CC BY
17
УДК 658.562; 621.9
ОСНОВНЫЕ НАПРАВЛЕНИЯ ПРОГНОЗИРОВАНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ИНСТРУМЕНТА НА БАЗЕ АВТОМАТИЧЕСКИХ РОТОРНЫХ И РОТОРНО-КОНВЕЙЕРНЫХ ЛИНИЙ
С.Н. Михальченко
Рассмотрены основные направления прогнозирования остаточного ресурса инструмента при отказах из-за износа на технологических операциях формирования одноименных параметров в условиях массового и крупносерийного производства на базе автоматических роторных и роторно-конвейерных линий. Статья представляет собой исследование информации, полученной из имеющихся источников литературы, и имеет обзорный характер.
Ключевые слова: роторные линии, направления прогнозирования, техническое состояние инструмента, способы прогнозирования.
В процессе производства по результатам испытаний ограниченного объема (малых выборок, небольших продолжительностях и т. д.) делается предположение о технических характеристиках и работоспособности больших партий на больших временных интервалах. По результатам ускоренных испытаний делается прогноз о предполагаемом состоянии изделий в нормальных условиях. Таким образом, и в процессе производства имеет место прогнозирование технического состояния изделий [3].
Научное прогнозирование основывается на изучении объективных закономерностей, которым подчиняются интересующие нас процессы и события. При этом используются две группы закономерностей:
- закономерности случайных событий или вероятностные (стохастические) [5, 9, 10, 11, 19, 21, 29 и др.];
- закономерности детерминированные [4, 13, 35 и др.].
При прогнозировании события можно выделить два характерных подхода к решению поставленной задачи:
- прогнозирование будущего состояния данного события на основании изучения закономерности изменения данного события [7, 18, 40];
- прогнозирование будущего состояния данного события на основании изучения другого события (или группы других событий), связанного с данным [1, 26, 35 и др.].
Целью прогнозирования технического состояния при эксплуатации являются своевременное предупреждение отказов и применение таких рабочих условий и обслуживания изделий, которые наилучшим образом отвечают задаче обеспечения заданной надежности и эффективности.
На принцип прогнозирования влияют различные факторы, но основные из них - совокупность имеющихся параметров, целевая направленность поставленной задачи и рабочий алгоритм [33].
446
Совокупность прогнозируемых параметров Хъ X2> - Xп, определяющих состояние объекта, можно представить различным образом: Значениями параметров в моменты времени t, распределениями параметров, комплексными показателями и т. д.
Процесс прогнозирования преследует различные цели. Он позволяет определить: 1) протекание процесса на протяжении будущего отрезка времени в конкретной размерности [6, 16]; 2) ожидаемую вероятность того, что исследуемый процесс не выйдет за установленные допусковые границы [2, 39]; 3) к какому классу по долговечности следует отнести исследуемый процесс [18]. В зависимости от прогнозируемых параметров и целевой направленности прогнозирования выбираются имеющиеся методы и математический аппарат [41].
Сформулируем задачу прогнозирования, подходя к этому с позиции первого направления [6]. Пусть контролируемый процесс, характеризующий состояние, можно представить в виде многомерной функции Q(Хь X2, - Xк), которая наблюдается в период времени от 0 до Чп, вследствие чего известны значения этой функции Q(t0), Q(tl),..., Q(tn) соответственно в моменты времени to, tl,..., ^е Т. Необходимо определить значения этой функции Q(tn+1), Q(tn+2),.., Q(tn+m) в моменты времени Чп+1,
Подобную задачу можно решить как в явном виде, определяя непосредственно Q(X, Ч), так и косвенным путем, находя сначала каждый параметр X я, а затем уже Q( X, Ч). Подобная постановка задачи справедлива в предположении, что значения Q(X, к),..., Q(X, Чп) предопределяют величины Q(X, Чп+1),..., Q(X, Чп+т), иными словами, что процесс «информативен» во времени. Возможность подобного допущения зависит от степени изученности прогнозируемого процесса, т. е. объема данных о процессе, полученных в период времени Т1, от 0 до Чп. Идеальным случаем при этом является получение аналитического выражения для функции состояния Q(X, Ч). Задачу прогнозирования в подобной постановке можно решить различными методами, отличающимися применяемым математическим аппаратом и называемыми методами аналитического прогнозирования [6,
Второе направление прогнозирования связано с определением вероятности невыхода процесса за установленные ограничения [2]. Эту задачу можно сформулировать следующим образом: пусть известны значения параметров Xя = 1, 2, . . ., к), полученные в моменты времени Ч1 Ц = 0, 1, 2, ..., п), и в каждый момент и функция состояния Q(X, Ч) полностью характеризуется функцией распределения Р^). Необходимо по известным значениям Xя(^), Q(X, Ч), Р^), tl е и [0 ... Чп] вычислить
18, 34].
