CC BY
4
ISSN1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 2
COOE^EHHfl REPORTS
Сообщение
УДК 620.179.12:629.4.027
doi: 10.17213/1560-3644-2023-2-112-115
АЛГОРИТМИЗАЦИЯ ДЛЯ ВИБРОАКУСТИЧЕСКОЙ ДИАГНОСТИКИ МЕХАНИЧЕСКИХ УЗЛОВ ТЯГОВЫХ ДВИГАТЕЛЕЙ
В.А. Лепихова, Н.В. Ляшенко
Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова, г. Новочеркасск, Россия
Аннотация. Рассмотрены вопросы повышения надежности работы подшипниковых узлов тяговых двигателей. Для безразборной эксплуатации двигателей предложено использование виброакустической диагностики. Выполнена разработка алгоритмов и математического обеспечения на основе применения теории распознавания образов. После разбиения на классы определен перечень диагностических признаков. Осуществлена минимизация признаков с использованием алгоритмов-процедур, таких как корреляционные моменты, минимизации с помощью коэффициентов, разделяющих функций и минимизация по разрешающей способности.
Ключевые слова: надежность транспортных средств, безразборная диагностика, подшипник, спектр, алгоритм, теория распознавания образов, классы диагностических признаков, эталонные спектрограммы
Для цитирования: Лепихова В.А., Ляшенко Н.В. Алгоритмизация для виброакустической диагностики механических узлов тяговых двигателей // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2023. № 2. С. 112-115. http://dx.doi.org/10.17213/1560-3644-2023-2-112-115
Report
ALGORITHMIZATION FOR VIBROACOUSTIC DIAGNOSTICS OF MECHANICAL COMPONENTS OF TRACTION MOTORS
V.A. Lepikhova, N.V. Lyashenko
Platov South-Russian State Polytechnic University (NPI), Novocherkassk, Russia
Abstract. The article discusses the issues of improving the reliability of the bearing units of traction motors. The use of vibroacoustic diagnostics is proposed for the non-dismountable exploitation of engines. The development of algorithms and mathematical support is carried out on the basis of the application ofpattern recognition theory. After being divided into classes, a list of diagnostic signs is determined. Minimization offeatures is carried out using algorithms-procedures, such as correlation moments, minimization using coefficients, separating functions and minimization by resolution.
Keywords: reliability of vehicles, non-dismountable diagnostics, bearing, spectrum, algorithm, pattern recognition theory, classes of diagnostic features, reference spectrograms
For citation: Lepikhova V.A., Lyashenko N.V. Algorithmization for Vibroacoustic Diagnostics of Mechanical Components of Traction Motors. Izv. vuzov. Sev.-Kavk. region. Techn. nauki=Bulletin of Higher Educational Institutions. North Caucasus Region. Technical Sciences. 2023;(2): 112-115. (In Russ.). http://dx.doi.org/ 10.17213/1560-3644-2023-2-112-115
Введение
Повышение надежности транспортных средств для предупреждения чрезвычайных ситуаций требует проведения текущей безразборной эксплуатационной диагностики элементов тяговых средств (якорных подшипников,
элементов зубчатой передачи коллекторного аппарата) [1, 2]. Наиболее пригодной для этих целей является виброакустическая диагностика, которая, если учесть специфику эксплуатации локомотивов железнодорожного транспорта (очень сильное постороннее шумовое поле), должна выполняться в два этапа [3, 4].
© ЮРГПУ(НПИ), 2023
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 2
В первом текущем эксплуатационном этапе выполняется предварительная экспресс-диагностика с помощью шумомера. В случаях обоснованного прогноза об ухудшении состояния анализируемых объектов выполняется дифференциальная диагностика в стационарных условиях с применением методов теории опознавания образов на ЭВМ. Поэтому в задачу исследований входит подготовка теоретической базы (математического обеспечения) и экспериментальной базы для второго этапа диагностики.
Методы и результаты исследований
При разработке алгоритма и программного обеспечения для дифференциального диагноза важное значение приобретает выбор различаемых состояний диагностируемого объекта [5]. Например, для диагностики состояния якорного подшипника выбирают интересующие пользователя-экспериментатора возможные его состояния (классы), такие как трещина внутреннего кольца подшипника, трещина наружного кольца, разрушение сепаратора подшипника, нарушение режима смазки и т.д.
