Prubezna diagnostika hybridniho pohonu mobilniho prostredku

Univerzita obrany
Fakulta vojenských technologií
Počet listů: 38
ZÁVĚREČNÁ ZPRÁVA O ŘEŠENÍ PROJEKTU VGA
Název projektu:
Průběžná diagnostika hybridního pohonu
mobilního prostředku
Řešitel projektu:
por. Ing. Václav Křivánek
Řešitelský kolektiv:
kpt. Ing. Zbyněk Bureš, Ph.D.
por. Ing. Václav Křivánek
Na projekt přiděleno celkem Kč:
90 000 Kč
BRNO 2004
Abstrakt
Průběžná diagnostika hybridního pohonu mobilního prostředku
Tato závěrečná zpráva VGA se zabývá hodnocením spolehlivosti malého hybridního pohonu
pro potřeby bezpilotního prostředku. Dále je řešena problematika sběru a vyhodnocení dat
pro potřeby průběžné diagnostiky. V práci je popsán návrh degradace funkce pomocí umělé
neuronové sítě.
Klíčová slova
měření elektrických a neeliktrických veličin, hybridní pohon, umělá neuronová síť
i
ii
Předmluva
Předkládaná Závěrečná zpráva o řešení projektu VGA shrnuje roční práci na vývoji a realizaci Průbežné diagnostiky hybridního pohonu mobilního prostředku. Závěrečná zpráva postihuje
hlavní aspekty úkolu, cíle, způsoby a postupy řešení a výhledy dalšího pokračování v dalších projektech Univerzity obrany.
Práce na grantovém úkolu byla rozdělena na přípravnou část, kdy se řešitelé zaměřili na
studium dostupné literatury a odkazů na Internetu. V druhé části navrhli a zrealizovali některé
části Aktivní diagnostiky hybridního pohonu.
Problematikou aktivní diagnostiky a hybridními pohony se zabývý por. Křivánek ve své
disertační práci.
Na tomto místě bychom chtěli poděkovat Vnitřní grantové agentuře a sekci
logistiky Univerzity obrany za jejich příkladnou pomoc při práci na grantovém úkolu. Potřebný materiál objednaný na začátku roku 2004 nebyla
dodána ani v době uzavření projektu a některé požadavky byly dokonce
stornovány. Nebýt možnosti krýt část výdajů z projektu obranného výzkumu
Záznam II. a shovívavosti dodavatelských firem, zůstal by celý projekt pouze
na papíře.
iii
iv
Obsah
1 Výchozí stav
1
2 Formulace cílů projektu
2
3 Dosažené výsledky a poznatky
3
3.1
Spolehlivostní analýza zvolené koncepce pohonné jednotky . . . . . . . . . . . . .
3
3.1.1
Poruchový model hybridního pohonu . . . . . . . . . . . . . . . . . . . . .
3
3.1.2
Numerické spolehlivostní charakteristiky . . . . . . . . . . . . . . . . . . .
5
3.2
Volba senzorického podsystému . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
3.3
Sběrnice pro víceprocesorové systémy . . . . . . . . . . . . . . . . . . . . . . . . .
8
3.3.1
SMBus – System Managment Bus . . . . . . . . . . . . . . . . . . . . . .
9
3.3.2
SPIBus – Serial Peripheal Interface Bus . . . . . . . . . . . . . . . . . . .
10
3.3.3
Multiprocesorová komunikace pomocí sériové linky . . . . . . . . . . . . .
10
3.3.4
CANBus – Controller Area Network Bus . . . . . . . . . . . . . . . . . . .
11
3.3.5
Porovnání používaných sběrnic . . . . . . . . . . . . . . . . . . . . . . . .
12
3.4
Konstrukce měřícího modulu . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
3.5
Princip degradace funkcí pomoci umělé neuronové sítě . . . . . . . . . . . . . . .
14
4 Využití výsledků pro praxi a pro další výzkum
16
5 Publikace a další aktivity
17
6 Přehled nákupů z přidělených finančních prostředků
17
7 Závěr
18
Přílohy
21
A Literatura
22
B Seznam zkratek
23
C Výtah z grantové přihlášky
24
v
vi
1
1
Výchozí stav
Operační nasazení soudobých mobilních autonomních prostředků nejvíce ovlivňuje palubní
zdroj energie. Snahou konstruktérů je snížit hmotnost a rozměry elektrických zdrojů při současném nárůstu jejich kapacity a době provozování. Pokrok v této oblasti přinášejí nové typy baterií
založených na progresivních technologiích, palivové články atd. Diametrálně jiné vlastnosti do
této oblasti vnáší nasazení hybridních pohonů, známých především ze silniční a železniční dopravy, kdy jsou skloubeny přednosti spalovacích motorů s výhodami elektrických točivých strojů.
Již od samého počátku práce na koncepci bezpilotního prostředku (angl. UAV – Unmanned
Aerial Vehicle) byla zřejmá úzká souvislost mezi zdrojem elektrické energie, pohonnou jednotkou
a elektronickým vybavením. Bylo nezbytné najít takový kompromis, aby byly splněny všechny
aerodynamické, provozní a taktické požadavky. Drak UAV je koncipován v uspořádání delta
o rozpětí cca 4 m a je optimalizován pro letovou rychlost 90 km / h. Nosnost takto koncipovaného
draku UAV je odhadována na 10 ÷ 12 kg. Hmotnost avioniky by neměla překročit 2 kg. Na
užitečné zatížení je plánována nosnost až 4 kg.
Přistoupíme-li k volbě pohonné jednotky a zdroje elektrické energie jako k navzájem provázanému celku, lze shrnouti požadavky na tento systém do následujícího výčtu:
1. generování elektrické energie pro trakční motor(y) s předpokládaným příkonem 1000 W
a veškeré elektronické vybavení UAV o příkonu cca 100 W,
2. hmotnost nižší než 6 kg,
3. nepřetržitá dodávka elektrické energie po dobu nejméně dvou hodin,
4. možnost nehlučného letu po dobu nejméně pěti minut,
5. schopnost měnit velikost vektoru tahu trakčního motoru pro různé fáze letu,
6. vysoká spolehlivost řešení,
7. implementovaná průběžná diagnostika,
8. minimální demaskující příznaky.
Požadavky 6 a 7 byly do zadání zařazeny právě proto, že pohonná a energetická jednotka
jsou klíčovými prvky celého UAV a musí jim být věnována patřičná pozornost. Je třeba nalézt
takové řešení, aby v případě poruchy jednoho prvku nebyla ohrožena provozuschopnost ostatních
systémů. Nelze se spolehnout pouze na technologické zpracování, ale poněvadž se jedná o systém
se zvýšenou spolehlivostí, je nanejvýše vhodné použít i některý z netechnologických přístupů
zvýšení spolehlivosti.
Možných řešení daného problému existuje celá řada. Každé z nich přináší jisté výhody a taktéž řadu nevýhod. Hledáme takové řešení, které bude kompromisem mezi váhou jednotky, doletem, konstrukční náročností a dalšími, blíže nespecifikovanými, hledisky. Po důkladné analýze
bylo nakonec rozhodnuto použit pro bezpilotní prostředek hybridní pohon v sériovém zapojení.
Podrobně je toto uspořádání popsáno v [3].
Malý dvoutaktní spalovací motor pohání dva alternátory. Paralelní zapojení alternátorů je
voleno z důvodů zvýšení spolehlivosti a snížení hmotnosti při daném jmenovitém výkonu. Střídavé napětí přes usměrňovače slouží k dobíjení baterií a pohonu čtyř trakčních elektromotorů.
Každý z nich o příkonu 250 W. Část z generovaného napětí slouží k napájení elektronického
vybavení mobilního prostředku přes stabilizátory napětí.
Pohonná jednotka zkonstruovaná výše popsaným způsobem zlepšuje především aerodynamické charakteristiky UAV, neboť umožňuje ovládat letoun pomocí změny velikosti vektoru tahu
každého z pohonných elektromotorů. Podle předpokladu pro vlastní horizontální let by měly
stačit dva elektromotory. Druhý pár bude využíván jako pomocný např. při startu, přistání,
2
2
FORMULACE CÍLŮ PROJEKTU
DC / DC
7,0 V
Avionika
3 fázový
regulátor
Baterie
&
DC / DC
5,0 V
elektronické
vybavení UAV
Alternátor
DC / DC
3,3 V
Usm r ovaþ
Spalovací
motor
DC / DC
23 V
Alternátor
Usm r ovaþ
3 fázový
regulátor
Baterie
3 fázový
regulátor
Trakþní
motor
3 fázový
regulátor
Trakþní
motor
3 fázový
regulátor
Trakþní
motor
3 fázový
regulátor
Trakþní
motor
Obr. 1: Poruchový model hybridního pohonu bezpilotního prostředku
náročných manévrech či poruše některého z trakčního motoru. Takto bude možné dosáhnout
prodloužení operačního rádiusu.
Redundance klíčových prvků (elektromotory, baterie, alternátory) zvyšuje nejenom robustnost návrhu, ale slouží i ke zvýšení spolehlivosti jako celku. Z provozního hlediska bychom pak
mohli hovořit jako o systému s tzv. statickou zálohou.
Diskutovaná pohonná jednotka bezpilotního prostředku nebyla prozatím prakticky odzkoušena ani sestavena. V této době probíhají přípravné práce, kdy jsou ověřovány vlastnosti jednotlivých dílčích prvků jakož i větších celků.
