situations associated with the need to prevent the measured strength and vibration characteristics of the hull structures of the vessel from exceeding the accepted limits, it is controlled using an
Второй логический блок 15 (фиг.6) обеспечивает функционирование устройства контроля при возникновении нештатных ситуаций, связанных с отказом датчиков и возникновением нештатного режима работы устройства, управляется нейрконтроллером 16, с помощью которого осуществляются операции в блоках контроля датчиков 31 и обучения ассоциативных нейронных сетей 32, размещенных в блоке интеллектуальных датчиков 33. Логические операции, выполняемые в блоке 15, поддерживаются процессором нечеткой логики 22, а настройка ассоциативных нейронных сетей 34, 35, 36 ведется на основе нейрокомпьютера 23.The second logical unit 15 (Fig.6) provides the operation of the monitoring device in the event of emergency situations associated with a sensor failure and the emergence of an abnormal mode of operation of the device, is controlled by the
Нейроконтроллер 16 (фиг.7) реализуется на основе нейрокомпьютера 23 и содержит блок диагностики 37 и блок управления 38, блок диагностики 37 на основе сигнала, поступающего от блока контроля датчиков 31, обеспечивает принятия решений по настройке ассоциативных нейронных сетей 34, 35, 36 в блоке интеллектуальных датчиков 33 в зависимости от данных идентификации ситуации с использованием матриц управления для нормальных условий эксплуатации 40, экстремальных 41 и нештатных ситуаций 42, блок управления 38 передает команды управления во второй логический блок 15 при возникновении нештатных ситуаций. Возникновение нештатной ситуации устанавливается в блоке контроля датчиков 31 при наличии сбоев в работе блоков измерения 2, 3, 4. Настройка ассоциативных нейронных сетей 34, 35, 36 производится в результате установления факта возникновения отказа датчиков 2, 3, 4 с целью локализации места отказа.The neurocontroller 16 (Fig. 7) is implemented on the basis of the
Алгоритмы функционирования ассоциативных нейронных сетей 34, 35, 36 в блоке интеллектуальных датчиков 33 разрабатываются с учетом реальных данных, характеризующих поведение судна в заданных условиях эксплуатации, накапливаемых в базе данных 27 интеллектуальной системы 13. В частности, при обработке потока информации о динамике судна на волнении обеспечиваются режимы функционирования блока интеллектуальных датчиков 33 при растяжении, изгибе, кручении и вибрации на реальном морском волнении различной интенсивности. Интеллектуальные датчики 34, 35, 36 способны также настраиваться на условия движения судна в ледовом поле, включая торосистый и битый лед, а также имитировать динамику судна при развивающемся шторме, тяжелом обледенении и других экстремальных ситуациях, возникающих в практике эксплуатации судов и плавучих технических средств освоения океана.Algorithms for the functioning of associative
Способ осуществляется следующим образом (на примере контроля состояния конструкций корпуса судна).The method is as follows (for example, monitoring the state of the hull structures).
