CC BY
41
и нагрузочной способностью, способные обеспечить работу узлов трення в условиях отсутствии смазки.
На основании проведенных исследований можно сделать вывод, что жидкофазное наполнение полимеров и композитов на их основе моторными маслами является весьма перспективным направлением.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Гозбенко В.Е., Каргапольцев С.К., Карлина А.И. Главные координаты в решении задач вертикальной динамики транспортного средства // Системы. Методы. Технологии. 2016. № 3. С. 58-62.
2. Сдвижков М.А. Механические свойства и структура металлов. Донецк : Восточный издательский дом, 2013.195 с.
3. Трение, износостойкость и антифрикционные материалы [Электронный ресурс] // Антифрикционные материалы. Режим доступа: http://normis.com.ua/2009 -12-25-15-41-24 (дата обращения 20.10.2016).
4. Назров В.Г. Поверхностная модификация полимеров. М. : МГУП. 2008. 474 с.
5. Петрова, П.Н. Охлопкова A.A., Фёдоров А.Л. Особенности структурообразования полимерных композитов, модифицированных жидкой смазкой // Журнал структурной химии. 2011. № 6. С. 1116-1122.
6. Буторин Д.В. Чуклай И.В., Филиппенко Н.Г. Технология маслонаполнения полимерных и композитных антифрикционных материалов // Транспортная инфраструктура Сибирского региона : материалы Седьмой междунар. науч.-практ. конф., посвящ. 355-летию со дня осно-
7.
8.
вания города Иркутска. Т.2. Иркутск, 2016. С. 490-495.
ГОСТ 12423-66 Пластмассы. Условия кондиционирования и испытания образцов (проб) (Изм. № 1, № 2 ИУС5-07). М. : Изд-во Стан-дартинформ, 2006. 10 с.
Каргапольцев, С.К., Филиппенко Н.Г., Лившиц A.B. Повышение эффективности высокочастотной обработки полимерных материалов // Современные технологии. Системный анализ. Моделирование. 2011. № 4 (32) С. 50-54.
9. Лившиц A.B., Филиппенко Н.Г., Каргапольцев С.К Высокочастотная обработка полимерных материалов. Организация систем управления. Иркутск : Изд-во ИрГУПС, 2013. 172 с.
10. Гигроскопичность полимера [Электронный ресурс] // Промышленные Технологии. URL: http://www.promlitie.ru/index.php?r=35&sid=39& page=56 (дата обращения 9.10.2016).
11.ГОСТ 4650-2014 (ISO 62:2008) Пластмассы. Методы определения водопоглощения. М. : Стандартинформ, 2014
12. Весы Explorer. Аналитические, прецизионные и с увеличенным НПВ. URL: http://www.ohaus-cis.ru/static/downloads/marketing/brochures/explor er/OHAUS-Explorer-Family-Brochure.pdf (дата обращения 15.11.2016).
13.Чичинадзе A.B. Основы трибологии (трение, износ, смазка) : учеб. для техн. вузов. М. : Машиностроение, 2001. 664 с.
14.Щукин Е.Д. Эффект Ребиндера // Наука и человечество. М. : Знание, 1970. С. 337-367.
15. ТЭМП-3 - Динамический твердомер. URL: http://www.cond
trol.ru/ndt/tverdomery/dinamicheskie-tm/tverdomer-temp-3~a31028.html (дата обращения 15.11.2016)._
УДК 658.511
Щербатов Иван Анатольевич,
к. т. н., доцент,
Астраханский государственный технический университет, тел. 8(8512)61-42-31, e-mail: sherbatov2004@mail.ru Печенкин Денис Владимирович, аспирант,
Астраханский государственный технический университет, тел. 8(8512)61-42-31, e-mail:pechenkin1@gmail.com
ОЦЕНИВАНИЕ РИСКОВ ДЛЯ СЛАБОФОРМАЛИЗУЕМОГО ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА
I. A. Shcherbatov, D. V. Pechenkin
EVALUATION OF RISKS FOR POORLY FORMALIZED TECHNOLOGICAL PROCESS
Аннотация. Ведение технологического процесса в реальном времени сопряжено с появлением рисков, связанных не только с работой технической составляющей опасного производственного объекта, ной с неточностью или несвоевременностью оценок предаварийных или аварийных ситуаций со стороны обслуживающего персонала. В данной статье предлагаемая методика ориентирована на процесс получения элементарной серы методом Клауса, используемый на Астраханском газо-конденсатном комплексе. Обосновывается целесообразность применения методов нечеткой логики как для оценки рисков
Машиностроение и машиноведение
технологических процессов, так и для управления этими рисками. Применение нечетких моделей позволяет учитывать как количественные, так и качественные характеристики управляемых объектов, а также представлять нечеткие описания с помощью нечетких множеств и лингвистических переменных. Выделены факторы риска, влияющие на слабоформализуемый технологический процесс, и определен его обобщенный показатель качества. Построенная модель включает в себя оценку точности действий оператора, а также уровень стоимостного ущерба, нанесенного технологическому процессу. Приведен расчетный пример функционирования модели для некоторых состояний опасного производственного объекта. Обосновано использование предложенной методики как инструмента прогнозирования рисков и средства предупреждения возникновения нештатных ситуаций при производстве серы.
