CC BY
4
УДК 629.4.053
В. В. Петров, А. С. Окишев, К. С. Петров
Омский государственный университет путей сообщения (ОмГУПС), г. Омск, Российская Федерация
АВТОМАТИЗАЦИЯ НАСТРОЙКИ СИСТЕМЫ МАГНИТОИНДУКЦИОННЫХ ДАТЧИКОВ ОСЕЙ ДЛЯ ДИАГНОСТИРОВАНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ПОДВИЖНОГО СОСТАВА НА ОСНОВЕ СТОХАСТИЧЕСКОГО ПОДХОДА
Аннотация. В работе описаны результаты исследования отклонений межосевых расстояний вагонов от нормативных значений в процессе равномерного движения состава над комплектом магнитоиндукционных датчиков. Цель данной работы состоит в обосновании возможности применения стохастического подхода к автоматизации процесса настройки измерительной системы и магнитоиндукционных датчиков, входящих в ее состав, на основе статистической обработки измеренных данных и вычисления оценок случайных последовательностей (выборок) вычисленных межосевых интервалов. Любые отклонения межосевых расстояний возникают в процессе постепенного износа движущихся деталей в реальных условиях эксплуатации вагонного парка и приводят к изменению статистических оценок этих параметров подвижного состава. Представлен анализ статистических параметров эмпирических гистограмм различных типов межосевых расстояний на степень соответствия нормальному закону распределения для оценки перспективности применения одного из них для автоматической настройки измерительного тракта системы, обеспечивающей диагностирование технического состояния подвижного состава в процессе движения его над комплектом датчиков осей колесных пар. Предложенный аддитивный метод для автоматической настройки системы, реализованный на основе вычисления математического ожидания отклонений межосевых расстояний вагонных тележек, позволяет снизить эксплуатационные затраты на диагностирование технического состояния подвижного состава. Эффективность оценки математического ожидания подтверждается нормальным законом распределения параметра, используемого для настройки системы, и стохастическим законом больших чисел.
Ключевые слова: автоматизация, настройка системы, стохастические методы, вагонная тележка, отклонения параметров, межосевые расстояния колесных пар, магнитоиндукционные датчики осей.
Vladimir V. Petrov, Andrey S. Okishev, Konstantin S. Petrov
Omsk State Transport University (OSTU), Omsk, the Russian Federation
AUTOMATION OF THE SETUP OF THE SYSTEM OF MAGNETIC INDUCTION SENSORS OF AXES FOR ROLLING STOCK TECHNICAL CONDITION DIAGNOSTICS ON THE BASIS OF THE STOCHASTIC APPROACH
Abstract. The paper describes the results ofa study ofdeviations of interaxial distances ofcars from standard values in the process of uniform movement of a train over a set of magnetic induction sensors. The purpose of this work is to substantiate the possibility of applying a stochastic approach to automating the process ofsetting up a measuring system and magnetic induction sensors included in it, based on statistical processing of measured data and calculation of estimates of random sequences (samples) of calculated center intervals. Any deviations of center distances occur in the process of gradual wear of moving parts in real operating conditions of the rolling stock and lead to a change in the statistical estimates of these parameters of the rolling stock. An analysis of the statistical parameters of empirical histograms of various types of center distances for the degree of compliance with the normal distribution law is presented to assess the prospects for using one of them to automatically adjust the measuring path of the system, which provides diagnostics of the technical condition of the rolling stock in the process of its movement over a set ofsensors for the axles of wheel sets. The proposed additive method for automatic tuning of the system, implemented on the basis of calculating the mathematical expectation of deviations in the center distances of wagon bogies, can reduce the operating costs for diagnosing the technical condition of the rolling stock. The effectiveness of the estimation of the mathematical expectation is confirmed by the normal distribution law of the parameter used to tune the system, and based on the stochastic law of large numbers.
Keywords: automation, system tuning, stochastic methods, wagon bogie, parameter deviations, axle distances of wheelsets, magnetic induction axle sensors.