Кодированный командный сигнал с кодом, соответствующим заданному измерительному элементу конструкции корпуса судна 1, подается с рабочего места оператора 12 удаленного пункта контроля (рулевая рубка) 11 по линии связи 10 через модем 9 на контроллер 8 и переводит его из ждущего режима в режим измерения. В этом режиме аналоговые сигналы с блоков измерения 2, 3, 4 поступают на соответствующие преобразователи 5, 6, 7, где осуществляется их необходимое усиление и преобразование в цифровой код. Сигналы от преобразователей поступают на вход контроллера 8, представляющего собой микропроцессор, который производит предварительную обработку информации, поступившей от блоков измерения 2, 3, 4. Результат вычислений подается последовательно на модем 9 и через линию связи 10 на удаленный пункт контроля 11, где на рабочем месте оператора 12, оснащенного графическим экраном 17, соединенным интерфейсами 18, 19, 20 с ЦВМ 21, процессором нечеткой логики 22 и нейрокомпьютером 23. Этот результат сравнивается с данными, полученными при метрологической аттестации, и поступает для дальнейшей обработки в интеллектуальную систему 13, содержащую базу знаний 24, механизм логического вывода 25, систему объяснений 26 и базу данных 27, осуществляющую анализ технического состояния заданного элемента конструкции корпуса судна в зависимости от сложившейся ситуации.An encoded command signal with a code corresponding to a given measuring element of the vessel’s hull structure 1 is supplied from the operator’s
В случае возникновения экстремальной ситуации, установленной в процессе функционирования интеллектуальной системы 13, команда управления дальнейшей обработкой информации от интеллектуальной системы 13 передается в первый логический блок 14, где на основе блока анализа и прогноза 28 осуществляется оценка ситуации и прогноз ее развития, а с помощью блока обучения 29 - формирование самоорганизующейся нейронной сети 30 на основе нейрокомпьютера 23.In the event of an extreme situation established during the functioning of the
При возникновении отказа датчика, установленного в блоке диагностики 37, блок управления 38 нейроконтроллера 16 передает команды управления дальнейшей обработкой информации во второй логический блок 15, где на основе блока обучения 32 в блоке интеллектуальных датчиков 33 с помощью нейрокомпьютера 23 осуществляется настройка ассоциативных нейронных сетей 34, 35, 36. Таким образом, факт обнаружения отказа датчика устанавливается в блоке диагностики 37 нейроконтроллера 16, а локализация места отказа осуществляется с помощью интеллектуальных датчиков 33 на основе ассоциативных нейронных сетей 34, 35, 36, обучение которых реализуется блоком обучения 32.In the event of a sensor failure installed in the
Алгоритм функционирования предлагаемого самоорганизующегося устройства на основе способа контроля прочности и вибрации судна реализуется в виде последовательности шагов.The functioning algorithm of the proposed self-organizing device based on the method of monitoring the strength and vibration of the vessel is implemented as a sequence of steps.
Шаг 1. Составляется спецификация режимов работы устройства в различных условиях эксплуатации, в том числе в нештатных и экстремальных ситуациях.Step 1. A specification of the operating modes of the device in various operating conditions, including in emergency and extreme situations.
Шаг 2. Осуществляется проверка возникновения экстремальной ситуации на основе интеллектуальной системы 13.Step 2. An emergency situation is checked based on an
Шаг 3. Если экстремальная ситуация не возникла, то дальнейший контроль прочности и вибрации судна осуществляется в процессе функционирования интеллектуальной системы 13 и состоит в оценке ситуации на базе критериев, определяющих выход измеряемых динамических характеристик за принятые ограничения, с использованием информации, поступившей с блока датчиков 2, 3, 4, выдаче практических рекомендаций и принятии решения по управлению судном в текущей ситуации.Step 3. If an extreme situation has not arisen, further control of the strength and vibration of the vessel is carried out in the process of functioning of the
Шаг 4. Если экстремальная ситуация возникла, то формируется логика функционирования устройства контроля прочности и вибрации судна на основе интеллектуальной системы 13 и первого логического блока 14, выполняющего функции анализа и прогноза ситуации в блоке 28 и обучения самоорганизующейся нейронной сети 30 в блоке 29.Step 4. If an extreme situation arose, then the logic of the operation of the device for monitoring the strength and vibration of the vessel is formed based on the
Шаг 5. Осуществляется проверка возникновения нештатной ситуации, связанной с отказом датчиков 2, 3, 4 на основе блоков диагностики 37 и управления 38 нейроконтроллера 16.Step 5. A check is made for the occurrence of an emergency situation related to the failure of sensors 2, 3, 4 on the basis of
Шаг 6. Если нештатная ситуация, связанная с отказом датчиков 2, 3, 4 не возникла, то осуществляется переход к шагу 3.Step 6. If an emergency situation related to the failure of sensors 2, 3, 4 did not occur, then go to step 3.
