Разработка алгоритма самодиагностики в информационно-измерительном канале уровня
Аннотация
В статье представлена разработка алгоритма самодиагностики информационно-измерительного канала уровня, применяемого в составе судовой котельной установки. Актуальность работы обусловлена необходимостью повышения надёжности и безопасности функционирования судовых энергетических систем за счёт своевременного выявления аномалий в измерительных каналах, подверженных воздействию вибрации, температурных перепадов, влаги и электромагнитных помех. Предложенный алгоритм основан на анализе темпа изменения сигнала уровня и сравнении его с физически обоснованным пороговым значением, определяемым динамическими характеристиками котельного агрегата в штатных режимах эксплуатации. Реализация выполнена в среде MasterSCADA 4D на языке программирования Function Block Diagram в соответствии со стандартом МЭК 61131-3. Экспериментальная проверка подтвердила способность алгоритма надёжно идентифицировать резкие, физически невозможные отклонения сигнала, характерные для таких отказов, как обрыв линии связи, электромагнитные наводки, нарушение контактов или окисление соединений. При этом ложные срабатывания в нормальных условиях не наблюдались. Также отмечены ограничения алгоритма, его неспособность к диагностике медленных деградационных процессов, таких как дрейф показаний или плавающие колебания сигнала. Показан потенциал интеграции разработанного решения в логику аварийной защиты и систем управления с целью повышения отказоустойчивости и сокращения времени на восстановление работоспособности оборудования. Предложенный подход может быть использован как базовый элемент интеллектуальной диагностики в современных судовых системах автоматизации.
Литература
Коновалов П. О., Иванченко А. А., Ларионов Г. Л. Опыт развития и применения в эксплуатации систем мониторинга технического состояния судовых ДВС // Наука в современном информационном обществе. 2023. С. 92–101.
Бурков Д. Е. Применение судовой информационной системы для контроля и мониторинга технического состояния судового оборудования // Вестник Государственного университета морского и речного флота имени адмирала Макарова. 2023. Т. 15, №. 5. С. 893–902.
Валов Д. С., Валгин С. А. Системы управления судовыми энергетическими установками автономных судов // Актуальные исследования. 2023. №. 5(135). С. 19–28.
Sánchez-Beaskoetxea J. et al. Human error in marine accidents: Is the crew normally to blame? //Maritime Transport Research. – 2021. – Т. 2. – С. 100016.
Zhang R. G., Liu J., Gu Z. Research on crew-level maintenance strategy for ship equipment based on risk-based decision //2021 14th International Symposium on Computational Intelligence and Design (ISCID). – IEEE, 2021. – С. 87-90.
Dionysiou K., Bolbot V., Theotokatos G. A functional model-based approach for ship systems safety and reliability analysis: Application to a cruise ship lubricating oil system /Proceedings of the Institution of Mechanical Engineers, Part M: Journal of Engineering for the Maritime Environment. – 2022. – Т. 236. – №. 1. – С. 228–244.
Du T. et al. A self-powered and highly accurate vibration sensor based on bouncing-ball triboelectric nanogenerator for intelligent ship machinery monitoring //Micromachines. – 2021. – Т. 12. – №. 2. – С. 218.
Zhang P. et al. Marine systems and equipment prognostics and health management: a systematic review from health condition monitoring to maintenance strategy //Machines. – 2022. – Т. 10. – №. 2. – С. 72.
Диагностика работы датчиков контрольно-измерительных приборов на основе моделей автоассоциативных нейронных сетей / А. В. Николаева, А. В. Литышев, В. В. Астахов, С. И. Пантюшин // Вопросы атомной науки и техники. Серия: Физика ядерных реакторов. – 2024. – № 4. – С. 38–48. – EDN MGLBZZ.
Клячкин, В. Н. Диагностика состояния технического объекта с помощью классификации методами машинного обучения / В. Н. Клячкин, Ю. Е. Кувайскова, Н. А. Ломовцева // Программные продукты и системы. – 2021. – № 4. – С. 572–578. – DOI 10.15827/0236-235X.136.572-578. – EDN BGPQEJ.
Клячкин, В. Н. Прогнозирование состояния технического объекта с применением методов машинного обучения / В. Н. Клячкин, Д. А. Жуков // Программные продукты и системы. – 2019. – № 2. – С. 244–250. – EDN VBAGKR.
Система диагностики прогнозирования состояния судовых энергетических установок на основе нейронных сетей / А. С. Самчук, А. В. Ивановская, В. И. Ухин, Д. В. Афицеров // Вестник Керченского государственного морского технологического университета. Серия: Морские технологии. – 2025. – № 2. – С. 66–73. – EDN GNMBBX.
Copyright (c) 2026 Научные проблемы водного транспорта
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