Современное развитие цифровых технологий позволяет реализовать новый принцип взаимодействия человека и любых технических объектов, таких как «интернет вещей» или
№ 1(53) 2023
«цифровая железная дорога», которые фактически являются всеобъемлющими системами сетецентрического мониторинга различного оборудования для повышения эффективности и надежности эксплуатации любых сложных технических объектов. Наиболее перспективное направление применения интеллектуальных технологий на железнодорожном транспорте -это реализация цифровых двойников каждой единицы подвижного состава, которые могут постоянно сравниваться с реальным объектом в процессе движения состава вдоль цифровых сканеров, установленных в контрольных пунктах железнодорожной сети [1]. В настоящее время контроль технического состояния подвижного состава осуществляется в пунктах технического обслуживания на основе специализированных измерительных стендов после разборки каждого узла, что приводит к значительным материальным и финансовым затратам [2].
В процессе механического износа деталей возникают отклонения конструктивных параметров тележек подвижного состава от номинальных значений. При наличии комплекта магнитоиндукционных датчиков, закрепленных на подошве рельсов, имеется возможность измерения и регистрации этих отклонений. После обработки сигналов, поступающих от датчиков, вычисляются межосевые расстояния всех подвижных единиц, проходящих над комплектом датчиков, и перекосы осей колесных пар относительно линии, перпендикулярной рельсовому пути. На основе этих данных и соответствующих математических моделей [3] осуществляется инструментальное диагностирование в специализированных пунктах контроля технического состояния подвижного состава с использованием стандарта ОАО «РЖД» [4]. Структурная схема микропроцессорного устройства для регистрации и обработки сигналов, поступающих от датчиков осей вагонных тележек [5], представлена на рисунке 1.
Магнитоиндукционные датчики установлены в составе комплекта напольного оборудования в пунктах КТСМ, примерная схема размещения которых изображена на рисунке 2.
Рисунок 1 — Структурная схема микропроцессорного устройства для измерения и предварительной обработки межосевых интервалов
Математическое обеспечение и алгоритм работы устройства для инструментальной калибровки и тестирования измерительного тракта системы на основе персонального компьютера описаны в источнике [6]. Диаграмма, поясняющая принцип формирования измеряемых временных интервалов, представлена на рисунке 3, где высокий уровень сигнала означает момент прохождения колесной пары между датчиками Мд1 и Мд2.
V
7
(5§3
Ось №2
Ось №1
Мд4
Межосевое расстояние тележки
3-£
¿0= 500мм #->
№1
Мд2
->
Ось №1
Ось М2
М.п1:Мд2
Щ2: Мд1
Мд2 : Мд1
Межосевое расстояние вагона
А
<->
<-Мд1
I
Тг1
Д Т02
#
Тв2
Мд2
Мд1
Мд2
Рисунок 3 — Принцип формирования временных интервалов
Предлагаемая система содержит пять магнитоиндукционных датчиков (Мд1 — Мд5), причем Мд4 и Мд5 определяют направление приближения состава к напольному оборудованию и обеспечивают электропитание микропроцессорного устройства (см. рисунки 2, 3), а датчики Мд2 и Мд3 предназначены для измерения угла перекоса оси каждой колесной пары. Расстояние между датчиками Мд1 и Мд2 Lo фиксировано и составляет 500 мм, а интервалы времени прохождения осей между этими датчиками (при равномерном движении состава Гравн) связаны соотношением:
V
равн
и
Т0 у
ь ь ь
_у — ву _ су
т . Т ■ т .
ту ву су
(1)
где тоу - интервалы времени прохождения осей между датчиками Мд1 и Мд2. Таким образом, в общем виде межосевые расстояния вычисляют по выражению:
ь—
' Тоу
(2)
Все измеренные данные хранятся в памяти микропроцессорного устройства (МПУ). Сформированный массив данных передается по каналу связи в центр обработки данных (специализированный сервер). Вычисляемые межосевые расстояния вагонов (1), (2) можно разделить на три группы:
1) Ьту - массив расстояний между осями тележек;
2) Ьву - массив расстояний между ближайшими осями смежных тележек вагонов;
т
3) Lсj - массив расстояний между ближайшими осями тележек смежных вагонов (с учетом сцепки между вагонами), которые изображены на рисунке 4 (на примере полувагонов).
Эксплуатация напольного оборудования (комплекта магнитоиндукционных датчиков) осуществляется в сложных погодных условиях и при постоянных вибрационных воздействиях, что негативно влияет на стабильность работы системы диагностирования. Для обеспечения высокой точности измерения перечисленных параметров следует осуществлять регулярную калибровку и тестирование всего измерительного тракта системы, что требует применения специального инструментария, т. е. дополнительных материальных и трудовых затрат.