Шаг 7. Если нештатная ситуация, связанная с отказом датчиков 2, 3, 4 возникла, то формируется логика функционирования устройства контроля прочности и вибрации судна на основе второго логического блока 15, выполняющего функции контроля датчиков в блоке 31 и функции обучения 29 ассоциативных нейронных сетей 34, 35, 36 в блоке интеллектуальных датчиков 33.Step 7. If an abnormal situation associated with the failure of sensors 2, 3, 4 occurs, then the logic of the functioning of the device for monitoring the strength and vibration of the vessel is formed on the basis of the second
Обучение самоорганизующихся нейронных сетей 34, 35, 36 осуществляется на основе нейрокомпьютера 23 с помощью стандартного алгоритма Кохонена, использующего соревновательный принцип обучения на конкретных примерах реализации сигналов с датчиков 2, 3, 4, воспринимающих динамику взаимодействия судна с внешней средой в экстремальных ситуациях. В процессе обучения каждому входному параметру хi (i=1, …, n) сопоставляется измерение многомерного пространства. Размерность этого пространства равна числу параметров n, возможные значения которых задаются специальной шкалой. Задача состоит в определении свойств точек xj=(xj1, …, xjn) n-мерного пространства. Величина xji характеризует значение входного параметра i точки в j примерах, используемых при обучении самоорганизующейся нейронной сети. Точки многомерного пространства образуют класс связанных областей точек, обладающих определенными свойствами. Этот класс запоминается и используется при функционировании устройства для решения задачи контроля и управления.Self-organizing
Обучение ассоциативных нейронных сетей 34, 35, 36 осуществляется на основе нейрокомпьютера 23 с помощью стандартного алгоритма обратного распространения ошибки, основанного на методе градиентного спуска, на тестовых примерах, характеризующих сигналы датчиков 2, 3, 4 в нормальных условиях эксплуатации устройства и при его функционировании в случае возникновения отказов датчиков. Входными значениями для нейронных сетей 34, 35, 36 являются характеристики сигналов с датчиков 2, 3, 4, поступающие через преобразователи 6, 7, 8, контроллер 10, модем 11 и линию связи 12. Выходы обученных нейронных сетей 34, 35, 36 совпадают со значениями сигналов с датчиков 2, 3, 4. Если разность этих сигналов превышает допустимый уровень, блок диагностики 37 выдает блоку управления 38 сигнал об отказе конкретного датчика. После этого в качестве выходного сигнала датчиков принимается его значение на выходе одной из ассоциативных нейронных сетей 34, 35, 36.Associative
Принятие решений по использованию интеллектуального датчика (фиг.8) реализуется в блоке 39 с помощью нечеткого вывода, реализуемого процессором нечеткой логики 22 на основе специальных матриц управления 40, 41, 42, размещенных в блоке диагностики 37. Разработка таких матриц ведется для нормальных условий эксплуатации 40, экстремальных ситуаций 41 и при отказе датчиков (нештатные ситуации) 42.Decisions on the use of an intelligent sensor (Fig. 8) are implemented in
Для надежного функционирования интеллектуальных датчиков 34, 35, 36 используется информация, накапливаемая в базе данных 27 интеллектуальной системы 13 в процессе эксплуатации устройства. На основе этой информации производится окончательная корректировка алгоритмов, заложенных в формализованную систему знаний при построении интеллектуальных датчиков.For reliable operation of
Для обеспечения надежности работы устройства контроля прочности и вибрации судна в экстремальных ситуациях применяются данные динамических измерений, близкие к предельным значениям характеристик в непрерывно изменяющихся внешних условиях.To ensure the reliability of the device for monitoring the strength and vibration of the vessel in extreme situations, dynamic measurement data are used that are close to the limit values of the characteristics in continuously changing external conditions.
