ВИКОРИСТАННЯ ДИСКРИМІНАНТНОГО АНАЛІЗУ ДЛЯ ВИБОРУ ДІАГНОСТИЧНОЇ ОЗНАКИ ТЕХНІЧНОГО СТАНУ ГАЗОПЕРЕКАЧУВАЛЬНИХ АГРЕГАТІВ



Стаття | Article    

Download

Запропонована процедура застосування дискримінантного аналізу для визначення технічного стану газоперекачувального агрегату (ГПА) з використанням результатів спостережнь за зміною його технологічних параметрів в процесі експлуатації для різних технічних станів ГПА. Показано, що за вибраною діагностчною ознакою можна не лишень оцінити поточний технічний стан ГПА, але й прогнозувати його зміну на наперед заданий період експлуатації.

Ключові слова: дискримінантний аналіз, ідентифікатор, кореляція, діагностична ознака, технологічні параметри, технічний стан.

Заміховський Леонід Михайлович, завідувач кафедри «Інформаційно-телекомунікаційних технологій та систем», Івано-Франківський національний технічний університет нафти і газу

Україна, Івано-Франківськ

Павлик Володимир Васильович, начальник служби КВП і А Богородчанського ЛВУМГ УМГ «Прикарпаттрансгаз»

Україна, Богородчани

USING OF DISCRIMINANT ANALYSIS FOR SELECTION OF DIAGNOSTIC CHARACTERISTIC OF TECHNICAL STATE OF GAS PUMPING UNITS

Procedure of applying the discriminant analysis for determining the technical condition of gas compressor units (GCU) by using the observation results on change its technical parameters in service for different technical conditions of GPA was proposed. It is shown that for chosen of diagnostic sign it is possible not merely to assess the current technical condition of the GPA, but also to predict its change in pregiven period of service.

Keywords: discriminant analysis, identifier, correlation, diagnostic characteristic, technological parameters, technical condition.

Zamikhovsky Leonid Mykhailovych, Head of Department of "Information and communication technologies &systems", Ivano-Frankivsk National Technical University of Oil and Gas

Ukraine, Ivano-Frankivsk

Pavlyk Volodymyr Vasylyovych, Chief of Service of CMD and А of Bohorodchany LVUMG UMG "Prykarpattransgas"

Ukraine, Bohorodchany

Забезпечення ефективної роботи газотранспортної системи України залежить, в першу чергу, від надійної роботи газоперекачувальних агрегатів (ГПА), які є її основними складовими. Надійна робота ГПА обумовлюється його поточним технічним станом, який потрібно контролювати в режимі реального часу, що вимагає використання ефективних методів діагностування ГПА.

Сьогодні відома значна кількість методів параметричної і віброакустичної діагностики ГПА, а також методів діагностування, створених на базі сучасних інформаційних технологій – штучних нейронних мереж, генетичних алгоритмів і ін. В той же час відсутні методи діагностування, які б найшли широке практичне застосування.

В роботі розглядаються особливості використання дискримінантного (лінійного) аналізу для визначення діагностичної ознаки технічного стану з використанням результатів спостережнь за зміною його технологічних параметрів в процесі експлуатації для різних технічниїх станів ГПА.

Для аналізу використовувалася інформація по ГПА-3 ГТК 25і фірми «Нуово Піньйоне», який знаходиться в експлуатації на КС-Богородчани Богородчанського ЛВУМГ УМГ «Прикарпаттрансгаз». Зокрема, аналізувалися вибіркитехнологічних параметрів роботи ГПА перед виводом його в ремонт, після ремонту,а також після тривалого періоду експлуатації, що фактично відповідало трьом різним технічним станам ГПА.

В роботі обгрунтовуєтьться вибір 8 з 16 технологічних параметрів роботи ГПА, які в подальшому підлягали дискримінантному аналізу.

Дискримінантний аналіз це одинз методів багатовимірного статистичного аналізу, який дозволяє на основі спостережень над об’єктами з відомих кількох груп знайти правило, за яким новий об’єкт слід відносити до тієї чи іншої групи. При цьому мінімізується ймовірність неправильної класифікації. В лінійному дискримінантному аналізі використовуються лінійні (дискримінантні) функції багатьох змінних (лінійна комбінація характеристик об’єкта плюс деяке число). Для кожної групи будується своя функція з умови найкращого розрізнення об’єктів різних груп. Новий об’єкт класифікується до тієї групи, в якій він має найбільше значення відповідної дискримінантної функції.

Методи дискримінантного аналізу реалізовано в багатьох програмних продуктах. В роботі використовувались можливості програмного середовища R [1] та системи STATISTICA [2].