Ключевые слова: технологический процесс, оценка риска, аварийная ситуация, получение серы, метод Клауса, эргатическая система, человеко-машинный интерфейс, опасный производственный объект, нечеткая логика.
Abstract. Management of technological process in real time is associated with the emergence of risks related not only with the technical component work of a hazardous production facility, but also with inaccurate or untimely assessments pre-emergency or emergency situations on the part of staff. In this article, the proposed methodology is focused on the process of obtaining elemental sulfur by the Claus method used at the Astrakhan gas condensate complex. We substantiate the expediency of fuzzy logic application for risk assessment of technological processes and control these risks. Application of fuzzy models allows taking into account co-quantitative and qualitative characteristics of the managed objects and represent fuzzy description using fuzzy sets and linguistic variables. We selected risk factors for poorly formalized process, and determined the generalized indicator of quality. The model includes assessment of the operator's actions accuracy and the level value of the process damage. The article shows a calculated example of the model functioning for some dangerous production object condition. It justifies the use of the proposed method as a tool to predict the risks and means of the emergencies prevention in the sulfur production.
Keywords: technological process, risk assessment, emergency, sulfur recovery unit, Claus method, ergatic system, man-machine interface, dangerous production object, fuzzy logic.
Введение
Рассмотрение человека в составе объекта управления является крайне сложной задачей и производится в теории управления эргатически-ми системами. В рамках данного направления можно выделить необходимость исследования надежности человека (оператора, ЛПР и пр.) как части сложной слабоформализуемой [1] человеко-машинной системы автоматизированного управления [2]. Этот аспект - расширение понятия технической надежности, как идеи, возникшей на фоне взаимодействия человека-оператора и человеко-машинного интерфейса [3]. Наряду с технической подсистемой социальная является источником рисков, которые могут привести к возникновения предаварийных [4] или даже аварийных ситуаций. Кроме того, не следует забывать о преднамеренном, злоумышленном воздействии на объект управления с целью вывода его из строя [5]. В этой связи можно говорить о целесообразности учета рисков возникновения предаварийных ситуаций [6] и аварий из-за действий элементов социальной подсистемы (людей) [7].
Проблематике анализа рисков на промышленных предприятиях посвящено большое число работ, в значительной мере авторами исследуются вопросы менеджмента риска [8, 9, 10, 11]. При этом производственные риски [12] (эксплуатация оборудования, применяемые технологии, а также квалификация персонала) зачастую не раскрываются. В этой связи зацача оценка рисков производственного предприятия является крайне актуальной.
Постановка задачи
Слабоформализуемый технологический процесс (ТП) характеризуется недостатком знаний о его протекании, а также невозможностью измерения
ряда параметров [13]. Именно к таким ТП относится процесс получения элементарной газовой серы по методу Клауса [7]. Слабая формализуемость процесса Клауса предопределяет необходимость применения математического аппарата теории нечетких множеств для описания имеющейся неопределенности [13]. При этом в рамках математической модели ТП будут присутствовать вычисления как с количественными, так и с качественными параметрами, превращая модель в комбинированную (гибридную) [14]. Обозначим количественные параметры модели оценки риска
как X , а качественные как X . Тогда оценку риска в общем виде можно представить как
R = F (X, X ) (1)
где - обобщенная характеристика риска, получаемого для слабоформализуемого ТП, F( ) -оператор, реализующий комбинированную математическую модель оценки риска.
