diagnostikaPoužívanie senzorov spôsobuje skracovanie životnosti, opotrebovanie a znižovanie presnosti. Pre senzory s náchylnosťou na nepresnosť možno vytvoriť diagnostickú zostavu senzor – zariadenie – program. Taká schéma zostavy bude schopná autonómnej diagnostiky, kalibrácie a vyhodnotenia až po samostatné znovukalibrovanie senzora. Diagnostické zariadenie disponuje aj funkciou testovania rázových úderov. Cieľom je úmyselne a rýchlejšie znižovať životnosť skúmaného senzora. Diagnostické zariadenie je prispôsobené na testovanie v laboratórnych podmienkach a testuje správne nastavené parametre algoritmu diagnostiky.


Na začiatku treba vybrať cieľový typ senzora, na ktorom bude prebiehať majoritná časť testovania, vývoja a výskumu. Na tento účel je vhodné určiť typ senzora s odporovým meraním tlaku. Ide o technicky jednoducho a optimálne skonštruovaný senzor bez akejkoľvek elektroniky, riadenia či inteligencie [1]. Senzor sa bežne používa na iné účely, ako priame meranie tlaku v priemysle. Vzhľadom na jeho dostupnosť a pomer cena/výkon ide o vhodnú voľbu.

Výber senzora
Testovaný senzor mení hodnoty elektrického odporu pôsobením tlaku na jeho kontaktnú časť. Jednoduchým zapojením možno merať výstupný odpor priamo na diagnostickom PC, ale aj na multimetri. V rámci výskumu a vývoja sa bude tento senzor používať v špeciálnom zapuzdrení a zapojení priamo cez prevodníky do počítača. Meranie bude prebiehať v reálnom čase, aj do záznamu.
Na etalón presnosti sa využije špeciálny typ priemyselnej váhy s možnosťou digitálneho výstupu priamo do počítača [2, 3]. To umožní porovnávať výsledky presnosti senzora a etalónu v reálnom čase, ako aj zo záznamu merania. Ďalšou požiadavkou na etalón, okrem presnosti a možnosti digitálneho výstupu, je aj špecifický silový rozsah. Ten umožňuje dostatočné možnosti testovania a uspokojivú spoľahlivosť procesu výskumu a vývoja.

diagnostika2

Diagnostika senzora
Meranie v bežnej prevádzke realizujú spoločnosti zaoberajúce sa týmito senzormi, v našom prípade sa budeme zaoberať teóriou a praxou senzora, ktorý má najmä v laboratórnych podmienkach zefektívniť proces merania zvýšením životnosti a spresnením výstupných nameraných hodnôt. V praxi sa senzory môžu správať s malou odchýlkou inak, laboratórny stav berieme ako žiadaný na východiskové parametre senzora.
Najdôležitejším cieľom je získanie vedomostí, informácií, skúseností a praxe z analýzy senzora [4], pretože ide o jednoduché zariadenie náchylné na nepresnosť, poškodenie, chybovosť a bežné zlyhania vplyvom prevádzky a poškodením z výroby. Takých prípadov je viac a pravidelné testovanie odhalí dostatočné množstvo zlyhania, aby sa tieto stavy vedeli optimalizovať matematickými korekciami na úrovni záznamu. Meraním možno objasniť prípady fatálneho zlyhania senzora a tak predchádzať nezvratným poškodeniam. Zvyšuje sa prevádzková životnosť senzora a jeho reálne využitie.
Namerané výsledky záznamov budú vyhodnotené z uložených výstupov tak, ako originálne dáta senzora (Raw data). Zároveň je možné vyhodnotiť aj matematicky skorigované hodnoty. Korekciu možno aplikovať až po kalibrácii skúmaného senzora [5, 6]. Kalibrácia je nutný analyzačný, vyhodnocovací a korekčný mechanizmus procesov, bez ktorého sa nemôže uskutočniť meranie v požadovanej kvalite výstupu.
Kalibrácia senzora je súčasťou procesu diagnostiky. Kalibračný mechanizmus sa začína podrobnou analýzou senzora, vyhodnotením celkového stavu a detailným výsledkom o stave skúmaného senzora. Stav skúmaného senzora obsahuje aj dáta nových skorigovaných hodnôt.
Diagnostika môže odhaliť okrem výstupnej nepresnosti senzora aj chyby a zlyhania, ktoré sa zaznamenajú a dané hodnoty sa korigujú podľa potreby prevádzky. Môže sa stať, že na základe diagnostiky sa senzor vyhodnotí ako chybný vo dvoch stavoch [7]:
1. opraviteľný (matematickými hraničnými korekciami)
2. neopraviteľný (mimo dosahu prepočtov).

