CC BY
107
УДК 629.41
Мельников Виктор Александрович,
аспирант кафедры «Электропоезда и локомотивы», Московский государственный университет путей сообщения (МИИТ), тел. 8 916 949 31 61, e-mail: Lordson@yandex.ru
ИСПОЛЬЗОВАНИЕ ДАННЫХ БОРТОВЫХ МИКРОПРОЦЕССОРНЫХ СИСТЕМ МСУ-Т ПРИ РЕМОНТЕ ТЕПЛОВОЗОВ ТЭП70БС И 2ТЭ116У
V. A. Melnikov
THE APPLICATION OF MSU-T ONBOARD MICROPROCESSOR SYSTEM DATA TO
REPAIRING TEP70BS AND 2TE116U DPUS
Аннотация. Бортовые микропроцессорные системы семейства МСУ-Т тепловозов ТЭП70БС и 2ТЭ116У позволяют не только управлять оборудованием тепловоза, но и анализировать процесс их работы при помощи методов математической статистики, что подтверждается исследованиями автора статьи. В статье автором рассматривается общее устройство бортовых микропроцессорных систем семейства МСУ-Т, имеющийся опыт применения их данных при диагностировании тепловозов 2ТЭ116У и ТЭП70БС, а также возможность и перспективы применения методов математической статистики при обработке данных. Помимо этого, автором рассмотрен пример применения методов математической статистики на примере корреляционного анализа и разработан алгоритм определения отказов и предотказных состояний тяговых электродвигателей тепловоза 2ТЭ116У по данным системы МСУ-ТП.
Ключевые слова: диагностика локомотивов, статистический анализ, бортовые микропроцессорные системы, корреляционный анализ, алгоритмы диагностирования, обработка данных.
Abstract. Modern onboard microprocessor-based control systems MSU-T of TEP70BS and 2TE116U DPUs can be used for not only controlling locomotive equipment, but for analyzing the process of their functioning too by means of mathematical statistics. Through the article, author considers general structure of MSU-T onboard microprocessor system, the MSU-T data application experience during 2TE116U and TEP70BS DPU diagnostic process, and also possibility and perspectives of mathematical statistic methods application during the data processing. Besides, author considers example of mathematical statistics methods application on example of correlation analysis and develops 2TE116U DPU's tractive motors failure and nearby-failure determination algorithm with using the MSU-TP system data.
Keywords: locomotive diagnostics, statistical analysis, onboard microprocessor systems, correlation analysis, diagnostic algorithms, data processing.
Введение
С 2012 г. сервисная локомотивная компания «ТМХ-Сервис» использует данные бортовых микропроцессорных систем (далее - МСУ) для мониторинга технического состояния локомотивов, выявления предотказных состояний, контроля нарушений режимов эксплуатации. В настоящий момент в ООО «ТМХ-Сервис» созданы группы диагностики во всех сервисных депо.
Возможности диагностирования локомотивов ограничены возможностями самих МСУ -числом датчиков и объемом памяти этих систем управления. Одним из самых информативных следует считать семейство МСУ-Т тепловозов серий 2ТЭ116У (МСУ-ТП) и ТЭП70БС (МСУ-ТЭ).
МСУ-ТП
МСУ-ТП - бортовая микропроцессорная система с поосным регулированием силы тяги, устанавливающаяся серийно на тепловозы 2(3)ТЭ116У. По своей сути МСУ-ТП представляет собой промышленный компьютер со специализированным набором входных и выходных преобразователей, управляющими органами (сервоприводы, бесконтактные переключатели) и датчиками. В комплекте МСУ-ТП порядка 200 датчиков, среди которых можно выделить (рис. 1):
• датчики тока каналов выпрямительной установки (далее - ВУ) (1);
• тока и напряжения главного генератора (2);
• частоты вращения коленчатого вала дизеля
(3);
• температуры выхлопных газов на входе в турбокомпрессор (4);
• частоты вращения ротора турбокомпрессора
(5);
• температуры воды на входе и выходе из радиаторов охлаждения (6);
• включения мотор-вентиляторов охлаждения
(7);
• блок микропроцессорной системы управления тепловозом (8);
• скорости вращения колёсных пар (9);
• температуры отработанных газов на выходе из цилиндров (10);
• токов тяговых электродвигателей (далее -ТЭД) (11).