2
Formulace cílů projektu
V době, kdy vznikala koncepce bezpilotního prostředku [1], [2] byla již zřejmá potřeba zabývat se zdrojem elektrické energie. Tak, jak se celý projekt bezpilotního prostředku vyvíjel,
měnila se i energetické požadavky a musela se hledat stále nová a nová řešení.
První verze UAV byla poháněna malým spalovacím motorem a veškeré elektronické vybavení
bylo napájeno z akumulátorů. Doba letu byla předpokládána v rozsahu jednotek až desítek minut. Druhá generace již byla plně elekrizována. Oba pohonné motory i elektronika byla napájena
z výkonných baterií. Jednalo se o experimentální prototyp a ani zde délka letu nepřesáhla jednotky minut. Třetí, plánovaná, generace má být největší, ponese nejtěžší zátěž a bude ve vzduchu
až několik hodin. Proto bylo třeba poohlédnout se po jiném výkonnějším zdroji energie. Vybrán
byl hybridní pohon.
3
Cíle úkolu byly shrnuty v přihlášce o grantový úkol, jejíž relevantní část je součástí této
zprávy jako příloha C. Jejímu oponentovi v ní chyběl heslovitý výčet vytyčených cílů. Proto
budou zformulovány na tomto místě, aby ozřejmily řešenou problematiku.
Cíle grantového úkolu jsou následující:
• volba senzorického systému s vhodnou součástkovou základnou,
• výběr optimální sběrnice pro elektricky zarušená prostředí,
• měření a sběr elektrických a neelektrických veličin u hybridního pohonu.
Mimo těchto cílů se chci také zabývat spolehlivostní analýzou zvolené koncepce pohonné
jednotky. Toto hledisko nebylo prozatím nikdy zkoumáno. Dalším dílčím cílem je vytvoření
tabulky možný poruchových stavů a akčních zásahů na ně. Tento krok je nezbytný učinit před
aplikací jedné z metod aktivní diagnostiky – degradace funkce [8].
3
Dosažené výsledky a poznatky
V tomto oddíle závěrečné zprávy se pojednává o výsledcích dosažených pří návrhu a realizaci jednotlivých částí grantového úkolu – „Průběžná diagnostika hybridního pohonu mobilního
prostředku“.
3.1
Spolehlivostní analýza zvolené koncepce pohonné jednotky
Každé lidské počínání by mělo vycházet nejprve z důkladné úvahy a analýzy daného problému. Tímto se právě člověk odlišuje od zbytku živočišné říše. Zřejmě bylo chybou a nedoceněním významu této části projekt, že se její formulace neobjevila dostatečně zřetelně v grantové
přihlášce. To ovšem nebrání tomu, aby spolehlivostní analýza nebyla nedílnou součástí této
závěrečné zprávy.
3.1.1
Poruchový model hybridního pohonu
Poruchový model je sestavován především za účelem aplikace některé z diagnostických metod
určení těch prvků a odpovídajících signálů, jež jednak vypovídají o správné činnosti systému
jako celku (diagnostická úloha kontroly provozuschopnosti – funkční kontrola) a dále k nalezení
nesprávné součástky / bloku (diagnostická úloha lokalizace poruchy). Nejpřístupnější formou sestavení poruchového modelu je grafická forma. Postup konstrukce poruchového modelu lze nalézt
například v [4].
Sestavení poruchového modelu hybridního pohonu je vhodné především proto, abychom určili
jeho citlivá místa a soustředili na ně v další práci patřičnou pozornost. Při jeho konstrukci
vyjdeme z blokového uspořádání hybridního pohonu bezpilotního prostředku na obr. 1.
Všechny prvky zařazené do sériové větve (zde nezáleží na pořadí jednotlivých prvků) na
obr. 2 jsou nezbytné pro funkci pohonu. Prvky stojící mimo ni nejsou významné pro provozuschopnost systému. Jedním z velmi citlivých konstrukčních prvků je spalovací motor. Jedná se
o velmi složité mechanické zařízení s relativně vysokou poruchovostí. Jeho spolehlivost můžeme
do značné míry ovlivnit vhodnou údržbou a aplikací např. tribodiagnostiky. Pro několik málo
minut lze uvažovat, že jeho funkce je zálohována dvojicí baterií, ale z pohledu délky letové mise
je tato doba zanedbatelná.
Dalšími prvky jsou alternátor s usměrňovačem tvořící funkčně jeden celek „dynamo“. Tato
sestava je zdvojena především z konstrukčních důvodů, nelze tedy hovořit o čisté záloze prvků.
V případě poruchy jedné sestavy lze při degradaci funkce pokračovat v letu se zbývající.
4
3
Alternátor
DOSAŽENÉ VÝSLEDKY A POZNATKY
Usměrňovač
A3
A2
Spalovací
motor
A1
Baterie
A5
DC / DC
23 V
A4
Alternátor
Usměrňovač
A3
A2
3 fázový
regulátor
A11
Vrtule
3 fázový
regulátor
A11
Vrtule
A8
A8
DC / DC
Avionika
UAV
A10
A9
Baterie
A5
Trakční
motor
A7
3 fázový
regulátor
A6
Vrtule
Trakční
motor
A7
3 fázový
regulátor
A6
Vrtule
A8
A8
Trakční
motor
A7
3 fázový
regulátor
A6
Trakční
motor
A7
3 fázový
regulátor
A6
Obr. 2: Poruchový model hybridního pohonu bezpilotního prostředku
Měnič DC / DC 23 V je zde použit pouze jeden. Při jeho volbě bude hrát velkou roli správné
odhadnutí jmenovitého výkonu a střední doba do poruchy. Při dobrém chlazení a uvážlivém
zacházení bude mít tento prvek rozhodně vyšší spolehlivost než například spalovací motor. Snad
hlavní problém, a to platí i pro ostatní prvky, je s kvalitou spojovacích konektorů. Jak již ukázaly
první pokusy na první generaci UAV, na letící prostředek působí značné síly projevující se na
avionice především jako silné vibrace. S ohledem na tuto skutečnost je třeba volit velmi kvalitní
konektory se zámky.
Klíčovým prvkem hybridního pohonu je kvalitní baterie. Aby byly zvýšeny její spolehlivostní
charakteristiky, jsou dublovány. Při praktické realizaci bude možná nutné poučit čtyři kusy. To
na jedné straně zvyšuje jejich spolehlivost, na straně druhé přináší technické komplikace při
jejich nabíjení, ale především při čerpání energie. Baterie zde plní funkci známou pod zkratkou
UPS (angl. Uninterrupted Power Supply). To znamená, že při výpadku či nedostatku elektrické
energie z „dynama“, je tato poptávka dočasně pokryta z naakumulovaných zásob uložených
v baterii. A při nadbytku energie jsou články opětovně dobíjeny.
Třífázový regulátor, elektromotor a vrtule tvoří další sestavu, nazvěme ji „letový pohon“.
Střední doba do poruchy regulátoru se zdá býti značně snížena použitím dvou točivých mechanických částí – elektromotor a vrtule. Nelze předem odhadnout spolehlivost této sestavy, ale lze
usuzovat, že se bude jednat o jedno z nejslabších míst hybridního pohonu. Zálohování je zde tedy
nanejvýše vhodné. Podle předpokladu by pro horizontální let měl stačit jediný pár „letového
pohonu“, druhý pár nám v tuto chvíli poslouží jako statická záloha.
Posledním prvkem sériové větve je sestava měniče DC / DC a avioniky bezpilotního prostředku. Obecně bude pro měnič platit to samé, co již bylo uvedeno výše pro DC / DC 23 V.
Samotná avionika UAV již je a bude velmi složité elektronické zařízení. Z hlediska hybridního
pohonu představuje pouze zátěž a není proto nutné se jí dále zabývat.
Mimo hlavní větev stojí dva třífázové regulátory sloužící pro opětovné nastartování spalovacího motoru. Regulátory nejsou pro funkci hybridního pohonu podstatné a jejich poškození
nemůže ani způsobit poruchu zbytku systému. Regulátory, jakožto integrované elektronické součástky, budou mít velmi malou střední intenzitu poruch λ.
3.1
Spolehlivostní analýza zvolené koncepce pohonné jednotky
5
Na systému hybridního pohonu můžeme rozeznat dva systémy s ohledem na jejich funkci.
Prvním je zajištění pohybu bezpilotního prostředku volným prostředím a druhým je dodávka
energie elektronickému vybavení UAV. První systém tvoří: spalovací motor – „dynamo“ – měnič
DC / DC 23 V – baterie – „letový pohon“. Energetickou větev se skládá z: spalovací motor –
„dynamo“ – měnič DC / DC 23 V – baterie – avionika UAV.
Vytvoření poruchového modelu je nezbytným krokem, aby bylo možné kvantifikovat spolehlivostní charakteristiky, kterými je především střední doba do poruchy. Z pohledu na poruchový
model je zřejmé, že klíčové prvky jsou dublovány, výjimku tvoří pouze spalovací motor. Jeho
záloha není možná především z hmotnostních důvodů. Tomuto prvku se bude třeba věnovat
především kvalitní údržbou.