Характеристика слабоформализуемого ТП
Наличие неопределенности сопровождает все этапы слабоформализуемого ТП (в том числе рассматриваемого процесса) и обусловлена следующими причинами [7]: невозможность точно и оперативно измерять качественные показатели сырья (например, используемого для получения серы); сложность аналитического и/или качественного описания психофизических, сенсорных и моторных характеристик человека-оператора или ЛПР; наличие ряда факторов, которые также трудно поддаются формализации, но оказывают существенное влияние на ТП.
Повышения качества управления процессом (за счет снижения риска, а значит, уменьшения потенциальных потерь или ущерба [15]) возможно
иркутским государственный университет путей сообщения
с использованием нечеткого подхода, обеспечивающего снижение влияния неопределенности [13, 16]. Кроме того, данный подход позволяет оперировать со значениями переменных, которые заданы в виде термов лингвистических переменных со значениями типа «высокий», «низкий» и пр. Обобщенный показатель качества слабоформализуемого ТП На основе сформулированных особенностей слабоформализуемого ТП в работе [7] выделены пять комплексных показателей: Ф1 - технологический; Ф2 - параметрический; Ф3 - технический; Ф4 - аппаратурный; Ф5 - субъективный. Каждый из Ф1, г = 1,5 зависит от параметров
X,,, X,,,, /+= , = 1, т1, где т1 - число входных переменных г -го показателя, у', - число количественных и качественных переменных соответственно. Показатели Ф1 — Ф5 вносят вклад в обобщенный показатель:
п п
Ф = Е Щ фг, Е Щ = 1, п = 5 . (2)
1=1 г=1
Упрощение 1. Квалификация экспертов в области слабоформализуемого ТП позволяет ранжировать комплексные показатели Ф1 — Ф5 .
Тогда вес соответствующего показателя может быть определен с использованием правила Фишберна [17] на основании зависимости 2■(п — г +1)
щ =■
п ■ (п + 1)
(3)
Для показателей Ф1 — Ф5 щ{ = -1 ■ (б — г).
Полная система весов для смешанных систем предпочтений для каждого из п = 2, 3,4,5 приведена в работе [7]. Выбранная экспертами система предпочтений строится среди базовых показателей (для любых сочетаний Ф1 — Ф5) между их составляющими и является единственно верной.
Упрощение 2. Каждый показатель Ф1 — Ф5 является безразмерным и принимает значения из интервала [0;1], при этом 1 - максимальное значение показателя. Очевидно, что и Ф е [0; 1] (см. формулу 2).
Например, для расчета обобщенного показателя качества слабоформализуемого ТП при значениях комплексных показателей Ф1 = 0,9; Ф2 = 0 ; Ф3 = 0,5; Ф4 = 0,1; Ф5 = 1 и выбранной
схеме предпочтений Ф1 « Ф2 « Ф3 « Ф4 « Ф5 (щ{ = 1/5) получим значение (формула 2): Ф = 0,2 ■ 0,9 + 0,2 ■ 0 + 0.2 ■ 0,5 + 0.2 ■ 0.1 + 0,2-1 = 0,5
Это означает, что текущая ситуация на объекте управления характеризует качество протекания процесса со значением Ф = 0,5 . Однако неясно, каким образом можно интерпретировать данное значение, которое принадлежит интервалу [0;1]. Значения Ф1 могут зависеть не только от
X , но и от X . В соответствии с подходом, основанным на применении комбинированных математических моделей, проведем преобразование для
X следующим образом: X' = ¡иг(X), т. е. обеспечим приведение к нечеткости всех четких переменных (на данном этапе способ фаззификации не существенен). Тогда расчет показателя Ф1 будет производиться по следующей схеме:
Ф1. = ёв/иг [т (¡иг (X,,), хД (4)
где ¥1 ( ) - нечеткий логический вывод; йв]иг [ - метод приведения к четкости (дефаззификации).