Для взаимодействия с локомотивной бригадой имеется дисплейный модуль, помимо прочих функций, производящий сохранение показаний датчиков на жёсткий диск для дальнейшей расшифровки.
Транспорт
Для использования данных МСУ-ТП и МСУ-ТЭ при диагностировании в «ТМХ-Сервис» совместно с ОАО «ВНИКТИ» разработано стационарное автоматизированное рабочее место «Ос-циллограф-2», позволяющее автоматизированно диагностировать тепловоз по данным, считанным с МСУ-ТП и МСУ-ТЭ. Наряду с тепловозами 2ТЭ116У и ТЭП70БС, «Осциллограф-3» позволяет диагностировать тепловозы, оборудованные МСУ типа УСТА (при наличии модернизации унифицированным пультом управления (далее - УПУ)). Наиболее эффективно АРМ «Осциллограф-3» используется в сервисных локомотивных депо (СЛД) «Волгоград», «Санкт-Петербург Сортировочный Витебский» и «Югра» [7].
проверка значений токов на равенство двух средних значений заданных параметров и корреляционный анализ с целью выявления отклонений (неисправностей) в цепи одного из двигателей. При работе была выдвинута нулевая гипотеза, что цепь тягового двигателя, в которой имеет место пре-дотказное состояние (пока себя не проявившее и не замеченное машинистом), должна иметь отличия при статистической обработке данных.
Оценка вероятности равенства двух средних значений для заданных параметров производится по формуле:
г = N + N -2, (!)
где: г - число степеней свободы; N1, 2 - объем выборок.
Далее по формуле (2) определяется критерий Стьюдента:
t р =
\тх - т\
(2)
N N
Рис. 1. Расположение датчиков МСУ-ТП тепловоза 2ТЭ116У
Анализ режимов работы тепловозов
С целью анализа режимов работы тепловозов была проведена работа по статистической обработке данных МСУ-ТП парка тепловозов в MS Excel с использованием встроенного языка программирования Visual Basic for Applications (VBA). Впервые подобный анализ данных поездок тепловозов 2ТЭ116У был описан в 2011 г. в ПГУПС [2], однако для нужд диагностики ООО «ТМХ-Сервис» потребовалось существенно расширить как набор анализируемых параметров, так и охват проведённого анализа. В ходе работ проанализированы данные 880 поездок 67 тепловозов серии 2ТЭ116У по трём железным дорогам: Свердловской, Приволжской и Октябрьской [5].
Правильность использования статистического аппарата проверена на кафедре «Электропоезда и локомотивы» МИИТ [4]. Методически предложено проверять все данные на соответствие одному из законов распределения случайной величины. Главный из них - это нормальное распределение или распределение Гаусса, поскольку о среднем значении величины можно говорить только в том случае, если она подчиняется нормальному распределению [6].
При анализе работы электрической передачи тепловоза для каждой поездки была выполнена
'1 2
где тх, ту - математическое ожидание (мера среднего значения случайной величины); Ох, у - среднеквадратичное отклонение (показатель рассеивания значений случайной величины относительно ее математического ожидания).
После этого расчётное значение критерия Стьюдента сравнивается со значениями из таблицы значений критерия Стьюдента для оценки вероятности равенства математических ожиданий [1].
По результатам эксперимента на данных тепловозов 2ТЭ116У, проверка на вероятность равенства двух средних значений для заданных параметров оказалась неэффективной, поскольку при большом количестве анализируемых данных (количество записей в одной поездке может достигать 9999 шт.) метод становится излишне чувствительным к незначительным отклонениям.
Гораздо более эффективной оказалась проверка токов с помощью корреляционного анализа [3], рассчитанного по формуле (3):
а
r = ■
yx
11 {y,x)-
mymx
(3)
ст ст
y x
где ап(у, х) - второй смешанный начальный момент, характеризующий математическое ожидание попарного произведения случайных величин, в выборках исходных данных.
