CC BY
6
УДК 519.876.5
DOI: 10.24412/2071-6168-2022-12-473-476
МЕТОД ПРОГНОЗА И ОЦЕНКИ РЕСУРСА СМАЗОЧНЫХ МАСЕЛ С ПРИМЕНЕНИЕМ
НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ
В.Г. Шрам, Е.Д. Агафонов, Н.Ф. Орловская, Р.Б. Желукевич
Одной из важнейших задач при создании диагностирующей системы является разработка методов измерения эксплуатационных параметров, отражающих состояние трибосистемы. На сегодняшний день происходит изменение от простого контроля состояния к активному мониторингу системы. В результате чего информация, полученная практически в онлайн режиме, позволяет оперативно реагировать на изменения эксплуатационных параметров машин и механизмов. В работе рассмотрен метод контроля состояния трибоузла основанный на анализе смазочного масла. Предлагаемый метод прогноза и оценки ресурса смазочных масел с применением нейросетевого моделирования позволит сделать очередной шаг к созданию новой методики экспресс-оценки состояния масла и соответствующего ему характера процесса износа трибоузла.
Ключевые слова: смазочное масло, трибоузел, системный анализ, нейросеть.
В процессе эксплуатации различной техники, оборудования, узлов, деталей накапливается информация об их техническом состоянии, вследствие постоянного проведения диагностического контроля эксплуатационных параметров [1]. В связи с этим одна из главных задач диагностической системы является выявление показателей и параметров трибосистемы наиболее полно и точно отражающих характер изнашивания и соответственно техническое состояние всего трибоузла. На основе установленных зависимостей эксплуатационных параметров можно сделать прогноз дальнейшего функционирования системы с использованием моделей качественно-количественных характеристик трибоузла. В результате чего в комплексе диагностика и прогноз позволяют получить более достоверную информацию о протекающих процессах при эксплуатации различных узлов машин и механизмов и соответственно реагировать на критические в них изменения.
На сегодняшний день для непрерывной диагностики трибосопряжений применяются следующие методы: виброакустические - по параметрам механических колебаний деталей трения; акустоэмис-сионные - по интенсивности, мощности и спектру эмиссии; электрофизические - по интенсивности и амплитудно-частотному спектру трибоэдс и ЭДС магнитной индукции; температурные методы - по тепловыделению в сопряжении, а также методы, основанные на анализе смазочного масла - по параметрам частиц износа и работоспособности масла [1]. Из всех перечисленных методов анализ масла является наиболее широко используемым и перспективным.
В ходе эксплуатации трибосистемы под воздействием высокой температуры масло претерпевает значительное старение. Все это приводит к срабатыванию присадок в нем и разрушению масляной основы. При этом стоит отметить, что режимы работы смазочного слоя в различных узлах и сопряжениях неодинаковы, поскольку они постоянно подвергаются перепадам тепловых и механических нагрузок [2-4].
Проведенный анализ нормативной документации позволил выявить следующее:
- большинство нормативной документации не всегда совершенствуется вместе с изменением требований к смазочным материалам и развитием машин и механизмов;
- испытания проводят без учета условий эксплуатации;
- отсутствует системный подход и унификация по используемым методам испытаний смазочных масел.
Согласно литературным данным установлено, что при мониторинге и контроле работающего смазочного масла можно судить работоспособности трибосистемы в целом, например, по таким выявленным факторам, как содержания топлива или водонефтяной эмульсии [5]. Поэтому еще одним достоинством такого подхода диагностики трибосистемы является оценка технического состояния системы без вывода его из эксплуатации. Таким образом, оперативный мониторинг качества моторного масла позволит проводить индивидуальные межсервисные интервалы для каждой трибосистемы.