Цель данной работы состоит в обосновании возможности применения стохастического подхода к автоматизации процесса настройки измерительной системы и магнитоиндукцион-ных датчиков, входящих в ее состав, на основе статистической обработки измеренных данных и вычисления оценок случайных последовательностей (выборок) измеренных межосевых интервалов.
Если учесть, что параметры всех вагонов в составе поезда независимы и все вагоны регулярно проходят техническое обслуживание и инструментальный контроль, то согласно закону больших чисел отклонения измеряемых параметров в реальной системе подчиняются нормальному закону распределения с определенными значениями математического ожидания и среднего квадратичного отклонения. Среднее время эксплуатации вагонного парка до первого капитального ремонта (с учетом ежегодного деповского ремонта) составляет 22 года [7]. Учитывая это обстоятельство, можно допустить, что возможность возникновения неисправности конкретного вагона составляет всего 4,5 % (в составе каждого поезда). Таким образом, большинство вагонов, входящих в состав конкретного поезда, находятся в эксплуатации в нормативном исправном состоянии [8]. Следовательно, средние значения параметров, измеренных не менее чем у 95 % подвижного состава, можно использовать в качестве эталонных, что и положено в основу предлагаемого метода автоматической настройки системы.
Если учесть, что на основании стохастического закона больших чисел оценка математического ожидания отклонений межосевых расстояний состава по выборке из генеральной совокупности описывается нормальным законом распределения, то такая оценка обладает свойствами состоятельности и эффективности и совпадает с оценками на основе методов моментов и максимального правдоподобия. Таким образом, для достижения поставленной цели основная задача - это исследование закона распределения измеренных реализаций случайной величины и проверка гипотезы о соответствии его нормальному закону распределения. Если этот закон соответствует закону распределения Гаусса и полученные оценки являются значимыми и эффективными, то допустимо использовать параметр математического ожидания для компенсации аддитивной погрешности всех элементов, входящих в измерительный тракт системы, независимо от положения или характеристик датчиков в составе напольного оборудования.
Кроме того, необходимо выяснить, какой тип из межосевых интервалов является наиболее информативным для решения поставленной задачи. Исследование статистических характе-
№ 1(
ристик указанных случайных величин рассмотрим на примере состава, состоящего из 67 полувагонов типа 12-119 с тележками типа 18-100 [9], имеющих следующие нормативные размеры межосевых расстояний: Lвн = 6800 мм, Lcн = 4200 мм, Lтн = 1850 ± 16 мм. Такой нормативный допуск ДLтн отклонения межосевых расстояний от номинального значения с нулевым значением математического ожидания (МО) соответствует диапазону среднего квадратичного отклонения (СКО) в 2а с учетом гипотезы о нормальном законе распределения, что и соответствует вероятности примерно 0,95. В процессе исследований необходимо найти статистические оценки реальных значений этих параметров.
Задача ставится следующим образом. Имеется три группы наблюдений - L т, Lв, Lc (векторов измеренных межосевых расстояний), необходимо вычислить и исследовать статистические характеристики их отклонений ДLт, ДLв, ДLc от нормативных значений Lтн, Lвн, Lcн:
{М = Ь - Ь ;
т т тн'
< М = Ь - Ь ; (3)
в в вн'
М = Ь - Ь .
с с сн
При этом предполагается, что вычисленные значения отклонений можно рассматривать как реализации случайных величин с нормальной функцией распределения элементов ДЬт/, ДLвj, ДЬс/, входящих в состав этих векторов, где / - номер элементов в составе каждого вектора, которые в статистических исследованиях рассматриваются как выборка из генеральной совокупности случайной величины. Таким образом, методами математической статистики необходимо проверить гипотезу о нормальном законе распределения этих случайных величин и принять решение о том, что предложенная гипотеза принимается или отвергается.
Если количество наблюдений в каждой реализации 60 и более, то можно воспользоваться критерием согласия Карла Пирсона (критерием %2) для сгруппированных наблюдений. При этом необходимо учитывать, что в таком случае рекомендовано принимать от шести до девяти интервалов для подсчета числа наблюдений, которые попали в каждый из них.
Идея критерия %2 основана на сравнении отклонений экспериментальной (эмпирической) гистограммы от теоретической гистограммы, имеющей нормальный закон распределения. Причем обе гистограммы имеют одинаковое количество интервалов и одинаковые параметры математического ожидания и дисперсии. Сумма квадратов относительных значений разностей частот по всем интервалам гистограммы не должна превышать критического значения %2(а, Л), которое можно найти по соответствующим таблицам в зависимости от уровня значимости критерия а и числа степеней свободы п.