Применение корреляционного анализа в диагностике тепловозов По каждой поездке ток каждого из тяговых электродвигателей (далее - ТЭД) сравнивался со средним значением всех шести токов ТЭД. По ре-
зультатам выполненного корреляционного анализа в 847 поездках (96 % случаев) коэффициент корреляции токов ТЭД был более 99,7 %. При этом были выявлены 33 поездки 10 тепловозов, в которых токи одного или нескольких ТЭД имели уменьшенный коэффициент корреляции:
• 3 поездки с коэффициентом корреляции тока одного ТЭД 96-99,0 %;
• 2 поездки с коэффициентом корреляции тока нескольких ТэД 96-99,0 %;
• 11 поездок с коэффициентом корреляции тока одного ТЭД 1-90 %;
• 5 поездок с коэффициентом корреляции тока нескольких ТЭД 1-90 %;
• 9 поездок с коэффициентом корреляции тока нескольких ТЭД менее 1 %.
Анализ показал, что коэффициенту корреляции тока одного или нескольких ТЭД в 95-99 % соответствуют случаи постоянно существующего отклонения тока одного или нескольких ТЭД от нормы (пример приведён на рис. 11). Меньший коэффициент корреляции соответствует случаям потери или полного отсутствия сигнала датчиков тока или отключению ТЭД (как показано на рис. 12).
4500 4000 1я 6 - тэдв Та 5
А / .- ТЭД5 1я 4
2000 - ТЭД« 1яЪ
1 1 1 *
^ 1 _1я2 -- ТЭД1
МО К 1 1 |—Г"
г8 ааг г а а - в ; г 5 я в г а а г г ; ~- тэд1
ТЭД1 ТЭД2 ТЭДЗ ТЭД4 ТЭД5 ТЭДб
Коэффициент корреляции (%) 95.672 99.671 99.307 99.547 99,744 99,811
Токи ТЭД
Рис. 2. Пример случая превышения допустимого разброса токов ТЭД
499 584 558 595 588 574
535 589 569 622 593 579
528 600 582 620 611 597
535 600 583 634 608 590
504 601 584 624 603 600
540 601 578 634 595 588
ТЭД1 ТЭД2 ТЭДЗ ТЭД4 ТЭД5 ТЭД6
Коэффициент корреляции (%) 99,332 99,332 99,249 98,472 98,453 -1,057
2 3 2 2 2 3
Рис. 3. Пример случая отключения ТЭД
Таким образом, по результатам проведённого исследования можно утверждать, что коэффициент корреляции токов ТЭД с их средним значением является чувствительным и информативным источником информации о техническом состоянии силовых цепей ТЭД и хорошо отвечает задачам диагностики.
Также, поскольку зависимость коэффициента корреляции токов ТЭД от их физического состояния обратна экспоненциальной (с увеличением значения отклонения токов ТЭД коэффициент корреляции резко падает), корреляционный анализ хорошо отвечает не только диагностическим задачам, но и задаче прогнозирования работоспособности. Так, при использовании корреляционного анализа токов даже при линейном характере изменения свойств локомотива (износ бандажей колёсных пар, старение изоляции) коэффициент корреляции будет изменяться очень быстро, сигнализируя о скором наступлении отказа (предотказное состояние).
Данный аспект особенно актуален при решении задачи оптимизации процессов ТО и Р тепловозов, проводимой в настоящий момент ООО «ТМХ-Сервис», делая возможным не только планирование объёма ремонта локомотива исходя из его текущего технического состояния (что, в настоящий момент реализуется в качестве эксперимента на Восточно-Сибирской и Забайкальской железных дорогах), но и прогнозное планирование объёмов ремонта локомотивов по данным диагностики с использованием данных МСУ.
Выводы
1. При исправном состоянии силовой подсистемы тепловоза коэффициент корреляции между средним значением тока и током каждого из ТЭД составляет 0,97-0,9998.
2. Падение коэффициента корреляции одного ТЭД до значения не менее 0,7 свидетельствует о наличии неисправности.
3. Падение коэффициента корреляции тока одного ТЭД до значения менее 0,7 свидетельствует о наличии отключенного ТЭД на протяжении всей или части поездки.
4. Падение одного коэффициента корреляции одного ТЭД до величины менее 0,3 свидетельствует о неисправности датчика или отключении ТЭД.
5. Падение всех коэффициентов корреляции до величины менее 0,9 свидетельствует о наличие неисправности группы двигателей (например, тележки).
