Технология адаптивного контроля начала скрытого периода аварий объектов

В настоящее время число неожиданных аварий в значительной степени зависит от квалификации персонала, который на основе накопленного опыта и полученной информации от систем контроля интуитивно определяет текущее техническое состояние объекта и начало возможных аварий. Иногда их решение оказывается запоздалым, и происходят аварии в результате возникновения и развития различных неисправностей. В это время объекты переходят в скрытой период аварийного состояния, появляются помехи, коррелированные с контролируемым сигналом. При этом в зависимости от характера неисправности изменяется динамика протекания технологических процессов, под влияниям чего также изменяются спектры полезных сигналов и помехи. Согласно традиционном технологиям помехи фильтрируются. Из-за этого вносится дополнительная погрешность в результат анализа сигналов, и теряется важная диагностическая информация. Для решения задач контроля начала скрытого периода аварий в качестве информативного признака предлагается использовать оценку взаимнокорреляционной функции между полезным сигналом и помехой с применением технологии адаптивной дискретизации анализируемых сигналов. Для обеспечения адекватности результатов контроля формируется информация о начале скрытого периода аварий, которая позволяет мастеру определить время начала скрытого периода аварий с достаточной надежностью.

1. Aliev T. A. Noise control of the Beginning and Development Dynamics of Accidents, New York, Springer, 2019, 201 p., doi: 10.1007/978-3-030-12512-7.

2. Aliev T. A., Guluyev G. A., Pashayev F. H. et al. Noise monitoring technology for objects in transition to the emergency state. Mechanical Systems and Signal Processing, 2012, vol. 27, pp. 755—762, doi: 10.1016/j.ymssp.2011.09.005.

3. Aliev T. A., Alizada T. A., Rzayeva N. E. et al. Noise technologies and systems for monitoring the beginning of the latent period of accidents on fixed platforms. Mechanical Systems and Signal Processing, 2017, vol. 87, pp. 111—123, doi: 10.1016/j.ymssp.2016.10.014.

4. Aliev T. A., Rzayev A. H., Guluyev G. A. et al. Robust technology and system for management of sucker rod pumping units in oil wells. Mechanical Systems and Signal Processing, 2018, vol. 99, pp. 47—56, doi: 10.1016/j.ymssp.2017.06.010.

5. Aliev T. A., Guluyev G. A., Rzayev A. H., Pashayev F. H. Technologies and system for signaling the beginning of accidents on drilling rigs based on the wattmeter charts of their electric motors, Oil and Gas Wells — Recent Advances in Drilling and Completion Technologies, pp. 87—103, doi: 10.5772/intechopen.111666.

6. Aliev T. A., Musaeva N. F., Babayev T. A. et al. Technologies and intelligent systems for adaptive vibration control in rail transport. Transport Problems: An International Scientific Journal, 2022, vol. 17, iss. 3, pp. 31—38, doi: 10.20858/tp.2022.17.3.03.

7. Aliev T. A., Rzayeva N. E., Sattarova U. E. Robust correlation technology for online monitoring of changes in the state of the heart by means of laptops and smartphones, Biomedical Signal Processing and Control, 2017, vol. 31, pp. 44—51, doi: 10.1016/j.bspc.2016.06.015.

8. Aliev T. A., Alizada T. A., Rzayeva N. E. Noise control of heart by means of a smartphone, Saarbr@cken, Lambert Academic Publishing, 2012, 156 p.

9. Aliev T. A., Guluyev G. A., Pashayev F. H. et al. Intelligent seismic-acoustic system for identifying the location of the areas of an expected earthquake. Journal of Geoscience and Environment Protection, 2016, vol. 4, no. 4, pp. 147—162, doi: 10.4236/gep.2016.44018.

10. Aliev T. A., Abbasov A. M., Guluyev G. A. et al. System of robust noise monitoring of anomalous seismic processes, Soil Dynamics and Earthquake Engineering, 2013, vol. 53, pp. 11—25, doi: 10.1016/j.soildyn.2012.12.013.

11. Aliev T. A., Abbasov A. M., Aliev E. R. et al. Digital technology and systems for generating and analyzing information from deep strata of the earth for the purpose of interference monitoring of the technical state of major structures, Automatic Control and Computer Sciences, 2007, vol. 41, no. 2, pp. 59—67, doi: 10.3103/S0146411607020010.

12. Aliev T. A. Intelligent seismic-acoustic system for identifying the area of the focus of an expected earthquake, Taher Zouaghi (ed) Earthquakes: Tectonics, Hazard and Risk Mitigation, London, Intech, 2017, pp. 293—315, doi: 10.5772/65403.