Алгоритм реализации критерия %2 рассмотрим на примере вычисления основных оценок случайной величины ДЬт (выборки отклонений межосевых расстояний вагонных тележек грузового состава от нормативного значения). В общем виде вычисление среднего арифметического случайных значений для сгруппированных наблюдений производится по формуле:
1 ^
х* =~Е тх», (4)
П г=1
где Ш1 - эмпирические частоты гистограммы; п — число наблюдений в данной реализации; Х0/ - середина интервалов эмпирической гистограммы; k - число интервалов гистограммы. Несмещенные оценки дисперсии отклонений случайной величины ДЬт и среднего квадратичного отклонения определяют так:
1 к I—
^н2с =-гЕ Ш (х0г - xср)2, ^нс =4 ^н2с. (5)
п - 1 I=1
Проверка с помощью критерия %2 гипотезы о соответствии нормальному распределению отклонений межосевых расстояний АЬт осуществляется следующим образом. Предлагается две гипотезы: гипотеза Но о том, что нормальное распределение не является функцией распределения случайной величины отклонений межосевых расстояний АЬт и гипотеза Н\, предполагающая, что нормальное распределение Гаусса является функцией распределения случайной величины отклонений межосевых расстояний АЬт. Вычисление параметра %2 для эмпирических (наблюдаемых) данных осуществляется по формуле:
^ _ £(т—<-)2 (б)
Лэмп / ^ тте°р ^ ^
где т1 теор - теоретические частоты гистограммы нормального закона распределения:
т,™* — п&Хо.Л (Хо,), (7)
где Ахо, - размер интервала; /к(хог) - теоретическая функция распределения Гаусса:
(8)
f (X) =—^exP
GV 2n
i(x0i - a)2Л
2g2
имеющая параметры a = Хср и a = Shc. Вычисления (3) - (8) выполнены в приложении Excel с использованием имеющихся в библиотеке статистических функций [10]. В данном примере число степеней свободы определяется так:
Л = k - p -1, (9)
где k = 6 - число интервалов гистограммы; p = 2 - число параметров функции распределения Гаусса, которые использованы в критерии %2 для вычисления теоретических значений гистограммы нормального закона распределения. В таблице 1 представлены результаты промежуточных расчетов показателя разности частот и суммарного значения критерия согласия х2 эмп.
Таблица 1 — Результаты промежуточных вычислений х
2
эмп
i X0i mi fk(x0i) (8) m, теор (7) х2эмп (6)
1 -31 10 0,003764489 8,575504974 0,236625841
2 -14 29 0,011628692 26,49015929 0,237797754
3 3 42 0,018673034 42,53717116 0,006783546
4 20 32 0,01558684 35,5068224 0,346350434
5 37 16 0,006763328 15,40686153 0,022834842
6 54 5 0,001525534 3,475167316 0,669065545
Итого Axoi = 17 134 0,057941917 131,9916867 1,519457962
По таблице значений распределения %2крит (для уровня значимости а = о,о5 и числа степеней свободы п = 3) находим критическое (предельное) значение %2крит = 7,814. В данном случае %2эмп = 1,519 < %2крит, поэтому гипотеза о нормальном законе распределения случайной величины отклонений межосевых расстояний тележки Ьт принимается, а вероятность того, что получаемое значение %2эмп превысит %2крит, равна а, т. е. довольно мала.
Уровень значимости критерия а выбирают достаточно малым для того, чтобы уменьшить вероятность отклонения правильной гипотезы (совершить ошибку первого рода). С другой стороны, слишком малое значение а увеличивает вероятность принятия ложной гипотезы, т. е. совершения ошибки второго рода.
№J£3)-H^RFHTHq Транссиба 145
На рисунке 5 изображены гистограмма эмпирического распределения отклонений межосевых расстояний ДLт от их номинальных значений и соответствующий теоретический график функции плотности распределения Гаусса.
т,
чз
-31
■14
т
20
37
54 ММ 71
Рисунок 5 — Гистограмма ALT эмпирического распределения отклонений межосевых расстояний от их номинальных значений и соответствующий график теоретического распределения Гаусса
В таблице 2 представлены результаты вычисления статистических параметров и значения оценок х2эмп для сравнительного анализа трех выборок межосевых расстояний ДХт, ДХв, ALc в результате применения встроенных функций Excel.