Литературные данные [1-5] также подтверждают то, что диагностика технических систем, на основе анализа и контроля смазочных масел, примерно в два раза эффективнее способа диагностики по анализу вибраций. При этом важным моментом стоит отметить то, что по анализу масел можно предположить тип и характер неисправности технической системы (износ, потеря герметичности и т.д.). Еще одним преимуществом является то, что такой подход позволяет выявить зародившиеся неисправности технических систем на ранних стадиях, что позволяет своевременно реагировать на негативные изменения в трибосистеме. Однако здесь стоит отметить, что успешное выявление зарождающихся дефектов зависит от периодичности диагностики и контроля трибосистемы. Поскольку для своевременного обнаружения отклонений необходим постоянный мониторинг смазочного масла. При этом, чем больше будет статистических данных о состоянии смазочного масла на всем периоде его эксплуатации, тем точнее можно будет построить прогнозные модели его ресурса, и соответственно провести оценку технического состояния всего узла трибосистемы [6-9].
Важным этапом является интерпретация полученных результатов. Например, антиокислительные свойства масел определяют их стойкость к старению. На скорость и глубину окислительных процессов значительно влияют продукты неполного сгорания топлива, частицы металлов и загрязнений неорганического происхождения. Для увеличения ресурса работы смазочных материалов необходимо знать скорости процессов старения и их зависимость от температуры, поэтому испытания масел на термоокислительную стабильность необходимо проводить в некотором диапазоне температур для более точной оценки ресурса смазочного материала.
В работах [10-12] представлены результаты лабораторных исследований оптической плотности смазочных масел в зависимости от температуры, времени теплового воздействия и других параметров. По полученным результатам строились графические зависимости оптической плотности, испаряемости и коэффициента термоокислительной стабильности от времени и температуры испытания, которые использовались в аналитической модели для вычисления указанных показателей при температуре, входящей в диапазон испытания. Применение такого подхода позволяет снизить трудоемкость анализа, однако при этом имеет не большую точность прогнозной модели, которая составляет около 89%.
В графоаналитической модели [10-12] определения показателей термоокислительной стабильности описанная методика позволяет по результатам исследования масла при двух температурах определить эти показатели при других температурах, используя графоаналитическую модель, согласно которой экспериментально установлена линейная зависимость между десятичными логарифмами времени достижения установленных значений показателей Д О и Птос и температурами испытания. Применение графоаналитической модели расчета показателей термоокислительной стабильности так же позволяет сократить трудоемкость испытаний. В данной модели значение относительной погрешности снизилось до 4 %.
В связи с тем, что смазочные масла являются сложными полисистемами, зависимости параметров, как правило, не поддаются аппроксимации одномерными линейными моделями, а требуют более сложного описания, включающего множество факторов [13].
Для оценки эффективности рассмотренных выше методов необходимо сравнить рекомендуемые качественные показатели масла с предложенным нейросетевым подходом. Для сравнения воспользуемся значениями, полученными в работе [13], а также данными из работ [14, 15], чтобы построить нейросетевые модели, характеризующие процессы старения масла (рис. 1, 2).
Рис. 1. Зависимости скорости изменения оптической плотности от времени и температуры испытания (а) частично синтетического моторного масла Total Quartz 10W-40 SL/CF, (б) минерального масла Mobil 10W-40 SC/CC
Т,°С
т° с
t, ч
Рис. 2. Зависимость температуры пика скорости изменения оптической плотности от времени испытания (а) частично синтетического моторного масла Total Quartz 10W-40 SL/CF, (б) минерального масла Mobil 10W-40 SC/CC 474
Исходя из полученных результатов видно, что в маслах еще до их замены происходят критические изменения, процесс старения смазочного материала ускоряется. При этом для некоторых масел характер скорости изменения оптической плотности зависит от температуры эксплуатации, например, как у смазочного масла Total Quartz 10W-40 SL/CF. Следовательно, при достижении критической точки необходимо чаще проводить контроль масел.
Также авторами в работе [16] представлена возможность получения информация об аналитической зависимости параметров оптической плотности и износа, на основе оценки зависимости с использованием моделей построенных на результатах экспериментальных данных.
В результате проведенных исследований было отмечено, что полученные прогнозные модели незаменимы для объяснения фундаментальных процессов износа, протекающих при эксплуатации смазочного масла. В дополнение к этому следует отметить, что полученные результаты позволяют сделать очередной шаг к созданию новой методики экспресс-оценки состояния масла и соответствующего ему характера процесса износа трибоузла.
