CC BY
18
DOI 10.36622^Ти.2021.17.4.004 УДК 621.039
МЕТОД КОМПЛЕКСНОГО АНАЛИЗА ДАННЫХ ПРИ ДИАГНОСТИКЕ СЛОЖНОГО
ЭНЕРГЕТИЧЕСКОГО ОБОРУДОВАНИЯ
Е.А. Абидова1, А.Д. Данилов2, А.Е. Дембицкий1, А.В. Чернов1
^олгодонский инженерно-технический институт - филиал Национального исследовательского ядерного университета «МИФИ», г. Волгодонск, Россия
2Воронежский государственный технический университет, г. Воронеж, Россия
Аннотация: предложен подход к диагностике сложного и габаритного оборудования на примере определения технического состояния дизельного двигателя. Отличительной особенностью дизельного двигателя является сложность конструкции, требующая применения комплекса методов для обеспечения полноты контроля и чувствительности при выявлении дефектов на ранних стадиях развития. Описана схема обработки данных, позволяющая повысить чувствительность при диагностике за счет комплексного анализа данных различной физической природы с использованием анализа сингулярного спектра. Повышение чувствительности обосновывается путем численного моделирования и обработки результатов измерения диагностических параметров в реальных производственных условиях. В качестве показателей чувствительности рассматриваются расстояния между координатами центров кластеров параметров исправного и неисправного состояния в исходном пространстве и в пространстве главных компонент. Продемонстрировано, что предлагаемый подход обеспечивает повышение чувствительности в условиях, когда влияние дефекта на диагностические параметры сопоставимо с действием случайных факторов в объекте диагностирования. Указанное повышение качества диагностирования достигается благодаря корреляции между параметрами за счет их представления в виде траекторных матриц. Помимо повышения чувствительности при выявлении дефектов также достигается и существенное сжатие информации, которая используется для определения состояния. Преимуществом предлагаемого подхода также является наглядная визуализация результатов
Ключевые слова: диагностика дизель-генераторного оборудования, вибродиагностика, индикаторное давление, комплексный анализ, анализ сингулярного спектра
Введение
Энергетическое оборудование, использующееся для выработки, передачи, преобразования энергии, такое как дизельные двигатели (ДД), турбины, компрессоры, насосы широко используются в различных отраслях промышленности. Для контроля технического состояния энергетического оборудования применяются современные мобильные или стационарные системы технической диагностики. Для вращающегося оборудования (электроприводные клапаны, компрессоры, насосы) широкое распространение получили комплексы ПКСОД, КСДА, Крона [1]. Для оборудования циклического действия, дизелей в отечественной промышленности получили распространение комплексы «Дизель-Адмирал», «Магистраль» [2, 3] и др. Для подъёмно-транспортного оборудования примерами систем регистрации и анализа диагностических данных является комплекс МИК [4].
© Абидова Е.А., Данилов А.Д., Дембицкий А.Е., Чернов А.В., 2021
Энергетическое оборудование объединяет наличие нескольких функционально связанных конструктивных узлов. Отклонение в состоянии отдельных узлов косвенно сказывается на рабочих показателях других, в том числе пространственно-удаленных. Для оценки состояния деталей энергетического оборудования широко используются методы, связанные с контролем температуры, вибрации и акустических характеристик. Наиболее универсальным методом является вибрационный контроль в процессе функционирования. В сигнале вибрации проявляются характерные диагностические признаки при дефектах подшипников и неисправности топливной аппаратуры двигателей [5]. Измерение вибрации в определенных зонах позволяет контролировать состояние сложного энергетического оборудования. Однако из-за влияния большого числа случайных факторов выявить диагностические признаки на ранних стадиях развития дефекта затруднительно.
Рабочий процесс ДД анализируется с использованием индикаторных диаграмм, которые получают путем измерения давления в цилиндре [6]. Анализ параметров индикаторных диаграмм проводится в первую очередь для
настройки топливной аппаратуры. При этом параметры давления позволяют косвенно контролировать механические нагрузки на детали топливной аппаратуры и могут учитываться при диагностике.
При обработке диагностической информации любой физической природы актуальной проблемой является повышение чувствительности определяемых диагностических признаков к зарождающимся дефектам. Очевидно, чувствительность может быть повышена за счет комплексного анализа диагностических параметров дизеля.
