CC BY
13
The article is devoted to the analysis of the characteristics of traction batteries used in the design of modern electric vehicles. Connection diagrams, advantages and disadvantages of various types of batteries are given, and prospects for their further development are formulated.
Key words: electric vehicle, traction battery, connection diagrams, characteristics of traction batteries.
Ganova Anastasia Sergeevna, student, epik_99@,mail. ru, Russia, Tula, Tula State University,
Khmelev Roman Nikolaevich, doctor of technical sciences, professor, aiah@yandex. ru, Russia, Tula, Tula State University
УДК 629.4
РАСПОЗНАВАНИЕ ДИАГНОЗОВ НЕИСПРАВНОСТИ ТЕХНИЧЕСКОЙ СИСТЕМЫ
П.В. Губарев, АС. Шапшал, ВВ. Шабаев
В статье использован метод технической диагностики Байеса для распознавания диагнозов неисправности технической системы на примере работы тягового двигателя локомотива в различных режимах работы. По условию вероятности выхода из строя тягового двигателя для холостого, продолжительного и часового режима, соответственно равны p1 = 0,05; p2 = 0,1; p3 = 0,7
Ключевые слова: метод, техническая диагностика, вероятность диагноза, локомотив, тяговый двигатель, отказ.
Отказы технических систем возникают по ряду причин: вследствие несовершенства конструкции (например, при конструировании не были учтены «пиковые» нагрузки), возникновения технологических дефектов и дефектов, образовавшихся в результате нарушения правил эксплуатации и постепенного накопления повреждений (постепенного старения или изнашивания), а также комбинации перечисленных причин. Для повышения надежности продукции машиностроения важно и необходимо при производстве изделий организовывать системы входного и выходного контроля, основанные на применении методов неразрушающего контроля. Своевременное распознавание скрытых дефектов позволит вовремя принять управляющее решение (или комплекс управляющих решений), направленное на улучшение технологического процесса. Часть технологических дефектов, не обнаруженных в процессе контроля на отдельных этапах технологического процесса, может не проявится в первые часы работы изделия, но стать причиной его преждевременного отказа в сфере эксплуатации [1-6].
На этапе эксплуатации жизненного цикла изделия машиностроения важно уметь правильно организовывать процедуры технического диагностирования и обрабатывать результаты выполненного контроля с целью точного определения причин неисправности системы и предотвращения возникновения рисков «ложной тревоги» и «пропуска цели» [7-10].
Основным преимуществом статистических методов распознавания неисправностей технической системы является возможность одновременного учета диагностических признаков различной физической природы, так как они характеризуются безразмерными величинами - вероятностями их появления при различных состояниях системы.
Преимуществами метода технической диагностики, основанного на обобщенной формуле Байеса, является его простота и эффективность. Метод основан на простой формуле:
Р(Дг / к1) = Р(Д.)
Р(к] / Дг)
Рк)
где Р^/^) - вероятность диагноза Di после того, как стало известно наличие у рассматриваемого объекта признака к (апостериорная вероятность); P(D) - вероятность диагноза D, определяемая по статистическим данным (априорная вероятность диагноза); - вероятность появления признака k у объектов с состоянием D; P(kj) - вероятность появления признака k во всех объектах независимо от состояния (диагноза) объекта;
N
У '' N
где № - количество объектов, характеризующихся состоянием Di; N - общее количество обследованных объектов.
Если среди № объектов, имеющих диагноз Di, у проявляется признак то:
N
Рк / Д ) = ^ .
Пусть из общего количества N объектов признак Щ был обнаружен у № объектов, тогда:
Ni
Рк) = ^7 •
1 N
В случае, когда диагностирование проводится по комплексу признаков К, включающему признаки k2, ..., Ы применяется обобщенная формула Байеса. Каждый из признаков ^ имеет ш] разрядов (^1, ^2, ..., ] ..., kjmj)• В результате диагностирования становится известной реализация признака ^ = ] и всего комплекса признаков К*.
Формула Байеса для комплекса признаков имеет вид:
Р(Щ / к *)=Рф.)Р(К /Д), 4 г ' у г' Р(к )
где Р^/К*) - вероятность диагноза Di после того, как стали известны результаты обследования по комплексу признаков Кц Р^) - предварительная вероятность диагноза Di (по предшествующей статистике); Р(К*Ю1) - вероятность появления комплекса признаков К у объектов с состоянием Di. Если комплекс признаков состоит из V признаков, то
Р(К* / Д1) = Р(к* / Д1)Р(к2* / к*Д1)...Р(кП / к/.. .к^ Д.) •
Для диагностирования независимых признаков
Р(К* / Д1) = Р(к* / Д1)Р(к2* / Д1 )...Р(к* / Д1), где Р(К *) - вероятность появления комплекса признаков К *;
Р(К *) = X Р(Д )Р( К * Д). айеса мо Р( Д / К *) = -
Обобщенная формула Байеса может быть записана в следующем виде:
Р(Д. )Р( К * / Д 1)
X Р(Д )Р( К * / Д)
Отметим, что знаменатель формулы Байеса для всех диагнозов одинаков, что позволяет сначала определить вероятность совместного появления ьго диагноза и данной реализации комплекса признаков.
