Методология анализа рисков опасности электроустановок человекомашинных систем на основе нечетких множеств

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Методология анализа рисков опасности электроустановок человекомашинных систем на основе нечетких множеств

Дробязко О.Н., Никольский О.К.,

Алтайский государственный технический

университет им. И.И. Ползунова

Рассмотрены методы и модели анализа техногенных рисков человекомашинных систем, объединяющие элементы традиционных подходов к оценке электроопасных ситуаций. Показана возможность применения теории нечетких множеств, включающей понятие лингвистической переменной, к решению проблем электробезопасности на сельскохозяйственных объектах в условиях неопределенности.

Ключевые слова: опасность электроустановки, риски, человекомашинная система, нечеткие множества.

Имеющийся опыт изучения человекомашинных систем (ЧМС) [1, 2] свидетельствует о том, что системный анализ таких систем в рамках использования традиционных детерминистических и вероятностных моделей не поддается строгой математической формализации.

Эксплуатация электроустановок (ЭУ) в реальных производственных условиях является достаточно сложным процессом, требующим постоянного вмешательства обслуживающего персонала (в том числе и электротехнического) для поддержания заданных технологических режимов работы электрооборудования и электрических сетей, их надежности и безопасности. В процессе этого вмешательства человек (оператор) принимает различные, нередко ошибочные решения, проконтролировать правильность которых, например, в условиях сельскохозяйственного производства, практически невозможно. Исключение здесь составляют объекты атомной энергетики и химические производства, имеющие высококвалифицированный персонал, работающий в условиях жестких нормативных требований.

При анализе ЧМС «человек - электроустановка - среда» (Ч-ЭУ-С) необходимо учитывать взаимосвязи между её компонентами, которые, в свою очередь, зависят от большего числа факторов. Эти факторы не всегда поддаются количественной оценке и прогнозированию. Отсюда проблематичным представляется выполнение анализа электротравматизма по вероятностным показателям, имеющим неопределенный характер. Эта неопределенность проявляется в неполноте, неточности или недостоверности исходных данных, отсутствии априорных количественных оценок риска опасности электроустановок производственного объекта.

Широко используемый в теории электробезопасности вероятностный подход [3] обладает общим существенным недостатком, затрудняющим его практическое применение. Этот подход предполагает знание вероятностей проявления факторов, оказывающих опасное воздействие на человека, наличие некоторых предпосылок и инициирующих условий, исходя из которых можно сделать выводы о значениях вероятностей электротравм или электропоражений людей.

В условиях производственного объекта определить, например, вероятность электротравмы человека, как правило, не удается. Чтобы построить адекватное статистическое распределение какого-либо инициирующего негативного фактора или оценить вероятность проявления этого фактора, необходимо иметь некоторое множество однородных объектов, т.е. репрезентативную выборку. Выдвигаемые гипотезы в расчетах и проектной практике относительно видов и параметрах вероятностных распределений оказываются неприемлемыми, поскольку они ведут к значительным погрешностям при принимаемых допущениях и невозможности количественной оценки риска и неопределенности.

По данным [4] до 70 % аварий и несчастных случаев от общего их количества вызваны так называемым «человеческим фактором». Большая часть электротравм обусловлена ошибочными действиями электротехнического персонала. Для определения вероятности совершения ошибочных действий персоналом может быть использован метод экспертных оценок [5]. Однако в основе применения этого метода лежит теория вероятностей, базирующаяся на аксиомах, которые в ряде случаев не могут быть использованы при анализе человекомашинных систем. Некорректно требовать от эксперта оценки вероятности инициирующих негативных событий (особенно так называемых «редких событий»), необоснованно в целях упрощения расчетов «подгонять» случайные величины к удобному нормальному распределению и т.д. Поэтому представляется проблематичной адекватная оценка и анализ производственного и бытового электротравматизма по показателям, определяющим вероятность, например, электробезопасности, статистическая информация которой имеет неопределенный характер. Эта неопределенность проявляется в неполноте, неточности или недостоверности исходных данных, отсутствии априорных количественных оценок риска опасности электроустановок объекта. Отсутствие методов оценки рисков опасности ЭУ и диагностики технического состояния электрооборудования приводит к тому, что персоналу приходится принимать интуитивные решения по предотвращению опасных техногенных ситуаций, отключению электроустановки и выводу оборудования на профилактику или в ремонт.