Были предложены различные алгоритмы обработки данных при диагностике неисправностей дизельных двигателей [7]. Подавляющее большинство существующих результатов получено при обработке сигналов вибрации [8]. В этих исследованиях представлены различные частотные методы обработки сигналов, такие как быстрое преобразование Фурье, вейвлет-декомпозиция, кумулянтные спектры и др. Применение данных методов позволяет учитывать проявление состояния оборудования только в одном измерительном канале.
Для реализации комплексного подхода в сфере технической диагностики предложен [9] новый алгоритм обработки данных, основанный на выявлении скрытой взаимосвязи между данными с помощью анализа сингулярного спектра (АСС). Диагностические признаки используются в качестве входных данных классификаторов для двухклассового (нормального или неисправного состояния) распознавания. Продемонстрировано повышение чувствительности при диагностировании электроприводного механизма за счет обработки сигналов вибрации с использованием АСС.
Подходы, представленные в работе [9], могут использоваться при диагностике ДД и другого энергетического оборудования. В настоящей работе предлагается универсальный подход к комплексной обработке данных различной физической природы и повышению наглядности представления результатов диагностирования за счет применения АСС.
Обработка диагностической информации с использованием метода анализа сингулярного спектра
АСС базируется на представлении изначально одномерных данных в виде траекторной матрицы и последующей обработки многомерных данных с помощью метода главных ком-
понент (МГК) [9]. МГК базируется на ортогональном разложении ковариационной матрицы параметров системы по направлениям, которые объясняют максимальное изменение данных. Основная цель использования МГК состоит в том, чтобы найти факторы, которые имеют гораздо меньшую размерность, чем исходный набор данных, при этом могут правильно описать основные тенденции в исходном наборе данных. Возможность сокращения размерности признакового пространства основывается на том, что информация в измерительных каналах связана отношениями корреляции.
Пусть р обозначает число параметров системы; пространство векторов будем рассматривать как матрицу У размером п х р, ковариационная матрица которой равна £. Строки в У, у 1, у2,..., уп - р-мерные вектора, соответствующие образцам; в то время как столбцы векторов размерности п соответствующих переменных. Из матричных алгебр £ можно получить диагональную матрицу Ь с помощью ортонор-мированной матрицы ир х р, то есть £ = иШ'. Столбцы и, и1, и2, ...,ир , принято называть главными компонентами (ГК) векторов нагрузки.
Диагональные элементы Ь, 11,12,... ,1р -упорядоченные собственные значения £. Они определяют величину дисперсии, объясняемой каждым соответствующим собственным вектором. Преобразование ГК задается следующим образом:
Т = Уи или в1=Хи1. (1)
Эквивалентно, У разлагается как и г.
У = ти , = . (2)
Матрица п х р Т = (01,02,..., вр) содержит так называемые оценки ГК, которые определяются как наблюдаемые значения главных компонент для всех п наблюдений. Учитывая тот факт, что ковариация Т является диагональной матрицей, векторы 0; некоррелирова-ны. Пары 0(, щ расположены в порядке убывания в соответствии с их собственными значениями /¿.
На практике редко требуется вычислять все собственные векторы, так как большая часть вариации данных может быть представлена первыми ГК числа а. Если используется меньшее число ГК а <р, декомпозиция становится:
Y = 01 и1 + 02 и2 + ...+ 0а и а
где Е - остаточный член.
Было обнаружено, что первых двух или трех ГК часто бывает достаточно для объяснения изменчивости. Следовательно, размерность значительно уменьшается.
Диагностики параметры в двумерном пространстве представляют собой кластеры точек, соответствующих координатам параметров в новом пространстве. Чувствительность метода можно оценить по расстоянию между центрами кластеров параметров исправного и неисправного состояния.
Применение АСС к обработке диагностических сигналов ДД требует разработки диагностической модели для обоснования повышения чувствительности.
