ZÁVĚREČNÁ ZPRÁVA O ŘEŠENÍ PROJEKTU VGA

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


Trakþní motor


Trakþní motor


Trakþní motor


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


Vrtule

A8

A8

DC / DC

Avionika UAV A10

A9 Baterie A5

Trakční motor A7


Vrtule

Trakční motor A7


Vrtule

A8

A8

Trakční motor A7


Trakční motor A7


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


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


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


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


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


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


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


3. kanál


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


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: . [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: .

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.

ZÁVĚREČNÁ ZPRÁVA O ŘEŠENÍ PROJEKTU VGA

Recommend Documents