13. Aliev T. A., Abbasov A. M., Mamedova G. G. et al. Technologies for noise monitoring of abnormal seismic processe, Seismic Instruments, 2013, vol. 49, no. 1, pp. 64—80, doi: 10.3103/S0747923913010015.

14. Aliev T. A., Aliev E. R. Multichannel telemetric system for seismo-acoustic signal interference monitoring of earthquakes, Automatic Control and Computer Sciences, 2008, vol. 42, no. 4, pp. 223—228, doi: 10.3103/S0146411608040093.

15. Aliev T. A, Mammadova A. I. Principle of Construction of Analog-to-Digital Converters with Adaptive Determination of Sampling Interval of Analyzed Signals Mekhatronika, Avtomatizatsiya, Upravlenie, 2024, vol.25, no.8, pp. 401—406, doi: 10.17587/mau.25.401-406.

16. Fasel T. R., Todd M. D..Chaotic insonification for health monitoring of an adhesively bonded composite stiffened panel, Mechanical Systems and Signal Processing, 2010, vol. 24, no. 5, pp. 1420—1430.

17. Tang H., Liao Y. H., Cao J. Y., Xie H. Fault diagnosis approach based on Volterra models, Mechanical Systems and Signal Processing, 2010, vol. 24, no. 4, pp. 1099—1113, doi: 10.1016/j.ymssp.2009.09.001.

18. Dong G., Chen P. The vibration characteristics of drillstring with positive displacement motor in compound drilling. Part1: Dynamical modelling and monitoring validation, International Journal of Hydrogen Energy, 2018, vol. 43, no. 5, pp. 2890—2902, doi: 10.1016/j.ijhydene.2017.12.161.

19. Ghasemloonia A., Rideout D. G., Butt S. D. A review of drillstring vibration modeling and suppression methods, Journal of Petroleum Science and Engineering, 2015, vol. 131, pp. 150—164, doi: 10.1016/j.petrol.2015.04.030.

20. Rakus-Andersson E. Fuzzy and Rough Techniques in Medical Diagnosis and Medication, Berlin, Heidelberg, Springer, 2007, 212 p., doi: 10.1007/978-3-540-49708-0.

21. Hoover A., Singh A., Fishel-Brown S. et al. Real-time detection of workload changes using heart rate variability, Biomedical Signal Processing and Control, 2012, vol. 7, no. 4, pp. 333—341, doi: 10.1016/j.bspc.2011.07.004.

22. García C. A., Otero A., Vila X. et al. A new algorithm for wavelet-based heart rate variability analysis, Biomedical Signal Processing and Control, 2013, vol. 8, no. 6, pp. 542—550, doi: 10.1016/j.bspc.2013.05.006.

23. Kanamori H., Brodsky E. The physics of earthquakes, Reports on Progress in Physics, 2004, vol. 67, no. 8, pp. 1429—1496, doi: 10.1088/0034-4885/67/8/R03.

24. Tothong P., Cornell C. A. An empirical ground-motion attenuation relation for inelastic spectral displacement, Bulletin of the Seismological Society of America, 2006, vol. 96, no. 6, pp. 2146—2164, doi: 10.1785/0120060018.

25. Ghahari S. F., Jahankhah H., Ghannad M. A. Study on elastic response of structures to near-fault ground motions through record decomposition, Soil Dynamics and Earthquake Engineering, 2010, vol. 30, no. 7, pp. 536—546, doi: 10.1016/j.soildyn.2010.01.009.

26. Boore D. M., Bommer J. J. Processing of strong-motion accelerograms: needs, options and consequences, Soil Dynamics and Earthquake Engineering, 2005, vol. 25, no. 2, pp. 93—115, doi: 10.1016/j.soildyn.2004.10.007.

27. Galiana-Merino J. J., Parolai S., Rosa-Herranz J. Seismic wave characterization using complex trace analysis in the stationary wavelet packet domain, Soil Dynamics and Earthquake Engineering, 2011, vol. 31, no. 11, pp. 1565—1578, doi: 10.1016/j.soildyn.2011.06.009.

28. Yee E., Stewart J. P., Schoenberg F. P. Characterization and utilization of noisy displacement signals from simple shear device using linear and kernel regression methods, Soil Dynamics and Earthquake Engineering, 2011, vol. 31, no. 1, pp. 25—32, doi: 10.1016/j.soildyn.2010.07.011.