С учетом (2) и (4) получим
Ф = £щ ■ ав^г[¥1 (¡иг(X,) X?,,,)]. (5) г=1
Оценка риска слабоформализуемого ТП
Непосредственно оценку риска для слабоформализуемого ТП будем производить на основе подхода, предложенного в [18]. Это означает, что величина, полученная в виде (5), будет являться количественной оценкой риска. Таким образом, имеем Я = Ф и далее, говоря об оценке риска, будем подразумевать его количественное выражение, рассчитанное по (5). Тогда величина Ф = 0,5 , полученная нами ранее, будет содержательно интерпретирована как «среднее значение риска возникновения предаварийной ситуации». Мы говорим об идентификации именно «предаварийной ситуации» в силу того, что значение Ф позволит своевременно принять меры по устранению (снижению влияния) риска возникновения предаварийной ситуации. Это означает, что параметры модели оценки риска слабоформализуемого ТП должны быть настроены таким образом, чтобы характеризовать риск возникновения предаварийной ситуации, а не аварийной. К настроечным параметрам модели можно отнести способы фаззификации и дефаззификации, алгоритм нечеткого логического вывода, а также схему предпочтений.
Предположение 1. Пусть существует некоторая стоимостная оценка ущерба С{, который
Машиностроение и машиноведение
будет нанесен слабоформализуемому ТП. Тогда стоимость устранения последствий возникновения аварии будет рассчитываться как
C = Я С
(6)
Таким образом, для оценивания риска сла-боформализуемого ТП могут быть использованы две характеристики, принимающие числовые значения: Я и С.
Вспомогательные характеристики слабоформализуемого ТП Определим допустимый риск для слабоформализуемого моноэргатического ТП:
Я(г )< Я (7)
где Я - предельное значение риска, превышение данной величины неприемлемо; г - срок функционирования слабоформализуемого ТП.
С учетом (6) неравенство в виде (7) превращается в:
С (г)< С * (8)
где С * - нормативный финансовый показатель.
Тогда время г = Тс, при котором Я(тс )> Я* - время возникновения предаварийной ситуации.
Как было отмечено ранее, для эргатической системы, в состав которой входит человек, крайне важно производить оценку точности действий оператора, осуществляемых им в процессе функционирования ТП [19]:
а = Xм - Xф , (9)
где а - абсолютный показатель точности работы оператора; Xи - истинное значение параметра (может быть оценено косвенно с использованием НЛВ на основе экспертных знаний); Xф - фактическое значение, выставленное оператором. Для удобства Xи, Xф , входящие в (9), являются переменными, приведенными к четкости. Естественно,
что приемлемым в этом случае будет следующее
* *
значение данного показателя а < а , где а -предельное значение точности.
Следствием проведения оценки точности действий оператора может быть вычисление вероятности совершения ошибки
Р = —
ОШ ^
(10)
В связи с тем, что выбор настроечных параметров в силу субъективности экспертных мнений существенным образом оказывает влияние на результат оценки риска, сделаем ряд замечаний о подходах, которые позволяют минимизировать данный вид неопределенности. Схема оценки риска в общем виде представлена на рис. 1.
где е - число ошибок, т. е. действий, для которых а > а*; N - общее число произведенных действий.
Некоторые замечания о выборе настроечных параметров модели
НЛВ1
•■ 1»-£— \
х » х2------я
Рис. 1. Графическая интерпретация модели оценки риска
В [18] для формализации лингвистических переменных предлагается использовать пятиуровневый классификатор: «очень низкий», «низкий», «средний», «высокий», «очень высокий». В связи с тем, что построение функций принадлежности осуществляется на основе опроса экспертов, для снижения субъективной составляющей в неопределенности при формализации термов предлагается использовать операцию концентрации для модификатора «очень» - цоченьнизша (х) = ц2шзши (х)
[20]. При этом в качестве функции принадлежности следует использовать трапециевидную, т. к. у нее есть зона неуверенности (как правило, эксперт указывает некоторый интервал, для которого ц(х) = 1, а не конкретное значение х).
В качестве нечеткого логического вывода (НЛВ, рис. 1) следует использовать вывод типа Мамдани, т. к. он обеспечивает наиболее естественное представление экспертных знаний в виде продукционных правил вида «ЕСЛИ..., ТО...», которые ложатся в основу блоков расчета Ф{.
Поэтому необходимо обеспечить «прозрачность» базы знаний (БЗ) [21]: БЗ является непротиворечивой и избыточной (например, способы оценки и устранения противоречивости и избыточности приведены в [13]); каждый терм каждой переменной фигурирует хотя бы в одном продукционном правиле того блока НЛВ, к которому относится; на выходе блока не может быть получено пустое нечеткое подмножество; все нечеткие множества выпуклые и нормальные.