где е = б * (£я) - Он (£$), бн (£$) - номинальное (оптимальное), а б * (£ $)
- допустимое значение функции б(£, в области и+1... ¿п+т для значений 1п+/ (/=1, 2,..., т). Методы, основанные на таком решении задачи прогнозирования, назовем методами вероятностного прогнозирования [32].
Третье направление прогнозирования предусматривает отнесение контролируемого (диагностируемого) объекта к одному из временных классов [1, 18]. Задача прогнозирования формулируется следующим образом: пусть в момент времени 110 или в ограниченный начальный период времени получены значения параметров диагностируемого объекта £,1, Х2,--, £к характеризующих функцию состояния б(£). Необходимо по совокупности параметров £ $ координат многомерной функции б(£) принять решение о принадлежности объекта к тому или другому классу Яц где Яц могут быть параметрическими, временными и другими [1].
Множество и размер классов определяются специфическими техническими особенностями прогнозируемого объекта. Методы, основанные на отнесении исследуемых объектов к одному из классов, будем называть методами статистической классификации. В них используется аппарат теории распознавания образов.
В рамках указанных направлений существуют разновидности основных постановок задачи прогнозирования, которые получили название способов прогнозирования. При этом наиболее часто используется первая группа способов, т. е. решается прямая (прямое прогнозирование) или обратная (обратное прогнозирование) задача.
Прямое прогнозирование. В этом случае при аналитическом прогнозировании [25], предполагая наличие связей между характеристиками
пр°цесса б(£Ь Х£к, ); ¿1 е 71; 1=0, 1,..., п и £ь ££к, ¿1+/);
+/ е 72;/=1, 2,..., т, причем Т1 и72, и получая из эксперимента или расчетным путем значение б(£, ¿1), находят аналитическое выражение зависимости
б(£, ¿п+/ )= ф[б(Х, )], (1)
которое позволяет определить значение процесса для любого момента времени ¿п+]-е 72;/=1, 2,..., т.
При вероятностном решении задачи [31] прямое прогнозирование предусматривает получение зависимости, аналогичной (1)
Рб (¿п+/) = Ф1 / (£1), к (£2). / (£к)] = ф2 [ /а (б)], (2)
где Рб (¿п=/) - прогнозируемая вероятность; (б), /11 (£) - плотности распределения вероятностей значений процесса б и его координат £ $; ф1, ф 2
- соответствующие функциональные зависимости, выражающие характер связей.
Статистическая классификация позволяет также осуществить прямую постановку задачи. При этом классы формируются как категории не временные, а параметрические. Следовательно, для прямого прогнозирования в этом случае необходимо временные классы Rlт = 0...Т1; R2T = 71... Т2; ... трансформировать в параметрические
R1X=(X11, X12,..., ^к); ^Ч^Ь X22,..., X2k),
где R1x - формируются на определенный дискретный момент времени,
обусловленный постановкой задачи.
Таким образом, сущность прямого прогнозирования заключается в получении аналитических зависимостей вида (1) и (2) и вычислении характеристики процесса Q(X, Ч) или вероятности PQ (ч) в области Т2, или принятии решения об отнесении к какому-либо параметрическому классу R1x, соответствующему определенному
Обратное прогнозирование. Идея обратной задачи заключается в определении времени ЧЖ = Ч * (долговечности или времени «жизни» изделия), когда характеристика процесса Q(X, Ч) или вероятности Р(^ достигают предельных значений, задаваемых наложенными ограничениями [16].