Модель, обосновывающая повышение чувствительности
Для решения задач оптимизации и оценки качества систем диагностики в работе [10] используется методология на основе формального представления системы и описание соответствия между состоянием объекта и диагностическими признаками. Данный подход позволяет оценить и скорректировать качество диагностирования, достигаемое с использованием анализируемой системой или методикой, на этапе их разработки. В данном случае мы разрабатываем модель, которая демонстрирует возможность повышения чувствительности при диагностике дефектов ДД, за счет комплексной обработки данных различной физической природы с использованием АСС.
Формальное представление системы заключается в описании состояния объекта в многомерном пространстве. Каждое направление соответствует измеряемой физической величине - температура, вибрация, давление, ультразвук. Таким образом, описываемое пространство является четырехмерным.
Реакция системы на изменение состояния определяется отклонением её параметров от нормальных значений принятых за единицу. Формула (4) описывает формирование /-го параметра при наличии дефекта, а формула (5) соответствует /-му параметру исправного дизеля такого же типа:
хг = 1 + гг * е (4)
±1 = 1 + о^*ё , (5)
а
+ Е = ^0г. и \ + Е, (3)
/=1
где е - определяет степень развития дефекта и варьируется от 0,01 до 0,1, г/ - реакция 1-го параметра на дефект в зависимости от природы и локализации варьируется от -1 до 1, о/ -случайное значение от -1 до 1, характеризующее влияние недетерминированных факторов в исправном механизме, 1 меняется от 1 до 16, ё -коэффициент численно равный е (когда моделируется ранняя стадия развития дефекта).
Таким образом, каждый параметр отклоняется от единицы либо в зависимости от выраженности дефекта и способности реагировать на дефект, либо под влиянием случайных факторов. Настоящая модель имитирует ситуацию, когда величина дефекта сопоставима с влиянием случайных факторов. Такая ситуация наблюдается на ранних стадии развития дефектов ДД.
Для реализации комплексной обработки данных по формулам (4) и (5) были сгенерированы параметры вибрации температуры и давления четырехцилиндрового рядного дизеля. При наличии дефекта топливной аппаратуры наблюдается следующая тенденция: вблизи неисправного объекта вибрация, ультразвук растут, а температура и давление падают. В других точках измерения дефект наоборот вызывает снижение вибрации и ультразвука, рост температуры (чем ближе дефект, тем он сильнее сказывается на соседних точках). Эта тенденция отражена варьированием гг в формуле 4. Параметр дефекта и коэффициент влияния недетерминированных факторов при расчете задавались е=ё=0,04.
Ниже на гистограммах представлены вычисленные значения параметров, соответствующие исправному дизелю и дизелю с дефектом форсунки цилиндра № 2.
Отклонение параметров неисправного цилиндра на 4% не может считаться признаком неисправности, и дефект не может быть выявлен на основании значений параметров вибрации, температуры, ультразвука, давления. Расстояние между центрами кластеров параметров в четырехмерном пространстве составляло пять единиц, что недостаточно для постановки диагноза.
Необходима комплексная обработка данных различной физической природы по всем цилиндрам.
Для повышения чувствительности за счет корреляции между данными вычисленные параметры были представлены в виде траектор-ных матриц. То есть исходные ряды из 16 значений были преобразованы в матрицы размером 8 на 9 вида
х1 у-и X? х2Л
у-и Х1 X? (6)
4 х3 V х3 ■ к)
хГ, V ч - параметры вибрации, тем-
х1
х\,
пературы, ультразвука и давления 1-го цилиндра.
1,04 | 1,02 а 1
<и 1 С
Ъ 0,98 н
0,96
А ▲
А А
0,96
0,98 1 вибрация
1,02
А Исправное состояние \ Неисправное состояние
А Исправное состояние Неисправное состояние
б
Рис. 1. Вычисленные значения параметров: а) исправного дизеля, б) дизеля с дефектом
Матрица параметров исправного состояния была преобразована в ковариационную, которая в свою очередь подверглась сингуляр-
ному разложению с получением эталонного базиса. На эталонный базис были спроецированы как матрица исправных параметров, так и матрица неисправных. Результат проецирования представлен на рис. 2.
В результате проецирования в пространстве главных компонент получилось два несовпадающих кластера, положение которых описывает состояние оборудования. Расстояние между центрами проекций данных в пространстве ГК составляет 36 единиц.