Обучение нечеткой модели следует производить по схеме минимизации отклонения получа-
(=1
емых значений от истинных, т. е. обеспечивается RMSE ^ min [21]. Еще одним важным параметров является способ дефаззификации (так влияют на скорость обучения нечеткой модели [22]), однако рекомендации по его выбору могут быть сделаны только после проведения имитационных испытаний для различных способов.
Формальное описание процесса
получения серы по методу Клауса
Технологический процесс получения газовой серы по методу Клауса подробно описан в [23] и относится к слабоформализуемым (обоснование приведено в [7]). Отметим, что согласно работе [7]
выделены следующие переменные X, X , оказывающие влияние на Ф{:
Ф1 = {~11> x~12, Xi3, X~14, x~15'}>
X11 - качество сырья; X12 - активность адсорбента; X13 - активность катализатора; X14 -цветовой оттенок сжигаемых остаточных продуктов; X15 - стабильность работы технологической
турбогазодувки газа регенерации отделения Суль-фрин;
Ф2 = {X21' X22' X23' X24' X25'} '
X 21 - давление в аппаратах, трубопроводах; X22 - температура в аппаратах; X23 - уровень в
аппаратах; X 24 - расход в трубопроводах; X 25 -концентрация веществ в контролируемой среде;
Ф3 = {{~31' X~32' X33' X34' X35'}'
X 31 - качество материалов трубопроводов, аппаратов; X32 - коррозионная стойкость оборудования; X 33 - вибрация насосно-компрессорного оборудования; X34 - тип оборудования; X35 -проведение технического обслуживания;
Ф4 = {{~41' X42' X43' X44' Х45'}'
X 41 - качество работы измерительных приборов; X 42 - состояние циркуляционных насосов дегазации и откачки жидкой серы на аппаратном дворе; X43 - состояние насосов и воздуходувок в машинном зале; X44 - бесперебойная подача аммиака при дегазации жидкой серы; X45 - проходимость гидрозатворов котлов-утилизаторов;
Ф5 = {{~51' X52' X53' X54' -~55'}'
- профессионализм персонала; X52 -интеллектуальный капитал персонала; X 53 - личностный фактор; X54 - повышение квалификации; X 55 - психофизиологическое состояние персонала.
Для расчета показателей Ф1, Ф4, Ф5 используются только качественные, для Ф2 только количественные, а для Ф3 комбинация как количественных, так и качественных переменных.
Расчетная апробация модели
Состояние 1. Пусть переменные, определяющие показатели Ф1 — Ф5, имеют следующие значения:
X11 - качество сырья на основании показаний соответствующего поточного газоанализатора содержания сероводорода и углеводородов, а также косвенных признаков определено как «высокое»; X12 - активность адсорбента по косвенным признакам «очень высокая»; X13 - активность катализатора «высокая»; X14 - цветовой оттенок сжигаемых остаточных продуктов - белесый, что соответствует «низкому» значению классификатора; X15 - стабильность работы технологической
турбогазодувки газа регенерации отделения Суль-фрин - «высокая». После процедуры нечеткого логического вывода получаем Ф1 = 0,721.
X21 - давление в аппаратах и трубопроводах не в полной мере соответствует нормам технологического процесса, имеет близкий к среднему диапазон колебания значений в единицу времени и определяется как «среднее»; X 22 - температура в аппаратах - «высокая», X23 - уровень
в аппаратах - «высокий», X24 - расход в трубопроводах не в полной мере удовлетворительный и определен как «средний», X25 - концентрация
веществ в контролируемой среде - «средняя» на основании показаний «экологического» поточного газоанализатора отходящих газов на выходе из дымовой трубы установки; Ф2 = 0,483.
X31 - качество материалов трубопроводов,
аппаратов определялось во время недавнего останова установки посредством ультразвуковой дефектоскопии, наружного и внутреннего осмотра
и проходит как «высокое»; X32 - коррозионная
Машиностроение и машиноведение
стойкость оборудования аналогично определена как «высокая»; X 33 - вибрация насосно-
компрессорного оборудования на основании удовлетворительных показаний датчиков - «высокая»; X34 - тип оборудования в полной мере соответствует проектным параметрам - «очень высокий»; X 35 - проведение технического обслуживания проводилось в полном соответствии с планом-графиком планово-предупредительных работ и определено как «очень высокое»; Ф3 = 0,887 .