При аналитическом обратном прогнозирований в выражение (1) вводится предельное значение Q*(X) и полученное уравнение решается относительно = Ч*, т.е. находится Ч* в явном виде. Таким образом, величину Ч*, как результат вероятностного обратного прогнозирования, можно найти из следующего выражения:
рШ я, Ч *)-Qн (X я )|< Е}= Р *(Q), (3)
где Р*^) - допустимая вероятность нахождения функции Q в заданной области.
При статистической классификации процессов и образовании временных классов R1 = ^^...Т^А, = 1,2,...) возникает задача, относящаяся также к категории задач обратного прогнозирования, которые могут быть решены методами теории распознавания образов. Примерами, которые иллюстрируют необходимость решения обратных задач, может служить определение долговечности, сроков профилактических работ, сроков выполнения контроля и т.п.
Другая группа способов классифицируется по направлению аргумента при осуществлении прогнозирования. Она объединяет три способа, которые получили название прогнозирования вперёд, в настоящем и назад (генетическое).
Прогнозирование вперед. В подавляющем большинстве практических случаев прогнозирование связано с определением состояния в последующие значения аргумента в области будущих моментов времени, т. е. на основе предисторни определяется предстоящая ситуация. В этом случае для временного аргумента Q(X,^)и Q(X,Чп+^) должно соблюдаться условие: Ч0<Ч1< ... <tn+m, т.е. аргумент всегда возрастает. Такое прогнозирование можно определить, как перспективное [18, 29].
449
Прогнозирование в настоящем. Этот способ соответствует задаче прогнозирования по множеству, сформулировать которую можно следующим образом. Пусть в результате контроля получена ограниченная информация (выборка) {£} о состоянии диагностируемого множества (генеральной совокупности) . Необходимо, зная состояние или свойства (уровень качества, степень работоспособности и т. д.) {£}, оценить состояние всего множества . В данном случае необходимо осуществить экстраполяцию (распространение) свойств выборки на свойства генеральной совокупности [22, 24].
Прогнозирование назад. В некоторых случаях требуется оценить процесс в прошлом по информации, полученной в определенный интервал времени. Такие задачи возникают тогда, когда по техническим или другим причинам нельзя определить величину б(£,0), а знание ее необходимо. Отличие в решении подобных задач заключается в том, что необходимо переставить местами области [0 ... ¿п] и ... ¿п+т], при этом значения аргумента не возрастают, а убывают. Подобная постановка задачи имеет много сходства с генезисом и поэтому удобно назвать решение такого варианта задачи генетическим прогнозированием.
Принципиально важными для практики являются способы индивидуального и группового прогнозирования.
Индивидуальное прогнозирование. Особенность решения подобной задачи наиболее удобно объяснить на примере прогнозирования изменения состояния технических изделий. В этом случае для получения прогноза экспериментально исследуется функция состояния б(£, 1) индивидуального образца технического изделия в области 71 и осуществляется оценка поведения этой функции в области 72 , причем, как и раньше 71 и 72 [8].
Групповое прогнозирование. При этом рассматривается целая группа однородных процессов (например, изменение состояния целой группы технических изделий), получаются и анализируются их статистические характеристики (средние значения, элементы ковариационных матриц), полученные в области 71 [20, 23].
Можно отметить еще один из подходов к решению задачи прогнозирования, который целиком основан на использовании определенных эмпирических соотношений, полученных в результате изучения характера протекания некоторых физических процессов. Изменение во времени физических процессов, происходящих в некоторых технических изделиях, приводит к изменению отдельных физических величин или признаков, которые могут наблюдаться визуально или вычисляться с помощью простейших эмпирических соотношений. При достижении определенных значений этих величин принимается решение о качестве и надежности изделия. К такому подходу относится, например, прогнозирование наступления отказов радиоэлектронной аппаратуры, основанное на дифференци-
рованном контроле тепловых режимов отдельных элементов аппаратуры по изменению цвета нанесенных на их поверхность термоиндикаторных красок.