Korigovanie parametrov senzora
Korigovanie prebieha na viacerých úrovniach prepočtu, a to podľa najčastejšie ovplyvňujúcich parametrov. Parametrami sú okrem presnosti aj iné premenné, ako je stabilita pri nízkom zaťažení, stabilita pri vysokom zaťažení, presnosť pri maximálnom zaťažení, správanie pri preťažení a iné. Pri procese hľadania týchto vlastností sa navrhuje interné názvoslovie parametrov a javov na opísanie, znázornenie a vyhodnotenie kalibrácie s detailným výstupom [8].
Množstvo názvov už existuje, ale na lepšiu internú orientáciu sa každý parameter pomenuje podľa vlastnosti tak, aby sa rešpektovalo medzinárodné značenie charakteristík. Ako nenormalizovaný pojem je napríklad premenná, ktorá má svoj interný názov „hodnota vrcholu preťaženia“. Uvádzať by sa mala ako „Po“ z angl. Peak Overload (špičkové preťaženie). Pri parametri Po sa uvažuje stav, keď už senzor nemôže zobraziť vyššiu hodnotu. Dôvodov môže byť viac:
1. samotné poškodenie senzora,
2. preťaženie,
3. hypotetický limit prevodníkového zariadenia,
4. dosiahnutie medzného stavu skúmaného senzora.
Medzi štandardizované parametre patria známe pojmy, napr. silový rozsah senzora, citlivosť senzora a podobne.
Medzi očakávané ciele patrí maximalizácia presnosti v požadovanom rozsahu a maximalizácia životnosti senzora. Podmienkou je minimalizácia aktivít spojených s diagnostikou tak, aby bola urobená automatizovane a efektívne [9].

Zobrazenie príkladu nepresných kriviek senzora červená voči kalibru modrá
Zobrazenie príkladu nepresných kriviek senzora (červená) voči kalibru (modrá)

 

Budúci potenciál kalkulácie
Kalibrácia a diagnostika, ako komplexný vyhodnocovací proces bude v budúcnosti prebiehať v počítači. Priebeh procesu sa navrhuje ako automatizovane riadený algoritmus zapuzdrený v riadiacej aplikácii. Aplikácia analyzuje, testuje, zaznamenáva aktuálny stav, ale aj predošlé stavy senzora a vyhodnocuje aktuálnu situáciu. Na základe hodnôt a porovnania histórie (stav progresie/degresie presnosti senzora) rozpozná proces diagnostiky zmeny a hodnoty sa pokúsi skorigovať na maximálnu možnú mieru presnosti.
Na správnu diagnostiku senzorov je nevyhnutné realizovať zariadenie, ktoré bude aplikovať pôsobenie sily na požadovanú plochu senzora mechanicky. Diagnostické zariadenie bude ovládané počítačom. Základnou požiadavkou diagnostického zariadenia je vykonávanie vertikálneho, presne naprogramovaného pohybu s možnosťou ukotvenia silového prípravku na tlačnú hlavu. Silový prípravok bude vyvíjať silu mechanicky priamo na senzor.
Okrem mechanického zabezpečenia prevádzky zariadenia treba pri riadení diagnostiky vytvoriť aplikáciu (počítačový program): Aplikácia musí umožňovať plnohodnotne riadiť hardvér, získavať údaje zo senzora a kalibračnej jednotky (etalónové zariadenie, napr. váhy a pod.). Rovnako musí zhodnotiť stav a urobiť prepočty vrátane výstupnej správy [10].
Počítačový program v ideálnych podmienkach disponuje dynamickým grafickým rozhraním, vplyvom ktorého je možné navrhnúť algoritmus na diagnostiku sledovaného senzora. Také rozhrania bývajú zložité pre návrh, realizáciu, ako aj samotnú prevádzku. Preto sa súvisiaca téma necháva otvorená podľa budúcich podmienok a potrieb.
Algoritmus na riadenie diagnostiky môže byť implementovaný priamo do jednoduchého programu alebo byť dynamický v pokročilej verzii programu. Zložitejšie riešenie by mohlo priniesť kvalitnejšie výsledky a efektívnejšie analyzovanie parametrov. Tým, že bude algoritmus dynamický a používateľ (t. j. používateľ aplikácie) zmení postupy, premenné aj logiku, bude možné dosiahnuť rýchlejšie a komfortnejšie špecifické procesy, napr. tzv. ladenie algoritmu. Ladenie algoritmu je v tomto prípade dokončovacím procesom návrhu algoritmu. Návrh algoritmu podľa dlhodobých výsledkov meraní presne určí optimálnu cestu na maximálne využitie skúmaných senzorov.