X 41 - качество работы измерительных приборов: оборудование проходило своевременное обслуживание, калибровку и поверку, переменная
носит значение «очень высокое»; X 42 - состояние циркуляционных насосов дегазации и откачки жидкой серы на аппаратном дворе: количество чистых выработанных часов приближается к порогу вывода одного из насосов в резерв и проведению его текущего ремонта в соответствии с планом-графиком, значение - «высокое»; X 43 - состояние насосов и воздуходувок в машинном зале: ключевые параметры находятся в допустимых пределах, отсутствуют подтеки масла, проблемы с электропитанием, есть незначительные паро-
утечки, значение - «высокое»; X 44 - бесперебойная подача аммиака при дегазации жидкой серы: отсутствуют скачки давления в общем коллекторе, регламентированный расход выдерживается, значение - «очень высокое»; X45 - проходимость
гидрозатворов котлов-утилизаторов: незначительное засорение сеток шламом, значение - «высокое»; Ф4 = 0,811.
X 51 - профессионализм персонала: оператор, ведущий технологический процесс, имеет стаж работы более 10 лет, не совершал серьезных ошибок при управлении в течение длительного времени, в связи с чем данная переменная принимает значение «очень высокий»; X52 - интеллектуальный капитал персонала: находящиеся на смене операторы и машинисты имеют высшее профессиональное образование, успешно обучены на все необходимые виды работ, имеют налаженные межличностные связи в бригаде, владеют навыками, необходимыми для выполнения поручаемых задач, переменная определена как «очень
высокий»; X53 - личностный фактор: оператор,
ведущий технологический процесс, способен брать на себя ответственность за выполняемые
действия, не подвержен панике при возникновении нештатных ситуаций, свободно ориентируется в профессиональном пространстве во время поиска оптимальных решений, переменная - «очень
высокое»; X54 - повышение квалификации: весь персонал вовремя проходит необходимые периодические обучения, участвует в командообразую-щих мероприятиях, значение переменной - «очень
высокое»; X 55 - психофизиологическое состояние
персонала: двое операторов аппаратного двора работают вторую смену подряд, так как, то были вызваны на работу днем ранее в связи с производственной необходимостью, значение - «среднее». Ф5 = 0,894.
Экспертами выбрана система предпочтений
Ф, « Ф2 « Ф3 « Ф4 ^ Ф5 „
1 2 3 4 5. При этом веса распределены следующим образом:
щ2 = 0,167, щ1 = 0,167, щ4 = 0,167, щ3 = 0,167, щ5 = 0,332.
В соответствии с (5) получим Ф = 0,721 ■ 0,167 + 0,483 ■ 0,167 + 0,887 ■ 0,167 +
+ 0,811 ■ 0,167 + 0,894 ■ 0,332 = 0,120 + 0,08 + 0,148 + + 0,133 + 0,296 = 0,777.
Распознавание степени риска по пятиуровневому 01-классификатору [18] дает значение «низкий» со степенью уверенности 0,75 и значение «очень низкий» со степенью уверенности 0,25. Как видно из результатов вычислений, наибольший вклад в развитие риска вносит показатель Ф2 . Обратив внимание на переменные с низкими значениями, эксперт может сделать вывод о том, что наличие белесого дыма на выходе дымовой трубы, понижение давления в системе подачи воздуха в печь дожига остаточных газов, а также повышение концентрации нежелательных соединений в отходящих газах свидетельствуют о перебоях в работе системы подачи воздуха в печь. В частности, необходимо проверить по месту степень открытия/закрытия регулирующего клапана подачи воздуха и его реакцию на управляющие воздействия с пульта старшего оператора. Эти и другие необходимые мероприятия могут быть заложены в модель и выдаваться в форме советов на программном уровне ЛПР в зависимости от выявленных факторов риска, таким образом предупреждая предаварийную ситуацию.
