CC BY
11
The main types of pumps used in water supply, and their design. An algorithm for calculating the parameters necessary for the design of a water transportation system, such as pressure, supply, suction height, efficiency and pump power, is considered.
Key words: pumps, pumping stations, equipment, calculation, selection, water supply.
Golovkova Yulia Sergeevna, undergraduate, genhtry@,mail. com, Russia, Tula, Tula State University,
Ivanov Alexander Mikhailovich, undergraduate, genhtry@,mail. com, Russia, Tula, Tula State University,
Serochenkova Ekaterina Aleksandrovna, undergraduate, genhtry@,mail. com, Russia, Tula, Tula State University
УДК 658.562; 621.9
ИНФОРМАЦИОННЫЙ СПОСОБ РАСПОЗНАВАНИЯ И ПРОГНОЗИРОВАНИЯ ПОСТЕПЕННЫХ ОТКАЗОВ ИНСТРУМЕНТА АВТОМАТИЧЕСКИХ РОТОРНЫХ ЛИНИЙ
С.Н. Михальченко
Рассмотрены два основных метода контроля выборки для распознавания и прогнозирования постепенных отказов инструмента. Проведён их анализ.
Ключевые слова: роторная линия, метод предельного контроля.
Автоматическая роторная линия - комплекс рабочих машин, транспортных устройств, приборов, объединенных единой системой автоматического управления, в котором одновременно с обработкой заготовки перемещаются по дугам окружностей совместно с воздействующими на них орудиями. Наиболее распространены автоматические роторные линии для операций, выполняемых посредством прямолинейного рабочего движения (штамповка, вытяжка, прессование, сборка, контроль) [1].
В процессе эксплуатации автоматических линий происходит постепенный износ инструмента, что вызывает смещение центра группирования, изменение характеристик инструмента, что может привести к дополнительному изменению значений технологического параметра заготовки.
Для непосредственного контроля параметров заготовки, как правило используются методы выборочного контроля, основанные на том, что периодически отбирается часть заготовок из потока, производится определение значений технологического параметра (размер, масса, твердость и т.д.) и по итогам анализа полученных данных вырабатывается необходимое управляющее воздействие.
Имеются два основных метода контроля выборки.
Первый из них основан на проведении точных измерений, расчете среднего значения хср и среднего квадратического отклонения 8х. На основании этих значений рассчитывается доля дефектных изделий в потоке:
70
q =
1
| exp
(X - Xcp)
dx.
л/2^ xX1 я 2sx „
Здесь х1 и х2 - границы поля допуска.
Если д не превосходит допустимое значение, то работа линии продолжается, в противном случае она останавливается для наладки или замены инструмента.
Целесообразно результаты измерений сохранять и наносить на график, анализируя поведение кривых в зависимости от времени. Это иногда дает возможность выявить тенденции и не допустить возникновения брака по причине износа инструмента.
В случае массового и крупносерийного производства широко используются предельные калибры, при помощи которых определяется доля заготовок (изделий) в выборке, значения технологических параметров которых выходят за пределы поля допуска. Эти методы существенно сокращают время контроля выборки, но не дают возможности оценить математическое ожидание и дисперсию контролируемого технологического параметра.
В.Г. Григорович и С.В. Юдин [2, 3] на основе методов теории информации предложили новый метод предельного контроля, позволяющий производить эти оценки. В результате при той же скорости обработки данных с высокой точностью и надежностью могут быть получены значения смещения центра группирования и среднего квадратического отклонения.
Метод заключается в следующем.
Пусть а и Ь - границы контроля, выраженные в стандартных отклонениях о. Пусть р1, р2, р3 - вероятности попадания значений контролируемых параметров в соответствующие зоны (рисунке). Энтропия такого процесса
3
Н = р11пр1.
1=1
Определение границ контроля и вероятностей состояний
Оценкой энтропии выступает величина
3
н* =-Е у, 1пу;,
1=1
где У; = Г; 1п(1 = 1...3) - частости попадания значений случайной величины в соответствующий интервал; Г; - соответствующие частоты; п - объем выборки.
В случае нормального распределения и симметричного относительно центра группирования (математического ожидания) расположения границ контроля (а=-Ь) смещение центра группирования и изменение дисперсии вычисляются следующим образом:
дх=^ .ф(а) .0п, с =« ен*-но
^ + ^ w(a)
Здесь Н0 - эталонная энтропия устоявшегося процесса, вычисляемая по формуле (1.1); Н* - эмпирическая энтропия, вычисленная по формуле (1.2); о0 - эталонное значение среднего квадратического отклонения (заданное теоретически или полученное на основе анализа большой выборки); о -текущее значение среднего квадратического отклонения; Дх - смещение математического ожидания относительно эталонного.
Значимость изменений математического ожидания и дисперсии проверяется по критериям Стьюдента и Фишера соответственно.
Смещение центра группирования не значимо, если
Дх £.
С т,а
где .т а - квантиль распределения Стьюдента; т = п - 2 - количество степеней свободы; а - доверительная вероятность. Изменение дисперсии значимо, если
е2|н1-н° £ Б
" т1,то,а -
где Бт - квантиль распределения Фишера; Н1 - текущее значение
энтропии; Н0 - эталонное (предыдущее) значение энтропии; т1=п1-2, т0=п0-2 - количество степеней свободы.
Список литературы
1. Ковшов А.Н. Технология машиностроения. М.: Машиностроение, 1987. 320 с.
2. Григорович В.Г. Информационное сопровождение технологических процессов автоматизированных производств: дис. ... д-ра техн. наук. Тула, 1992. 312 с.
3. Юдин С.В. Информационно-статистические методы управления качеством продукции массового производства: дис. ... д-ра техн. наук. М., 1999. 355 с.
Михальченко Сергей Николаевич, аспирант, [email protected], Россия, Тула, Тульский государственный университет
INFORMA TIONMETHOD FOR RECOGNIZING AND FORECASTING OF INSTRUMENT FAIL URES
S.N. Mikhalchenko
Two main sampling control methods for recognizing and predicting gradual tool failures are considered and their analysis is carried out. Key words: rotor line, limit control method.
Mikhalchenko Sergey Nikolaevich, postgraduate, magistr_tsu@,mail. ru, Russia, Tula, Tula State University
УДК 621.922; 621.921.34
ОБРАБОТКА ОПЫТНЫХ ДАННЫХ ИССЛЕДОВАНИЯ МЕХАНИЗМА ЗАГРУЗКИ СЫПУЧЕГО МАТЕРИАЛА СО ШЛЮЗОВЫМ БАРАБАНОМ
А.В. Евсеев, С.В. Чураков, В. А. Лапина
Представлены результаты обработки экспериментальных данных в виде эмпирических кривых регрессии, полученные при экспериментальном исследовании шлюзового барабанного питателяс тремя различными видами роторного исполнительного органа, а также определение значения коэффициента выдачи материалов и сравнительный анализ теоретической и фактической производительностей в проведенной серии опытов.
Ключевые слова: смесь, сыпучий материал, шлюзовый дозатор, экспериментальный стенд, методика проведения эксперимента, регрессионные зависимости.
При проведении экспериментов на специальном технологическом стенде дозирования [1] для каждого опыта была определена эмпирическая дисперсия масс по выражению
п=15 2
sm
2 _ i=1
n -1
Затем вычислялся G-критерий Кохрана
s 2
G = Jm max
2 2 2 sm1 + sm2 + sm3
После чего осуществлялось сравнение полученного значения с табличной величиной для l = 3 и k = п -1 = 14: Стабл = 0,565. В результате
была проверена однородность дисперсий в опытах.
73