Таблица 2 — Статистические параметры и оценки х2 для трех видов отклонений межосевых расстояний Ьт, Ьс
Группа выборки Функция Excel: СРЗНАЧ (AL) Функция Excel: СТАНДОТКЛОН.В (AL) Функция Excel: ДОВЕРИТ.НОРМ (0,05;а;я) Оценка: Х эмп (*0/-; mi) Оценка: X крит (0,05;3) Функция Excel: ХИ2.ТЕСТ (m,; m, теор)
ДЛт 7,2835820 23,2455386 3,9358207 1,519457 7,814727 0,9108135
ALB -1,2238805 43,0335839 7,2862355 4,811531 7,814727 0,4393115
ALc -25,171641 35,4747662 6,0064135 6,848547 7,814727 0,2321498
На рисунке 6 представлены гистограммы эмпирических распределений отклонений межосевых расстояний ДLв, ДLc от их номинальных значений и соответствующие им теоретические графики плотности распределения закона Гаусса.
■105 -74 -42 -10 11 54 56 ММ 113 -Ш -39 -67 -45 -23 -1 21 мм 43
-. Ш->
а б
Рисунок 6 — Гистограммы эмпирического распределения отклонений межосевых расстояний от их номинальных значений и соответствующих графиков теоретического распределения Гаусса:
а — для ДДв; б — для ДЬС
На основе представленных в таблице 2 результатов можно сделать вывод о том, что распределение отклонений межосевых расстояний ALr от номинальных значений имеет наибольшее приближение к нормальному закону распределения (с вероятностью 91 %) и эффективную оценку математического ожидания. Это подтверждает наибольшую перспективность математического ожидания (выборочного среднего) отклонений межосевых расстояний тележки (AL^ для автоматической настройки всего измерительного тракта системы и магнитоиндукционных датчиков путем компенсации возникающей аддитивной погрешности. Предлагаемая структура системы и алгоритм ее настройки может являться элементом сетецентрической системы контроля технического состояния подвижного состава.
Распределение отклонений межосевых расстояний ALв от номинальных значений имеет меньшее согласие с частотами закона распределения Гаусса (с вероятностью 43 %), что не подтверждает перспективность использования этого параметра для автоматизации настройки системы. Это имеет логичное объяснение, так как вагонные тележки имеют дополнительную степень свободы относительно рамы вагона (как следствие влияния детерминированного фактора перекоса тележек, который является косвенным признаком существенного износа поверхности катания и профиля колес вагонных тележек).
Гистограмма отклонений межосевых расстояний ALo от номинальных значений имеет еще меньшее согласие с частотами закона распределения Гаусса (с вероятностью всего 23 %), что не позволяет использовать этот параметр для автоматической настройки системы. Это также имеет логичное объяснение, так как на межосевые расстояния сцепки между вагонами влияют дополнительные неслучайные факторы, связанные с динамическими воздействиями локомотива на состав (режим тяги, замедления или дополнительного сопротивления движению вагона при заклинивании узлов тележки, которые могут иметь и нестационарный характер). Кроме того, влияние поглощающих аппаратов в составе конструкции автосцепки вводит еще одну дополнительную степень свободы межосевых расстояний смежных вагонов (как следствие влияния демпфирующих свойств автосцепки). Влияние перечисленных выше факторов на техническое состояние подвижного состава требует дополнительных исследований для повышения качества автоматизированной системы диагностирования.
В результате проведенного исследования можно сделать следующие выводы.
1. Оценка математического ожидания (вычисленного по выборке из генеральной совокупности измеренных значений) отклонений межосевых расстояний тележек подвижного состава от номинальных значений имеет наибольшую перспективность для автоматической настройки измерительного тракта системы диагностирования благодаря наилучшему приближению гистограммы этого параметра к нормальному закону распределения, что гарантирует эффективность применения этой оценки.
2. Повышение точности диагностирования технического состояния подвижного состава осуществляется с помощью автоматической настройки системы путем компенсации систематической погрешности, возникающей из-за воздействия различных внешних факторов на комплект магнитоиндукционных датчиков и элементы всего измерительного тракта.
3. Применение описанной процедуры автоматической настройки измерительного тракта в составе информационной системы позволяет повысить эффективность применения сетецентрической системы диагностирования для повышения надежности и безопасности эксплуатации подвижного состава на железнодорожном транспорте.
