Файл: Павлов, Б. В. Диагностика болезней машин. (Как инженеры овладевают языком машин).pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 29.10.2024
Просмотров: 39
Скачиваний: 0
Рис. 3. Исходные данные и программа вычислений вводятся в память машины через входное устройство. Арифметическое устройство выполняет также различные логические опе рации.
тракторного парка колхоза и совхоза. Необходимый объем
работ в установленные агрономами сроки можно выпол нить парком машин различного состава, но и издержки про изводства при этом будут разными. Для каждого хозяйства
существует только один набор машин, который обеспечи
вает минимум затрат на производство сельскохозяйствен
ной продукции. Он называется оптимальным парком. Но
определение оптимального для хозяйства парка является довольно сложной задачей, потому что он зависит от струк
туры посевных площадей, конфигурации и размеров полей,
37
климатических условий, от обеспеченности хозяйства ме
ханизаторскими кадрами и многих других факторов.
Промышленность поставляет сельскому хозяйству около
тысячи наименований различных машин. Простое чтение
такого длинного прейскуранта требует изрядного вре
мени, не говоря уже о сопоставлении их технико-экономи
ческих показателей. А между тем стихийно складываю щийся в колхозах и совхозах парк приводит к увеличению
себестоимости продукции на 20—30% по сравнению с ее
себестоимостью при оптимальном парке.
Ученые СибИМЭ для решения задачи об оптимальном
парке использовали специальные математические методы
и вычислительные машины. Сейчас руководитель хозяй
ства, специалист может обратиться в эту организацию и
ученые подскажут ему, какие машины следует приобрести
хозяйству, а от каких целесообразно избавиться, чтобы обе спечить минимум затрат на производство.
Одновременно создаются и небольшие вычислительные машины с ограниченными функциями, которые могут бы стро давать нужные решения частных задач. Так, в систе ме «Сельхозтехника» вычислительная машина «Минск-22» используется для сбора и хранения информации о движе
нии запасных частей. Требуется всего несколько секунд,
чтобы узнать, сколько деталей хранится на базах в той или иной республике или области.
Если бы вычислительные машины могли только решать с большой скоростью математические задачи, то и тогда их значение для науки и техники трудно было бы переоце нить. Но они способны на большее: управляют заводами,
переводят статьи и книги с одного языка на другой, выпол
няют работу диспетчера, управляют зенитным огнем и
справляются с массой других дел. Создание вычислитель
ных машин имеет для человечества такое же значение, что и расщепление атомного ядра и овладение атомной энер
гией. Наше время можно назвать веком вычислительной
техники.
38
Вычислительные машины имеют непосредственное от
ношение к технической диагностике. Совершенствование
диагностики возможно на базе использования вычисли
тельной техники, и одна из задач нашей книги — показать
это.
Вычислительная машина перерабатывает информацию.
С таким же материалом оперируют и в диагностике. Зада
ча диагностики — получение сведений о внутренних свой ствах механизма и определение возможностей их работы. Прежде чем эти сведения придут к нам в виде показаний приборов или уже отпечатанными на специальном бланке,
они должны проделать долгий и трудный путь из недр ме
ханизма к датчикам, а от датчиков по цепям диагности
ческой аппаратуры к потребителю. Задача диагностической
аппаратуры состоит в том, чтобы так обработать инфор
мацию, полученную от обследуемого механизма, чтобы ею
удобно было пользоваться. Такая же цель стоит и перед
вычислительной машиной. Решая задачу, она преобразу ет введенную информацию об исходных данных в форму, удобную для тех, кто воспользовался ее услугами.
Появление вычислительных машин стимулировало раз витие целого ряда отраслей науки. С двумя из них нам следует хотя бы бегло познакомиться, потому что они име ют определенное значение для совершенствования диагно стики, — это т е о р и я и н ф о р м а ц и и и м а т е м а т и ч е с к а я л о г и к а .
Информация
Современный человек живет в бушующем океане ин формации. На него обрушивается поток газет, журналов,
книг. Электромагнитные волны сотен радио- и телевизион
ных станций торопятся доставить ему со скоростью света
разнообразные сведения. Два миллиона научных работни ков сидят у приборов, чтобы добыть новые знания об уст ройстве мира и сообщить их людям. Если в 1800 году во
39
всем мире выпускалось около 100
научных журналов, то теперь их
выходит около 100000. Значит, не
зря сидят ученые у приборов и ве
дут исследования, им есть чем по делиться с современниками.
Чтобы справиться с таким оби
лием информации, в 40-х годах бы
ла создана специальная наука — т е о р и я и н ф о р м а
ции. Она изучает закономерности, связанные с передачей,
приемом и обработкой информации. Ее основоположником
считается выдающийся американский математик и инже нер Клод Шеннон.
Всякая теория начинается с уточнения используемых
ею слов или терминов. С уточнения смысла слова «инфор
мация» началась и новая наука. Смысл этого термина луч ше всего можно пояснить, если связать его с другим зна
комым словом «неопределенность».
О неопределенности говорят, когда рассматриваемая ситуация может иметь несколько исходов. С ней мы встре чаемся перед диагностированием механизма, поскольку для него возможно несколько состояний, а в каком из них механизм находится, мы не знаем. Снять эту неопределен ность, указать из множества возможных состояний одно,
в котором в действительности находится механизм, — это
и составляет задачу диагностики.