3.1.2
Numerické spolehlivostní charakteristiky
Vytvoření modelu je vždy spojeno se zjednodušením modelované skutečnosti, protože abstrahuje od vlastností objektu, které nejsou pro sledovaný účel podstatné. Ve spolehlivostních
modelech proto zpravidla rozlišujeme pouze stavy systému důležité z hlediska jeho spolehlivosti
(provozuschopný nebo porouchaný). Zjednodušující podmínkou v našem případě bude předpoklad vzájemné nezávislosti poruch. V takovém případě jsou doby do poruchy u jednotlivých
prvků nezávislé náhodné veličiny. Spolehlivostní modely systémů s nezávislými prvky jsou relativně jednoduché, a proto v případě, kdy máme možnost volby, jim dáme přednost před jinými
typy modelů. Po matematické stránce jsou tyto modely založeny na vztazích pro násobení pravděpodobností nezávislých náhodných jevů (tj. pravděpodobností bezporuchového provozu R(t)
a poruch Q(t) jednotlivých prvků) a pro sčítání pravděpodobností vzájemně se vylučujících jevů
(tj. možných stavů systému) [4].
Sériový model používáme v případě, kdy porucha kteréhokoliv prvku způsobí poruchu celku
a časové intervaly do poruchy jednotlivých prvků jsou navzájem nezávislé náhodné veličiny.
Jestliže známe pravděpodobnosti bezporuchového provozu Ri (t) pro každý prvek Ai , je výsledná
pravděpodobnost bezporuchového provozu R(t) dána jejich součinem.
R(t) =
n
Y
Ri (t)
(1)
i=1
Pro konstantní intenzitu poruch λi každého prvku dostaneme
R(t) =
n
Y
e−λi t = e−λt
(2)
i=1
kde λ je výsledná intenzita poruch systému, získaná jako součet intenzit poruch prvků λi .
λ=
n
X
λi
(3)
i=1
Intenzity poruch součástek je na základě odvozených vlastností sériového modelu možné
sečíst na výslednou konstantní intenzitu poruch, která charakterizuje spolehlivostní chování modulu jako celku.
Paralelní model používáme tehdy, dochází-li k poruše systému pouze při poruše všech jeho
prvků. Jestliže známe pravděpodobnost poruchy Qi (t) pro každý prvek Ai a jsou-li poruchy
prvků nezávislé, můžeme výslednou pravděpodobnost poruchy Q(t) vyjádřit vztahem
Q(t) =
n
Y
i=1
Qi (t)
(4)
6
3
DOSAŽENÉ VÝSLEDKY A POZNATKY
Pro pravděpodobnost bezporuchového provozu lze vztah upravit do tvaru
R(t) = 1 −
n
Y
(1 − Ri (t))
(5)
i=1
Nyní lze přistoupit k vlastnímu odvození celkové spolehlivosti hybridního pohonu. Vyjdeme
z poruchového modelu hybridního pohonu obr. 2. Pro zjednodušení považujme intenzitu poruch
stejných konstrukčních částí za shodnou a konstantní.
Pravděpodobnost poruchy Q23 „dynama“ bude
Q23 = (1 − R2 · R3 )2 = 1 − 2R2 R3 + R22 R32
Pravděpodobnost poruchy Q55 bateriového packu bude
Q55 = Q5 · Q5 = (1 − R5 )2 = 1 − 2R5 + R52
Pravděpodobnost poruchy Q678 „letového pohonu“ paralelně zapojené s avionikou bude
Q678 = (1 − R62 R72 R82 )2
Dále určíme pravděpodobnosti bezporuchového provozu sestav R23 , R55 , R678
R23 = 1 − Q23 = 2R2 R3 − R22 R32
R55 = 1 − Q55 = 2R5 − R52
R678 = 1 − Q678 = 2R62 R72 R82 − R64 R74 R84
Výsledné RV sériového zapojení celé větve
RV
= R1 · R23 · R4 · R55 · R678 · R9 · R10
RV
= R1 R2 R3 R4 R5 R62 R72 R82 R9 R10 · (2 − R62 R72 R82 ) · (R5 − 2) · (R2 R3 − 2)
RV
= 2R1 R22 R32 R4 R52 R62 R72 R82 R9 R10 − 4R1 R2 R3 R4 R52 R62 R72 R82 R9 R10 −
−4R1 R22 R32 R4 R5 R62 R72 R82 R9 R10 + 8R1 R2 R3 R4 R5 R62 R72 R82 R9 R10 −
−R1 R22 R32 R4 R52 R64 R74 R84 R9 R10 + 2R1 R2 R3 R4 R52 R64 R74 R84 R9 R10 +
+2R1 R22 R32 R4 R5 R64 R74 R84 R9 R10 − 4R1 R2 R3 R4 R5 R64 R74 R84 R9 R10
Po dosazení časových závislostí Ri (t) = e−λi t popisující exponenciální zákon rozložení dostaneme
2
2
2
2
2
2
2
2
2
2
RV (t) = e−2(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t − e−4(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t −
2
2
2
2
2
2
2
2
−e−4(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t + e−8(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t −
2
2
2
4
4
4
2
4
4
4
−e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t + e−2(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t +
2
2
4
4
4
4
4
4
+e−2(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t − e−4(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t
2
2
2
2
2
2
2
2
2
2
RV (t) = 2e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t − 4e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t −
2
2
2
2
2
2
2
2
−4e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t + 8e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t −
2
2
2
4
4
4
2
4
4
4
−e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t + 2e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t +
2
2
4
4
4
4
4
4
+2e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t − 4e−(λ1 +λ2 +λ3 +λ4 +λ5 +λ6 +λ7 +λ8 +λ9 +λ10 )t
Nakonec určíme střední dobu bezporuchového provozu
Z
Ts =
∞
RV (t)dt
0
3.2
Volba senzorického podsystému
Ts =
7
2
−
λ1 + + + λ4 + + λ26 + λ27 + λ28 + λ9 + λ10
4
−
−
2
λ1 + λ2 + λ3 + λ4 + λ5 + λ26 + λ27 + λ28 + λ9 + λ10
4
+
−
2
2
λ1 + λ2 + λ3 + λ4 + λ5 + λ26 + λ27 + λ28 + λ9 + λ10
8
+
−
λ1 + λ2 + λ3 + λ4 + λ5 + λ26 + λ27 + λ28 + λ9 + λ10
1
+
−
2
2
2
λ1 + λ2 + λ3 + λ4 + λ5 + λ46 + λ47 + λ48 + λ9 + λ10
2
+
+
2
λ1 + λ2 + λ3 + λ4 + λ5 + λ46 + λ47 + λ48 + λ9 + λ10
2
+
−
2
2
λ1 + λ2 + λ3 + λ4 + λ5 + λ46 + λ47 + λ48 + λ9 + λ10
4
−
λ1 + λ2 + λ3 + λ4 + λ5 + λ46 + λ47 + λ48 + λ9 + λ10
λ22
λ23
λ25
Po dosazení středních dob do poruchy bychom měli spočítat výslednou střední dobu bezporuchového provozu. V praxi je ovšem nesnadné získat tyto parametry. Při jejich stanovení se lze
opírat o výrobní dokumentaci výrobců, o tabulkové hodnoty pro danou skupinu výrobků popřípadě o výsledky z životnostních zkoušek. Pro naše potřeby bude dostatečné stanovit nejslabší
prvky systému a přijmout taková opatření, aby byla zvýšena jejich spolehlivost.
Ze vztahu pro střední dobu do poruchy hybridního pohonu se jako málo spolehlivý prvek
(z hlediska velikosti mocniny) tváří spalovací motor, měnič DC / DC 23 V, měniče DC / DC a avioniky bezpilotního prostředku. U integrovaných elektronických prvků lze předpokládat velmi
nízkou λ, tudíž nám zůstává spalovací motor jako klíčový prvek hybridního pohonu.
Budeme-li požadovat přesnější výsledky, bude třeba aplikovat některou z metod citlivostní
analýzy na vztah pro střední dobu do poruchy hybridního pohonu a taktéž co nejpřesněji kvantifikovat střední dobu do poruchy všech prvků hybridního pohonu.
3.2
Volba senzorického podsystému
Pro potřeby aktivní diagnostiky je třeba mít detailní přehled o aktuálním stavu hlídaného
systému. K tomu slouží monitorovací systém hybridního pohonu. Přitom je kladen požadavek
na aplikovatelnost v reálných provozních podmínkách UAV. Monitorovací systém musí být konstrukčně co možná nejjednodušší a přitom velmi efektivní.
Předem nelze fundovaně stanovit, které veličiny jsou markery vznikající poruchy a jakou
váhu jim přiřadit. Proto je lépe při prvních měřeních sbírat i veličiny zdánlivě nesouvisející se
vznikajícími poruchami. Rozhodně by měly být měřeny následující veličiny:
• napětí,
• proud,
• teplota,
• otáčky.
Je možné, že během práce se ukáže potřeba měřit další z provozních veličin, monitorovací
systém by měl mít proto otevřenou architekturu. Jedním z možných přístupů je použití počítačové měřící karty v kombinaci se softwarem LabView. Vytvoření monitorovacího systému bude
pak jednoduché, rychlé a snadno modifikovatelné. Naměřená data budou moci snadno využívat
další programy.
8
3
DOSAŽENÉ VÝSLEDKY A POZNATKY
Protože měřící karty zpravidla měří jen napětí, bude třeba převést ostatní měřené veličiny
na napětí. Pro převod proud / napětí lze použít bočník nebo vhodněji Hallova čidla (např. CSA–
1V–SO). Senzor nebude součástí silového obvodu, takže při poruše čidla nedojde k rozpojení
měřené větve. Měřené teploty na dobře ochlazovaném hybridním pohonu by neměly překročit
150°C. Tyto teploty jsou v měřícím rozsahu běžných digitálních teploměrů jako např. ADT7301.
U hybridního pohonu zabudovaného do draku bezpilotního prostředku lze měřit otáčky pouze
u spalovacího motoru a alternátorů. K tomu lze s výhodou využít např. optické závory. Měření otáček elektromotorů, popř. samotné vrtule není realizovatelné na křídlech draku, proto se
pokusíme bez tohoto údaje obejít.