На практике при эксплуатации масла в рамках разрабатываемой методики контроля будет необходимо осуществлять периодический контроль состояния масла с учетом характера износа, режима нагружения, температурных режимов, а также с привлечением косвенных индикаторов, одним из которых является оптическая плотность масла.
Выводы. В ходе выполнения работы установлено, что применяемые методы оценки ресурса смазочных масел в условиях малой выборки данных не всегда позволяют получить достоверную информацию о состоянии смазочного материала и соответственно и техническом состоянии трибоузла.
Предложенный метод прогноза и оценки ресурса смазочных масел с применением нейросете-вого моделирования позволил усовершенствовать обработку информации в условиях ограниченного объема экспериментальных данных. В результате была повышена точность прогнозных моделей, а так же получен новый показатель, указывающий на переходный процесс деструкции масел, что в свою очередь позволит своевременно получать информацию о текущем состоянии узла трения машин и механизмов.
Список литературы
1. Маркова Л. В., Мышкин Н.К. Трибодиагностика машин. Мн. Бел. наука, 2005. 215 с.
2. Безбородов Ю.Н. Методы контроля и диагностики эксплуатационных свойств смазочных материалов по параметрам термоокислительной стабильности и температурной стойкости. Красноярск. Сибирский федеральный университет, 2011. 366 с.
3. Виленкин А.В. Химия и технология топлив и масел. М.: Химия, 1966.
4. Кириченко Н. В. Автомобильные эксплуатационные материалы. М.: Академия, 2012. 210 с.
5. Хазиев А.А. Обоснование применения методов экспресс-контроля моторного масла в предприятиях автомобильного сервиса // Автомобиль. Дорога. Инфраструктура, 1 (2017) 10.
6. Власов Ю.А. Методология диагностики агрегатов автомобилей электрофизическими методами контроля параметров работающего масла. Томск, 2015. 368 с.
7. Илимбетов Р.Ю. Диагностика ДВС по параметрам масла // Материалы IV международной науч.-техн. конференции «Достижения науки - агропромышленному производству», 2016. 3. С. 160-172.
8. Fitch J. The Wrath of Unscheduled Downtime: Why Oil Analysis is a Wise and Effective Defense / Machinery Lubrication, 2014.
9 Новиков Е., Кирюхин М. Анализ масел в процессе их эксплуатации / Неизведанная территория. Журнал: Аналитика, 2015. 3. С. 36-47.
10 Kovalsky B.I., Bezborodov Yu.N., Ermilov E.A., Runda M.M. Effect of temperature on the oxidation and thermal destruction of partially synthetic motor oil Castrol Magnatec 10W-40 R SL/CF // Bulletin of oil companies. The World of Oil Products, 2016. 12. С. 14-18.
11. Ковальский Б.И., Петров О.Н., Сокольников А.Н., Агровиченко Д.В. Графоаналитический метод определения показателей термоокислительной стабильности смазочных масел // Мир нефтепродуктов. Вестник нефтяных компаний. Красноярск. 2019. 11. С. 40-44.
12. Ковальский Б.И., Петров О.Н., Сокольников А.Н., Агровиченко Д.В. Расчетный метод определения показателей термоокислительной стабильности смазочных масел // Известия Тульского государственного университета. Технические науки, 2017. Вып. 12. Ч. 2. С. 106-112.
13. Шрам В.Г., Агафонов Е.Д., Лысянников А.В., Лысянникова Н.Н. Прогноз термоокислительных свойств смазочного масла с использованием методов машинного обучения // Известия Тульского государственного университета. Технические науки, 2018. Вып. 12. С. 576-581.
14. Shram V.G., Agafonov E.D., Orlovskaya N.F., Vashchenko G.V., Egorov A.V. Control of the process of wear of the tribosystems based on the optical density of the lubricating oil using neural network models // Journal of Physics: Conference Series: Applied Physics, 2020. 515. 052045.
15. Shram V.G., Agafonov E.D., Lysyannikov N.N., Lysyannikov A.V. Kovaleva M.A. Prediction life of lubricants on the analysis of experimental data on their optical density // Journal of Physics: Conference Series: Instrumentation Technology and Environmental Engineering, 1399 (2019) 055009.
