Помощь студентам в учебе
БЛОК САМОДИАГНОСТИКИ ИНТЕЛЛЕКТУАЛЬНОГО ДАТЧИКА ДАВЛЕНИЯ
|
АННОТАЦИЯ 2
ВВЕДЕНИЕ 6
1 МЕТОДЫ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ ДАТЧИКА ДАВЛЕНИЯ ... 10
1.1 Описание видов технических состояний и анализ причин отказов
(неисправностей) преобразователей давления 10
1.2 Самодиагностика средств измерений 22
1.3 Сравнительный анализ методов диагностики 25
1.4 Теоретическое обоснование, область применимости и условия работы
выбранного метода диагностики 34
1.4.1 Обоснование метода 34
1.4.2 Методы обработки сигналов 35
1.4.3 Метод матричных пучков 37
1.4.4 Численный эксперимент 43
1.4.5 Экспериментальные исследования 45
2 БЛОК САМОДИАГНОСТИКИ 47
2.1 Микроконтроллер 47
2.1.1 Выбор микроконтроллера 47
2.1.2 Питание микроконтроллера 50
2.2 Программирование микроконтроллера 52
2.2.1 Конфигурация периферии микроконтроллера 53
2.2.2 Настройка USART3 53
2.2.3 Настройка АЦП 54
2.2.4 Описание программы 56
2.3 Радиомодуль 57
3 БАЗА ДАННЫХ 60
3.1 Модель сущность-связь 60
3.2 Физическое проектирование базы данных 61
3.3 Описание функций для работы с базой данных 62
4 ГРАФИЧЕСКОЕ ПРИЛОЖЕНИЕ 63
ЗАКЛЮЧЕНИЕ 65
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 66
ПРИЛОЖЕНИЯ 74
ПРИЛОЖЕНИЕ A 74
ПРИЛОЖЕНИЕ Б 79
ВВЕДЕНИЕ 6
1 МЕТОДЫ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ ДАТЧИКА ДАВЛЕНИЯ ... 10
1.1 Описание видов технических состояний и анализ причин отказов
(неисправностей) преобразователей давления 10
1.2 Самодиагностика средств измерений 22
1.3 Сравнительный анализ методов диагностики 25
1.4 Теоретическое обоснование, область применимости и условия работы
выбранного метода диагностики 34
1.4.1 Обоснование метода 34
1.4.2 Методы обработки сигналов 35
1.4.3 Метод матричных пучков 37
1.4.4 Численный эксперимент 43
1.4.5 Экспериментальные исследования 45
2 БЛОК САМОДИАГНОСТИКИ 47
2.1 Микроконтроллер 47
2.1.1 Выбор микроконтроллера 47
2.1.2 Питание микроконтроллера 50
2.2 Программирование микроконтроллера 52
2.2.1 Конфигурация периферии микроконтроллера 53
2.2.2 Настройка USART3 53
2.2.3 Настройка АЦП 54
2.2.4 Описание программы 56
2.3 Радиомодуль 57
3 БАЗА ДАННЫХ 60
3.1 Модель сущность-связь 60
3.2 Физическое проектирование базы данных 61
3.3 Описание функций для работы с базой данных 62
4 ГРАФИЧЕСКОЕ ПРИЛОЖЕНИЕ 63
ЗАКЛЮЧЕНИЕ 65
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 66
ПРИЛОЖЕНИЯ 74
ПРИЛОЖЕНИЕ A 74
ПРИЛОЖЕНИЕ Б 79
В мире наращивает обороты четвертая промышленная революция [1], она опирается на быстрое развитие и проникновение принципиально новых технологий в различные сферы производства:
- анализ больших данных (big data [2]) - анализ структурированных и неструктурированных данных больших объемов, которые постоянно обновляются (правило трех V [3]) для получения экономической, технической и др. выгоды;
- облачные вычисления (cloud computing [2]) - модель удобного сетевого доступа к фонду вычислительных ресурсов, оперативно предоставляемые с минимальными эксплуатационными затратами;
- дополненная реальность (augmented reality [4]) - технология наложения виртуальных объектов на реальность и их комбинирование;
- промышленный интернет-вещей ([5]) - система объединённых компьютерной сетью объектов, а также и сама компьютерная сеть, датчики и программное обеспечение для сбора и обмена данными, предназначенная для управления и мониторинга технологического процессом в автоматизированном или автоматическом режиме без участия человека;
- и др.