Podařilo se nám zkonstruovat vlastní sondu pro měření proudů podle doporučení výrobce.
Sonda se vloží do silového obvodu pomocí dvou montážních šroubů. Hallovo čidlo CSA–1V–
SO je uprostřed dvouvrstvé destičky plošného spoje. Přes čidlo je veden silový vodič. Touto
konstrukcí vznikají kolem Hallova čidla tři proudové (magnetické) smyčky, takže dochází ke
zvýšení citlivosti senzoru. Měřit lze protékaný proud v rozmezí od 2 do 20 A. Uspořádání sondy
je na obrázku 3.
Obr. 3: Zapojení Hallova čidla CSA–1V–SO a) horní pohled na desku plošného spoje; b) spodní
pohled na desku plošného spoje; c) prostorové uspořádání sondy
3.3
Sběrnice pro víceprocesorové systémy
V této kapitole jsou popsány a srovnány v současnosti používané sběrnice pro víceprocesorové
systémy. Každá sběrnice má své výhody a nevýhody, a proto je každá sběrnice vhodná pro jiný
úkol. Pro použití sběrnice v hybridním pohonu hledáme optimální sběrnici / rozhraní popisující
fyzickou a linkovou vrstvu. Protokoly vyšších vrstev pro komunikaci mezi uzly nevyužijeme.
Při rozhodování je taktéž důležité uvážit podporu výrobců a možnosti technologie směrem do
budoucnosti.
3.3
Sběrnice pro víceprocesorové systémy
9
Jako současně používané sběrnice jsme porovnávali následující:
• SMBus – System Managment Bus,
• SPIBus – Serial Peripheal Interface Bus,
• Sériová linka (RS-485),
• CANBus – Controller Area Network Bus.
3.3.1
SMBus – System Managment Bus
SMBus je obousměrná sběrnice kompatibilní se sběrnicí I 2 C. Sběrnice SMBus je typu řídící / podřízený. Na jedné sběrnici může být jeden či více řídících a podřízených uzlů, kdy každý
má svoji unikátní adresu a může být kontaktován kterýmkoliv jiným zařízením na sběrnici.
Všechny přenosy jsou iniciovány řídícím uzlem. Pokud je cílový uzel dosažitelný stává se tento
uzel podřízeným. Pokud dojde k současnému vysílání dvou a více uzlů dochází, k nedestruktivní
arbitráži a sběrnice je přidělena uzlu s vyšší prioritou.
Ke komunikaci v rámci sběrnice se používají dva vodiče. Jeden vodič slouží jako nositel sériových dat (SDA) a druhý jsou hodiny sloužící pro synchronizaci (SCL). Sběrnice je obousměrná,
směr závisí na stavu ve kterém se uzly nacházejí. Řídící uzel vždy vysílá hodiny pro synchronizaci, jakýkoliv uzel může vysílat data a přijímat data. Oba vodiče jsou připojeny přes odpory
na kladný pól. Všechny uzly připojené do sběrnice by měly být typu otevřený kolektor (OC).
Sběrnice je ve stavu nula, pokud alespoň jeden uzel vysílá nulu.
Obr. 4: Typická konfigurace SMBus
Rychlost sběrnice závisí na nejpomalejším uzlu sběrnice. Při použití mikroprocesorů
C8051F020/1/2/3 může přenosová rychlost dosahovat 1/8 systémových hodin. Při hodinové
frekvenci 25 MHz může dosahovat 3,125 Mb/s.
Výhody sběrnice:
• implementace přímo v některých mikroprocesorech,
• priority.
Nevýhody sběrnice:
• podřízený / řídící,
• nezabezpečený přenos.
10
3.3.2
3
DOSAŽENÉ VÝSLEDKY A POZNATKY
SPIBus – Serial Peripheal Interface Bus
SPIBus je obousměrná sériová synchronní sběrnice. Uzly SPIBusu mohou fungovat jako
řídící nebo jako podřízené. Sběrnice podporuje připojení více podřízených a řídících uzlů na
jedné sběrnici.
Sběrnice používá minimálně 4 vodiče. První vodič je Master Out / Slave In (MOSI) a slouží
pro sériový přenos dat od řídícího uzlu k podřízenému. Druhý vodič je Master In / Slave Out
(MISO) a slouží pro sériový přenos dat od podřízeného uzlu k řídícímu. Třetí vodič (SCK)
slouží pro synchronizaci, Master na něj vysílá hodiny. Ostatní vodiče jsou Node Slave Select
(NSS) a slouží pro výběr podřízeného uzlu. Každému podřízenému uzlu připadá jeden vodič
NSS.
Při použití procesorů C8051F020/1/2/3 může rychlost vysílání řídícího uzlu dosáhnout poloviny kmitočtu systémových hodin (12,5 Mb/s). Pokud je uzel podřízený může komunikovat
maximálně rychlostí 1/10 kmitočtu systémových hodin (2,5 Mb/s).
Obr. 5: Typická konfigurace SPI Bus
Výhody sběrnice:
• implementace přímo v některých mikroprocesorech.
Nevýhody sběrnice:
• podřízený/ / řídící,
• počet vodičů,
• nezabezpečený přenos.
3.3.3
Multiprocesorová komunikace pomocí sériové linky
Sériová asynchronní komunikace je definována standardem RS-232, RS-485. Napěťové úrovně
jsou:
• log. 0 = +3 až +15V
• log. 1 = -3 až -15V
V klidovém stavu je vždy na lince hodnota 1. Komunikace začíná start bitem, který je vždy
0. Potom následují datové bity (5 až 8 bitů). Na jejich konci může (ale nemusí) být paritní bit,
3.3
Sběrnice pro víceprocesorové systémy
11
dovolující přenos zabezpečit sudou nebo lichou paritou. Na závěr je přenesen stop bit (vždy 1),
jehož délka může být 1; 1,5 nebo 2 délky bitového intervalu. Propojením jednotlivých vodičů
(viz obr. 6) lze vytvořit sít nadřízený/ / podřízený.
Obr. 6: Propojení vodičů pro síť nadřízený / podřízený
Zpráva vysílaná na této sběrnici by měla obsahovat následující informace:
• adresa cílového zařízení,
• adresa zdrojového zařízení,
• data,
• zabezpečení.
Pokud chce vyslat některý z podřízených zprávu jinému podřízenému uzlu zprávu musí ji
nejprve předat nadřízenému a ten ji přepošle k cíli. Pokud chce nadřízený vyslat zprávu podřízenému nebo podřízený nadřízenému, zkontroluje zdali se zrovna na sběrnici nevysílá a zprávu
vyšle.
Výhody sběrnice:
• dokumentace,
• podpora výrobců,
• počet vodičů,
• zabezpečení.
Nevýhody sběrnice:
• chybí priority.
3.3.4
CANBus – Controller Area Network Bus
CANBus je sériový komunikační protokol vyvinutý firmou Bosch. Protokol zahrnuje první
a druhou vrstvu OSI–RM. Přístup na sběrnici je řízen pomocí priorit a nedestruktivní arbitráže. Libovolný uzel může vysílat či přijímat zprávy. Umožňuje detekci chyb, opakování chybných
zpráv a automatické odpojení poškozených uzlů. Protokol umožňuje filtrování zpráv. Při komunikaci je použito dvou vodičů, kdy první je CAN_L a druhý CAN_H. Zpráva obsahuje 11 bitový
nebo 29 bitový identifikátor a až 64 bitů dat. Protokol je tedy orientován na zaručený přenos
krátkých zpráv.
Maximální přenosová rychlost je 1 Mb/s při maximální délce 40 m. Se vzrůstající délkou klesá
přenosová rychlost. Při maximální délce 10 km dosahuje přenosová rychlost 5 kb/s.
12
3
DOSAŽENÉ VÝSLEDKY A POZNATKY
Obr. 7: Ukázka struktury sítě CAN dle ISO 11898
Výhody sběrnice:
• priority,
• odpojení poškozených uzlů,
• potvrzení přijetí zprávy,
• zabezpečení přenášených dat,
• implementace přímo v některých mikroprocesorech,
• podpora výrobců.
Nevýhody sběrnice:
• vyšší cena testovacího softwaru a hardwaru.
3.3.5
Porovnání používaných sběrnic
Porovnání sběrnic zahrnuje dosažitelnou přenosovou rychlost, typ sítě, použití priorit a zabezpečení přenosu. Sloupec přenosová rychlost informuje o používané rychlosti přenosu zpráv.
Sloupec typ sítě informuje o typu sítě. Sloupec priority ukazuje, zda sběrnice podporuje přenos
zpráv podle priorit. Sloupec zabezpečení zahrnuje zabezpečení proti vzniku chyb a potvrzování
zpráv.
3.4
Konstrukce měřícího modulu
Název
13
Přenosová rychlost
Typ sítě
Priority
Zabezpečení
přenosu
SMBus
až 3,125 Mb/s
podřízený / nadřízený
ano
ne
SPIBus
2,5 Mb/s
podřízený / nadřízený
ne
ne
Sériová linka dle použitých procesorů podřízený / nadřízený
ne
ano
CANBus
1 Mb/s
bod – bod
ano
ano
Po konzultacích a porovnáním vlastností výše uvedených sběrnic, jsem dospěl k názoru,
že optimální sběrnicí pro projekt hybridního pohonu je CANBus. Následující vlastnosti jsou
důležité při řízení letounu v situaci selhání některého z uzlů, byly proto důležitými faktory pro
výběr:
• systém priorit,
• potvrzení přijetí zprávy,
• odpojení chybného uzlu.