Практическая реализация разработанного способа связана с проблемой старения информации, что требует непрерывного поддержания работоспособности устройства на базе фактической информации о поведении судна в различных условиях эксплуатации.The practical implementation of the developed method is associated with the problem of aging information, which requires continuous maintenance of the device based on actual information on the behavior of the vessel in various operating conditions.
В результате использования предлагаемого изобретения в процессе функционирования интеллектуальной системы 13 и нейроконтроллера 16 формируется гибкое информационное пространство контроля и диагностики состояния корпусных конструкций на основе ЦВМ 21, процессора нечеткой логики 22 и нейрокомпьютера 23, включающее методы принятия решений в нечеткой среде и нейросетевые модели, настраиваемые адаптивные автоматизированные циклы обучения нейронных сетей с учетом особенностей динамики взаимодействия судна с внешней средой в различных условиях эксплуатации, в том числе в нештатных и экстремальных ситуациях. Обработка измерительной информации и управление процессом диагностики осуществляются в режиме реального времени.As a result of the use of the present invention in the process of functioning of the
Claims (2)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2007140530/28A RU2363935C1 (en) | 2007-10-31 | 2007-10-31 | Method to control ship strength and vibration and device to this end |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2007140530/28A RU2363935C1 (en) | 2007-10-31 | 2007-10-31 | Method to control ship strength and vibration and device to this end |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2007140530A RU2007140530A (en) | 2009-05-10 |
RU2363935C1 true RU2363935C1 (en) | 2009-08-10 |
Family
ID=41019573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2007140530/28A RU2363935C1 (en) | 2007-10-31 | 2007-10-31 | Method to control ship strength and vibration and device to this end |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2363935C1 (en) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2475404C1 (en) * | 2011-11-15 | 2013-02-20 | Геннадий Тимофеевич Казанов | Method of estimating available index of ship hull |
RU2559401C1 (en) * | 2014-04-02 | 2015-08-10 | Федеральное государственное унитарное предприятие "Центральный научно-исследовательский институт машиностроения" (ФГУП ЦНИИмаш) | Diagnostic of aircraft service systems operating conditions |
RU2589367C1 (en) * | 2015-02-03 | 2016-07-10 | федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный морской технический университет" (СПбГМТУ) | Method of monitoring emergency situations in conditions of uncertainty of medium |
RU2595066C1 (en) * | 2015-06-24 | 2016-08-20 | Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" | Method of evaluating loading of aircraft structure in flight strength analysis using artificial neural networks |
RU2614740C1 (en) * | 2015-11-16 | 2017-03-29 | федеральное государственное бюджетное образовательное учреждение высшего образования "Нижегородский государственный технический университет им. Р.Е. Алексеева" | Main parameters assessment method, that detemines level and nature of load during diagnosis of particular responsible units of vehicles |
RU2689048C1 (en) * | 2018-03-15 | 2019-05-23 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Калининградский государственный технический университет" | Method for detecting damages in outer hull plating |
RU2692505C1 (en) * | 2018-11-07 | 2019-06-25 | Общество с ограниченной ответственностью "Генезис-Таврида" | Method of localizing and determining the nature and dimensions of damage to hull skin |
RU2741671C1 (en) * | 2019-11-18 | 2021-01-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Калининградский государственный технический университет" | Ship hull outer panel condition monitoring method |
-
2007
- 2007-10-31 RU RU2007140530/28A patent/RU2363935C1/en not_active IP Right Cessation
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2475404C1 (en) * | 2011-11-15 | 2013-02-20 | Геннадий Тимофеевич Казанов | Method of estimating available index of ship hull |
RU2559401C1 (en) * | 2014-04-02 | 2015-08-10 | Федеральное государственное унитарное предприятие "Центральный научно-исследовательский институт машиностроения" (ФГУП ЦНИИмаш) | Diagnostic of aircraft service systems operating conditions |
