CC BY
1
УДК 621.43.068
DOI: 10.24412/2071-6168-2024-8-11-12
К ВОПРОСУ ВЫБОРА ДОМИНАНТНЫХ ДИАГНОСТИЧЕСКИХ ПАРАМЕТРОВ ТЕПЛОВОЗНОГО
ДИЗЕЛЯ
А.В. Муратов, А.Г. Старикова, А.С. Тычков, А.Н. Калякулин
В статье проведен анализ основных неисправностей тепловозов и средств их диагностирования. Из внешних параметров регулировочных и собственных параметров дизеля выбран набор диагностических параметров для проведения численного моделирования рабочего процесса тепловозного дизеля. В результате проведена обработка данных, полученных в результате вычислительного эксперимента методом корреляционного анализа и определена совокупность распознающих признаков для диагностирования тепловозного дизеля.
Ключевые слова: тепловозный дизель, неисправности, диагностические параметры, вычислительный эксперимент, доминантные параметры.
Известно, что удельное количество отказов оборудования различных систем и узлов тепловозов характеризует состояние парка подвижного состава локомотивных депо. При этом по видам оборудования наибольшее количество отказов приходится на тепловозный дизель.
Выделяют три основные причины возникновения неисправностей тепловозов в эксплуатации и захода их на неплановые ремонты: по вине эксплуатационного персонала, ремонтного персонала депо и/или ремонтных заводов и заводов изготовителей. В процентном соотношении эти величины по отдельным железным дорогам варьируются от 30 до 100%.
Причиной такого положения дел можно назвать то, что применяющиеся в локомотивных депо организационно-технические методы, средства контроля и диагностирования тепловозных дизелей в процессе эксплуатации и после проведенного технического обслуживания и ремонта не соответствуют современным требованиям, предъявляемым к техническому и технологическому уровню ремонтного производства.
Потому, обеспечение надежной работы и поддержания исправного технического состояния локомотивов возможно не только благодаря проведению качественного обслуживания и ремонта, но и внедрения такой системы диагностирования, которая позволит не допускать отказы узлов и систем подвижного состава в процессе эксплуатации.
В настоящее время существует множество средств диагностирования тепловозного дизеля, основанных на различных методиках: стационарные, портативные и мобильные системы диагностики.
Стационарные системы спроектированы как единый программный комплекс, решающий две основные задачи: получить данные о состоянии тепловозного дизеля в реальный момент времени и провести расчет рабочего процесса дизеля.
Портативные системы имеют, как правило, портативный прибор для измерения и анализа диагностических параметров и компьютер, в котором установлена диагностическая программа для обработки полученных результатов измерения.
Мобильные системы по своему способу получения и обработки диагностической информации относятся к системам разделенного мониторинга. То есть они имеют аппаратную часть - для получения данных о состоянии тепловозного дизеля. И программное обеспечение - для расчета и анализа рабочего процесса, но в отличие от стационарных систем это происходит не в режиме реального времени.
Если рассматривать средства технического диагностирования для оценки технического состояния тепловозных дизелей, то их условно можно разделить на такие классы как стационарные, переносные и мобильные технологические решения. К первому классу можно отнести следующую номенклатуру оборудования - КИПАРИС, АРАМИС, АЛМАЗ АЛ-030, КДН Магистраль; ко второму - ППРФ-3, «ДЭСТА», АЛМАЗ-П; и к третьему - СМДд, Diesel, Дизель-Адмирал 1Х, ELPI. Существенными преимуществами обладают представители третьего класса приборов, при помощи которых можно выполнять контроль параметров при проведении технически обслуживаний объемов ТО-1, ТО-2, ТО-3. Кроме того, можно отметить приспособленность средств диагностики к выполнению реостатных испытаний и возможностью производства регулировочно-настроечных операций, что характерно для первого и второго классов систем, но лишь фрагментарно реализовано для третьего класса. Представленные системы позволяют выполнять диагностику по таким параметрам как величины давления максимальных рабочего цикла и в конце процесса сжатия; фазово-амплитудные параметры впрыска топлива; временные параметры процессов. Но существуют различия системам первого и второго классов по сравнению с приборами третьего класса, так присутствуют особенности в контроле частот вращения элементов дизеля и температурных характеристик.