1. kanál
Hallova sonda
CSA-1V-SO
2. kanál
Hallova sonda
CSA-1V-SO
3. kanál
Hallova sonda
CSA-1V-SO
4. kanál
Napěťová
sonda
5. kanál
Napěťová
sonda
6. kanál
Napěťová
sonda
7. kanál
Měření otáček
8. kanál
Teplotní čidlo
ADT7301
SPI
9. kanál
Teplotní čidlo
ADT7301
SPI
I2C
Sběrnice I2C
Konstrukce měřícího modulu
Mikropočítač Atmel AVR
ATtiny 26
3.4
Obr. 8: Možné uspořádání měřícího modulu s jednochipovým mikropočítačem
Na palubě bezpilotního prostředku nebude pravděpodobně možné použít stejné měřící vybavení jako v laboratoři, neboť se neuvažuje o nasazení řídicího počítače s rozhraním PCMCIA
pro integraci měřící karty. Topologie musí být tedy odlišná. Budou použity stejné senzory elektrických a neelektrických veličin jako při experimentálních měřeních. Připojeny budou k jednochipovému mikropočítač s dostatečným množstvím A / D převodníků. Z tohoto pohledu se jeví
14
3
DOSAŽENÉ VÝSLEDKY A POZNATKY
jako velmi vhodný například mikropočítač společnosti Atmel AVR ATtiny 26. U něj lze využít až
jedenáct 10-bitových A / D převodníků. Komunikace s nadřízeným stupněm (vyhodnocovací jednotkou) bude probíhat po sběrnici CAN Bus. Snahou je provádět na jednom modulu co možná
nejvíce měření a současně vytvořit, pokud to bude jen trochu možné, jediný univerzální modul
pro všechny měřící body. Jedno z možných uspořádání měřícího modulu je na obrázku 8.
3.5
Princip degradace funkcí pomoci umělé neuronové sítě
Jednou z možností, jak se může systém se zvýšenou spolehlivostí vyrovnat se vzniklou poruchou, je degradace některé funkce. To znamená, že jsou potlačeny jisté vlastnosti systému na
úkor ostatních, ale s tím, že zařízení jako celek dále vykonává svoji primární funkci.
Jednou z možností, jak může řídicí systém reagovat na poruchu, je uložit toto chování do tabulky poruch. Lze si představit konstrukci takovéto tabulky pro jednu poruchu. U komplikovanějších systému vytváření této tabulky pro více poruch může být značně nepřehledné a zdlouhavé. V
ideálním případě by bylo třeba vytvořit tabulku pro 2N existujících stavů. Nutno podotknout, že
tento přístup řešení předpokládá, že všechny poruchy jsou na sobě nezávislé. Řešitelé se rozhodli
vyzkoušet pro degradaci funkcí hybridního pohonu umělou neuronovou síť.
Umělé neuronové sítě (UNS) se používají v řadě praktických úloh, které jsou charakteristické
tím, že zpracovávaná data mají mnohdy ne zcela jasnou interpretaci a je třeba z těchto dat
získat adekvátní informace. UNS mají praktické využití např. v lékařství pro stanovení diagnóz,
při řešení strojů, v bankovnictví pro odhad rizik investic, při predikcích kurzů, pro předpověď
počasí apod. K výhodám NS patří jejich schopnost úspěšně řešit řadu silně nelineárních problémů
a navíc mnohodimenzionálním prostoru.
Umělá neuronová síť je systém sestávající z výpočetních jednotek – neuronů, které jsou mezi
sebou vzájemně propojeny ohodnocenými váhami a tímto propojením a schopností adaptovat
tyto váhy (učit se) na základě trénovacích vzorů umožňují realizovat kvalitativně novou funkci
implicitně obsaženou v trénovacích datech a ty reprezentovat pomocí vah, také schopnost zevšeobecňování (generalizace) získaných poznatků, tedy schopnost správně reagovat i na neznámé
vstupy, na které nebyla neuronová síť naučena. Umělé neuronové sítě jsou inspirovány poznatky
z oblasti neurofyziologie, tedy funkcí neuronových buněk a mozku živých organismů. Podrobněji
se o UNS lze dočíst např. v [6], [7].
Tabulka degradace pro jednu poruchu
1
Spalovací m.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
2
3
Dynamo 1
Dynamo 2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
1
0
4
5
DC/DC 23VBaterie 1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
6
Baterie 2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
1
0
0
0
0
0
7
8
9
Motor 1
Motor 2
Motor 3
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
0
0
1
1
0
0
1
1
0
0
1
1
0
0
0
0
0
0
0
0
10
11
Motor 4 Ukončení
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
1
1
1
1
1
0
0
0
1
0
0
1
1
12
aterie
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1
1
13
14
15
16
17
18
Zapnout S.
Vypnout S.
Vypnout M1
Vypnout M2
Vypnout M3
Vypnout M4
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1
1
0
1
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
0
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
1
1
1
1
1
0
0
1
1
1
0
1
1
0
0
1
1
0
0
1
1
0
0
0
1
1
1
1
1
0
1
0
1
0
1
0
1
1
1
0
1
0
1
0
1
0
0
0
0
0
0
0
0
Obr. 9: Tabulka poruch UAV a možných řešení
3.5
Princip degradace funkcí pomoci umělé neuronové sítě
Model Summary Report (degradace_v03.sta)
Profile
Train Perf. Select Perf.
Index
1
RBF 2:2-11-8:8 0,633333
0,533333
2
RBF 4:4-11-8:8 0,333333
0,566667
3
RBF 5:5-11-8:8 0,733333
0,833333
4
RBF 7:7-11-8:8 0,916667
0,733333
5
RBF 9:9-10-8:8 0,933333
0,933333
6
RBF 9:9-12-8:8 0,983333
0,933333
7
RBF 9:9-11-8:8 0,983333
0,966667
8
MLP 10:10-39-8:8 1,000000
1,000000
9
MLP 10:10-49-8:8 1,000000
1,000000
10
MLP 10:10-55-8:8 1,000000
1,000000
11
MLP 10:10-84-8:8 1,000000
1,000000
12
MLP 10:10-90-8:8 1,000000
1,000000
13
MLP 10:10-101-8:8 1,000000
1,000000
14
MLP 10:10-128-8:8 1,000000
1,000000
15
MLP 10:10-140-8:8 1,000000
1,000000
Test Perf. Train Error Select Error
0,533333
1,529016
1,681161
0,433333
0,639723
0,618701
0,700000
0,468541
0,479394
0,933333
0,216489
0,260199
0,866667
0,181779
0,245532
0,933333
0,164359
0,206209
0,900000
0,160050
0,205225
1,000000
0,002107
0,002385
1,000000
0,001249
0,001189
1,000000
0,001323
0,001128
1,000000
0,000859
0,000987
1,000000
0,001197
0,000917
1,000000
0,000834
0,000860
1,000000
0,000931
0,000817
1,000000
0,000550
0,000472
15
Test Error
Training
Note Inputs Hidden(1) Hidden(2)
1,531951
KM,KN,PI
2
11
0
0,651395
KM,KN,PI
4
11
0
0,385227
KM,KN,PI
5
11
0
0,232855
KM,KN,PI
7
11
0
0,242853
KM,KN,PI
9
10
0
0,187803
KM,KN,PI
9
12
0
0,183936
KM,KN,PI
9
11
0
0,002708 BP100,CG20,CG20b
10
39
0
0,001333 BP100,CG20,CG18b
10
49
0
0,001354 BP100,CG20,CG15b
10
55
0
0,001091 BP100,CG20,CG16b
10
84
0
0,001738 BP100,CG20,CG18b
10
90
0
0,000916 BP100,CG20,CG14b
10
101
0
0,000898 BP100,CG20,CG15b
10
128
0
0,000461 BP100,CG19c,CG6b
10
140
0
Obr. 10: Tabulka s výsledky pro druhou fázi učení UNS
K rozhodnutí použít v řídicím systému UNS vedla především schopnost těchto sítí generalizace. Bude-li možné naučit UNS pouze na jednu vzniklou poruchu, pak při výskytu další poruchy
bude systém degradovat podle pravidel implicitně obsažených v samotném hybridním pohonu.
Byla sestavena tabulka (viz obr. 9), kde prvních deset sloupců představuje poruchu jednoho
z prvků hybridního pohonu. Sloupce 11 až 18 jsou pak možná řešení vzniklé situace. Je možné
nařídit let na baterie (sloupec 12), zakázat vypnutí spalovacího motoru (13), vypnout některý
z trakčních motorů (15 – 18) nebo nařídit ukončení mise (11) a pokusit se tak zachránit UAV.
Pro poruchu trakčních motorů bylo vyčerpáno všech šestnáct možností, neboť hledané řešení
vychází z potřeby vyvinout potřebný tah a tyto pravidla nelze jednoduše odvodit.
K práci s neuronovými sítěmi byl použit program společnosti StatSoft STATISTICA Neural
Networks disponující celou řadou funkcí pro práci s UNS [9]. Učení probíhalo ve dvou fázích.
V první fázi jsme hledali vhodnou topologii sítě, prověřili jsem tedy všechny typy dostupných
sítí. Velmi dobrých výsledků dosahovaly vícevrstvé perceptronové sítě (MLP) a RBF (Radial
Basis Function). V druhé fázi jsme prověřili téměř 2 500 sítí těchto typů. Při hledání vhodné sítě
je důležité, aby chyby na trénovacích datech, výběrových datech i na testovacích datech byly
přibližné stejné. Dosažené výsledky zachycuje obr. 10. Z ní je patrno, že nejnižší chyby a při tom
rovnováhy dosahuje poslední, patnáctá síť.