Список литературы
1. Тамаркин, В. М. Технологии промышленного интернета вещей в рамках идеологии цифровой железной дороги // Наука и технологии железных дорог: Ежеквартальное сетевое научно-методическое издание. АО «НИИАС». - 2017. - № 2 (2). - С. 76-84. / В. М. Тамаркин, Т. Э. Лобанова. - https://www.elibrary.ru : сайт. - Текст : электронный. - URL : https://www.eHbrary.ru/item.asp?id=29437722 (дата обращения: 05.12.2022).
2. Классификатор неисправностей вагонных колесных пар и их элементов // www.rcit.su : сайт. - Текст : электронный. - URL : http://www.rcit.su/techinfo51.html (дата обращения: 05.12.2022).
3. Петров, К. С. Алгоритм цифровой ретроспективной обработки магнитограммы развертки поверхности катания колеса для системы диагностирования технического состояния подвижного состава на основе магнитоиндукционных датчиков / К. С. Петров,
A. С. Окишев, В. В. Петров. - Текст : непосредственный // Приборы и методы измерений, контроля качества и диагностики в промышленности и на транспорте : материалы пятой всерос. науч.-техн. конф. с междунар. участием - Омск : Омский гос. ун-т путей сообщения, 2022. - С. 311-319.
4. Система калибровки средств измерений в ОАО «РЖД». Общие положения. СТО «РЖД» 1.06.001-2006 // static.scbist.com : сайт. - Текст : электронный. - URL : http://static.scbist.com/ scb/CTO/STO%20RZD%201.06.001-2006.pdf (дата обращения: 04.12.2022).
5. Патент № 193429 Российская Федерация, МПК B61K 9/12. Устройство для определения положения колесных пар подвижного состава относительно прямолинейного рельсового пути : № 2019118943 : заявлено 17.06.2019 : опубликовано 29.10.2019 / Кондратенко Е. В., Петров В. В., Петров К. С. - 6 с. : ил. - Текст : непосредственный.
6. Петров, В. В. Аппаратно-программный имитатор для тестирования автоматической системы диагностирования отклонений кинематических параметров подвижного состава /
B. В. Петров, К. С. Петров, Н. А. Тихонова. - Текст : непосредственный // Инновационные проекты и технологии в образовании, промышленности и на транспорте : материалы науч. конф. - Омск : Омский гос. ун-т путей сообщения, 2018. - С. 203-210.
7. ГОСТ 26725-97. Полувагоны четырехосные универсальные магистральных железных дорог колеи 1520 мм. - Москва : Стандартинформ, 2004. - 11 с. - Текст : непосредственный.
8. Петров, К. С. Разработка системы магнитоиндукционных датчиков для диагностирования износа гребней колесных пар подвижного состава / К. С. Петров, Е. В. Кондратенко, В. В. Петров. - Текст : непосредственный // Известия вузов. Приборостроение. - 2022. - Т. 65. - № 8. - С. 157-166.
9. Тележка двухосная модели 18-100: руководство по ремонту // opzt.ru. : сайт. - Текст : электронный. - URL : https://opzt.ru/wp-content/uploads/2018/03/Rukovodstvo-po-remontu-_Telezhka-dvuhosnaya-modeli-18-100_.pdf (дата обращения: 03.12.2022).
10. Критерий независимости Хи-квадрат в Microsoft Excel // excel2.ru. : сайт. - Текст : электронный. - URL : https://excel2.ru/articles/kriteriy-nezavisimosti-hi-kvadrat-v-ms-excel (дата обращения: 02.12.2022).
References
1. Tamarkin V. M., Lobanova V. M. Technologies of the Industrial Internet of Things within the Ideology of the Digital Railway [Tekhnologii promyshlennogo interneta veshchey v ramkakh ideologii tsifrovoy zheleznoy dorogi]. Nauka i tehnologii zheleznyh dorog - The journal of Railway Science and Technology, 2017, no. 2 (2), pp. 76 - 84. Available at: https://www.elibrary.ru/ item.asp?id=29437722 (accessed 05.12.2022).
2. Klassifikator neispravnostej vagonnyh kolesnyhpar i ih jelementov [Classifier of malfunctions of wagon wheelsets and their elements]. Available at: http://www.rcit.su/techinfo51.html (accessed 05.12.2022).