Выше приведен лишь неполный список технологий используемый в рамках четвертой промышленной революции. Данные технологии при правильном внедрении дают существенный экономических эффект, поэтому многие странны поддерживают научные направления, связанные с указанными технологиями, в том числе и Россия. В рамках стратегии научно-технического развития Российской Федерации [6] были определенны приоритетные научные направления, одним из них на ближайшие пятнадцать лет является переход к передовым цифровым, интеллектуальным производственным технологиям и роботизированы системам, новым материалам, технологиям обработки больших данных, машинного обучения и искусственного интеллекта.
Тенденция на внедрения в промышленности термина интернет-вещей привело к недопониманию и разногласию среди разработчиков данных концепций. Споры по поводу определений связаны с глокализацией - процесс адаптации различных общемировых трендов и понятий под региональные условия. Так в России вместо термина интернет вещей используется часто термин «киберфизические системы», в Германии часто используют термин «Индустрии 4.0», не осталась в стороне США у них схожая концепция называется «Internet of Everything» [7].
Несмотря на количество споров в терминологиях и определениях общим в числе характеристик будущих трансформаций является массовый переход к использованию цифровых сенсоров, датчиков, исполнительных механизмов и систем управлений. Например, внедрения концепции Интернета-вещей предполагает использование большого числа цифровых датчиков для сбора и передачи информации между устройствами соединенных в сеть. Причем количество подключённых устройств IoT и IIoT неуклонно растет - это подтверждает исследования различных аналитических фирм [8].
В рамках данных интеллектуальных систем повышается требования надежности используемого оборудования, в частности к датчикам физических величин - уровня, расхода, давления, температуры влажности и др. Ожидание промышленности состоит в том, что датчики станут «интеллектуальными». Традиционно интеллектуализация датчиков связана с развитием микропроцессорной техники и расширением из функциональных возможностей (беспроводная связь, сенсорный экран и др.). В Российской федерации была принята серия ГОСТ «Датчики интеллектуальные и системы измерительные интеллектуальные» (2009, 2011 и 2013 голов) [9-11], положения которых распространяются на интеллектуальные датчики и интеллектуальные измерительные системы, разрабатываемые и применяемые в Российской Федерации. ГОСТ задает высокую планку для интеллектуальных датчиков, вводя понятие метрологического самоконтроля как главной отличительной особенности интеллектуального датчика.В соответствии с ГОСТ Р 8.673-2009 [9] интеллектуальным датчиком называется адаптивный датчик с функцией метрологического самоконтроля, то есть обладающий способностью обеспечивать автоматическую проверку того, находится ли его текущая погрешность измерений в заданных пределах. Преимущества функции метрологического самоконтроля по сравнению с традиционным подходом к метрологическому обеспечению заключаются в том, что он «обеспечивает:
- снижение риска возникновения необнаруженного метрологического отказа и обусловленных этим отказом последствий;
- обоснование назначения межповерочного интервала в зависимости от
остаточного метрологического ресурса;
- снижение эксплуатационных затрат за счет уменьшения количества поверок и калибровок;
- уменьшение потерь, обусловленных последствиями метрологических отказов» [10].