Рис. 2. Вычисленные параметры исправного и неисправного дизеля в пространстве ГК
Таким образом, моделирование начальной стадии развития дефекта показало, что применение АСС обеспечило повышение чувствительности более чем на 30%.
Для демонстрации изменения чувствительности за счет применения АСС при обработке данных проводилось моделирование различных стадий развития дефекта, путем подстановки в формулу (4) возрастающих значений параметра е. При этом оценивалось расстояние между параметрами исправного и неисправного состояния в исходном базисе и расстояние между параметрами сравниваемых состояний в пространстве ГК. Порогом чувствительности будем считать расстояние 0,1. Схема модельного эксперимента представлена на рис. 3 и отражает сравнение параметров, соответствующих исправному и неисправному объекту в естественных координатах и в пространстве ГК.
а
Таким образом, в вычислительных экспериментах были сгенерированы два набора данных, один из которых соответствует тенденции изменений параметров при наличии дефекта, а второй случайному изменению параметров сопоставимому с влиянием дефекта. Результаты расчетного эксперимента, представленные на рис. 4, показали, что за счет предлагаемой обработки данных можно выявлять дефекты на существенно более ранних стадиях развития, несмотря на влияние случайных факторов.
Рис. 3. Схема модельного эксперимента, обосновывающего повышение чувствительности
Рис. 4. Чувствительность при диагностировании
Обработка диагностических параметров, зарегистрированных в производственных условиях
Для апробации предлагаемого метода были обработаны диагностические данные дизелей одинаковой конструкции, один из которых является исправным, а в первом левом цилиндре другого развивался дефект (который впоследствии привел к заклиниванию поршня). Тип двигателя - 12zv40/48 - двенадцатицилиндровый, четырехтактный, v-образный.
Производилось измерение вибрации вблизи цилиндров дизелей. Одновременно с измерением вибрации были зарегистрированы индикаторные давления в цилиндрах диагностируемых дизелей.
Известно [11], что при наличии дефекта амплитуда сигнала вибрации, измеренного
вблизи неисправности, может возрасти. Однако сопоставление сигналов вибрации, измеренных вблизи первых левых цилиндров дизелей, один из которых неисправен, не позволяет выявить дефект. Функции плотности распределения параметров сигналов исправного и неисправного оборудования практически совпадают (рис. 5).
С целью повышения чувствительности к параметрам дизелей был применен предлагаемый подход: параметры представлены в виде траекторной матрицы, преобразованы в матрицу ковариации, путем сингулярного разложения получен эталонный базис, на первую компоненту которого спроецированы параметры двух дизелей. Как видно по рис. 6, применение предлагаемого подхода обеспечило повышение чувствительности: вероятность ошибки диагностирования снизилась до приемлемого уровня -10%.
Для дальнейшего повышения качества диагностирования целесообразно совместно с параметрами вибрации использовать информацию, содержащуюся в параметрах давления диагностируемых ДД.
На рис. 7 представлены значения исходных (нормализованных) параметров состояния объектов: СКЗ сигналов вибраций и средних максимальных давлений сжатия по каждому цилиндру каждого дизеля. Поскольку в исходном пространстве наблюдается наложение кластеров исправного и неисправного состояний, то сделать вывод о состоянии объектов затруднительно.
Для реализации АСС из параметров ДД различной природы были составлены две матрицы 12 на 13 вида:
г1
VI
хг1 Х11
\
г5
х:
г5
41
41
45
Л11 лг2
45
•Л
13
V
г4
(7)
X
16
/
где х^, х^г, х^г, х^г - нормализованные параметры вибрации и давления ьх цилиндров слева и справа. В данной матрице давление неисправного цилиндра повторяется четыре раза, а вибрация - три.
Рис. 5. Сопоставление виброскоростей левого цилиндра №1 исправного дизеля и левого цилиндра №1 дизеля с развивающимся дефектом
Рис. 6. Сопоставление проекций на первую компоненту
сингулярного разложения виброскоростей левого цилиндра №1 исправного дизеля и левого цилиндра №1 дизеля с развивающимся дефектом
Дефект влияет на все параметры (пусть и в незначительной степени), и представление (7) обеспечивает выявление взаимной корреляции между ними, что в конечном итоге и позволяет повысить чувствительность. В соответствии с предлагаемой схемой обработки данных матрица исправных параметров вида (7) была преобразована в матрицу ковариации, затем подверглась сингулярному разложению, в результате которого был получен двумерный эталонный базис.