16. Шрам В.Г., Агафонов Е.Д., Лысянников А.В., Лысянникова Н.Н. Прогнозирование ресурса смазочных масел на основании анализа экспериментальных данных по их оптической плотности // Известия Тульского государственного университета. Технические науки, 2019. Вып. 9. С. 25-30.
Шрам Вячеслав Геннадьевич, канд. техн. наук, доцент, shram18rus@mail.ru, Россия, Красноярск, Сибирский Федеральный университет,
Орловская Нина Федоровна, д-р техн. наук, профессор, orlovskava52@inbox.ru, Россия, Красноярск, Сибирский Федеральный университет,
Желукевич Рышард Борисович, д-р техн. наук, профессор, kaiser170174@mail.ru, Россия, Красноярск, Сибирский Федеральный университет,
Агафонов Евгений Дмитриевич, д-р техн. наук, профессор, agafonov@gmx.de, Россия, Красноярск, Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева
METHOD OF PREDICTION AND EVAL UA TION OF THE RESOURCE OF L UBRICANT OILS USING
NEURAL NETWORK MODELING
V.G. Shram, E.D. Agafonov, N.F. Orlovskaya, R.B. Zhelukevich
One of the most important tasks in creating a diagnostic system is the development of methods for measuring operational parameters that reflect the state of the tribosystem. Today there is a change from simple condition monitoring to active system monitoring. As a result, the information obtained almost online allows you to quickly respond to changes in the operating parameters of machines and mechanisms. The paper considers a method for monitoring the condition of a triboassembly based on the analysis of lubricating oil. The proposed method for predicting and evaluating the resource of lubricating oils using neural network modeling will make it possible to take the next step towards the creation of a new method for express assessment of the state of the oil and the corresponding nature of the wear process of the tribose.
Key words: lubricating oil, tribonode, system analysis, neural network.
Shram Vyacheslav Gennadievich, candidate of technical sciences, docent, shram18rus@mail. ru, Russia, Krasnoyarsk, Siberian Federal University,
Orlovskaya Nina Fedorovna, doctor of technical sciences, professor, orlovskaya52@inbox.ru, Russia, Krasnoyarsk, Siberian Federal University,
Zhelukevich Ryshard Borisovich, doctor of technical sciences, professor, kaiser170174@mail.ru, Russia, Krasnoyarsk, Siberian Federal University,
Agafonov Evgeny Dmitrievich, doctor of technical sciences, professor, agafonov@gmx. de, Russia, Krasnoyarsk, Siberian State University of Science and Technology named after Academician M.F. Reshetnev
УДК 620.9:502; 004.04
DOI: 10.24412/2071-6168-2022-12-476-478
АНАЛИЗ МЕТОДОВ ПЕРЕХОДА К ВОЗОБНОВЛЯЕМЫМ ИСТОЧНИКАМ ЭНЕРГИИ
А.А. Шишкина
В настоящее время вопрос экологии является одним из основных вопросов, стоящих перед современным обществом, при этом влияние на экологию и окружающую среду оказывается различными сферами жизнедеятельности человека, в том числе и сферой коммунального хозяйства. Поэтому важной задачей является анализ и поиск новых путей улучшения ситуации в плане уменьшения влияния человека и его жизнедеятельности на окружающую среду и здоровье человека. Поэтому в настоящей работе рассматриваются варианты перехода к возобновляемым источникам энергии, в том числе в сфере домохозяйств. Проводится анализ методов, приводятся их достоинства и недостатки. Также описываются и оцениваются существующие источники энергии, как возобновляемые, так и не возобновляемые. Ставится вопрос от том, как лучше с точки зрения экологии улучшить систему отопления, что позволит уменьшить вред окружающей среде. Делаются выводы о том, как снизить вред экологии за счет улучшения энергоэффективности различных систем в зданиях и сооружениях.
Ключевые слова: экология, энергетика, анализ информации, данные, методы, возобновляемые источники энергии.
В настоящее время вопрос экологии является одним из основных вопросов, стоящих перед современным обществом, при этом влияние на экологию и окружающую среду оказывается различными сферами жизнедеятельности человека, в том числе и сферой коммунального хозяйства [1-10].