На практике дефекты тепловозных дизелей выявляют при проведении реостатных испытаний, однако это требует определенных затрат времени. Для оперативного выявления неисправностей тепловозного дизеля в эксплуатации тепловозного дизеля возможно, если разработать систему диагностики на основе совокупности диагностических параметров, для каждой его неисправности, что позволит использовать более прогрессивную систему обслуживания по техническому состоянию тепловозов взамен планово-предупредительной системы технического обслуживания и ремонта.
Анализ существующих систем диагностирования показал ограничения полноты диагностирования тепловозного дизеля. Для идентификации технического состояния дизеля и соотнесения его к работоспособному состоянию или определению неисправности и отнесение ее к одному из множества возможных вариаций на базе рассматриваемых диагностических параметров использовалось специализированное программное обеспечение.
В программном комплексе применяется методика расчета процесса сгорания, разработанная профессором Н.Ф. Разлйцевым. Математическая модель, используемая в программе ИМПУЛЬС, позволяет учесть множество факторов и наборов реализаций различных параметров, которые определяют работу системы в соответствии с топливными циклами и частотой оборотов коленчатого вала [1].
Одним из методов активного эксперимента является полный факторный эксперимент, который и использовался в качестве плана эксперимента для поставленной выше задачи.
Для описания объекта исследования, в нашем случае - тепловозного дизеля, использовалась так называемая система «черный ящик». Её суть заключается в изучении зависимости отклика системы У (его количественной оценки) на варьирование комплекса основных входных параметров Х, которые и определяют условия эксперимента.
В качестве основных входных параметров тепловозного дизеля приняты четыре независимых фактора с трехуровневым изменением границы исследуемой области по выбранному параметру. Таким образом, число возможных комбинаций из четырех факторов на трех уровнях составляет 81 опыт.
В результате проведения численного моделирования была получена совокупность диагностических параметров [2], из которой выбор доминантных диагностических параметров для различных характерных неисправностей рассматриваемого объекта диагностирования определяет конечную цель выполняемого исследования.
Исходная выборка была разбита на две части: обучающую, объемом 100 наблюдений, и контрольную, объемом 81 наблюдений. Такое разбиение позволяет снизить вероятность возникновения ошибки при интерпретации результата, что существенно повышает точность и достоверность проведения диагностических операций.
Для дальнейшего рассмотрения первая часть выборки подверглась обработке различными мерами статистических связей: корреляционными (множественные и парные коэффициенты корреляции), дисперсионными (множественное дисперсионное отношение, парные дисперсионные отношения, дисперсионные отношения эффектов взаимодействия, дисперсионные отношения эффектов взаимосвязей) и информационными (многомерная информационная мера, парная информационная мера и парная условная информационная мера).
Базой в понимании данного анализа служит разложение множественного дисперсионного отношения, при исследовании которого принимается композиция многомерной модели диагностики тепловозного дизеля, например, для двух переменных [3]:
1 = 0 уХХ + П У(ХЛ) + П У*1 + П У*2 + 2(П У(*1*2)( Ч) + П У(*1*2)02) + П У(*1)(*2))> (1)
где 0 уХ1х2 - доля (дисперсионное отношение) остаточной дисперсии; пу(Х1Х2) - дисперсионное отношение эффекта взаимодействия двух переменных; пуХ1, ПуХ2 - парные дисперсионные отношения; пу(ХХ2)(Х.) - дисперсионные
отношения эффектов влияния взаимосвязей переменных х1, х2 и Х,, , = 1, 2.
Полное исследование взаимосвязей между всеми переменными трудно реализуемо, поэтому было принято решение остановиться на применении программы обработки, дающей значения мер связи для трех предикторных переменных и одной выходной. Расчет дисперсионных отношений и информационных мер при большем количестве переменных приводит к резкому возрастанию времени обработки без увеличения точности модели. Для получения пересечения эффектов взаимодействия и взаимосвязей переменных использовалась скользящая индексация: {х1, Х2,
Х3,у}, {Х2, Х3, Х4,у}, ..., {Х22, Х1, Х2,у}.