RU2589367C1 (en) * | 2015-02-03 | 2016-07-10 | федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный морской технический университет" (СПбГМТУ) | Method of monitoring emergency situations in conditions of uncertainty of medium |
RU2595066C1 (en) * | 2015-06-24 | 2016-08-20 | Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" | Method of evaluating loading of aircraft structure in flight strength analysis using artificial neural networks |
RU2614740C1 (en) * | 2015-11-16 | 2017-03-29 | федеральное государственное бюджетное образовательное учреждение высшего образования "Нижегородский государственный технический университет им. Р.Е. Алексеева" | Main parameters assessment method, that detemines level and nature of load during diagnosis of particular responsible units of vehicles |
RU2689048C1 (en) * | 2018-03-15 | 2019-05-23 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Калининградский государственный технический университет" | Method for detecting damages in outer hull plating |
RU2692505C1 (en) * | 2018-11-07 | 2019-06-25 | Общество с ограниченной ответственностью "Генезис-Таврида" | Method of localizing and determining the nature and dimensions of damage to hull skin |
RU2741671C1 (en) * | 2019-11-18 | 2021-01-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Калининградский государственный технический университет" | Ship hull outer panel condition monitoring method |
Also Published As
Publication number | Publication date |
---|---|
RU2007140530A (en) | 2009-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2363935C1 (en) | Method to control ship strength and vibration and device to this end | |
US5774376A (en) | Structural health monitoring using active members and neural networks | |
KR102073323B1 (en) | AI Structure Integrity Management System | |
RU2533321C1 (en) | Method for adaptive forecasting of residual operating life of complex objects, and device for its implementation | |
EP2682836B1 (en) | Method for performing diagnostics of a structure subject to loads and system for implementing said method | |
JP6463028B2 (en) | Load / stress monitoring method for floating facilities and load / stress monitoring system for floating facilities | |
CN112840385A (en) | Power plant early warning device and method adopting multiple prediction models | |
CN110738753A (en) | ship power pipeline fatigue damage prediction system and prediction method | |
CN115410419B (en) | Ship mooring early warning method, system, electronic equipment and storage medium | |
JP2002326598A (en) | Device and method for evaluating integrity of hull | |
Lopes et al. | In-time fatigue monitoring using neural networks | |
CN112785074B (en) | Equipment maintenance and repair opportunity determination system and method based on deep learning | |
US11436485B2 (en) | Method for performing diagnostics of a structure subject to loads based on the measurement of displacements and system for implementing said method | |
Chen et al. | Application of BP artificial neural network in structure damage identification | |
Gardiner et al. | A trial sensor network for the Armidale Class patrol boat | |
RU2595066C1 (en) | Method of evaluating loading of aircraft structure in flight strength analysis using artificial neural networks | |
Yung et al. | Mooring force estimation for floating offshore wind turbines with augmented Kalman Filter: a step towards digital twin | |
Cusano et al. | Evaluation and Forecasting of Elapsed Fatigue Life of Ship Structures by Analyzing Data from Full Scale Ship Structural Monitoring | |
RU2589367C1 (en) | Method of monitoring emergency situations in conditions of uncertainty of medium | |
Sbarufatti et al. | Sensor network optimization for damage detection on aluminium stiffened helicopter panels | |
KR102464734B1 (en) | System for realtime evaluating soundness of fender for vessel docking guide, and method for the same | |
Dai et al. | Data Analysis of Safety Assessment and Early Warning for Offshore Platform | |
Rolin et al. | Engineering approach (reliability analysis, metrology and environmental testing procedures) for newly developed marine sensors | |
Heo | The State-of-the-Art in Structural Integrity Management: A Review and Proposed Data-Driven Approach | |
Rodríguez et al. | Methodology for load estimation in mooring chains using a fuzzy genetic model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TK4A | Correction to the publication in the bulletin (patent) |
Free format text: AMENDMENT TO CHAPTER -FG4A- IN JOURNAL: 22-2009 |
|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20131101 |