п
^=1
На основе предварительно собранного статистического материала формируется диагностическая матрица, содержащая вероятности разрядов признаков при различных диагнозах:
Диагностическая матрица в методе Байеса
йп Признак к]
к1 к2 кЗ
Диапазон К 9 ец 9 ец 9 ец 9 2 ец 9 2 ец 9 2 ец 2 ец Гп ец 9 ец Р(В1)
ББ1 0,8 0,2 0 0,1 0,1 0,6 0,2 0,2 0,8 0,3
ББ2 0,1 0,7 0,2 0 0 0,3 0,7 0,1 0,9 0,1
Сумма вероятностей всех возможных реализаций признака равна единице. Пример на формулы Байеса.
Пусть событие А наступило в результате осуществления одной из гипотез В1,В2,В3,...,Бп. Как определить вероятность того, что имела место та или иная гипотеза?
При условии, что событие А уже произошло, вероятности гипотез переоцениваются по формулам:
Р(В,)РВ (А)
Р (В ) =-1—Б-- вероятность того, что имела место гипотеза Б;
А 1 Р( А) 1
Р(В2)РВ (А)
Р (В ) =-2—В-- вероятность того, что имела место гипотеза Б ;
А 2 Р( А) 2
Р(В3)РВ (А)
Р (В ) =-3—Вз-- вероятность того, что имела место гипотеза В;
А 3 Р( А)
Р(Вп)РВ (А)
РА (В ) =-п—В-- вероятность того, что имела место гипотезаВп.
Р ( А)
Здесь Р(В1), Р(В2), Р(В3),..., Р(Вп)- априорные (оцененные до испытания) вероятности; РА(В1),РА(В2),РА(В3),...,РА(Вп) -апостериорные (оцененные после испытания) вероятности тех же гипотез, пересчитанные в связи «со вновь открывшимися обстоятельствами» - с учётом того факта, что событие А достоверно произошло.
Тяговый двигатель локомотива работает в трёх режимах: продолжительном, часовом и на холостом ходу. В режиме холостого хода вероятность его выхода из строя равна 0,05, при продолжительном режиме работы - 0,1, а при часовом - 0,7. 70 % времени двигатель работает в продолжительном режиме, а 20 % - в часовом. Какова вероятность выхода из строя двигателя во время работы? Из условия находим
10 Л , 70 20
р. =-= 0,1; р2 =-= 0,7; р3 =-= 0,2 -
1 100 2 100 100
вероятности того, что тяговый двигатель работает на холостом ходу, в продолжительном и часовом режимах, соответственно.
По условию р1 = 0,05; р2 = 0,1; р3 = 0,7 - вероятности выхода из строя тягового двигателя для холостого, продолжительного и часового режима, соответственно. По формуле полной вероятности: р = АА + р2р2 + р3р3 = 0,1-0,05 + 0,7 • 0,1 + 0,2 • 0,7 = 0,005 + 0,07 + 0,14 = 0,215 -вероятность того, что тяговый двигатель локомотива двигатель выйдет из строя.
Список литературы
1. Науменко А.П., Кудрявцева И.С., Одинец А.И. Вероятностно-статистические методы принятия решений: Теория, примеры, задачи: учебное пособие. Омск: Изд-во ОмГТУ, 2018. 86 с.
2. Симушкин С.В., Пушкин Л.Н. Задачи по теории вероятностей: учебное пособие. Казань: Казан. ун-т, 2011. 223 с.
3. Гиоев З.Г., Губарев П.В., Глазунов Д.В., Набоков А.Е. Вибрационное прогнозирование как фактор повышения качества ремонта тягового подвижного состава // Вестник Сибирского государственного университета путей сообщения. 2020. № 2 (53). С. 64-71.
4. Тептиков Н.Р., Резниченко А.А., Губарев П.В., Глазунов Д.В. Математические методы принятия решений в системах диагностики и управления на тяговом подвижном составе // Сборка в машиностроении, приборостроении. 2018. № 1. С. 1315.
5. Резниченко А.А., Чеботарев Е.А., Тептиков Н.Р., Глазунов Д.В. Оценка безотказности и готовности локомотивов в период нормальной эксплуатации // Вестник Уральского государственного университета путей сообщения. 2018. № 3 (39). С. 1522.