6. Резко падающий характер зависимости коэффициента корреляции от значений токов поз-
Транспорт
воляет реализовать на основе предлагаемого метода не только диагностические, но и прогностические алгоритмы, что особенно актуально при прогнозном планировании объёмов ТО и Р локомотивов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Адлер. Ю.П. Статистическое оценивание / пер. с нем. В.Н. Варыгина. М. : Статистика, 1976. 598 с.
2. Повышение эффективности работы тепловозов средствами бортовых систем диагностики : дис. канд. тех. наук / М.Ш. Валиев. Санкт-Петербург, 2011. 161 с.
3. Вентцель Е.С. Теория вероятностей. М. : Наука, 1969. 576 с.
4. Автоматизированная система управления надёжностью локомотивов (АСУНТ). Концеп-
ция ТМХ-Сервис / К. В. Липа и др. M. : ТМХ-Сервис, 2012. 160 с.
5. Липа К.В. Мониторинг технического состояния локомотивов по данным бортовых микропроцессорных систем управления / К. В. Липа и др. М. : ТМХ-Сервис, 2013. 156 с. Лакин И.К. А.А. Аболмасов, А.В. Скребков Модуль статистики ЕСМТ. Алгоритмы функционирования. Технические требования. М. : ТМХ-Сервис, 2014. 41 с.
Мельников В.А., Аболмасов А.А. Автоматизированное рабочее место диагностирования тепловоза по данным бортовой микропроцессорной системы управления // Перспективы развития сервисного обслуживания локомотивов : материалы I междунар. науч.-практ. конф. 2014. 222 с.
6.
7.
УДК 519.862.6 Базилевский Михаил Павлович,
к. т. н., доцент,
Иркутский государственный университет путей сообщения
Гефан Григорий Давидович, к. ф.-м. н., доцент,
Иркутский государственный университет путей сообщения,
тел. 8(3952) 638-354
ПРОБЛЕМА АВТОКОРРЕЛЯЦИИ ОСТАТКОВ РЕГРЕССИИ НА ПРИМЕРЕ МОДЕЛИРОВАНИЯ ГРУЗООБОРОТА ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА ПО ДАННЫМ ВРЕМЕННЫХ РЯДОВ
M. P. Bazilevskii, G. D. Gefan
THE PROBLEM OF AUTOCORRELATION IN REGRESSION RESIDUALS BY EXAMPLE OF MODELING RAIL FREIGHT BASED ON TIME SERIES DATA
Аннотация. Основной целью статьи является демонстрация проблемы автокорреляции ошибок регрессии, которая почти всегда возникает при работе с данными временных рядов, но обычно игнорируется. Анализ проводится на примере моделирования зависимости грузооборота железнодорожного транспорта РФ от валового внутреннего продукта (ВВП) в долларовом выражении. Рассматривается подавление влияния автокорреляции методом Кокрана - Оркатта и другие подходы к решению проблемы: введение фиктивной переменной, переход к нелинейной зависимости. Метод Кокрана -Оркатта обосновывается теоретически и экспериментально. Переход к этому методу имеет смысл тогда, когда выполняется условие авторегрессионного процесса для ошибок регрессии. В этом случае оценки коэффициентов регрессии, получаемые обычным методом наименьших квадратов, являются неэффективными. Использование данных по ВВП не в долларовом, а в рублёвом выражении (в постоянных ценах) приводит к модели высокого качества, в которой автокорреляция ошибок регрессии практически отсутствует.
Ключевые слова: временные ряды, регрессионный анализ, автокорреляция ошибок регрессии, грузооборот железнодорожного транспорта, валовой внутренний продукт.
Abstract. The main purpose of this article is to demonstrate the problem of autocorrelation in regression residuals, which almost always occurs with time series data, but, is usually ignored. The analysis by example of modeling dependence of rail freight in Russian Federation on gross domestic product (GDP) in dollar is performed. We consider the effect of suppression of autocorrelation by Cochran - Orcutt method and other approaches to this problem: introduction of a dummy variable, transition to a non-linear dependence. Cochran - Orcutt method is proved theoretically and experimentally. The transition to this method is useful when condition of autoregressive process for the regression errors is performed. In this case, the estimated regression coefficients obtained by ordinary method of least squares are ineffective. Using the data on GDP not in US dollar, but in ruble terms (at constant prices) leads to a model of high quality in which the autocorrelation in regression errors is practically absent.
Keywords: time series, regression analysis, autocorrelation in regression residuals, rail freight, gross domestic product.