Рис. 7. Параметры исправного и неисправного дизеля в исходном пространстве
Результаты проецирования параметров исправного и неисправного ДД на базис представлены на рис. 8.
В пространстве ГК параметры исправного и неисправного оборудования формируют два несовпадающих кластера, что исключает неверное диагностирование. В исходных координатах расстояние между центрами кластеров исправного и неисправного состояний составило 0,11, а в пространстве ГК 0,77. Таким образом, чувствительность за счет применяемого подхода повысилась на 66%.
Рис. 8. Параметры исправного и неисправного дизеля в пространстве главных компонент
Предлагаемый подход обеспечил не только существенное повышение чувствительности, но также сокращение объёмов информации, необходимой для диагностики, и наглядное представление результатов диагностирования. Не требуется хранение сорока восьми сигналов, которые были изначально зарегистрированы. Достаточно вычислить и сохранить СКЗ сигналов вибрации и средние максимальные давления сжатия.
Заключение
В статье анализируются методы диагностирования ДД, каждый из которых по отдельности не может обеспечить чувствительность при выявлении дефектов на ранних стадиях развития. Предлагается подход, направленный на повышение чувствительности при диагностике ДД за счет совместной обработки данных различной физической природы с использова-
нием анализа сингулярного спектра. Описана схема обработки данных, обеспечивающая представление результатов в пространстве главных компонент.
Повышение чувствительности обосновывается путем численного моделирования и обработки результатов измерения диагностических параметров в реальных производственных условиях. В качестве показателей чувствительности рассматриваются расстояния между координатами центров кластеров параметров исправного и неисправного состояния в исходном пространстве и в пространстве главных компонент. Продемонстрировано, что предлагаемый подход обеспечивает повышение чувствительности в условиях, когда влияние дефекта на диагностические параметры сопоставимо с действием случайных факторов. Указанное повышение качества диагностирования достигается благодаря наличию корреляции между параметрами за счет их представления в виде тра-екторных матриц. Помимо повышения чувствительности при выявлении дефектов также достигается и существенное сокращение объемов обрабатываемой информации, которая используется для определения состояния. Преимуществом предлагаемого подхода также является наглядная визуализация результатов диагностирования.
Указанные преимущества, подтвержденные положительными результатами апробации, востребованы в сфере технической диагностики энергетического оборудования. Предлагаемый подход может быть использован при разработке систем диагностики ДД, используемых в различных отраслях.
Литература
1. Адаменков А.К., Веселова И.Н. Диагностика технического состояния электроприводной арматуры // Электрические станции. 2007. № 2. С. 53-56.
2. Комплексы «Дизель-Адмирал». URL: http://www.npkgarant.spb.ru/index.php/ct-menu-item-6/ct-menu-item-7 (дата обращения: 27.05.2017).
3. Комплексы централизованного контроля, диагностики и настройки технического состояния магистральных тепловозов КДН «Магистраль». URL: http://www.all-pribors.ru (дата обращения: 27.05.2017).
4. Свид. 2015612308 Российская Федерация. Программный комплекс управляющей системы машины перегрузочной / В.В. Коробкин, А.И. Серогодский, И.В. Блу-ишвили, А.А. Дубовик; заявитель и правообладатель «Южный федеральный университет» (RU). Опубл. 17.02.2015. 67 с.
5. Hong L., Dhupia J.S. A time domain approach to diagnose gearbox fault based on measured vibration signals. Journal of Sound and Vibration. 2014. Vol. 333. Is. 7. P. 2164-2180.
6. Analysis and processing of shaft angular velocity signals in rotating machinery for diagnostic applications / Y.W. Kim, G. Rizzoni, B. Samimy, Y.Y. Wang // International Conference on Acoustics, Speech, and Signal Processing, ICASSP-95, 1995. Vol. 5, Is. 9-12. P. 2971 - 2974.