При всем принципиальном отличии указанных направлений их объединяет единая цель: определение характера протекания процесса в будущем. Множество методов решения задачи прогнозирования имеет одну общую идею: обнаружение экстраполяционных связей, существующих между прошлым и будущим, между информацией о процессе в контролируемый период времени и характером протекания процесса в последующем. Очевидно, что характер экстраполяционных связей будет определять аппарат решения задачи прогнозирования, а от того, насколько точно описаны рассматриваемые связи, будет зависеть точность прогнозирования. Поскольку эти связи могут быть детерминированными, квази-детерминированными, вероятностно-детерминированными и т.п., то часто задачи более эффективно решаются при комбинировании методов и математического аппарата различных направлений прогнозирования. Так, достаточно перспективным является совместное использование статистической классификации и аналитического прогнозирования. Статистическую классификацию можно рассматривать как «грубое» прогнозирование, определяющее временной класс обычно величиной в несколько тысяч часов, к которому относится диагностируемое изделие, а аналитическое прогнозирование указывает конкретную величину, например, функцию состояния внутри соответствующего класса, т.е. уточняет результат предварительного прогноза.
Успешность решения задачи прогнозирования зависит от ряда условий: объема и качества информации о прогнозируемом процессе; правильности формулировки задачи прогнозирования и обоснованности выбора метода ее решения; наличия вычислительных средств и вычислительного аппарата для решения задачи в соответствии с выбранным методом. Отсутствие любого из этих условий может сделать невозможным прогнозирование. Важнейшим из них является формулировка задачи, так как она определяет требования к объему и качеству информации, математический аппарат и точность прогноза. Объем и качество информации, естественно, обусловливают успех прогнозирования. Информация о прогнозируемом объекте (процессе) получается из результатов контроля. Контроль может быть непрерывным, периодическим и однократным. Наибольшую информацию сообщает непрерывный контроль, однако он требует специальной аппаратуры, встроенной в объект.
Современные методы прогнозирования основаны на использовании большого числа различных математических теорий. К их числу относятся функциональный анализ, теория рядов, теория экстраполяции и интерполяции, теория вероятностей и математическая статистика, теория случайных функций и случайных процессов, корреляционный анализ и спектральный анализ, теория распознавания образов.
Поскольку инструменты нельзя изолировать от влияния среды, в которой они работают, процессов, которые протекают в них самих при осуществлении рабочих функций, остаточных явлений, являющихся следствием технологического процесса изготовления самих инструментов, то необходим учет изменения их характеристик в зависимости от времени.
Проников А.С. [35] указывает, что проблема надежности связана в первую очередь именно с прогнозом отказа. Изучению постепенных отказов инструментов в АРЛ посвящены работы по статистическому контролю В.Я. Владимирова [15], В.С. Сыроватского [36, 37].
Постепенные отказы инструментов в АРЛ/АРКЛ делятся в основном на два вида: износовые и разладочные. Следует, однако, отметить, что и тот, и другой отказы являются, в соответствии с [27, 28], параметрическими отказами, т.к. из-за постепенного отказа инструментов параметры ПО выходят со временем за допустимые пределы (поле допуска).
Основной недостаток исследований, упомянутых выше, заключается в отсутствии учета временных факторов, применении только методов теории корреляции и планирования эксперимента [9, 12, 14, 17, 38 и др.].
В работах Н.П. Бусленко [9], И.В. Герцбаха [19], Х.Б. Кордонского [29] вводятся временные зависимости. Авторами используется для построения моделей теория массового обслуживания, аппарат марковских процессов [2, 3 и др.]. Все модели имеют временную интерпретацию, но процессы, описанные моделями, не всегда подкрепляются практикой, а иногда просто и не могут быть подкреплены, т.к. модели недостаточно связаны с экспериментальными данными (статистикой).
Проников А.С. [35] и ряд других авторов [16, 30] делают основной упор на физику отказов и связь со временем, т.к. считает, что статистические наблюдения не дают полной картины процесса. Но аппарат теории случайных функций [9, 10 и др.] не всегда удобен для решения практических задач.
В связи с этим, возникает задача в разработке способов прогнозирования и моделей постепенных отказов инструментов в АРЛ/АРКЛ, в которых бы использовались и данные статистического контроля (что очень важно для управления качеством на АРЛ/АРКЛ), и временная зависимость формирования постепенного отказа инструмента.
Список литературы
1. Андерсон Т. Статистический анализ временных рядов. Пер. с англ. М.: Мир, 1976. 757 с.