На основании изучения парных дисперсионных отношений (ПДО), парных коэффициентов корреляции (ПКК) и парных информационных мер (ПИМ) из заданных признаков определили те, которые имеют наибольшее значение для построения модели (табл. 1).
Доминантные (существенные) переменные выбраны на основе ПДО по формуле [3]:
1 п 1 т
< = тт<(т) = тт(- £ пуХ1 Ъ ПуХ,), (2)
т т п - т,=т+1 т ,=1
где т - число доминантн^гх переменных, 1 < т < п .
Содержательная интерпретация выбора заключается в разбиении ранжированного ряда парных дисперсионных отношений на две группы путем максимизации расстояния между центрами (средними значениями) этих групп.
Из таблицы 1 видно, что ПДО и ПКК достаточно согласованны, при этом видно отсутствие полного мажорирования ПДО над ПКК. Это связано с ограниченным числом уровней вариации предикторных переменных для оценивания дисперсионных отношений, в то время, как коэффициенты корреляции вычислялись без категоризации.
Полный набор использованных при анализе дисперсионных отношений рассмотрим на переменных 1-22. Эти переменные имеют наиболее выраженные эффекты взаимодействия и взаимосвязи, что представлено в виде диаграммы, представленной на рис. 1.
На диаграмме значения дисперсионных отношений эффектов взаимодействия отражены во внутреннем квадрате, эффектов взаимосвязи - в среднем, а парные дисперсионные отношения в крайнем поле (наружном квадрате). Вне поля проставлены номера входных переменных (предикторы) в общей выборке.
Рассмотрим дисперсионные отношения эффекта взаимодействия и дисперсионные отношения эффектов влияния взаимосвязей между переменными. Так как между переменными (14-15-16) эффект взаимодействия составляет 0,76, то с достаточной точностью можно для исследования использовать один параметр из данного набора (16 -температура отработавших газов). Также на основании эффекта взаимодействия (0,613) между переменными (11-1213) можно выбрать параметр (11) с меньшим ПДО чем у параметров 13 и 14, но с возможностью физического измерения [2].
Из всего сказанного выше для статистического исследования тепловозных дизелей можно выделить следующие доминантные параметры 3, 7, 8, 9, 13, 16, 20, 22.
Анализ проведенных исследований показал, что для каждой неисправности существует свой набор диагностических признаков (табл. 2).
Оценка технического состояния элементов такой системы тепловоза как дизель позволяет выявить зарождающиеся неисправности, а также предотвратить возможные аварийные ситуации, возникающие в период эксплуатации на полигоне обращения. Своевременный контроль состояния позволит оптимально организовать диагностические и ремонтно-восстановительные операции для предотвращения потери и качества тягово-сцепных свойств локомотива, так как именно от функциональных режимов работы дизеля зависит эффективность локомотива в целом.
С целью выбора оптимального перечня приборов для контроля указанных величин была проведена подборка и анализ данного оборудования. В результате был сделан вывод о том, что для измерения выбранных диагностических параметров предлагается использовать контрольно-измерительное оборудование, приведенное в таблице 3.
Необходимо также предусмотреть возможность встраивания этапов контроля дизеля в информационную структуру ремонтного процесса, поскольку взаимодействие будет осуществляться при помощи существующих цифровых инструментов, которые являются наиболее перспективным и востребованным направлением развития локомотивного комплекса.
9 2
<Р !