7. Experimental investigation on the influence of titanium dioxide nanofluid on emission pattern of biodiesel in a diesel engine / D. Yuvarajan, M. Dinesh Babu, N. BeemKu-mar, P. Amith Kishore // Atmospheric Pollution Research. 2018. Vol. 9. Is. 1. P. 47-52. DOI: http://dx.doi.org/ 10.1016/j.apr.2017.06.003.
8. Lei Y., He Z., and Zi Y. A new approach to intelligent fault diagnosis of rotating machinery. Expert Systems with Applications, 2008. 35(4). P. 1593-1600.
9. Bugharbee Al. Hussein and Trendafilova, Irina. A Methodology for Fault Detection in Rolling Element Bearings
Using Singular Spectrum Analysis// International Conference on Engineering Vibration 2017 (ICoEV 2017). Sofia, Bulgaria
2017. URL: https://strathprints.strath.ac.uk/62663/
10. Venkat Venkatasubramanian, Raghunathan Rengaswamy, Kewen Yin and other. A review of process fault detection and diagnosis. Part I: Quantitative model-based methods // Computers and Chemical Engineering 27. 2003. P. 293-311.
11. Переносной программно-технический комплекс диагностирования дизель-генераторов [Электронный ресурс] / Е.А. Абидова, О.Ю. Пугачёва, А.Е. Дембиц-кий и др. // Безопасность ядерной энергетики: тез. докл. XIV Междунар. науч.-практ. конф. Волгодонск: [Б. и.],
2018. - 1 электрон. опт. диск (CD).
Поступила 04.06.2021; принята к публикации 23.08.2021 Информация об авторах
Абидова Елена Александровна - канд. техн. наук, научный сотрудник НИИ атомного энергетического машиностроения, Волгодонский инженерно-технический институт - филиал Национального исследовательского ядерного университета «МИФИ» (347360, Россия, г. Волгодонск, ул. Ленина, 27), e-mail: e-abidova@mail.ru
Данилов Александр Дмитриевич - д-р техн. наук, профессор кафедры компьютерных интеллектуальных технологий проектирования, Воронежский государственный технический университет (394006, Россия, г. Воронеж, ул. 20-летия Октября, 84), e-mail: danilov-ad@yandex.ru
Дембицкий Артем Евгеньевич - доцент кафедры атомной энергетики, Волгодонский инженерно-технический институт -филиал Национального исследовательского ядерного университета «МИФИ» (347360, Россия, г. Волгодонск, ул. Ленина, 27), e-mail: aedembitskii@mephi.ru
Чернов Александр Викторович - д-р техн. наук, профессор кафедры информационных и управляющих систем, Волгодон-ский инженерно-технический институт - филиал Национального исследовательского ядерного университета «МИФИ» (347360, Россия, г. Волгодонск, ул. Ленина, 27), e-mail: vitikafius@mephi.ru
METHOD OF COMPREHENSIVE DATA ANALYSIS IN DIAGNOSTICS OF COMPLEX POWER
EQUIPMENT
E.A. Abidova1, A.D. Danilov2, A.E. Dembitskiy1, A.V. Chernov1
xVolgodonsk Engineering Technical Institute, the branch of National Research Nuclear University
"MEPhI", Volgodonsk, Russia 2Voronezh State Technical University, Voronezh, Russia
Abstract: the article suggests an approach to the diagnosis of complex and oversized equipment by the example of determining the technical condition of a diesel engine. A distinctive feature of the diesel engine is the complexity of the design, which requires the use of a set of methods to ensure complete control and sensitivity when detecting defects at early stages of development. We describe the data processing scheme, which allows you to increase the sensitivity in diagnostics due to the complex analysis of data of various physical nature using the principal component method. The increase in sensitivity is justified by numerical modeling and processing the results of measuring diagnostic parameters in real production conditions. Distances between coordinates of centers of clusters of parameters of serviceable and faulty state in initial space and in space of principal components are considered as indicators of sensitivity. We demonstrated that the proposed approach provides increased sensitivity in conditions where the effect of a defect on diagnostic parameters is comparable to measurement errors. The indicated improvement in the quality of diagnostics is achieved due to the correlation between the parameters due to their representation in the form of trajectory matrices. In addition to increasing sensitivity when detecting defects, significant compression of information that is used to determine the state is also achieved. The advantage of the proposed approach is also the vivid visualization of the results
Key words: diagnostics of diesel-generators, vibration diagnostics, indicator pressure, complex analysis, method of principal components
References
1. Adamenkov A.K., Veselova I.N. "Diagnostics of the technical condition of electrically driven valves", Electric Stations (El-ektricheskie stantsii), 2007, no. 2, pp. 53-56.