Pro další práci jsme vybrali poslední patnáctou UNS. Ta má deset vstupních neuronů, 140
neuronů ve skryté vrstvě a 8 výstupních neuronů obr. 12. K učení byl použit algoritmus zpětného
šíření (back propagation).
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Prediction (15 ) (overeni_v03.sta)
Spalovací Dynamo Dynamo DC/DC Baterie 1 Baterie 2 Motor 1 Motor 2 Motor 3 Motor 4 končení.1Baterie.15 Zapnout Vypnout Vypnout Vypnout Vypnout Vypnout
S..15
S..15
M1.15
M2.15
M3.15
M4.15
m.
1
2
23V
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
Obr. 11: Tabulka s výsledky pro druhou fázi učení UNS
16
4
VYUŽITÍ VÝSLEDKŮ PRO PRAXI A PRO DALŠÍ VÝZKUM
Profile : MLP 10:10-140-8:8 , Index = 15
Train Perf. = 1,000000 , Select Perf. = 1,000000 , Test Perf. = 1,000000
Obr. 12: Uspořádání UNS pro degradaci funkcí hybridního pohonu
Aby bylo možné ověřit generalizační vlastnosti námi naučení sítě, byl vytvořen druhý soubor
obsahující případy nepostihnuté trénovací množinou. Jak se lze přesvědčit z obr. 11, systém se
chová téměř podle našeho očekávání. V některých případech (např. řádek 21 - výpadek spalovacího motoru a jedné baterie) bychom spíše čekali vypnutí jednoho páru trakčních motoru na
místo letu na jeden motor. Toto je zajímavé řešení a nelze jej vyloučit jako nesmyslné. Spíše se
projevil jiný nedostatek UNS. V některých případech dochází k vydání povelu z vypnutí spalovacího motoru a současně k jeho zapnutí. Tuto chybu je možné potlačit přidáním logické funkce
za UNS nebo vytvořit nové pravidlo a přeučit neuronovou síť.
Jak je patrno z tohoto malého příkladu, použití umělé neuronové sítě pro princip degradace
poruchy je velmi vhodné. V tomto konkrétním případě by bylo třeba postihnout všech 1 024
možných stavů. Nám pro vytvoření řídicího systému postačila množina o 24 vzorech.
4
Využití výsledků pro praxi a pro další výzkum
Práce na projektu Vnitřní grantové agentury „Průběžná diagnostika hybridního pohonu
mobilního prostředku“ je začleněna do širšího konceptu výstavby bezpilotního prostředku v
rámci Projektu obranného výzkumu „Záznam II.“ Výsledky nabité během práce najdou své
uplatnění nejenom při konstrukci systému se zvýšenou spolehlivostí – hybridní pohon UAV,
ale je je možné globalizovat u na jiný mechatronický systém, kdy je žádoucí vysoká provozní
spolehlivost.
Zámyslem řešitelů je získané poznatky zveřejnit na mezinárodní konferenci Technická diagnostika – DIAGON 2005 a seznámit s nimi odbornou veřejnost. Existuje celá řada teoretických
prací pojednávajících o principech predikční (aktivní) diagnostiky, ale přesto se jen velmi pomalu
dostává do podvědomí konstruktéru.
17
Výstavba monitorovacího systému a posléze provedení experimentu s hybridním pohonem
je tématem disertační práce por. Křivánka. Navržené zařízení najde uplatnění právě při sběru
provozních veličin ze stendu hybridního pohonu.
5
Publikace a další aktivity
Spolupráce na projektu „Průběžná diagnostika hybridního pohonu mobilního prostředku“
se dělí na dvě oblasti. Jednak se jedná o problematiku aktivní diagnostiky a druhou oblastí je
výstavba modelu hybridního pohonu v laboratorních podmínkách.
Otázky spojené s volbou vhodných mechanismů a možnosti konkrétní realizace byly konzultovány s doc. Pelikánem z Akademie věd ČR, který se zabývá nelineárním modelováním a
výstavbou prediktorů na bázi neuronových sítí. Dalším významným počinem bylo absolvování
dvou školení na práci se statistickým softwarem „STATISTICA“, kde též byla objasněna práce
s umělými neuronovými sítěmi v tomto prostředí.
Při výstavbě stendu hybridního pohonu je nezbytná pomoc odborníků na mechaniku. Poděkování patří především Ing. Rozehnalovi za jeho entusiasmus, ochotu spolupracovat a velké
nasazení daleko převyšující rámec jeho pracovních povinností.
Průběžně byly výsledky práce na projektu VGA pudlikovány na dvou mezinárodních konferencích. Řešitelé plánují seznámit odbornou veřejnost se závěry grantového úkolu při první
možné příležitosti.
Publikace autorů mající vztah k řešenému úkolu:
(A) Křivánek, V. Aktivní diagnostika hybridního pohonu. Sborník konference IEEE Radešín
2004, s. 71 – 72. VUT FEI, 2004. ISBN 80–214–2726–4.
(B) Čeleda, P.; Křivánek, V. Automatizovaný systém sběru dat u bezpilotního prostředku. Sborník
technická diagnostika – DIAGON 2004, s. 116 – 120. UTB Zlín, 2004. ISBN 80–7318–195–9.
6
Přehled nákupů z přidělených finančních prostředků
Z přidělených finančních prostředků byl objednán následující materiál.
Položka 5 137 103, přiděleno 23 000 Kč
•
•
•
•
•
•
•
HP Scanjet 3970C, A4, USB, ATP, Q3191A#720,
Kouwell USB to USB laplink cable, KW585,
USB kabel prodlužovací typu A (M/F), 5m,CC-USB-AMAF-15,
Pretec 256MB SecureDigital Card, PCSD256,
Logitech QuickCam Pro 4000, 961326–0914.
Creative MuVo2 4GB, 70PD052300004.
Gigabyte Bluetooth Adapter, USB 1.1.
Položka 5 136 102, přiděleno 60 000 Kč
•
•
•
•
Halovy měřiče proudu,
Li–pol baterie,
Regulatory s rekuperaci MGM40/32-3S,
Motorgenerator AC22/45/3-E 2ks,
18
7
ZÁVĚR
• DVD+R, Retail Spindle, 4x, 4.7GB, 25ks,
• čistící CD–ROM pro laserové hlavy mechanik,
• domácí literatura:
Miller J. M.
Propulsion Systems for Hybrid Vehicles
Antoch Jaromír Statistica – základní přiručka
Tučková Jana
Úvod do teorie a aplikací umělých neuronových sítí
Položka 5 172 101, přiděleno 5 000 Kč
• AVG 7.0 ML, 5 licencí EDU,
• ACDSee, 1–4 licence,
• Total Commander CZ.
Položka 5 139 109, přiděleno 2 000 Kč
• Drobný kancelářský materiál spotřebního charakteru.
Dlužno podotknout, že tento materiál nebyl v průběhu 2004 dodán a některý nebude z prostředků VGA zakoupen nikdy.
7
Závěr
Přínos grantového úkolu „Průběžná diagnostika hybridního pohonu mobilního prostředku“
lze spatřovat především v návaznosti na disertační práci por. Křivánka. Byly vytvořeny technické
podmínky pro provedení experimentu s modelem hybridního pohonu.
K nezanedbatelnému výsledku patří, že se řešitelé pokusili odhadnout nejslabší místo v koncepci hybridního pohonu. Na této části by bylo ještě dobré do budoucna dál pracovat a pokusit
se kvantifikovat jednotlivé provozní charakteristiky systému. Po provedení experimentu s hybridním pohonem bude možné spočítané i naměřené hodnoty porovnat. O výsledky provozních
zkoušek projevily zájem i někteří výrobci.
Podařilo se navrhnout monitorovací systém hybridního pohonu, najít vhodné senzory
a odzkoušet jejich činnost. Zásadní význam pro další vývoj mělo zvládnutí bezkontaktního měření proudu. Tato technologie je pochopitelně dobře popsána, ale při realizaci řešitelé narazili na
řadu mechanických a technologických problému, o kterých se dokumentace nezmiňuje. Vytvoření
měřícího řetězce v prostředí LabView umožňuje modulárně zaměňovat prvky v monitorovacím
systému.
Řešitelé se detailně zabývali problematikou vhodné multiprocesorové sítě pro potřeby monitorovacího systému na palubě bezpilotního prostředku. Po důkladné analýze byla zvolena sběrnice
CAN Bus vyznačující se velkou spolehlivostí a možnosti přenosu zpráv i v zarušeném prostředí.
Pro potřeby měření byl nalezen vhodný procesor disponující velkým počtem A / D převodníků. Možná není navržené řešení ideální s ohledem na zvolená čidla, ale není problémem v budoucnosti nevyhovující senzor zaměnit za jiný.
Velmi zajímavých výsledků bylo dosaženo při aplikaci umělé neuronové sítě pro potřeby
aktivní diagnostiky. Využili jsme generalizačních schopností NS pro potřeby degradace funkcí
po poruše. Testovaný případ není nikterak složitý a člověk se v něm dokáže snadno orientovat.
Nastíněné mechanismy mají především své místo u systému svojí složitostí přesahující možnosti
lidské představivosti. Nicméně i aplikace na hybridní pohon se ukázala jako velmi vhodná se
schopností řešit i velmi nepravděpodobné kombinace poruch.
Řešitelé se domnívají, že dostáli svým závazkům uvedených v přihlášce ke grantu VGA.