7» д Р„ я
Ю Р' /Р 4 Й П ' ^
Рис. 1. Эффекты взаимодействия и взаимосвязей для признаков
Таблица 1
Результаты исследования изучаемых переменных для различных откликов с учетом ПДО _
№ Наименование переменных/ Наименование отклика Эффективная мощность Цикловая подача топлива Угол опережения подачи топлива Угол опережения верхнего вала нижним Закоксованность Расход воздуха
1 2 3 4 5 6 7 8
1 Угол задержки воспламенения ( 0,332 0,362 0,771 0,12 0,119 0,142
2 Угол начала интенсивного горения (2 0,24 0,253 0,659 0,67 0,06 0,097
3 Цикловая подача топлива, Л^ 0,991 - 1,345-10"3 5,06-10"4 5,061-10"4 0,031
4 Угол опережения подачи топлива, 4,256*10-3 4,8-10"3 - 1 3,83-10"3 0,029
5 Угол опережения верхнего вала нижним, Л3 2,761 *10-4 0 0,138 " 2,105-10"3 0,028
6 Закоксовонность выпускных окон, Л4 6,053*10-4 0 2,901 -10"4 2,105-10"3 - 0,905
7 Удельный расход топлива, Ъе 0,866 0,746 0,214 0,225 0,381 0,447
8 Среднее индикаторное давление, Р 0,521 0,89 0,154 0,192 0,113 0,184
9 Расход воздуха, Съ 0,521 0,567 0,116 0,316 0,816 -
10 Отношение максимального давления
сгорания Pmax к давлению в конце такта сжатия Рс Р^ах/Рс 0,379 0,361 0,778 0,253 0,043 0,097
11 Период задержки воспламенения, 0,145 0,143 0,715 0,019 0,022 0,036
12 Максимальное давление в цилиндре, Р тах 0,329 0,32 0,725 0,338 0,036 0,043
13 Максимальная температура в цилиндре, Ттах 0,74 0,71 0,374 0,204 0,051 0,187
14 Эффективный коэффициент полезного действия, КПДе 0,715 0,753 0,217 0,172 0,206 0,262
1 2 3 4 5 6 7 8
15 Эффективное давление, Р 0,876 - - - - -
16 Температура отработанных газов, ТОГ 0,827 0,903 0,124 0,156 0,687 0,759
17 Давление сжатия, Рс 0,173 0,195 0,011 0,06 0,062 0,013
18 Угол достижение максимального давления, угол Ртах 0,02 0,023 0,574 0,28 0,025 0,025
19 Угол достижения максимальной температуры, угол Ттах 4,481*10-" 0,016 0,775 0,204 1,02-10"4 0,028
20 Коэффициент избытка воздуха, а 0,899 0,893 0,117 0,712 0,193 0,254
21 Давление в цилиндре через 40 градусов, Р40 0,494 0,536 0,212 0,526 0,039 0,151
22 Скорость нарастания давления (жесткость), (1Р/ фтях 0,585 0,569 0,751 0,702 0,015 0,048
23 Эффективная мощность, N - 0,897 0,143 0,18 0,137 0,178
Таблица 2
Классы неисправностей тепловозного дизеля и соответствующая совокупность распознающих признаков
Неисправность Числовое значение диагностического признака, с учетом ПДО, при условии >0,5
Нарушена регулировка цикловой подачи топлива (больше или меньше нормы) Ье = 0,746, P¡ = 0,89, Cb = 0,567, Ттах = 0,71, КПДе=0,753, Тог = 0,903, а = 0,893, Р4„ = 0,536, йР/ф„аг = 0,569, Ne =0,897
Нарушена регулировка угла опережения подачи топлива (ранний или поздний впрыск) ф± = 0,771, ф2 = 0659, Ртах/Рс = 0,778, Ts, = 0,715, Ртах = 0,725, уголРтах = 0,574, уголТт„г = 0,775, йР/фт„г = 0,751
Увеличение зазора в зубчатых зацеплениях и шли-цевых соединениях вертикальной передачи ф2 = 0,67, х2 =1, а = 0,712, Р40 = 0,526, йР/фтах = 0,702
Увеличение закоксованности выпускных окон Gb = 0,876, ТОГ =0,687
Дизель не развивает мощность хг = 0,991, Ье = 0,866, P¿ = 0,521, Gb = 0,521, Tmax = 0,74, ТОГ = 0,827, а = 0,899, ЛР/Ф„„Г = 0,585
Нарушена система воздухоподачи х4 = 0,905, ТОГ = 0,759
Таблица 3
Перечень измеряемых параметров и номенклатура оборудования используемого при испытаниях дизеля
№ п/п Параметр Диапазон измерения Погрешность % Тип датчика
1 Барометрическое давление 650-800 мм.р.ст. 1 мм. рт. ст. барометр
2 Температура окружающего воздуха - 40+50 °С 0,1°С образцовый термометр
3 Влажность окружающего воздуха 10+90% 2% психрометр
4 Выход рейки топливного насоса 0-16 мм 1,5% ПЛИ 079
5 Температура охлаждающей воды перед воздухоохладителем 0-100 0С 1% Т49-5
6 Ток главного генератора 0-6000 А (0-2000)А 0,5% ЬТ-4008
7 Напряжение главного генератора 0-1700 В 0,8% ЬУ-25-Р/8Р5