3. Petrov K.S., Okishev A.S., Petrov V.V. Algorithm for digital retrospective processing of the magnetogram of the sweep of the wheel tread surface for the system for diagnosing the technical condition of rolling stock based on magnetic induction sensors. [Algoritm cifrovoj retrospektivnoj obrabotki magnitogrammy razvertki poverhnosti katanija kolesa dlja sistemy diagnostirovanija tehnicheskogo sostojanija podvizhnogo sostava na osnove magnitoindukcionnyh datchikov] Pribory i metody izmerenij, kontrolja kachestva i diagnostiki v promyshlennosti i na transporte : materialy
№ 1(53 2023
pjatoj vserossijskoj nauchno-tehnicheskoj konferencii s mezhdunarodnym uchastiem [Devices and methods of measurement, quality control and diagnostics in industry and transport: Materials of the fifth All-Russian scientific and technical conference with international participation]. Omsk, 2022. pp. 311-319 (In Russian).
4. Sistema kalibrovki sredstv izmerenij v OAO «RZhD». Obshhie polozhenija. STO «RZhD» 1.06.001-2006. (Calibration system for measuring instruments at Russian Railways. General provisions. «Russian Railways» organization standard 1.06.001-2006). Available at: http://static.scbist.com/scb/CT0/ST0%20RZD%201.06.001-2006.pdf (accessed 04.12.2022).
5. Kondratenko Ye.V., Petrov V.V., Petrov K.S. Patent RU193429, 29.10.2019.
6. Petrov V.V., Petrov K.S., Tikhonova N.A. Hardware and software simulator for testing an automatic system for diagnosing deviations of the kinematic parameters of rolling stock [Apparatno-programmnyj imitator dlja testirovanija avtomaticheskoj sistemy diagnostirovanija otklonenij kinematicheskih parametrov podvizhnogo sostava]. Innovacionnye proekty i tehnologii v obrazovanii, promyshlennosti i na transporte : materialy nauchnoj konferencii [Innovative projects and technologies in education, industry and transport: materials of the scientific conference]. Omsk, 2018, pp. 203-210 (In Russian).
7. Poluvagony chetyrehosnye universal'nye magistral'nyh zheleznyh dorog kolei 1520 mm GOST 26725-97 (Four-axle universal gondola cars of 1520 mm gauge mainline railways, National Standard 26725-97), Moscow, Standardinform, 2004, 11 p. (In Russian).
8. Petrov K.S., Kondratenko Ye.V., Petrov V.V. Development of a system of magnetic induction sensors for diagnosing wear of wheel pair flanges of rolling stock [Razrabotka sistemy magnitoindukcionnyh datchikov dlja diagnostirovanija iznosa grebnej kolesnyh par podvizhnogo sostava]. Izvestiya vuzov. Priborostroyeniye. - The journal of University Studies. Instrumentation, 2022, vol. 65, no. 8, pp. 157-166 (In Russian).
9. Telezhka dvuhosnaja modeli 18-100: rukovodstvo po remontu [Trolley two-axle model 18100: repair manual]. Available at: https://opzt.ru/wp-content/uploads/2018/03/Rukovodstvo-po-remontu-_Telezhka-dvuhosnaya-modeli-18-100_.pdf (accessed 03.12.2022).
10. Kriteriy nezavisimosti Khi-kvadrat v Microsoft Excel [Chi-square independence criterion in Microsoft Excel]. Available at: https://excel2.ru/articles/kriteriy-nezavisimosti-hi-kvadrat-v-ms-excel (accessed 02.12.2022).
ИНФОРМАЦИЯ ОБ АВТОРАХ
Петров Владимир Владимирович
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Кандидат технических наук, старший научный сотрудник, доцент кафедры «Автоматика и системы управления», ОмГУПС.
Тел.: +7 (3812) 31-05-89.
E-mail: PetrovVV@omgups.ru
Окишев Андрей Сергеевич
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Кандидат технических наук, доцент кафедры «Автоматика и системы управления», ОмГУПС.
Тел.: +7 (3812) 31-05-89.
E-mail: OkishevAS@omgups.ru
INFORMATION ABOUT THE AUTHORS
Petrov Vladimir Vladimirovich
Omsk State Transport University (OSTU).
35, Marx av., Omsk, 644046, the Russian Federation.
Ph. D. in Engineering, chief scientific worker, associate professor of the department «Automation and control systems», OSTU.