Záver
Plán úspešnej diagnostiky senzorov je podmienený analýzou parametrov senzorov, stanovením metodiky diagnostiky a vývojom diagnostického zariadenia. Diagnostické zariadenie bude konštruované, prevádzkyschopné a ovládané odladeným vyspelým riadiacim programom. Každá podmienka je plánovaná ako dlhodobá práca na tematických detailoch, metodike presnosti a dôslednosti celého výstupu.
Výstupom diagnostického procesu bude správa o aktuálnom stave senzora a o zmenách v porovnaní s minulým stavom. Aktuálnym stavom je nielen vyhodnotenie presnosti a rozsahu, ale aj citlivosť či chybové parametre napr. deformačná stála hodnota, maximálna hodnota Po a pod. Vyhodnotenie stavu pôvodného stavu senzora prebehne na úrovni vybraného parametra, napríklad vyhodnotením porovnania presnosti skúmaného senzora v konkrétnych silových hladinách v porovnaní s pôvodným stavom. Vygeneruje sa tak interná norma testovania a porovnávania senzora. Tak možno dlhodobo sledovať klesanie vybraných parametrov a aplikovať matematickú kalkuláciu výsledkov na prípadné zlepšenie / opravenie chýb senzora. Z dlhodobého hľadiska ide o zvyšovanie presnosti. Pri zázname silových hladín bude známe, koľko sily bolo na senzor vyvinutej v priebehu merania, a tak bude zabezpečená ochrana voči poškodeniu preťažením. Maximalizácia životnosti sa získa kombináciou sledovania presnosti, charakteristikou kalibrácie a chybovým vyhodnocovaním. Metodicky sa tak docieli z bežného priemyselného senzora spoľahlivý nástroj na meranie nielen v laboratórnych podmienkach.

TEXT/FOTO Ing. Roman Zelník, Dr.h.c., prof. Ing. Pavol Božek, CSc., STU v Bratislave, Materiálovotechnologická fakulta v Trnave

Referencie
1. Nikitin, Y; Bozek, P; Peterka, J. Model of Diagnostics of Electric Drives with Sensors Support (2020)
2. Daus, H; Blocher, T; Egeler, R ; De Klerk, R; Backenstrass, M. Development of an Emotion-Sensitive mHealth Approach for Mood-State Recognition in Bipolar Disorder (2020)
3. Lopez A, John S. A User-Printable Three-Rate Rain Gauge Calibration System (2019)
4. Bajracharya, S. Investigation of effect of stress on eddy current response using phase diagram (2019)
5. Yan, LJn; Zhang, X; Zhang, LH; Yao, XH; Chen, Y; Zhang, L. Shock tube-based calibration installation for dynamic pressure transducers and performance testing (2019)
6. Christiansen, JM. Development and Calibration of a Low-Cost Radar Testbed Based on the Universal Software Radio Peripheral (2019)
7. Bishop, P; Povyakalo, A. A conservative confidence bound for the probability of failure on demand of a software-based system based on failure-free tests of its components (2020)
8. Muller, R; Gugel, C; Bunsel, R. Data or interpretations: Impacts of information presentation strategies on diagnostic processes (2020)
9. Farhat, A; Guyeux, C; Makhoul, A; Hijazi, A. Impacts of wireless sensor networks strategies and topologies on prognostics and health management (2019)
10. Diagnostic Parameters in the Process of Monitoring the Rail Vehicle‘s Conditions (2011)