8 Максимальное давление сгорания 0-16,0 МПа 0,25% ДСЕ-97 (ДСЕ-105)
9 Давление конца сжатия 0-16,0 МПа 0,25% ДСЕ-97 (ДСЕ-105)
10 Температура ОГ до 500 °С 1,0% Т49-5
11 Частота вращения коленчатого вала дизеля 300-20000 0,5% ОГ-021
12 Частота вращения турбокомпрессора дизеля 2000-20000 0,2% ОГ-018
13 Перепад на дроссельной шайбе расходомера воздуха 0-150 кПа 1% ДРИ 088 (0Р-10)
14 Турбинный преобразователь расхода топлива 0-500 кг/ч 1% ТПР-7
15 Положение ВМТ 0-360 0 0,04% Б85 (90ВА)
16 Температура в продувочном ресивере 0-1000С 1% Т49-5
17 Давление надувочного воздуха 0-0,15 0,5% 8-10
18 Давление на входе в турбину 0-0,15 0,5% Б-10
Следует более пристально изучить возможность встраивания в концепцию цифровых двойников изделий, посредством данной технологии появляется возможность разрабатывать модели проектируемого оборудования и процессов, на базе тех знаний, которые будут получены в процессе диагностирования. Также посредством исследования цифровых двойников необходимо установить взаимосвязь влияния различных параметров на существующее оборудование каждого конкретного локомотива, с целью реализации установленных взаимосвязей уже для всей серии локомотива. Появится эффективный инструмент, позволяющий отследить влияние и взаимосвязь параметров на таких этапов жизненного цикла локомотива, как разработка и проектирование, производство, испытания, эксплуатация с возможностью корректировки и воздействия по различным уровням и направлениям на указанных стадиях. Например, для изменения расчетных и конструктивных параметров по результатам эксплуатации, или же для устранения аварийных и нестационарных режимов работы вновь создаваемых изделий (серий локомотивов) по получаемым моделям цифровых двойников, исследование, которое проводилось бы при помощи цифровых полигонов [4-6].
Применение указанного инструментария ведет к появлению значительного массива информации, обработка которого должна вестись передовыми информационными методами. Одним из известных и хорошо зарекомендовавшим себя в локомотивном комплексе является подход, основанный на применении нейросетевых технологий [7]. Нейрорсети, ориентированные на распознавание и классификацию состояний позволяю достаточно четко соотносить по различным критериальным признакам и выявлять неисправности оборудования и устанавливать степень работоспособности. Необходимо отметить, что одной из проблем при работе с нейросетями является процесс обучения, от которого зависит эффективность разрабатываемой нейросети. Обучение как правило проводится на идеальных наборах последовательностей па-
раметров (образов), затем на искаженных (зашумленных) данных с целью выработки возможностей работы с реальными данными, затем процесс обучения повторяется по указанной схеме. Количество циклов обучения будет зависеть от получаемой на выходе ошибке, но следует учесть, что для однотипного оборудования конкретных локомотивов значения весовых коэффициентов и связи между элементами нейросети, полученные в процессе обучения весьма различны. Поэтому требуется обучение каждой нейросети конкретного локомотива, и только затем по полученным данным возможна группировка данных уже по серии локомотива на базе концепции цифровых двойников. Таким образом, в ходе исследования были выявлены взаимодействие и взаимосвязь между рядом параметров. Как оказалось, выбранные параметры, в общем, согласуются с современными представлениями о работе дизелей тепловозов.
Список литературы
1. Носырев Д.Я. Функционально-параметрическая модель контроля и диагностирования дизелей по параметрам рабочего процесса / Носырев Д.Я., Климова Е.А., Старикова А.Г. // Известия Самарского научного центра Российской академии наук. Специальный выпуск: Перспективы и направления развития транспортной системы. 2007. № 2007. С. 220-205.