Следует отметить, что слишком подробное разбиение ситуаций на классы состояний имеет и свои негативные стороны [6]. С прикладной точки зрения эксплуатационника вид и локализация дефекта не так важны. Важно различать два класса состояния:
- подшипник не годен к дальнейшей эксплуатации и требует срочной разборки двигателя, после которой и конкретный вид и локализация дефекта станут ясными;
- подшипник годен к эксплуатации, но требует профилактического обслуживания.
После разбиения пространства состояний на классы необходимо выбрать перечень диагностических признаков [7]. При разработке списка признаков возможны несколько подходов:
1. Из физических соображений (физики твердого тела, теории упругости и пластичности, теории разрушения материалов).
2. Из математических соображений в терминах теории вероятности и математической статистики и т.д.
3. Из формального математического разложения диагностируемого процесса эксплуатации подшипника с помощью интегральных преобразований и по формальной теории аппроксимации и т.д.
Во всех случаях список признаков необходимо минимизировать, сохранив лишь наиболее информативные [8, 9]. Известны алгоритмы-процедуры, минимизирующие список признаков по информативности:
1. По корреляционным моментам. Признак, имеющий меньший разброс в пределах класса Квнут и большой разброс между классами Квнеш, обладает большой информативностью. Критерий отбора признака
Кв]
<< I Кв:
2. Метод минимизации с помощью коэффициентов разделяющих функций. Более информативным считается признак, имеющий большую дисперсию коэффициентов разделяющих потенциальных функций.
3. Минимизация по разрешающей способности. Критерии информативности признака
для этого метода записываются в виде
Q =
minLIа j,ajkM-L
(a j, a-')
> Д, i Ф j,
где а - наблюдение дляу-го класса; аэ 3 - вектор признаков для эталона из класса у; аэ ' -вектор с удаленным к-м признаком, предьявляе-мым к минимизации в к-м наблюдении; Д - пороговое значение в алгоритме оценки информативности признака; Ь (а-3, а-(^)) - метрика для
оценки близости наблюдений.
Меры близости могут быть построены на различных метриках:
- на равномерной метрике Чебышева;
- на метрике евклидового и-мерного пространства;
- на квадратичной метрике;
- на метрике гильбертового пространства.
На основе сформированной дискретной
классификационной модели состояний диагностируемой машины определяют диагностические сигналы-симптомы, отвечающие каждому состоянию диагностируемого узла [10].
Выводы
Для надежного выделения информационного сигнала виброакустической эмиссии диагностируемого объекта из поля посторонних шумовых помех необходимо пользоваться гибкими помехозащищенными волноводами звукового и
ISSN 1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 2
ультразвукового диапазона. При этом измерение сигнала выполняется дважды: при включенном питании тягового двигателя (под нагрузкой) и при отключенном питании. Вычитая из первого отсчета второй, получаем информационный сигнал, исправленный на наличие аддитивных шумовых помех. В случае подозрения на интенсивное развитие усталостных повреждений эту экспресс-информацию необходимо дополнить в стационарных условиях ремонтного предприятия дифференцированным диагнозом с помощью спектрально-акустической аппаратуры с обработкой на ЭВМ по методам теории распознавания образов, сравнивая диагностические спектрограммы с эталонными, полученными на образцах с типовыми повреждениями структуры материала.
Список источников
1. Государственный доклад о состоянии защиты населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного характера в 2021 году / МЧС России. ФГБВОУ ВО «Академия гражданской защиты МЧС России. 2022. 250 с.
2. Матюшкова О.Ю., Тэттэр В.Ю. Современные методы виброакустического диагностирования // Омский научный вестн. 2013. № 3 (123). С. 294-299.
3. Руссов В.А. Диагностика дефектов вращающегося оборудования по вибрационным сигналам. Пермь, 2012. 252 с.
4. Мазнёв А.С., Федоров Д.В., Потапенко В.С. Акустико-эмиссионная диагностика для подшипниковых узлов // Локомотив. 2003. №11. С. 28-31.
5. Зырянов Б.А., Ратников Е.Ф. Анализ методов минимизации описаний в задаче распознавания режимов течения теплоносителя // Теплофизика ядерных энергетических установок. Свердловск: УПИ, 1983. Вып. 2. С. 37-44.
6. Журавлев Ю.И., Рязанов В.В., Сенько О.В. «Распознавание». Математические методы. Программная система. Практические применения. М.: ФАЗИС, 2006. 176 с.