При реализации функции метрологического самоконтроля становится возможным существенное увеличение межповерочного (межкалибровочного) интервала, имеющее очевидный экономический эффект. Несмотря на то, что методология реализации метрологического самоконтроля довольно хорошо описана, реальные характеристики подавляющего большинства производимых датчиков не соответствуют требованиям указанного ГОСТ. Востребованным является решение научной проблемы, которая заключается в противоречии между современным уровнем развития измерительной техники, методов ее метрологического обслуживания и потребностью в интеллектуальных датчиках с функцией метрологического самоконтроля в условиях перехода к передовым цифровым производственным технологиям.
Цель дипломного проекта реализовать метод метрологического самоконтроля на цифровой платформе для увеличения метрологической надежности датчиков
давления.
Для реализации поставленной цели в рамках выпускной квалификационной работы были выделены следующие задачи:
- обзор методов диагностики измерительной части датчиков давления и выбор наиболее оптимального;
- выбор микроконтроллера на базе которого будет реализован метод самодиагностики;
- разработка графического приложения для мониторинга состояния.
- анализ больших данных (big data [2]) - анализ структурированных и неструктурированных данных больших объемов, которые постоянно обновляются (правило трех V [3]) для получения экономической, технической и др. выгоды;
- облачные вычисления (cloud computing [2]) - модель удобного сетевого доступа к фонду вычислительных ресурсов, оперативно предоставляемые с минимальными эксплуатационными затратами;
- дополненная реальность (augmented reality [4]) - технология наложения виртуальных объектов на реальность и их комбинирование;
- промышленный интернет-вещей ([5]) - система объединённых компьютерной сетью объектов, а также и сама компьютерная сеть, датчики и программное обеспечение для сбора и обмена данными, предназначенная для управления и мониторинга технологического процессом в автоматизированном или автоматическом режиме без участия человека;
- и др.
Выше приведен лишь неполный список технологий используемый в рамках четвертой промышленной революции. Данные технологии при правильном внедрении дают существенный экономических эффект, поэтому многие странны поддерживают научные направления, связанные с указанными технологиями, в том числе и Россия. В рамках стратегии научно-технического развития Российской Федерации [6] были определенны приоритетные научные направления, одним из них на ближайшие пятнадцать лет является переход к передовым цифровым, интеллектуальным производственным технологиям и роботизированы системам, новым материалам, технологиям обработки больших данных, машинного обучения и искусственного интеллекта.
Тенденция на внедрения в промышленности термина интернет-вещей привело к недопониманию и разногласию среди разработчиков данных концепций. Споры по поводу определений связаны с глокализацией - процесс адаптации различных общемировых трендов и понятий под региональные условия. Так в России вместо термина интернет вещей используется часто термин «киберфизические системы», в Германии часто используют термин «Индустрии 4.0», не осталась в стороне США у них схожая концепция называется «Internet of Everything» [7].
Несмотря на количество споров в терминологиях и определениях общим в числе характеристик будущих трансформаций является массовый переход к использованию цифровых сенсоров, датчиков, исполнительных механизмов и систем управлений. Например, внедрения концепции Интернета-вещей предполагает использование большого числа цифровых датчиков для сбора и передачи информации между устройствами соединенных в сеть. Причем количество подключённых устройств IoT и IIoT неуклонно растет - это подтверждает исследования различных аналитических фирм [8].