Заключение
Данный способ оценки риска возникновения аварийной ситуации позволяет выявить на ранней стадии фактор, вносящий наибольший вклад в развитие риска, и рационально организовать мониторинг внутренней среды моноэргатической системы. Существенным плюсом этой методики является то, что ее использование возможно и при таких обстоятельствах, когда дать точную оценку параметру, важному для принятия решения, невозможно. Объединение качественных и количественных характеристик для оценки риска аварийных ситуаций в одно «иоле» анализа позволяет учитывать большее количество факторов и точнее определять вероятности наступления аварий. Как следствие, улучшается возможность оперативного принятия мер, необходимых для предотвращения наступления аварийных ситуаций. В дальнейшем авторами планируется создание имитационной модели автоматизированной системы оценки рисков в среде Simulink с возможностью выбора настроечных параметров, корректировки базы знаний, а также переключения системы предпочтения в режиме эксперта. Целью ее создания является снижение вероятности наступления предаварийной ситуации посредством «совета» ЛПР необходимых действий и выполнения регламентированных мероприятий по поддержанию технологического режима.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Ажмухамедов И.М., Проталинский О.М. Методология моделирования плохоформализуемых слабоструктурированных социотехнических систем // Вестник Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2013. № 1. С. 144-154.
2. Епифанов А. Д. Надежность систем управления летательными аппаратами. М. : Машиностроение, 1975.180 с.
3. Frey W. Socio-Technical Systems in Professional Decision Making. [Электронный ресурс]. URL: http://cnx.org/content/m14025/latest/. (Дата обращения: 25.02.2017).
4. Проталинский О.М. Система диагностики пре-даварийных ситуаций // Приборы и системы. Управление, контроль, диагностика. 2003. № 12.
5. Ажмухамедов И.М., Проталинский О.М. Моделирование плохо формализуемых процессов в социотехнических системах // Прикладная информатика. 2013. 4. С. 106.
6. Немчинов Д.В., Проталинский О.М. Система принятия управленческих решений по снижению влияния субъективного фактора как причины аварийной ситуации // Вестник Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2011. № 2. С. 43-48.
7. Печенкин Д.В., Беспалова Е.В. Методика лингвистической оценки рисков аварийных ситуаций для технологического процесса получения элементарной серы методом Клауса // Прикаспийский журнал: управление и высокие технологии. 2016. № 4. С. 106-116.
8. Колесников A.M., Кандубко А.П. Виды рисков современного российского предприятия // Актуальные проблемы экономики и управления.
2014. № 1 (1). С. 14-19.
9. Бочаров Е.П., Алексенцева О.Н., Ермошин Д.В. Оценка рисков промышленных предприятий на основе имитационного моделирования // Прикладная информатика. 2008. № 1 (13). С. 15-24.
Ю.Поскочинова О.Г. Проблемы реализации системных решений в области управления рисками пред- приятий / Санкт-Петербург. политехи. ун-т. СПб., 2013. 320 с.
11.Латыпова P.P., Киселевич А.Г. Анализ рисков промышленного предприятия // Теория и практика сервиса: экономика, социальная сфера, технологии. 2015. № 2 (24). С. 51-54.
12.Хенли Э., Кумамото X. Надежность технических систем и оценка риска. М. : Машиностроение, 1984.528 с.
13.Проталинский О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов. Астрахань : Изд-во АГТУ, 2004. 183 с.
14.Антонов О.В., Проталинский О.М. Построение комбинированных математических моделей технологических процессов // Известия высших учебных заведений. Северо-Кавказский регион. Сер.: Технические науки. 2003. № 4. С. 4.
15.Симонов C.B. Анализ рисков, управление рисками // Информационный бюллетень «Jet Info». 1999. № 1 (68). С. 2-28.
16.Глушенко С.А., Долженко А.И. Система нечеткого моделирования рисков инвестиционно-строительных проектов // Бизнес-информатика.
2015. № 1 (31). С. 48-58.
17.Fishburn P. Utility Theory for Decision-Making. N.Y., Wiley, 1970, 234 p.
18.Недосекин А. О. Нечеткий финансовый менеджмент. M. : Аудит и финансовый анализ, 2003. 76 с.
Машиностроение и машиноведение
19.Шубин P.A. Надёжность технических систем и техногенный риск. Тамбов : Изд-во ТГТУ, 2012. 80 с.
20. Кофман А. Введение в теорию нечетких множеств. М. : Радио и связь, 1982. 432 с.
21.Штовба С.Д. Проектирование нечетких систем средствами Matlab. М. : Горячая линия-Телеком,2007.288 с._
22.Ротштейн А.П., Штовба С.Д. Влияние методов дефаззификации на скорость настройки нечеткой модели // Кибернетика и системный анализ. 2002. № 5. С. 169-176.