2. Complexes "Diesel-Admiral", available at: http://www.npkgarant.spb.ru/index.php/ct-menu-item-6/ct-menu-item-7 (date of access: 05.27.2017).
3. Complexes of centralized control, diagnostics and adjustment of the technical condition of main diesel locomotives KDN "Magistral", available at: http://www.all-pribors.ru (date of access: 27.05.2017)
4. Korobkin V.V., Serogodskiy A.I., Bluishvili I.V., Dubovik A.A. "The software complex of the control system of the transshipment machine" ("Programmnyy kompleks upravlyayushchey sistemy mashiny peregruzochnoy"), patent RF no. 2015612308, 2015, 67 p.
5. Hong L., Dhupia J.S. "A time domain approach to diagnose gearbox fault based on measured vibration signals", J. of Sound and Vibration, 2014, vol. 333, issue 7, pp. 2164-2180.
6. Kim Y., Rizzoni G., Samimy B., Wang Y. "Analysis and processing of shaft angular velocity signals in rotating machinery for diagnostic applications", IEEE Int. Conf. on Acoustic Speech and Signal Processing USA, 1995, vol. 5, issue 9-12, pp. 29712974.
7. Yuvarajan D., Dinesh Babu M., BeemKumar N., Amith Kishore P. "Experimental investigation on the influence of titanium dioxide nanofluid on emission pattern of biodiesel in a diesel engine", Atmospheric Pollution Research, 2018, vol. 9, issue 1, pp. 47-52. DOI: http://dx.doi.org/ 10.1016/j.apr.2017.06.003.
8. Lei Y., He Z., Zi Y. "A new approach to intelligent fault diagnosis of rotating machinery", Expert Systems with Applications, 2008, no. 35(4), pp. 1593-1600.
9. Al Bugharbee H., Trendafilova I. "A methodology for fault detection in rolling element bearings using singular spectrum analysis", Int. Conf. on Engineering Vibration 2017 (ICoEV 2017), 4-7 September 2017, Sofia, Bulgaria, available at: https://strathprints.strath.ac.uk/62663/
10. Venkatasubramanian V., Rengaswamy R., Yin K. et al. "A review of process fault detection and diagnosis. Part I: Quantitative model-based methods", Computers and Chemical Engineering 27, 2003, pp. 293-311.
11. Abidova E.A., Pugacheva O.Yu., Dembitskiy A.E. et al. "Portable software and hardware complex for diagnosing diesel generators", Nuclear Power Safety: Abstracts of XIVInt. Scientific and Practical Conf. (Bezopasnost'yadernoy energetiki: tez. dokl. KHIVMezhdunar. nauch.-prakt. konf), May 30 - June 1, Volgodonsk, 2018.
Submitted 04.06.2021; revised 23.08.2021
Information about the authors
Elena A. Abidova, Cand. Sc. (Technical), research worker, Volgodonsk Engineering Technical Institute, the branch of National Research Nuclear University "MEPhI" (73/94 Lenin St., Volgodonsk 347360, Russia), e-mail: e-abidova@mail.ru, tel. +79286118544
Aleksandr D. Danilov, Dr. Sc. (Technical), Professor, Voronezh State Technical University (84 20-letiya Oktyabrya str., Voronezh 394006, Russia) e-mail: danilov-ad@yandex.ru
Artyem E. Dembitskiy, Associate Professor, Volgodonsk Engineering Technical Institute, the branch of National Research Nuclear University "MEPhI" (73/94 Lenin St., Volgodonsk 347360, Russia), e-mail: aedembitskii@mephi. ru
Aleksandr V. Chernov, Dr. Sc. (Technical), Professor, Volgodonsk Engineering Technical Institute, the branch of National Research Nuclear University "MEPhI" (73/94 Lenin St., Volgodonsk 347360, Russia), e-mail: vitikafius@mephi.ru