Phone: +7 (3812) 31-05-89.
E-mail: PetrovVV@omgups.ru
Okishev Andrey Sergeevich
Omsk State Transport Univirsity (OSTU).
35, Marx av., Omsk, 644046, the Russian Federation.
Ph. D. in Engineering, associate professor of the department «Automation and control systems», OSTU.
Phone: (3812) 31-05-89.
E-mail: OkishevAS@omgups.ru
№ 1(
Петров Константин Сергеевич
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Студент ОмГУПСа.
Тел.: +7 (3812) 31-06-55.
E-mail: iatit@omgups.ru
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Петров, В. В. Автоматизация настройки системы магнитоиндукционных датчиков осей для диагностирования технического состояния подвижного состава на основе стохастического подхода / В. В. Петров, А. С. Окишев, К. С. Петров. - Текст : непосредственный // Известия Транссиба. - 2023. -№ 1 (53). - С. 140 - 150.
Petrov Konstantin Sergeevich
Omsk State Transport Univirsity (OSTU).
35, Marx av., Omsk, 644046, the Russian Federation.
The student of OSTU.
Phone: +7 (3812) 31-06-55.
E-mail: iatit@omgups.ru
BIBLIOGRAPHIC DESCRIPTION
Petrov V.V., Okishev A.S., Petrov K.S. Automation of the setup of the system of magnetic induction sensors of axes for rolling stock technical condition diagnostics on the basis of the stochastic approach. Journal of Transsib Railway Studies, 2023, no. 1 (53), pp. 140-150 (In Russian).
Уважаемые коллеги!
Редакция научно-технического журнала «Известия Транссиба» приглашает Вас публиковать результаты научных исследований по тематическим направлениям журнала:
- подвижной состав железных дорог, тяга поездов и электрификация;
- управление процессами перевозок;
- железнодорожный путь, изыскание и проектирование железных дорог;
- транспортные и транспортно-технологические системы страны, ее регионов и городов, организация производства на транспорте;
- теоретическая и прикладная теплотехника;
- энергетические системы и комплексы;
- электроэнергетика;
- электротехнические комплексы и системы;
- автоматизация и управление технологическими процессами и производствами.
Материалы просим высылать ответственному секретарю редакционного совета журнала Иванченко Владимиру Ивановичу по электронной почте: izvestia_transsiba@mail.ru.
Правила представления материалов научных статей в научно-технический журнал «Известия Транссиба»
В редакцию Журнала представляются:
1. Текст статьи на бумаге формата А4.
2. Текст статьи в электронном виде (на любом носителе или по e-mail), имя файла определяется по фамилии первого автора: фамилия.doc или фамилия. docх.
3. Экспертное заключение о возможности публикации статьи в открытой печати (по форме, принятой в организации авторов).
4. Отчет о проверке на заимствования в системе «Антиплагиат» (https://www.antiplagiat.ru/). Оригинальность должна составлять не менее 80 %.
5. Гарантийное письмо о передаче авторского права с подписями всех соавторов статьи (образец прилагается).
В тексте статьи обязательно указывается тематический раздел журнала, в который подается статья и научная специальность, которой она соответствует.
Текст статьи включает в себя УДК, ФИО авторов, аффилиацию (место работы или учебы) авторов, название статьи, аннотацию, ключевые слова (5 - 10 слов) на русском и английском языках, текст статьи, список литературы (не менее трех наименований), транслитерацию и перевод списка литературы в романском алфавите, сведения об авторах и библиографическое описание статьи на русском и английском языках.
Текст статьи оформляется в соответствии с образцом (прилагается).
Сведения об авторах включают в себя фамилию, имя, отчество, ученую степень и звание, место работы с указанием почтового адреса, должность, контактные телефоны, e-mail для обратной связи.
Требования к аннотации статьи:
аннотация должна быть кратким точным изложением содержания статьи, включающим основные фактические сведения и выводы описываемой работы;
текст аннотации должен быть лаконичен и четок, свободен от второстепенной информации, должен отличаться убедительностью формулировок;
сведения, содержащиеся в заглавии статьи, не должны повторяться в тексте аннотации;
объем аннотации на русском и английском языках должен содержать от 200 до 250 слов;
аннотация на русском и английском языках должна включать в себя следующие аспекты содержания статьи: предмет, цель работы; метод или методологию проведения работы; результаты работы; область применения результатов; выводы;
№ 1(53 2023