Розглядається процедура дикримінантного аналізу часових реалізацій технологічних параметрів (даних) записаних через кожні 30 с. для трьох технічних станів ГПА: до ремонту(ідентифікатор “b”=”befor”), після ремонту (ідентифікатор “a”=”after”) та після напрацювання (ідентифікатор “w”=”work”).

Щоб позбутися кореляції між сусідніми даними здійснювали їх випадковий відбір, застосовуючи можливості стандартних засобів R [1]. Було відібрано по 340 даних з кожного набору відповідно розглянутих ситуацій. Аналіз отриманих графіків автокореляційних функцій показав, що часові ряди даних містять лишень білий шум, що вказує на відсутність кореляції між ними. Це дозволяє розглядати відібрані дані як звичайні багатовимірні вибірки.

Основою для дослідження діагностичної ознаки стану ГПА була об’єднана вибірка з побудованих трьох вибірок (“b”-“a”-“w”).

Для вибору діагностичної ознаки технічного стану ГПА та її перевірки було проведено поділ вибірки на дві частини (парні та непарні номери). За першою підвибіркою з допомогою дискримінантного аналізу будуємо процедуру визначення стану, а елементи другої підвибірки перевіряємо на належність до наявних станів (“b”-“a”-“w”). Для цього використовуємо покроковий дискримінантний аналіз реалізований в STATISTICA [2].

Отриманими результатами є (табл. 1):

$-$ набір характеристик (Variable), за якими можна найбільш достовірно визначити стан ГПА;

$-$ коефіцієнти дискримінантних функцій (Classification Functions) для кожного із станів

Наступна таблиця містить згадані результати.

Таблиця 1. Результати дискримінантного аналізу

Далі розглядався варіант, коли жодної попередньої інформації про стан ГПА немає. Це означає, що апріорні ймовірності перебування ГПА в станах “a”, “b” чи “w” однакові і дорівнюють одній третій (р=,33333).

Методика визначення діагностичної ознаки стану ГПА (одержана в результаті дискримінантного аналізу) наступна:

$1.$ Визначаємо значення дискримінантних функцій досліджуваного ГПА для кожного стану. Це лінійні комбінації значень характеристик (із стовпчика Variable) з коефіцієнтами, наведеними в стовпчиках “a”,“b” чи “w”плюс вільний член з рядка Constant.

$2.$ Стан ГПА визначається за найбільшим значенням дискримінантних функцій для нього.

Застосовуючи описану методику до елементів другої частини вивірки, одержали результати відображені в табл. 2

Таблиця 2. Результати визначення діагностичної ознаки стану ГПА

Рядки “a”, “b”, “w” табл. 2 відображають спостережувані (реальні) стани ГПА, а такі ж стовпчики – прогнозовані (одержані за пропонованою методикою). На перетині цих рядків та стовпчиків наведені кількості випадків.

Засоби R [1] дозволяють спроектувати три групи даних – діагностичних ознак у вигляді «хмарок» на площину і відобразити їх на графіку. Найкращий напрям проектування вибирається з допомогою того ж дискримінантного аналізу.

На рис. 1 зображена така проекція діагностичних ознак. Кожне значення діагностичної ознаки позначено буквою (“a”, “b”, “w”), що відповідає реальному стану ГПА. LD1 та LD2 – означають координати на площині проекції.

Рисунок 1 – Проекція значень діагностичних ознакна площину станів ГПА

Як видно з рис. 1 всі тризначення діагностичних ознак чітко розрізняють три стани ГПА.

Найкращий стан ГПА (а) післяпроведення ремонтних робіт знаходится на початку площини -найменше значеннядіагностичної ознаки, незадовільний стан (перед проведенням ремонтних робіт) (b) відповідає найбільшому значеннюдіагностичної ознаки і, нарешті, після тривалого напрацювання стан ГПАнаближається до незадовільного (w).

ВИСНОВОК.

Запопонована процедуравибору діагностичної ознаки стану ГПА з використанням дискримінантного аналізу йогопоточних технологічних параметрів дозволяє чітко розпізнавати технічний станГПА, а маючи значення діагностичної ознаки, що відповідає його незадовільному(критичному) стану, прогнозувати його зміну на наперед заданий період часу.

ПЕРЕЛІК ПОСИЛАНЬ

$1.$ RCore Team (2016). R: A language and environment for statistical computing. RFoundation for Statistical Computing, Vienna,Austria.URL https://www.R\-project.org/.

$2.$ StatSoft, Inc.(2011). STATISTICA (data analysis software system), version 10. www.statsoft.com.

May 18, 2017