2. Тюмиков Д.К. Выбор доминантных переменных при статистическом исследовании тепловозных дизелей / Д. К. Тюмиков, А. В. Авсиевич, А. Г. Старикова // Вестник транспорта Поволжья. 2012. № 1(31). С. 77a-82. EDN OZDAED.
3. Тюмиков Д.К. Идентификация многомерных нелинейных объектов на основе дисперсионных отношений / Д. К. Тюмиков ; Д. К. Тюмиков; Самарский науч. центр Российской акад. наук, Самарский гос. ун-т путей сообщ. Самара: СНЦ РАН, 2008. 161 с. EDN QJUVSF.
4. Лакин И.К. Цифровая трансформация управления ремонтом локомотивов с использованием технологии цифрового двойника / И. К. Лакин, А. П. Семенов // Цифровизация транспорта и образования: Материалы Всероссийской научно-практической конференции, посвященной 125-летию железнодорожного образования в Сибири, Красноярск, 09-11 октября 2019 года. Красноярск: Красноярский институт железнодорожного транспорта - филиал ФГБОУ ВО «Иркутский государственный университет путей сообщения», 2019. С. 376-380. EDN BARKHB.
5. Лакин И.К. Роль цифровых двойников в управлении сервисным обслуживанием локомотивов / И. К. Лакин, А. П. Семенов, И. Ю. Хромов // Локомотив. 2019. № 6(750). С. 41-42. EDN MAEPSD.
6. Антонов А.А. Цифровые технологии в процессе технического содержания электроподвижного состава / А. А. Антонов, А. С. Тычков // Современные тенденции развития транспортной отрасли : материалы Международной научно-практической конференции, Нижний Новгород, 15-16 февраля 2024 года. Нижний Новгород: Самарский государственный университет путей сообщения, 2024. С. 195-200. EDN PCVBXZ.
7. Тычков А.С. Особенности обработки результатов диагностики тяговых двигателей электровозов с использованием нейросетевых технологий / А. С. Тычков, А. Н. Калякулин // Вестник института тяги и подвижного состава. 2016. № 12. С. 39-42. EDN XDBOWV.
Муратов Алексей Владимирович, канд. техн. наук, доцент, [email protected], Россия, Самара, Самарский государственный университет путей сообщения,
Старикова Анна Геннадьевна, старший преподаватель, starikova@samgups. ru, Россия, Самара, Самарский государственный университет путей сообщения,
Тычков Александр Сергеевич, канд. техн. наук, доцент, a.tychkov@samgups. ru, Россия, Самара, Самарский государственный университет путей сообщения,
Калякулин Алексей Николаевич, канд. техн. наук, доцент, [email protected], Россия, Самара, Самарский государственный университет путей сообщения
ON THE ISSUE OF CHOOSING THE DOMINANT DIAGNOSTIC PARAMETERS OF A DIESEL LOCOMOTIVE A.V. Muratov, A.G. Starikova, A.S. Tychkov, A.N. Kalyakulin
The article analyzes the main malfunctions of diesel locomotives and their diagnostic tools. A set of diagnostic parameters has been selected from the external parameters of the adjusting and intrinsic parameters of the diesel engine for numerical modeling of the working process of a diesel locomotive. As a result, the data obtained as a result of a computational experiment by the method of correlation analysis was processed and a set of recognition features for the diagnosis of diesel locomotives was determined.
Key words: diesel locomotive, malfunctions, diagnostic parameters, computational experiment, dominant parameters.
Muratov Alexey Vladimirovich, candidate of technical sciences, docent, muratov@samgups. ru, Russia, Samara, Samara State University of Railway Engineering,
Starikova Anna Gennadievna, senior lecturer, starikova@samgups. ru, Russia, Samara, Samara State University of Railway Engineering,
Tychkov Alexander Sergeevich, candidate of technical sciences, docent, a. tychkov@samgups. ru, Russia, Samara, Samara State University of Railway Engineering,
Kalyakulin Alexey Nikolaevich, candidate of technical sciences, docent, [email protected], Russia, Samara, Samara State University of Railway Engineering