Действующие вероятностные методы достаточно эффективны только для технических систем, при описании которых не учитывается человеческий фактор. Они малопригодны для анализа систем (человек-электроустановка-среда), в которых координирующим элементом является персонал. Отметим, что последний инициирует неопределенности, вызываемые наличием у индивидуума субъективных представлений об окружающей его рабочей и внешней среде и своей деятельности в ней.

В этой связи представляет интерес поиск других методов, позволяющих строить адекватные математические модели для идентификации источников техногенной опасности и предупреждения аварий и электротравматизма.

С этой целью нами было выполнено обобщение методов, которые могут быть использованы для оценки и анализа опасностей, возникающих в электроустановках производственного объекта (таблица 1).

риск человекомашинный неопределенность электробезопасность

Таблица 1 - Методы оценки и моделирования рисков электроустановок объекта

В результате проведенного анализа методов нами было сделано заключение о том, что перспективной заменой методов, основанных на использовании теории вероятностей, является их замена методами, использующими теорию нечетких множеств (ТНМ). Эта же точка зрения высказана в источнике [5].

В рамках теории нечетких множеств вводятся понятия «нечеткая переменная» и «лингвистическая переменная» [6,7]. Первое из понятий тесно связано с основными понятиями ТНМ - «нечеткое множество» и «функция принадлежности».

Нечеткое множество А определяется как совокупность упорядоченных пар, составленных из элементов x универсального множества X и соответствующих степеней принадлежности _А (x)

A = { (x, _А (x)) x X }.

При этом функция принадлежности _А(x) указывает, в какой степени элемент принадлежит нечёткому множеству . Функция _А (x) принимает значения в некотором линейно упорядоченном множестве, в качестве которого обычно выбирается отрезок [0,1].

Нечеткая переменная определяется на множестве элементов x универсального множества X.

Понятие нечеткой переменной может быть использовано в случае количественной формы представления экспертной оценки в виде какого-либо числа, являющего, по мнению эксперта наиболее точным ответом. Возможно возникновение некоторой ошибки, вызванной интуицией эксперта. В этом случае неточность и неясность заключения эксперта может быть компенсирована путем введения оценки типа «x приблизительно равен а» или «х находится примерно в интервале от а до b».

Количественная экспертная оценка по своей сути представляет собой нечеткое число, характеризуемое функцией принадлежности . Однако оценивание степени принадлежности конкретными числами на рассматриваемом интервале [0, 1] носит субъективный характер: с одной стороны, она зависит от выбора типа шкалы, в которой систематизируется информация от эксперта, а с другой - используются различные инструменты оценки того или иного фактора. Если этот фактор можно выразить в виде количественной характеристики, то он подлежит непосредственному измерению; если же он оценивается качественно, то используются логико-лингвистические модели и ранговые измерения при попарном сравнении факторов.

Функция принадлежности µ_А(x), представляет собой некоторую невероятностную субъективную меру нечеткости, определяемую по результатам опроса экспертов о степени соответствия элемента х понятию, формализуемому нечетким множеством Х. В отличии от вероятностной меры, которая служит оценкой стохастической неопределенности, нечеткая мера является численной оценкой лингвистической неопределенности, связанной с неоднозначностью и расплывчивостью человеческого мышления.

Метод нечетких множеств, строго говоря, не накладывает ограничений на выбор функции принадлежности. Однако при анализе техногенных рисков ЭУ целесообразно использовать аналитическое представление функции принадлежности µ_A(X) (нечеткого множества Х с элементами х), нечетко обладающей множеством некоторых его свойств. В этом смысле представляет интерес типизация функций принадлежности в контексте указанного выше анализа риска, что существенно упрощает соответствующие аналитические и численные расчеты при применении методов теории нечетких множеств.

Выделим следующие типовые функции принадлежности (ФП):

1. Треугольные ФП используются для задания неопределенностей типа: "приблизительно равно", "среднее значение", "расположен в интервале", "подобен объекту" и т.п.

2. Z-образные ФП - для задания неопределенностей типа: "малое количество", "небольшое значение", "низкий уровень" и т.п.

3. S-образные ФП - для задания неопределенностей типа: "большое количество", "большое значение", "высокий уровень" и т.п.