2. Барзилович Е.Ю., Каштанов В. А., Некоторые математические вопросы теории обслуживания сложных систем. М.: Сов. радио, 1971. 272 с.
3. Барра Ж.Р. Основные понятия математической статистики. М.: Мир, 1974. 275 с.
4. Башарин Г.П., Наумов В.А., Черпаков Б.И. Эффективность регламентированного технологического обслуживания автоматических линий с жесткой связью // Станки и инструмент. 1997. № 3. С. 6-7.
452
5. Беляев Ю.К. Вероятностные методы выборочного контроля. М.: Наука, 1975. 408 с.
6. Биргер И.А. Техническая диагностика. М.: Машиностроение, 1978.
239 с.
7. Бородачеев Н.А. Анализ качества и точности производства. М.: Машгиз, 1946. 251 с.
8. Брон Л.С., Черпаков Б.И. Повышение эффективности работы автоматических линий путем применения вычислительной техники // Станки и инструмент. 1976. № 8. С. 34-38.
9. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978.
460 с.
10. Вентцель Е.С. Исследование операций. М.: Сов. радио, 1972.
552 с.
11. Вентцель Е.С., Овчаров Л. А. Теория случайных процессов и её инженерные приложения. М.: Наука, 1991. 384 с.
12. Вероятностные методы в вычислительной технике: учеб. пособие для вузов по спец. ЭВМ / А.В Крайников, Б.А. Курдиков, А.Н. Лебедев и др.; под ред. А.Н. Лебедева и Е.А. Чернявского. М.: Высшая школа, 1986. 312 с.
13. Вихман B.C., Дащенко А.И., Арбусов А.И. Оптимизация обслуживания режущих инструментов автоматических линий // Вестник машиностроения. 1978. № 7. С. 48-53.
14. Владзиевский А.П., Белоусов АЛ. Устройство автоматических линий. М.: Машгиу, 1963. 240с.
15. Владимиров В.Я. Технологические основы контроля в автоматических роторных линиях: автореф. дис. ... канд. техн. наук. Тула, 1970. 21 с.
16. Воинов К.Н. Прогнозирование надёжности механических систем. Л.: Машиностроение, 1978. 208 с.
17. Гаврилов А.Н., Сизенов Л.К. Построение математических моделей для расчета точности технологического оборудования // Стандарты и качество. 1967. №6. С. 25-36. №9. С. 19-28.
18. Гаскаров Д.В., Голинкевич Т.А., Мозгалевский А.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры / под ред. Т.А. Голинкевича. М.: Сов. радио, 1974. 224 с.
19. Герцбах И.В. Модели профилактики. М.: Советское радио, 1969.
216 с.
20. Гнеденко Б.В., Беляев Ю.К., Соловьев А.Д. Математические методы в теории надежности. М.: Наука, 1965. 524 с.
21. Григорович В.Г., Юдин С.В., Козлова Н.О., Шильдин В.В. Информационные методы в управлении качеством. М.; РИА «Стандарты и качество», 2001. 208 с.
22. Григорович В.Г., Кершенбаум В.Я., Козочкин Д.А., Шильдин
B.В., Юдин С.В. Информационно-статистические методы в технологии машиностроения: пособие по обработке результатов эксперимента. М.: ГУП «Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2000. 184 с.
23. Григорович В.Г. Вопросы контроля и анализа точности изделий, изготавливаемых на автоматических роторных линиях: дис. ... канд. техн. наук. Тула, 1975. 240 с.
24. Григорович В.Г. Информационное сопровождение технологических процессов автоматизированных производств: дис. ... д-ра техн. наук. Тула, 1992. 312 с.
25. Золотухин В.И., Ядыкин Е.А. Прогнозирование постоянных отказов инструментальных блоков в автоматических роторных и роторно-конвейерных линиях. // Журнал Мин-ва СССР. Серия 13. 1986. №58. С. 2327.
26. Карибский В.В., Пархоменко П.П., Согомонян Е.С., Халчев В.Ф. Основы технической диагностики. М.: Энергия, 1976. 464 с.
27. Клусов И. А. Технологические системы роторных машин (основы расчета и проектирования). М.; Машиностроение, 1976. 231 с.
