Безразборный метод формирования банка данных о техническом состоянии топливной системы ДВС технологических машин в режиме реального времени

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Экономическая составляющая эффективного функционирования технологических машин заключается в бесперебойной их работе при выполнении различных задач, в таких отраслях, как строительная, дорожная, сельское хозяйство и пр. Учесть разнообразие условий эксплуатации технологических машин и постоянно меняющиеся режимы нагружения в настоящее время возможно путём применения цифровых технологий, позволяющих создавать массив базы данных не только в режиме реального времени, но и для индивидуальной машины. Актуальной является задача создания методов сбора информации о режимах работы машины, факторах, вызывающих изменение эффективности функционирования, разработки алгоритмов принятия решения о поддержании работоспособного состояния всех агрегатов и систем машины, не допуская их отказов и непроизводственных простоев машины в целом.

Цель работы — обеспечение эффективного функционирования единичной технологической машины за счёт управления рисками отказов, путём корректировки периодичности технического обслуживания и периодов ремонтно-восстановительных воздействий, на основании полученных в режиме реального времени данных о техническом состоянии и цифровой обработки информации принятия решения.

Методы. Характер изменения технического состояния агрегатов и систем технологических машин в теории систем чаще всего рассматривается как случайный из-за большой вероятности неопределённости факторного влияния. Предложено рассмотреть задачу управления рисками отказов элементов систем и агрегатов технологических машин, используя базовые положения теории выбросов случайных процессов. В качестве объекта исследования выбран дизельный двигатель технологической машины с примером контроля технического состояния топливной системы.

Результаты. Представлено обоснование целесообразности выполнения технического обслуживания и ремонтно-восстановительных воздействий (ТОиР) технологических машин по потребности. Корректировка периодичности ТОиР проводилась по результатам данных изменения показателей функционирования машины, в частности топливной системы ДВС. Для разработки алгоритма формирования массива данных применены типовые архитектуры сбора и обработки информации с применением цифровых платформ принятия решения об интенсивности изменения параметров, в качестве примера представлены осциллограммы изменения давления при работе системы питания ДВС.

Заключение. Разработан модуль диагностики технического состояния и эффективности работы ДВС единичной технологической машины в режиме реального времени. Предложено внедрение интеллектуальной системы принятия решения с последующей трансформацией в образ цифрового двойника управления рисками отказов и контроля эффективности функционирования машины для различных условий эксплуатации.

Об авторах

Алексей Григорьевич Арженовский

Российский государственный аграрный университет – МСХА имени К.А. Тимирязева

Email: arzhenovski@rgau-msha.ru
ORCID iD: 0000-0002-3569-8934
SPIN-код: 5549-4841

д-р техн. наук, доцент, и. о. директора Института механики и энергетики имени В.П. Горячкина

Россия, Москва

Надежда Савельевна Севрюгина

Российский государственный аграрный университет – МСХА имени К.А. Тимирязева

Автор, ответственный за переписку.
Email: nssevr@yandex.ru
ORCID iD: 0000-0002-3494-1437
SPIN-код: 4444-0443

д-р техн. наук, доцент, профессор кафедры технического сервиса машин и оборудования

Россия, Москва

Алексей Сергеевич Апатенко

Российский государственный аграрный университет – МСХА имени К.А. Тимирязева

Email: a.apatenko@rgau-msha.ru
ORCID iD: 0000-0002-2492-9274
SPIN-код: 7553-2715

д-р техн. наук, доцент, заведующий кафедрой технического сервиса машин и оборудования