4. П-образные ФП - для задания неопределенностей типа: "приблизительно в пределах от и до", "примерно равно", "около" и т.п.

В теории нечетких множеств на основе понятия: «нечеткая переменная» строится понятие «лингвистическая переменная».

Лингвистическая переменная является переменной более высокого порядка, чем нечеткая переменная, в том смысле, что значениями лингвистической переменной являются нечеткие переменные.

В настоящее время лингвистическая переменная используется для описания сложных систем, которые содержат параметры, представленные не только в количественном, ни и в качественном виде.

Процесс функционирования рассматриваемой ЧМС может быть представлен с помощью лингвистической переменной.

Такая переменная характеризуется следующей совокупностью [6]:

LV = [L, T, X, G, M], (1)

где L - имя переменной, T- множество ее значений (терм-множество); X - универсальное множество нечетких переменных; G - синтаксическая процедура образования новых термов, позволяющая из простых атомарных термов строить составные термы, G:T>T*, где T*- расширенное терм-множество; M - семантическая процедура, формирующая нечеткие множества для каждого терма Т данной лингвистической переменной.

Терм-множество лингвистической переменной являются нечеткие числа.

Экспертные оценки в сочетании с логико-лингвистическим методом [7], могут использоваться при моделировании и прогнозировании техногенных рисков, что позволяет обеспечивать возможность описания и оперирования данными, являющимися результатом субъективных действий персонала.

Применение ТНМ к анализу плохо структурированным систем типа (Ч-ЭУ-С) с неполной и недостоверной информацией создает предпосылки создания нечетких экспертных систем вида Fuzzy Logic [8].

Логико-лингвистические методы описания человекомашинных систем основаны на том факте, что элементами мышления человека являются не числа, а естественный язык. Поэтому поведение системы может быть выражено в терминах ограниченного (формализованного) естественного языка. Инструментом такого представления являются лингвистические переменные (ЛП). Причем, под ЛП понимается такая переменная, значениями которой могут быть не только числа, но и слова (словосочетания) какого-либо естественного или искусственного языка. По сути ЛП представляют собой описательную иерархическую модель, включающую "понятие" - "его значение" - "смысл". Например, ЛП "Величина" можно определять с помощью терм-множества Т = { большая отрицательная (БО), средняя отрицательная (СО),..., примерно нулевая (ПН),..., большая положительная (БП)}. Другими словами, терм-множество представляет собой совокупность значений ЛП.

Лингвистические переменные, как отмечалось выше, предназначены для анализа сложных, плохо определенных явлений и систем. Использование словесных описаний, которыми оперирует человек, делает возможным структурный анализ человекомашинных систем вида (Ч-ЭУ-С). Нечеткая логико-лингвистическая система описывается набором значений входных и выходных ЛП, связанных между собой эвристическими правилами.

Исходными данными для построения экспертной системы [10] является совокупность признаков компонентов человекомашинной системы (рискообразующих факторов), которые наиболее существенно влияют на создание опасных техногенных ситуаций (ОТС), а также максимально возможные значения индикаторов соответствующего вклада в образовании ОТС и лингвистические (т.ч. балльные) оценки каждого РОФ. При этом распределение этих факторов на соответствующей универсальной шкале задается функцией принадлежности µ_А (х) и лингвистической переменной.

Введем набор узловых точек в_j = [0,1; 0,3; 0,5; 0,7; 0,9], которые являются абсциссами максимумов соответствующих функций принадлежности. В качестве носителя Х лингвистической переменной выступает отрезок вещественной оси [0, 1]. Узловые точки равномерно отстоят друг от друга на носителе [0, 1] и симметричны относительно узла 0,5. Тогда лингвистическая переменная "Значимость рискообразующего фактора" на носителе [0, 1] в совокупности с набором узловых точек будет представлять собой стандартный трехуровневой нечеткий [0-1] - классификатор. Интервалы [0,2 - 0,4], [0,4 - 0,6], [0,6 - 0,8] отражают лингвистическую оценку (термы - «низкий», «средний», «высокий»). Для лингвистической оценки техногенного риска может быть также использован двухуровневой классификатор с терм-множеством «есть», «нет», интерпретирующим возникновение ОТС.

Аналитическое представление кусочно-непрерывной функции принадлежности задается на некоторой универсальной базе Х = [0, 1], в качестве который был принят интервал действительных положительных чисел.