Неопределенность — это то |
же самое, что недоста |
ток информации. Чем больше |
неопределенность ситуа |
ции, тем больше информации о ней недостает. И наоборот,
с получением информации неопределенность уменьша
ется.
Мы указали на связь неопределенности с информацией,
но как их оценить числом? Язык инженера — это язык
формул. До тех пор, пока научному понятию не найдена
количественная оценка, его нельзя использовать для по строения теории.
40
Рассмотрим в качестве примера неопреде
ленности результат падения подброшенной мо
неты. Возможны два исхода: монета может
упасть вверх гербом или решкой. Если начнем
угадывать заранее результат ее падения и после
многих подбрасываний подведем итоги, то ока
жется, что примерно в половине случаев мы предсказали результат правильно и в половине случаев — ошиблись.
Будем подбрасывать одновременно четыре монеты. При
каждом броске теперь возможны 16 исходов: первая моне
та упадет вверх гербом, |
а три остальные — решкой, вто |
рая — вверх гербом, а |
остальные — решкой и т. д. Если |
обозначить выпадение герба 0, а решки — 1, то все 16 ис
ходов одного бросания четырех монет можно изобразить
так:
0 |
0000 |
8 |
1000 |
1 |
0001 |
9 |
1001 |
2 |
0010 |
10 |
1010 |
3 |
ООН |
И |
1011 |
4 |
0100 |
12 |
1100 |
5 |
0101 |
13 |
1101 |
6 |
0110 |
14 |
1110 |
7 |
0111 |
15 |
1111 |
Предсказание результата такого бросания оправдается
только в одном из 16 случаев. Очевидно, что неопределен ность результата при бросании четырех монет больше, чем при бросании одной монеты. За меру неопределенности
ситуации можно было бы взять число п ее возможных ис ходов. В первом случае п= 2, во втором и= 16. Но по ряду
причин, в которые мы здесь вдаваться не будем, неопреде
ленность Н оказалось удобнее оценивать логарифмом по
основанию 2 от числа возможных исходов:
Я = log2n.
При бросании одной монеты неопределенность равна 1:
41
Я = log, 2 = 1 .
Такая величина неопределенности служит единицей изме
рения и называется битом *.
Неопределенность результата бросания четырех монет
равна 4:
Я = log216 = 4.
Неопределенность состояния машины перед постанов
кой ей диагноза зависит от количества отсутствующей ин
формации, необходимой для решения стоящей задачи.
Пусть нам нужно знать о состоянии машины только одно, исправна ли она. Здесь два возможных исхода диагноза,
поэтому неопределенность равна одному биту, как и при
бросании одной монеты. А теперь пусть нам нужно знать,
исправен или нет каждый из четырех агрегатов маши
ны — двигатель, трансмиссия, ходовая часть и рулевое уп
равление. При такой постановке задачи диагноза возмож ны 16 исходов, значит, неопределенность состояния маши ны равна 4. Если машина состоит из т деталей и о каждой из них нужно знать, исправна она или нет, то возможных состояний машины будет:
п= 2т ,
анеопределенность состояния:
Н— т .
Неопределенность снимается поступлением информа ции. Поэтому за меру информации, необходимой для устра
нения неопределенности, можно взять величину неопре деленности с обратным знаком. Чем она больше, тем большую информацию должны содержать симптомы, ис
пользуемые для постановки диагноза машине.
Как же оценить информационную ценность симптома?, Пусть у машины различаются п состояний, т. е. неопреде
* B it (bin ary digit) <— двоичный разряд .
42
ленность ее состояния перед диагностированием # = lo g 2 п.
При обнаружении у машины некоторого симптома число ее
возможных состояний уменьшится, так как некоторые из
них несовместны с данным симптомом. Обозначим щ — число возможных состояний машины после обнаружения
симптома, Н1 — ее неопределенность. Тогда количество ин формации 1, доставляемой этим симптомом, будет равно разности
1 = Н —Нг = log2 — .
П\
Если после обнаружения симптома состояние машины бу дет полностью определено, т. е. п\ = 1, то ее неопределен ность станет равной 0, так как log2 1 = 0, а количество ин
формации, доставляемой таким симптомом, равно перво
начальной неопределенности. Для того чтобы поставить
диагноз машине, информация, содержащаяся в используе мых симптомах, должна быть не меньше неопределенности состояния машины перед диагностированием.
Говоря о неопределенности, мы несколько упростили
вопрос. Дело в том, что неопределенность ситуации зависит не только от числа ее возможных исходов, но и от вероят ности их наступления. Неопределенность — это мера слуг чайности исхода рассматриваемой ситуации. Так, если из вестно, что вероятность застать машину в некотором со стоянии равна 0,99, то и без ее диагностирования можно
утверждать, что она находится в этом состоянии. При этом мы ошибемся только в одном случае из ста. Значит, здесь
неопределенность очень мала. Поэтому для оценки неопре деленности существует более сложная формула, чем та,
которую приводили выше. Она учитывает упомянутую здесь вероятность состояний:
Н = Ргlog2 P j + Р 2 log2 P 2 + ... + Pt log2 p, + Pnlo g, P„,
где Pi — вероятность застать машину в состоянии i.
43