Reliability analysis of mine ventilation fans based on Markov process theory

封面

如何引用文章

全文:

详细

The reliability of mine ventilation fans plays a crucial role in aerological systems and is determined by a combination of various geological, mining-technological, and structural factors, most of which are stochastic in nature. The problem of quantifying the reliability indicators of mine fan installations is addressed using various mathematical methods for modeling random processes. This study considers the possibility of applying Markov process theory to develop a methodology for calculating the operational reliability of centrifugal main mine ventilation fans, using the VShTs-16 as an example. The limitations of applying Markov processes to reliability analysis are demonstrated, particularly due to the condition of stochastic independence of failures. The use of homogeneous Markov processes has its constraints, since the transition intensities between individual system states are not always constant. In such cases, it is impossible to construct a system of differential equations with time-dependent coefficients. When stochastic dependence is present in failure flows of mechanical systems, the application of Markov process theory remains possible, but the most effective tool for reliability analysis in such cases is the Monte Carlo numerical simulation method.

作者简介

P. Vyatkin

AMZ Ventprom JSC

Email: vyatkinpv@ventprom.com
ORCID iD: 0009-0001-2477-4436

N. Valiev

Ural State Mining University

Email: Niyaz.Valiev@m.ursmu.ru
ORCID iD: 0000-0002-5556-2217
SPIN 代码: 3886-5864

D. Simisinov

Ural State Mining University

Email: 7sinov@m.ursmu.ru
ORCID iD: 0000-0001-6095-0073
SPIN 代码: 6285-0395

E. Volkov

Ural State Mining University

Email: gmf.tm@ursmu.ru
ORCID iD: 0000-0002-8313-3137
SPIN 代码: 4878-2380

参考

  1. Ahaiev R., Prytula D., Kliuiev E., et al. The determination of the influence degree of mining-geological and mining-technical factors on the safety of the degassing system. In: E3S Web of Conferences. II International Conference Essays of Mining Science and Practice. 2020;168:00040. https://doi.org/10.1051/e3sconf/202016800040
  2. Матерова Е. С., Аксенова Ж. А., Никифоров А. А. и др. Потенциал развития горнодобывающего сектора России. Уголь. 2024;(12):41–46. http://dx.doi.org/10.18796/0041-5790-2024-12-41-46
  3. Баловцев С. В. Оценка схем вентиляции с учетом горно-геологических и горнотехнологических условий отработки угольных пластов. Горный информационно-аналитический бюллетень. 2019;(6):173–183. https://doi.org/10.25018/0236-1493-2019-06-0-173-183
  4. Chen Y., Liu R., Liu C., et al. Influence of blade installation angle spanwise distribution on the energy characteristics of mining contra-rotating axial flow fan. Scientific Reports. 2025;15(1):6444. https://doi.org/10.1038/s41598-025-90797-4
  5. Каледина Н. О., Малашкина В. А. Индикаторная оценка надежности функционирования шахтных вентиляционно-дегазационных систем. Записки Горного института. 2021;250:553–561. https://doi.org/10.31897/PMI.2021.4.8
  6. Odeyar P., Apel D. B., Hall R., et al. A review of reliability and fault analysis methods for heavy equipment and their components used in mining. Energies. 2022;15(17):6263. https://doi.org/10.3390/en15176263
  7. Ушаков В. К. Проблема надежности и эффективности шахтных вентиляционных систем. Горный информационно-аналитический бюллетень. 2015;(4):240–248.
  8. Кашников А. В., Круглов Ю. В. Определение параметров проветривания рабочей зоны рудника на основе нечеткой логики. Горный информационно-аналитический бюллетень. 2023;(5):68–82. https://doi.org/10.25018/0236_1493_2023_5_0_68
  9. Райншке К. Модели надежности и чувствительности систем. М.: Мир; 1979. 452 с. (Ориг. вер.: Reinschke K. Zuverlässigkeit und verfügbarkeit technischer systeme: theorie – praxis – berechnung. Berlin: VEB Verlag Technik; 1973. 392 s. (In German))
  10. Петроченков А. Б., Бочкарёв С. В., Ромодин А. В., Елтышев Д. К. Планирование процесса эксплуатации электротехнического оборудования с использованием теории марковских процессов. Электротехника. 2011;(11):20–24.
  11. Agbinya J. I. Markov Chain and its applications. In: Applied Data Analytics – Principles and Applications. 1st ed. New York: River Publishers eBooks; 2022. 15 p. https://doi.org/10.1201/9781003337225-1
  12. Ssempijja M. N., Namango S., Ochola J., Mubiru P. K. Application of Markov Chains in manufacturing systems: a review. International Journal of Industrial Engineering and Operational Research. 2021;3(1):1–13. https://doi.org/10.22034/ijieor.v3i1.26
  13. Wang Y., Xie B., E Sh. Adaptive relevance vector machine combined with Markov-chain-based importance sampling for reliability analysis. Reliability Engineering & System Safety. 2022;220:108287. https://doi.org/10.1016/j.ress.2021.108287
  14. Розанов Ю. А. Введение в теорию случайных процессов. М.: Наука; 1982. 128 с.
  15. Игнатов В. А., Маньшин Г. Г., Костановский В. В. Элементы теории оптимального обслуживания технических изделий. Минск: Наука и техника; 1974. 192 с.
  16. Овчаров Л. А. Прикладные задачи теории массового обслуживания. М.: Машиностроение; 1969. 324 с.
  17. Мюллер П., Нойман П., Шторм Р. Таблицы по математической статистике. М.: Финансы и статистика; 1982. 272 с. (Ориг. вер.: Müller P., Neumann P., Storm R. Tafeln der mathematischen statistik. Berlin: VEB Deutscher Verlag der Wissenschaften; 1979. 272 s. (In German))
  18. Проников А. С. Надежность машин. М.: Машиностроение; 1978. 592 с.
  19. Русский Е. Ю. Исследование вибрационной надежности роторов осевых вентиляторов главного проветривания шахт. Интерэкспо Гео-Сибирь. 2017;2(2):121–125.
  20. Копачев В. Ф. Обоснование срока службы вентиляторов главного проветривания в условиях переменной нагрузки. Известия высших учебных заведений. Горный журнал. 2020;(6):102–108. https://doi.org/10.21440/0536-1028-2020-6-102-108
  21. Копачев В. Ф., Копачева Е. А. Исследование влияния переходных процессов на технические показатели рудничных систем производства и транспортирования сжатого воздуха. Горный информационно-аналитический бюллетень. 2025;(1–1):106–119. https://doi.org/10.25018/0236_1493_2025_11_0_106
  22. Ушаков В. К. Математическое моделирование надежности и эффективности шахтных вентиляционных систем. М.: Горная книга; 2003. 181 с.
  23. Потапов В.Д., Призов А.Д. Имитационное моделирование производственных процессов в горной промышленности. М.: Высшая школа; 1981. 191 с.
  24. Jones G. L., Qin Q. Markov chain Monte Carlo in practice. Annual Review of Statistics and Its Application. 2022;9(1):557–578. https://doi.org/10.1146/annurev-statistics-040220-090158

补充文件

附件文件
动作
1. JATS XML
下载


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

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».