В рамках данных интеллектуальных систем повышается требования надежности используемого оборудования, в частности к датчикам физических величин - уровня, расхода, давления, температуры влажности и др. Ожидание промышленности состоит в том, что датчики станут «интеллектуальными». Традиционно интеллектуализация датчиков связана с развитием микропроцессорной техники и расширением из функциональных возможностей (беспроводная связь, сенсорный экран и др.). В Российской федерации была принята серия ГОСТ «Датчики интеллектуальные и системы измерительные интеллектуальные» (2009, 2011 и 2013 голов) [9-11], положения которых распространяются на интеллектуальные датчики и интеллектуальные измерительные системы, разрабатываемые и применяемые в Российской Федерации. ГОСТ задает высокую планку для интеллектуальных датчиков, вводя понятие метрологического самоконтроля как главной отличительной особенности интеллектуального датчика.В соответствии с ГОСТ Р 8.673-2009 [9] интеллектуальным датчиком называется адаптивный датчик с функцией метрологического самоконтроля, то есть обладающий способностью обеспечивать автоматическую проверку того, находится ли его текущая погрешность измерений в заданных пределах. Преимущества функции метрологического самоконтроля по сравнению с традиционным подходом к метрологическому обеспечению заключаются в том, что он «обеспечивает:
- снижение риска возникновения необнаруженного метрологического отказа и обусловленных этим отказом последствий;
- обоснование назначения межповерочного интервала в зависимости от
остаточного метрологического ресурса;
- снижение эксплуатационных затрат за счет уменьшения количества поверок и калибровок;
- уменьшение потерь, обусловленных последствиями метрологических отказов» [10].
При реализации функции метрологического самоконтроля становится возможным существенное увеличение межповерочного (межкалибровочного) интервала, имеющее очевидный экономический эффект. Несмотря на то, что методология реализации метрологического самоконтроля довольно хорошо описана, реальные характеристики подавляющего большинства производимых датчиков не соответствуют требованиям указанного ГОСТ. Востребованным является решение научной проблемы, которая заключается в противоречии между современным уровнем развития измерительной техники, методов ее метрологического обслуживания и потребностью в интеллектуальных датчиках с функцией метрологического самоконтроля в условиях перехода к передовым цифровым производственным технологиям.
Цель дипломного проекта реализовать метод метрологического самоконтроля на цифровой платформе для увеличения метрологической надежности датчиков
давления.
Для реализации поставленной цели в рамках выпускной квалификационной работы были выделены следующие задачи:
- обзор методов диагностики измерительной части датчиков давления и выбор наиболее оптимального;
- выбор микроконтроллера на базе которого будет реализован метод самодиагностики;
- разработка графического приложения для мониторинга состояния.
В работе был выполнен обзор существующих методов метрологического самоконтроля и самодиагностики датчиков давления. В качестве метода самодиагностики был выбран метод, основанный на оценки собственных частот тензорезестивного датчика давления. Данный метод был реализован на базе цифровой платформы.
В качестве цифровой платформы был выбран микроконтроллер STM32VCT6. На базе микроконтроллера при помощи 12 битного АЦП снимаются данные с измерительного моста, передаются по радиоканалу с помощью радиомодуля APC220 на коспьютер.
Используя язык программирования python. при помощи метода матричных пучков получают частоты сигнала, которые соответсвуют собственным колебаниям датчика давления. Полученные частоты сравниваются с опорными частотами и делается вывод о состоянии датчика давления.
Данные о состоянии сохраняется в базу данных. В качестве базы данных была выбрана свободно распростроняемая PostgreSQL, для работы с ней были реализованы функции на языке python 3. Также было написано графическое приложение используя библиотеку tkinter языка программирования python.
В результате работы был реализован блок самодиагностики интеллектуального датчика давления.
В качестве цифровой платформы был выбран микроконтроллер STM32VCT6. На базе микроконтроллера при помощи 12 битного АЦП снимаются данные с измерительного моста, передаются по радиоканалу с помощью радиомодуля APC220 на коспьютер.
Используя язык программирования python. при помощи метода матричных пучков получают частоты сигнала, которые соответсвуют собственным колебаниям датчика давления. Полученные частоты сравниваются с опорными частотами и делается вывод о состоянии датчика давления.
Данные о состоянии сохраняется в базу данных. В качестве базы данных была выбрана свободно распростроняемая PostgreSQL, для работы с ней были реализованы функции на языке python 3. Также было написано графическое приложение используя библиотеку tkinter языка программирования python.
В результате работы был реализован блок самодиагностики интеллектуального датчика давления.