23.Грунвальд В.Р. Технология газовой серы. М. : Химия, 1992. 272 с.
УДК 621.791 Еремеев Валерий Константинович,
к. т. н., доцент кафедры «Вагоны и вагонное хозяйство», Иркутский государственный университет путей сообщения, тел. 8 (9642) 158-811, e-mail: eremeev1940@bk.ru Воронова Юлия Владиславовна, к. т. н., доцент кафедры «Вагоны и вагонное хозяйство», Иркутский государственный университет путей сообщения, тел. 8 (9149) 576-516, e-mail: voronova_yv@irgups.ru Ермоленко Игорь Юрьевич, аспирант, кафедра «Вагоны и вагонное хозяйство», Иркутский государственный университет путей сообщения, тел. 8 (9642) 218-082, e-mail: ermolenko_iy@irgups.ru Лобова Александра Владимировна, кафедра «Вагоны и вагонное хозяйство», Иркутский государственный университет путей сообщения, тел. 8 (9834)437-966, e-mail: 1805alobova@gmail.com
ОСОБЕННОСТИ ВЗАИМОДЕЙСТВИЯ ШЕЕК ВАГОННЫХ ОСЕЙ С ЭЛЕКТРОДАМИ
ПРИ ЭЛЕКТРОИМПУЛЬСНОЙ НАПЛАВКЕ
V. K. Eremeev, Yu. V. Voronova, I. Yu. Ermolenko, A. V. Lobova
FEATURES OF CAR AXLES NECKS INTERACTION WITH ELECTRODES AT ELECTRIC PULSE SURFACING
Аннотация. В статье рассматриваются вопросы инженерных расчетов для определения технологических параметров электроимпульсной наплавки шеек вагонных осей в реальных конструкциях технологических приспособлений. Частые износы на шейке оси являются причиной проворота внутреннего кольца подшипника. Проведена оценка отказов буксовых узлов по этой причине. Разработана и решена объемная задача, иллюстрирующая напряженно-деформированное состояние шейки оси. Также предложен инженерный метод определения технологических параметров восстановления шеек вагонных осей способом электроимпульсной наплавки применительно к конкретным установкам. Опытным путем проведена наплавка шейки при различных электродах. В зависимости от величины наращенного слоя приходится применять разные материалы электродов. За счет тепла, выделяющегося в контакте электрода и детали при электроимпульсной наплавке, происходит их разогрев и оплавление с образованием мостика из жидкого металла между ними. Упрощенно рассмотрен процесс переноса металла электрода. Это необходимо для оценки времени процесса и качества сцепления с поверхностью основного металла, т. е. чем меньше будет шаг перекрытия валика металла, тем качественнее будет поверхность, что, в свою очередь, немаловажно для ответственных деталей. Анализ полученных данных показывает, что электроимпульсная наплавка позволяет качественно устранять незначительный износ шейки оси, из-за которого дальнейшая эксплуатация была бы невозможна. Наплавленная поверхность по прочности не уступает основному материалу оси. Износостойкость повышается за счет материала присадочного электрода.
Ключевые слова: электроимпульсная наплавка, электроды, капля металла, индукция, производительность.
Abstract. The article deals with the engineering calculations to determine the technical parameters of electro-deposition of car axles necks bearing in real structures of technological devices. Wear parts on the axis of the neck cause inner ring crank bearing. Evaluation of failure of axle assemblies for this reason is made. A problem showing the stress-strain state of the axis of the neck has been solved. Also a method for determining car axles necks recovery options using electro-deposition process in relation to specific settings is provided. Neck surfacing at various electrodes is held empiricslly. Depending on the magnitude of the value of accrued layer, it is necessary to use different electrode materials. Due to heat generated in the contact electrode and the parts as. Electro surfacing, their heating and melting to form a bridge from the liquid metal between them happen. Metal moving process is considered simplistically. This is necessary to evaluate the process time and quality of adhesion with the base metal surface, the smaller the metal roller overlap step, the better the surface is, which in turn is not unimportant for the critical parts. Analysis of the data shows that electric pulse welding allows to eliminate qualitatively axis neck slight wear, due to which further operation would be impossible. The weld strength on the surface is not inferior to the main axis of the material. Durability is enhanced by the filler electrode material.
Keywords: electric pulse welding, electrodes, metal drop, induction, performance.