Byly vyřešeny všechny body zadání a výsledky jsou uveřejněny v této Závěrečné zprávě o řešení
19
projektu VGA. Je neodpustitelnou chybou, že Vnitřní grantová agentura nedostála svým povinnostem, které jsou ustanoveny Statutem Vnitřní grantové agentury a byl schválen Akademickým
senátem a rektorem Vojenské akademie. I přes nepřízeň osudu se podařil nemalý kus práce, ve
které má své pokračování i v budoucnosti.
20
7
ZÁVĚR
Přílohy
22
A
Literatura
[1] Bureš, Z.; Čeleda, P.; Hrdlička, I.; Křivánek, V.; Mořkovský, T. Diagnostická ústředna –
automatizovaný systém sběru dat u bezpilotního prostředku. Výroční zpráva o řešení projektu
VGA, Vojenská akademie v Brně, 2003.
[2] Čeleda, P.; Křivánek, V. Automatizovaný systém sběru dat u bezpilotního prostředku. Sborník
technická diagnostika – DIAGON 2004, s. 116 – 120. UTB Zlín, 2004. ISBN 80–7318–195–9.
[3] Čeřovský, Z. a kol. Power Electronics in Automotive Hybrid Drives. Technical report, [online], poslední revize 2004–12–06 [cit. 2004–12–06], 2003. URL: <bozek.cvut.cz/groups/
publications/2002/k314-EPE-PEMC.pdf>.
[4] Janoušek, I.; Kozák, J.; Taraba, O. Technická diagnostika. SNTL Praha, 1988.
[5] Křivánek, V. Aktivní diagnostika hybridního pohonu. Sborník konference IEEE Radešín
2004, s. 71 – 72. VUT FEI, 2004. ISBN 80–214–2726–4.
[6] Mařík, M. a kol. Umělá inteligence (4). ACADEMIA, Praha 2003,. ISBN 80–200–1044–0.
[7] Novák, M. a kol. Umělé neuronové sítě: teorie a aplikace. C. H. Beck, Praha 1998. ISBN
80–7179–132–6.
[8] Přenosil, V. Predikční diagnostika. Disertační práce, Vojenská akademie v Brně, 1998.
[9] STATISTICA Neuronové sítě. StatSoft, [online], poslední revize 2004–11–28 [cit. 2004–11–
28]. URL: <http://statsoft.cz>.
23
B
Seznam zkratek
CAN
DPS
IEEE
JM
JTAG
NS
SPI
SPS
UART
UAV
UNS
VGA
Controller Area Network
Deska Plošných Spojů
Institute of Electrical and Electronics Engineers
Jednočipový Mikropočítač
Joint Test Action Group
Neuronová síť
Serial Peripheral Interface
Standard Positioning Service
Universal Asynchronous Receiver / Transmitter
létající bezpilotní prostředek (angl. Unmanned Aerial Vehicle)
Umělá neurová síť
Vnitřní grantová agentura
24
C
C
VÝTAH Z GRANTOVÉ PŘIHLÁŠKY
Výtah z grantové přihlášky
Základní list A
PŘIHLÁŠKA O VNITŘNÍ GRANT VA
Rok
Ev. číslo
01 Název navrhovaného projektu:
Průběžná diagnostika hybridního pohonu mobilního prostředku
02 Uchazeč:
por. Ing. Václav Křivánek
03 Pracoviště (telefon):
K-301 / 442288
04 Garant projektu:
05 Pracoviště (telefon):
doc. Ing. Zbyněk Růžička CSc.
K-301 / 442645
06
•
•
08
07 Číslo oborové rady:
Počet účastníků:
tvůrčí (doktorandi): 1
ostatní:
1
Doba trvání: 1 rok
09 Termín zahájení: 1. 1. 2004
10 Podstata navrhovaného projektu (stručné shrnutí):
Volba senzorického systému s vhodnou součástkovou základnou s vazbou na řídicí systém diagnostiky.
Výběr optimální sběrnice pro elektricky zarušená prostředí. Měření a sběr elektrických a neelektrických veličin
u hybridního pohonu. Následná separace, validace a estimace naměřených vstupních hodnot. Předcházení
havarijním stavům.
11 Klíčová slova projektu (3):
Diagnostika hybridního pohonu; sběr dat, predikce chování.
12 Jmenný seznam dalších spoluuchazečů :
npor. Ing. Zbyněk Bureš
13 Podpis uchazeče:
por. Ing. Václav Křivánek
14 Datum:
17. 10. 2003
15 Podpis garanta projektu:
doc. Ing. Zbyněk Růžička CSc
16 Datum:
17. 10. 2003
17 Došlo:
18 Počet listů:
A:
B:
C:
D:
E:
F:
G:
H:
[Σ:
]
19 Vráceno:
Příloha B
PODROBNÉ ZDŮVODNĚNÍ NÁVRHU PROJEKTU
Ev. číslo
Jednotlivé odstavce obsahově vymezit a pojmenovat takto:
01 Formulace cílů projektu
02 Shrnutí současného stavu
03 Literární a jiné reference (dle ČSN 01 01 97 z roku 1996)
Poznámka: Psát volnou formou max. 3 strany.
Formulace cílů projektu
Operační nasazení soudobých mobilních autonomních prostředků nejvíce ovlivňuje palubní
zdroj energie. Snahou konstruktérů je snížit hmotnost a rozměry elektrických zdrojů při
současném nárůstu jejich kapacity a době používání. Pokrok v této oblasti přinášejí nové typy
baterií založených na progresivních technologiích, případně palivové články.
Diametrálně jiné vlastnosti do této oblasti vnáší nasazení hybridních pohonů, kde jsou
skloubeny výhody spalovacích motorů a elektromotorů. Takovýto pohon je vyvíjen ve spolupráci
s katedrou K-316 Katedrou letadel a motorů. Jedná se o spojení malého spalovacího motoru
s alternátorem, který vyrábí elektrický proud. Ten je nejprve usměrňován a následně upravován
tak, aby napájel užitečná zařízení autonomního prostředku a aby dobíjel baterie pokrývající
spotřebu energie při výpadku spalovacího motoru či ve chvílích, kdy spalovací motor nelze použít.
Obr.1: Blokové schéma hybridního pohonu
Tento projekt navazuje na projekt POV - Záznam II. Hybridní pohon bude použit na palubě
vyvíjeného bezpilotního prostředku (angl. UAV), kde bude zajišťovat dodávky elektrického proudu
do palubní sítě. Z ní bude napájena celá avionika, servopohony a čtyři elektromotory zajišťující
vlastní pohon UAV.
Mým záměrem je na vyvíjený hybridní pohon aplikovat poznatky z oblasti zvyšování
spolehlivosti a diagnostiky získané během interního doktorského studia. Chci navrhnout
a optimalizovat místa sběru, způsob naměření provozních veličin tak, aby diagnostický systém
měl komplexní přehled o celém systému a přitom nedocházelo ke zbytečné redundanci senzorů.
Především se jedná o zjišťování velikosti protékajících proudů, velikosti napětí a teploty klíčových
prvků pohonu. Měřená data budou po vhodné sběrnici shromažďována do řídícího procesoru
diagnostiky. Tato data budou archivována (poslouží pro poletovou diagnostiku), ale především
jsou určena pro aktivní sledování chování systému. Snahou je předejít krizovým stavům
hybridního pohonu, jež přímo ovlivňují pravděpodobnost splnění mise UAV.
Měřením vhodných parametrů lze docílit efektivního čerpání elektrické energie (angl. power
management) a optimálního zacházení s bateriemi na palubě (angl. battery management).
Nalezne-li diagnostický systém poruchu hybridního pohonu zpraví o ni řídící počítač bezpilotního
prostředku, navrhne vlastní řešení. Jako příklad může posloužit vypovězení funkce jednoho
z hnacích elektromotorů, diagnostický systém poruchu odhalí a předá o ni informaci řídícímu
počítači UAV. Je na volbě vhodné strategie, zda bude vypnut motor symetricky na opačné straně
či se adekvátně sníží tah motorů protilehlé strany.
Projekt směřuje do odborné problematiky, která je předmětem mé disertační práce. Cílem práce
je získat praktické zkušenosti při návrhu systémů s integrovanou aktivní diagnostikou. Závěry
projektu budou publikovány v celostátním periodiku.
Shrnutí současného stavu
Dosavadní přístup k řešení diagnostiky vychází z filosofie sledování provozního času, plánování
a provádění pravidelných profylaktických kontrol různého stupně (pravidelné údržby) podle
předpisu daného výrobcem a případně upřesněného provozovatelem. K zjišťování technického
stavu slouží různé technické prostředky, které jsou součástí technického vybavení prostředku
nebo externí testery. V podstatě existují dva základní diagnostické přístupy. První určuje zda
systém je bezchybný či zda se v něm vyskytuje porucha (tzv. identifikace bezporuchového stavu).
Druhý přístup si klade za cíl lokalizovat případnou poruchu (v tomto případě hovoříme
o lokalizačním testování technického systému). Ve většině případů se však nejedná
o jednoznačné úlohy, protože i poruchy mají různé vlastnosti a ty vnášejí do úlohy diagnostiky
technického systému značný moment neurčitosti.
Snahou konstruktérů moderních technických systémů je jednak omezit pravděpodobnost vzniku
poruchy a jednak omezit vliv poruchy na práceschopnost technického systému. Klasické postupy
jak omezit výskyt a vliv poruch spočívají v pasivním nebo aktivním ovlivňování provozuschopnosti
systému.