Россия, Москва

Список литературы

  1. Pastukhov AG, Timashov EP, Bakharev DN. Generalized assessment of the main factors in the design of machinery and technologies in agroengineering. Innovations in agriculture: problems and prospects. 2021;1(29):17-26. (In Russ.)
  2. Kutuzov VV. Efficiency of operation of construction and road vehicles, taking into account changes in their technical condition. Technology of wheeled and tracked vehicles. 2015;3(19):57–64. (In Russ.)
  3. Dalsky N. Restoration of agricultural machinery — a new life of aggregates! Our agriculture. 2023;13(309):64–67. (In Russ.)
  4. Kosenko EA, Baurova NI, Zorin VA. Service Properties of Composites with Various Types of Hybrid Matrices. Russian Metallurgy (Metally). 2020;13:1526–1530. doi: 10.1134/S0036029520130169
  5. Lebedev AT, Arzhenovskiy AG, Chayka YeA, et al. Methodology for Assessing the Efficiency of Measures for the Operational Management of the Technical Systems’ Reliability. In: XIV International Scientific Conference “INTERAGROMASH 2021”: Precision Agriculture and Agricultural Machinery Industry. Volume 1, Rostov-on-Don, 24–26.02.2021. Berlin: Springer Verlag; 2022;242:13–20. doi: 10.1007/978-3-030-81619-3_2
  6. Kravchenko IN, Erofeev MN, Zorin VA. Methodology for calculating optimal volumes and nomenclature of spare parts of machines and technological equipment for the production of building materials. Repair. Recovery. Modernization. 2008;11:33–36. (In Russ.)
  7. Golubev IG, Sevryugina NS, Apatenko AS, et al. Modernizing Machines to Extend Their Life. Russian Engineering Research. 2023;43(3):258–263. doi: 10.3103/s1068798x23040111 EDN: TZDWXO
  8. Leonov OA, Temasova GN. Building a functional model of the process “Maintenance and repair of agricultural machinery” from the perspective of the requirements of international standards for quality management systems. Bulletin of FGOU VPO “MGAIU named after V.P. Goryachkin”. 2009;7(38):35–40. (In Russ.)
  9. Starostin IA, Lavrov AV, Eshchin AV, et al. The state and prospects of development of the agricultural tractor fleet in the context of digital transformation of agricultur. Tractors and agricultural machinery. 2023;90(4):387–394. (In Russ.) doi: 10.17816/0321-4443-567790
  10. Golubev IG, Bykov VV, Golubev MI. Promising directions of using digital solutions in the technical service of machines in the forest complex. In: Annual national NTC of teaching staff, postgraduates and students of the Mytishchi branch of the Bauman Moscow State Technical University based on the results of research for 2020: Collection of abstracts, Mytishchi, Moscow region, 01-03.02.2021. Krasnoyarsk: NITs; 2021;42–44. (In Russ.)
  11. Kalashnikov PV. Mathematical model of risk control arising from the functioning of complex technical systems for critical purposes in conditions of uncertainty of information about the values of parameters and the phase state. International Journal of Advanced Studies. 2022;12(3):22–39. doi: 10.12731/2227-930X-2022-12-3-22-39
  12. Zhiyao Zhang, Xiaohui Chen, Enrico Zio, et al. Multi-task learning boosted predictions of the remaining useful life of aero-engines under scenarios of working-condition shift. Reliability Engineering & System Safety. 2023;237. doi: 10.1016/j.ress.2023.109350
  13. Komarov VA. Criteria for the limiting state of machine units: theoretical background. Tractors and agricultural machinery. 2005;2:28–30. (In Russ.)
  14. Bugrimov VA, Kondratiev AV, Sarbaev VI. Modeling of the inventory management system of a service station. The world of transport and technological machines. 2017;4(59):9–16.
  15. Apatenko AS, Vladimirova NI. Analysis of systems of repair and preventive maintenance of technological machines. Bulletin of the Federal State Educational Institution of Higher Professional Education “V.P. Goryachkin Moscow State Agroengineering University”. 2013;1(57):72–76. (In Russ.)
  16. Sevryugina NS. Integration of the probability theory of random processes in the information and analytical complex for monitoring the performance of road vehicles. In: Interstroymeh — 2015: materials of the ISTC, Kazan, 09-11.09.2015. KGASU. Kazan: KGASU; 2015:188–192. (In Russ.)
  17. Arzhenovsky AG, Asaturyan SV. Improvement of methods and means for determining energy and fuel-economic indicators of tractor engines — Zernograd: Azov-Black Sea Engineering Institute — branch of the Federal State budgetary educational institution of Higher education “Don State Agrarian University” in Zernograd. Zernograd; 2013. (In Russ.)
  18. Leonov OA, Shkaruba NJ. Calculation of landing tolerance based on the parametric connection failure model. Problems of mechanical engineering and automation. 2020;4:14–20. (In Russ.)
  19. Sevryugina NS, Ruzanov EV, Matveenko MA, et al. Embedded multiplex digital monitoring system for environmental management machines. In: Scientific and information support for innovative development of the agro-industrial complex : materials XI MNPK, 05–07.06.2019. Pravdinsky: Rosinformagrotech; 2019:378–383. (In Russ.)
  20. Kulmanakov SP, Tyutikov SA. Assessment of the effect of fuel pressure pulsation in the Common Rail system on the economic and environmental performance of diesel. Tractors and agricultural machinery. 2023;90(3):201–206. (In Russ.) doi: 10.17816/0321-4443-241226
  21. Lebedev AT, Arzhenovskiy A, Zhurba VV, et al. Operational Management of Reliability of Technical Systems in the Agro-Industrial Complex. In: XIV International Scientific Conference “INTERAGROMASH 2021”: Precision Agriculture and Agricultural Machinery Industry. Rostov-on-Don, 24–26.02.2021. Berlin: Springer Verlag; 2022:79–87. doi: 10.1007/978-3-030-81619-3_9
  22. Shimokhin AV, Kirasirov OM. Mechanism for improving the management of the maintenance and repair process using neural network technology. Tractors and agricultural machinery. 2023;90(6):561–573. (In Russ.) doi: 10.17816/0321-4443-546006

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Выбросы случайного процесса: Н — локальный максимум процесса X(t); Нm — абсолютный максимум функции системы X(t); τ0 — момент времени первого выброса; τ — длительность положительного выброса (период работы агрегатов в нормальном режиме функционирования); θ — длительность отрицательного выброса (работа неисправной системы в режиме снижения эффективности функционирования).

Скачать (46KB)
Метаданные
3. Рис. 2. «Теоретическая» осциллограмма изменения давления в топливопроводе системы питания ДВС.

Скачать (69KB)
Метаданные
4. Рис. 3. «Эталонная» осциллограмма работы топливной системы ДВС.

Скачать (42KB)
Метаданные
5. Рис. 4. Крепление датчиков: а — кожух ДВС А-41; b — кожух ДВС СМД-62; c — топливопровод форсунки 1-го цилиндра; d — впускной коллектор; 1 — датчик частоты вращения маховика на кожухе ДВС; 2 — датчик фиксации положения поршня в ВМТ; 3 — датчик давления в топливопроводе; 4 — датчик давления наддува воздуха.

Скачать (290KB)
Метаданные
6. Рис. 5. Инфограммы контроля элементов топливной системы ДВС по показателю изменения давления при: а — износе нагнетательного клапана; b — износе плунжерной пары; c — суммарном износе нагнетательного клапана и плунжерной пары; d — фиксации уменьшения давления начала подъёма иглы распылителя форсунки [17].

Скачать (209KB)
Метаданные
7. Рис. 6. Результаты цифрового контроля состояния ДВС: точка А — момент начала возрастания давления в топливопроводе; точка В — нахождение поршня 1-го цилиндра в ВМТ такта сжатия; γ — угол опережения подачи топлива определяется расчётным путём.

Скачать (199KB)
Метаданные

© Эко-Вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».