Аналитическое выражение функции принадлежности

, (2)

где a, b и с - числовые параметры, принимающие произвольные действительные значения и упорядоченные соотношением a b c.

В нашем случае (рисунок 1) параметры а и с характеризуют основание треугольника (0,2; 0,9); параметр b - его величину (0,5). Представленная функция принадлежности интерпретирует нормальное выпуклое унимодальное нечеткое множество с границами (a, c) и модой b.

Таким образом, введение для лингвистической оценки рискообразующих факторов, соответствующих терм-множествам с формализацией их функциями принадлежности на основе логических операций «если-то», позволяет выполнить, так называемую, структурную идентификацию «входы-выходы» человекомашинной системы (Ч-ЭУ-С).

Элементы теории нечетких множеств, правила импликации и нечетких рассуждений образуют систему нечеткого вывода (СНВ). К ней следует отнести базу данных, содержащую описание функции принадлежности, механизм вывода и агрегирования, который формируется применяемыми правилами импликации.

Количественные оценки Лингвистические оценки

Рисунок 1 - Фрагмент построения функции принадлежности _j (x) рискообразующего фактора с терм-множеством Т ["низкий", "средний", "высокий"]

В качестве входных и выходных сигналов выступают измеряемые величины, однозначно сопоставляющие входным значениям соответствующие выходные значения. Для обеспечения взаимодействия множества этих двух видов вводится нечеткая система - фаззификатор, преобразующий множество входных данных в нечеткое множество с помощью значений функции принадлежности. На выходе СНВ используется дефаззификатор, позволяющий преобразовывать нечеткое множество в конкретное значение выходной переменой.

Выводы

Показана возможность применения теории нечетких множеств, включающей понятие лингвистической переменной, при проектировании человекомашинной системы (Ч-ЭУ-С), что позволяет разработать модель оценки и управления техногенными рисками опасности электроустановок для создания эффективных и экономически целесообразных превентивных мер безопасности.

Список литературы

1. Никольский, О.К. Оценка и анализ рисков электроустановки [Текст] / О.К. Никольский, Т.В. Еремина // Ежеквартальный теоретический и научно-практический журнал «Электробезопасность». - Челябинск: Изд-во ЮУрГУ.- 2011.- № 3.- С. 19-22.

2. Электромагнитная безопасность технологических процессов АПК [Текст]: монография // О.К. Никольский [ и др.]. - Барнаул, Изд-во АлтГТУ, 2012. - 108 с.

3. Никольский, О.К. Проблема неопределенности при анализе рисков электроустановок [Текст] / О.К. Никольский, А.Ф. Костюков, Н.П. Черкасова // Ползуновский вестник.- 2014. -№ 4.-Т.1.- С. 140-146.

4. Юсупов, Р.Х. Производственная среда предприятий АПК как информационная динамическая система при анализе и прогнозировании травматизма и профессионально обусловленной заболеваемости [Текст]: монография / Р.Х. Юсупов, А.В. Зайнишев, Ю.Г. Горшков. - М.: Изд-во РГАУ-МСХА имени К.А. Тимирязева, 2009. -224 с.

5. Гражданкин, А.И. Экспертная система оценки техногенного риска опасных производственных объектов [Текст] /А.И. Гражданкин, П.Г. Белов // Безопасность труда в промышленности, 2000.- № 11. - С. 6-10.

6. Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений [Текст] / Л.А. Заде. - М.: Мир, 1976. - 167 с.

7. Кофман, А. Введение в теорию нечетких множеств [Текст] / А. Кофман. -М.: Радио и связь, 1982. - 432 с.

8. Никольский, О.К. Концепция оценки остаточного ресурса электропроводки и алгоритм его определения [Текст] / О.К. Никольский, Г.А. Гончаренко // Вестник КрасГАУ.- Красноярск, 2013.- № 9. - С. 210-214.

9. Беллман, Р. Принятие решений в расплывчатых условиях [Текст] / Р. Беллман, Л. Заде.- М.: Мир, 1976.- 43 с.

10. Лукоянычева, О.В. Экспертная система для определения показателя всхожести пшеницы/ О.В. Лукоянычева, С.П. Пронин // Ползуновский вестник. - 2015. - №2. - С. 65-69.

Размещено на Allbest.ru