Pasivní metody předpokládají aplikaci vysoce spolehlivých konstrukčních prvků a materiálů při
konstrukci systému. Používají ověřené, v současné době často normalizované, metody řízení
kvality ve výrobě, v neposlední řadě vyžadují kvalifikovanou a kvalitní údržbu. Používají postupy
předimenzování, prověřování kvality konstrukčních prvků a případně celého systému v různých
fázích výroby a u náročnějších aplikací obsahují také rozpracovaný systém údržby. Zvláště
u náročnějších technických systémů se stanovují meze životnosti jednotlivých konstrukčních prvků
systému. Po překročení mezí životnosti jsou v rámci údržby tyto konstrukční prvky nahrazovány
prvky novými. Nejčastěji používanou mezí životnosti bývá doba provozu. Jako meze životnosti
však mohou sloužit i jiné parametry a to v závislosti na fyzikální podstatě činnosti konstrukčního
prvku, na použitých konstrukčních materiálech atd. a může mezi ně například patřit doba
skladování, počet pracovních cyklů, stupeň provozního přetížení aj.
Aktivní metody zvyšování provozuschopnosti technických systémů výše uvedené postupy
rozšiřují o mechanismy aktivní reakce na chyby a poruchy uplatněním principů regenerace
systému, rekonfigurace systému či degradace funkcí systému. Aktivní metody vyžadují
implementaci dodatečných technických komponent a zavedení podpůrných organizačních,
případně provozních opatření, která jednak zvyšují počet konstrukčních prvků systému a jednak
množství vlivů na systém. Technické komponenty realizují tzv. průběžnou diagnostiku, která dává
informace o chování jednotlivých bloků technického systému. Tento celý komplex dodatečných
technických a organizačních opatření ve svém důsledku ovlivňuje celkovou pravděpodobnost
bezporuchového provozu systému a ovlivňuje ekonomické charakteristiky systému jako celku. Je
zřejmé, že implementace aktivních principů zvýšení provozuschopnosti vyžaduje spolehlivostní
analýzu systému, která by měla dát odpověď na otázky vyváženosti ekonomických,
spolehlivostních a jiných charakteristik a parametrů kladených na systém.
Obě skupiny metod zvyšování provozuschopnosti systému charakterizují dvě základní
vlastnosti:
¾ snaha předcházet poruchám údržbou,
¾ reakce až na již vzniklé poruchy.
Intervaly údržby jsou voleny tak, aby bylo možno zaměnit konstrukční prvky, jejichž pracovní
zatížení se již blíží mezi životnosti nebo ji již překročilo (s předem definovanou rezervou). Toto je
základní mechanismus dosažení požadované pravděpodobnosti bezporuchového provozu.
Během údržby je kontrolován stav konstrukčních prvků a jsou prováděny jejich výměny jestliže
jejich pracovní zatížení dosáhlo většinou předpisy stanovené meze životnosti. U systémů
s implementovanou aktivní metodou zvýšení spolehlivosti je možno navíc věnovat pozornost
konstrukčnímu prvku, jenž vyvolal aktivitu prostředků regenerace, rekonfigurace nebo degradace.
Pro zvýšení účinnosti diagnostiky technických systémů je možno použít monitorování činnosti
technického systému, což představuje záznam vybrané skupiny, případně všech provozních
parametrů a v případě implementace průběžné diagnostiky, také záznam chybových hlášení. Tato
množina informací tvoří z hlediska teorie systémů komplexní stavovou informaci. Monitorovaná
data se ukládají do záznamníku (černé skříňky). Na základě těchto záznamů je možné provádět
rekonstrukce a vyhodnocování chování technického systému z nejrůznějších důvodů zajímavých
nebo krizových situacích provozu technického systému.
V Armádě České republiky je vyvíjen a provozován jediný bezpilotní prostředek pod označením
SOJKA. U tohoto prostředku je pohonná jednotka tvořena jedním spalovacím motorem, kde
monitorování činnosti a diagnostika jeho funkce není tak náročné jako u předkládaného projektu.
Nelze se tudíž ani opřít o zkušenosti získaných při konstrukci systému SOJKA. Lze tedy
konstatovat, že myšlenka aplikovat hybridní pohon s průběžnou diagnostikou na bezpilotní
prostředek v prostředí AČR je nová a s jejím řešením nejsou konkrétní zkušenosti.
Literární a jiné reference
Závěrečné a průběžné výzkumné zprávy
1) PŘENOSIL, V.: “Hybridní systémy se zvýšenou spolehlivostí”. Konference DIAGNOSTIKA’98, 15. až 17. září
1998, VA v Brně. Sborník konference str. 165 - 173.
2) PŘENOSIL, V.: - Technické systémy se zvýšenou spolehlivostí. Konference DIAGNOSTIKA’97, 30. září až
1. října 1997, VA v Brně. Sborník konference str. 53 - 60.
3) PŘENOSIL, V.: - “Zvýšení účinnosti diagnostického systému letounů používaných letectvem AČR”.
Konference k “5. výročí obnovení Fakulty letectva a protivzdušné obrany na Vojenské akademii v Brně”, 17. až
18. června 1999, VA v Brně. Sborník konference str. 169-176.
4) PŘENOSIL, V.- MUSÍLEK, P.: - Error Prediction in Large Electronic System by Neural Networks. Konference INTERNATIONAL SYMPOSIUM ON FORECASTING (ISF-94), Stockholm School of Economics Stockholm,
Stockholm, Švédsko. June 12 - 15, 1994, str. 125.
5) PŘENOSIL, V. - MUSÍLEK, P.: - Neural Network as a Diagnostic Tool of the Ultra Reliable Systems.
Konference - INTERNATIONAL SYMPOSIUM ON FORECASTING (ISF-95), The Sheraton Centre Toronto,
Toronto, Canada. June 4-7, 1995, str 90.
6) PŘENOSIL, V.: - Reconfiguration Control of the Technical systems by Neural Networks. THE 5th AICRAFT
AND HELICOPTERS DIAGNOSTIC - AIRDIAG’97, Warsawa, Poland, December 11 - 12, 1997, str 143-152.
7) PŘENOSIL, V., FÁBER, J., NOVÁK, M.: -“Prediction of Micro-Sleeps Based on Thalamo-Cortical Oscilation”.
Konference - ITEC 2001, Lille, Francie, 24.-27. dubna 2001.
8) PŘENOSIL, V. - MUSÍLEK, P.: Interaktivní záznamník dat pro letoun SU-22M4. Konference CATE-95. Sborník
konference, sekce č. 3, str. 125-129.
VOJENSKÁ AKADEMIE, VĚDECKÉ ODDĚLENÍ, KOUNICOVA 65, 612 00 BRNO
Příloha H
STANOVISKO OPONENTA KE GRANTOVÉMU PROJEKTU
Ev. číslo
OPONENT (hodnost, jméno, příjmení, tituly, pracoviště):
POKYNY PRO VYJÁDŘENÍ STANOVISKA OPONENTA:
1. Přednosti a nedostatky předloženého návrhu projektu vyjádřit objektivně a kriticky, stručně a výstižně,
připomínky a doporučení pro navrhovatele formulovat přesně.
2. V předtištěném dotazníku je potřebné odpovědět na všechny uvedené otázky a v případě nedostatku
místa pro slovní hodnocení lze využít volnou stránku.
3. Stanovisko oponenta zaslat odesilateli neprodleně zpět nebo do 7 dnů oznámit, že nelze stanovisko
vypracovat.
4. Současně se stanoviskem zaslat vyplněný tiskopis dohody o finančním vypořádání za provedenou práci.
5. Doporučené materiály jsou důvěrné a jejich předávání třetím osobám nebo pořizování kopií je
přestupkem proti všem zásadám etiky vědeckého bádání.
6. A je nejvyšší a E je nejnižší hodnocení při rovnoměrném rozložením, N značí, že nelze hodnotit.
01 DOTAZNÍK:
VĚDECKÁ HODNOTA PROJEKTU:
1. Správnost vyjádření koncepční ujasněnosti a metodické
propracovanosti navrhovaného projektu ve formulaci jeho cílů:
2. Shrnutí současného stavu vyjadřuje správně realitu při zařazení
projektu do širšího tématického okruhu:
3. Správnost formulování podmínek pro realizaci projektu:
4. Úroveň literárních a dalších referencí ke zdůvodnění
5. Závažnost vědeckého záměru:
6. Originalita projektu:
7. Novost myšlenek při řešení projektu:
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
A
B
C
D
E
N
PRAKTICKÉ ASPEKTY PROJEKTU:
8.
9.
10.
11.
Přiměřenost cílů, stanovených pro 1. rok řešení:
Vhodnost navrhovaného využití grantových prostředků:
Přiměřenost požadovaného finančního zabezpečení grantu:
Přiměřenost dalších nákladů:
PODPŮRNÉ OKOLNOSTI:
12.
13.
14.
15.
Projekt je součástí širšího vědeckého záměru ….…..
Možnost spolupráce domácí a zahraniční ……………
Společenský význam projektu …………………………
Význam pro výchovu studentů a doktorandů ………...
CELKEM:
Václav Křivánek a kolektiv
Závěrečná zpráva o řešení projektu VGA
Průběžná diagnostika hybridního pohonu
Grafická úprava a sazba
Pavel Čeleda, Václav Křivánek
Univerzita obrany, Kounicova 65, 612 00 Brno.
www: http://www.unob.cz e-mail: [email protected]
Sazba programem LATEX 2ε . Neprošlo jazykovou úpravou.
V Brně 2004, počet stran 38.