28. Клусов И.А. Проектирование роторных машин и линий. М.: Машиностроение, 1990. 320с.
29. Кордонский Х.Б. Приложения теории вероятностей в инженерном деле. М.; Л.: Физматгиз, 1963. 436 с.
30. Кубарев А.И. Надёжность в машиностроении. М.: Изд-во стандартов, 1977. 164 с.
31. Кутай А.К., Кордонский Х.Б. Анализ точности и контроль качества в машиностроении. М. Л.: Машгиз, 1958. 362 с.
32. Надежность и эффективность в технике: справочник в 10 т. / Ред. совет: B.C. Авдуевский (пред.) и др. М.: Машиностроение, 1986. Т. 1: Методология. Организация. Терминология / под ред. А.И. Рембезы. 224 с.
33. Пархоменко П.П., Согомонян Е.С. Основы технической диагностики (оптимизация алгоритмов диагностирования, аппаратурные средства) / под ред. П.П. Пархоменко. М.: Энергоиздат, 1981. 319 с.
34. Пашковский Г.С. Задачи оптимального обнаружения и поиска отказов в РЭА / под ред. И. А. Ушакова. М.: Радио и связь, 1981. 280 с.
35. Проников А.С. Надежность машин. М.: Машиностроение, 1978.
592 с.
36. Сыроватский B.C. Испытания блоков контроля размеров на надежность настройки // Журнал Мин-ва СССР. Серия 23. 1980. № 35.
C. 3-9.
37. Сыроватский B.C. Работы по автоматизации средств контроля линейных размеров // Журнал Мин-ва СССР. Серия 23. 1980. № 32. С. 712.
38. Точность производства в машиностроении и приборостроении / под. ред. А.Н. Гаврилова. М.: Машиностроение, 1973. 376 с.
39. Фролевич Е.Н. Диагностирование автоматической роторной линии по инструментальным отказам // Диагностирование машин-автоматов и промышленных роботов. М.: Наука, 1983. С. 5-6.
40. Черпаков Б.И. Диагностика отказов металлорежущих станков и автоматических линий. М.: Машиностроение, 1979. 48 с.
41. Надежность и эффективность в технике: справочник в 10 т. / Ред. совет: B.C. Авдуевский (пред.) и др. М.: Машиностроение, 1987. Т. 2: Математические методы в теории надёжности и эффективности / под ред. Б.В. Гнеденко. 280 с.
Михальченко Сергей Николаевич, аспирант, magistr tsuamail.ru, Россия, Тула, Тульский государственный университет
MAIN DIRECTIONS OF FORECASTING THE TECHNICAL CONDITION
OF THE TOOL ON THE BASIS OF AUTOMATIC ROTARY AND ROTARY
CONVEYOR LINES
S.N. Mikhalchenko
The main directions of forecasting the residual tool life in case of failures due to wear on technological operations of forming the same parameters in the conditions of mass and large-scale production on the basis of automatic rotary and rotary conveyor lines are considered. The article is a study of information obtainedfrom available sources of literature, and has a review character.
Key words: rotary lines, forecasting directions, technical condition of the tool, forecasting methods.
Mikhalchenko Sergey Nikolaevich, postgraduate, magistr tsu a mail. ru, Russia, Tula, Tula State University
УДК 629.488.25
РАЗРАБОТКА СТЕНДА ДЛЯ ИСПЫТАНИЙ РЕДУКТОРОВ
ПРИВОДА ГЕНЕРАТОРА ПАССАЖИРСКИХ ВАГОНОВ
А.В. Клюканов, А.Н. Шмойлов
Представлены стендовые испытания редуктора пассажирских вагонов. Отмечено, что базовые стенды имеют существенный потенциал совершенствования автоматизации отдельных операций. Предложен стенд с автоматизированной системой дистанционного контроля статических и динамических параметров редуктора. Уточнены технические параметры нового стенда c целью разработки технического проекта.
Ключевые слова: редуктор, стендовые испытания, автоматизация, датчик измерения крутящего момента.
Современные пассажирские вагоны с автономной системой электроснабжения оборудуются редукторно-карданными приводами от средней части оси колесных пар. После 250000 км пробега редуктор от средней
455