7. Патрик Э.А. Основы теории распознавания образов. М.: Соврадио, 1980. 348 с.
8. Дегтярев С.В., Кореневский Н.А., Титов В.С., Шираба-кина Т.А. Основы теории распознавания образов. Курск: КГТУ, 1999. 117 с.
9. Буслаев А.П. Компьютерные методы обработки информации и распознавание образов в задачах транспорта и связи. М.: Техполиграфцентр, 2008. 101 с.
10. Лепихова В.А. Скринников Е.В., Вильбицкая Н.А., Рябоус А.Ю. Виброакустическая диагностика и прогноз остаточных ресурсов элементов машин с применением корреляционной теории случайных процессов // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2019. № 3. С. 87-90.
References
1. State Report on the State of Protection of the Population and Territories of the Russian Federation from Natural and Man-made Emergencies in 2021. EMERCOMof Russia. FGBVOUHE "Academy of Civil Protection of the Ministry of Emergency Situations of Russia. 2022. 250 p.
2. Matyushkova O.Yu., Tetter V.Yu. Modern Methods of Vibroacoustic Diagnostics. Omsk Scientific Bulletin. 2013; 123(3):294-299. (In Russ.)
3. Russov V.A. Diagnostics of Rotating Equipment Defects by Vibration Signal. Perm'; 2012. 252 p.
4. Maznyov A.S., Fedorov D.V., Potapenko V.S. Acoustic Emission Diagnostics for Bearing Assemblies. Lokomotiv. 2003; (11):28-31.
5. Zyryanov B.A., Ratnikov E.F. Analysis of Methods for Minimizing Descriptions in the Problem of Recognizing the Flow Modes of a Coolant. Thermophysics of nuclear power plants. 1983; (2):37-44. (In Russ.)
6. Zhuravlev Yu.I. Pattern Recognition in 4 parts. Moscow; 1991. 296 p.
7. Patrik E.A. Fundamentals of Pattern Recognition Theory. Moscow: Sovradio; 1980. 348 p.
8. Degtyarev S.V., Korenevskij N.A., Titov V.S., Shirabakina T.A. Fundamentals of Pattern Recognition Theory. Kursk: KGTU; 1999. 117 p
9. Buslaev A.P. Computer Methods of Information Processing and Pattern Recognition in Transport and Communication Tasks. Moscow: Tekhpoligrafcenr; 2008.101 p.
10. Lepikhova V.A. et al. Vibroacoustic Diagnostics and Prediction of Residual Resources of Machine Elements Using the Correlation Theory of Random Processes. Izv. vuzov. Sev.-Kavk. region. Techn. nauki= Bulletin of Higher Educational Institutions. North CaucasusRegion.Technical Sciences. 2019. (3): 87-90. (In Russ.)
ISSN1560-3644 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. TECHNICAL SCIENCES. 2023. No 2 Сведения об авторах
Лепихова Виктория Анатольевнав - канд. техн. наук, доцент, кафедра «Экология и промышленная безопасность», [email protected]
Ляшенко Надежда Владимировна - канд. техн. наук, доцент, кафедра «Экология и промышленная безопасность», [email protected]
Information about the authors
Lepikhova Viktoriya A. - Candidate of Technical Sciences, Associate Professor, Department «Ecology and Industrial Safety», [email protected]
Lyashenko Nadegda V. - Candidate of Technical Sciences, Associate Professor, Department «Ecology and Industrial Safety», [email protected]
Статья поступила в редакцию / the article was submitted 26.04.2023; одобрена после рецензирования / approved after reviewing 10.05.2023; принята к публикации / acceptedfor publication 22.05.2023.
ПОПРАВКА
к статье Е.О. Каракулина, В.В. Тугов «Математическое моделирование процесса теплообмена в многослойной композитной конструкции на этапе предварительного разогрева», опубликованной в журнале «Изв. вузов. Сев.-Кавк. регион. Техн. науки». 2023. № 1. На стр.17 неверно указано место работы авторов. Напечатано:
Оренбургский государственный педагогический университет, г. Оренбург, Россия.
Следует читать:
Е.О. Каракулина ', В.В. Тугов 2.
1 Оренбургский государственный педагогический университет, г. Оренбург, Россия,
2 Оренбургский государственный университет, г. Оренбург, Россия.