6. Губарев П.В., Глазунов Д.В., Мищихина Е.С. Анализ системы ремонта и диагностики локомотивов по фактическому состоянию // Труды международной научно-практической конференции «Транспорт-2013». Ростовский государственный университет путей сообщения, 2013. С. 143-144.
7. Чеботарев Е.А., Губарев П.В., Глазунов Д.В. Повышение надежности тяговой зубчатой передачи грузовых электровозов // Сборка в машиностроении, приборостроении. 2017. № 8. С. 379-383.
8. Глазунов Д.В. Визуализация ротапринтного метода смазывания гребней колес подвижного состава // Железнодорожный транспорт. 2018. № 7. С. 70-72.
9. Глазунов Д.В. Исследование значимости факторов, влияющих на ресурс смазочного материала в паре трения «колесо - рельс» // Вестник машиностроения. 2017. № 6. С. 63-65.
10. Кохановский В.А., Глазунов Д.В., Зориев И.А. Макрокомпозиционные по-лимерпорошковые подшипники // Проблемы машиностроения и надежности машин. 2019. № 2. С. 40-45.
Павел Валентинович Губарев, канд. техн. наук, доцент, [email protected], Россия, Ростов-на-Дону, Ростовский государственный университет путей сообщения,
Александр Сергеевич Шапшал, канд. техн. наук, доцент, [email protected], Россия, Ростов-на-Дону, Ростовский государственный университет путей сообщения,
Вадим Владимирович Шабаев, преподаватель, vadim88. shabaev@,mail. ru, Россия, Ростов-на-Дону, Ростовский юридический институт Министерства внутренних дел Российской Федерации
RECOGNITION OF FAULT DIAGNOSES TECHNICAL SYSTEM P.V. Gubarev, A.S. Shapshal, V.V. Shabaev
The article uses the Bayes method of technical diagnostics for recognizing diagnoses of technical system failures on the example of a locomotive traction engine operating in various operating modes. According to the condition, the probability of failure of the traction engine for a cold, longterm and hourly mode, respectively, is equal to p1 = 0,05; p2 = 0,1; p3 = 0,7
Key words: method, technical diagnostics, probability of diagnosis, locomotive, traction engine, failure.
Gubarev Pavel Valentinovich, candidate of technical sciences, docent, pavel. gybarev@yandex. ru, Russia, Rostov-on-Don, Rostov State Transport University,
Shapshal Alexander Sergeevich, candidate of technical sciences, docent, [email protected], Russia, Rostov-on-Don, Rostov State Transport University,
Shabaev Vadim Vladimirovich, lecturer, vadim88. shabaev@mail. ru, Russia, Rostov-on-Don, Rostov law Institute of the Ministry of internal Affairs of the Russian Federation
УДК 65.011.56
К ВОПРОСУ ОСНАЩЕНИЯ ГОРОДСКОГО ОБЩЕСТВЕННОГО ТРАНСПОРТА СИСТЕМАМИ МОНИТОРИНГА И ОБЕСПЕЧЕНИЯ ТРАНСПОРТНОЙ БЕЗОПАСНОСТИ
Е.С. Мишина, Р.К. Лебедь, Р.Н. Хмелев
В данной статье рассмотрен вопрос применения информационных технологий на городском общественном транспорте с целью обеспечения безопасности транспортного процесса. С учетом действующего законодательства, обозначен перечень приборов, обязательных к установке, а также рассмотрены инновационные проекты, сочетающие в себе все необходимые требования по безопасности. Сделаны выводы о целесообразности и перспективах применения систем мониторинга и обеспечения транспортной безопасности на городском общественном транспорте.
Ключевые слова: безопасность, информационные технологии, инновационные проекты, городской общественный транспорт, системы мониторинга.
В настоящее время внедрение информационных технологий происходит абсолютно во все сферы жизнедеятельности человека, начиная от простых бытовых вопросов и заканчивая мероприятиями, требующими принятия ответственных решений от которых зависит жизнь людей. Как правило, это связано с обеспечением безопасности на производствах, военных и опасных объектах; при проведении массовых мероприятий; на дорогах и транспорте.
Широкое применение систем мониторинга и обеспечения транспортной безопасности на городском общественном транспорте во многом продиктовано требованиями действующего законодательства. При этом обоснование необходимости установки данных систем, их эффективности с учетом финансовых затрат транспортных компаний является серьезной проблемой. Особую актуальность рассматриваемая проблема приобрела с учетом сложившейся экономической ситуации.
В этой связи целью данной статьи является анализ эффективности применения систем мониторинга и обеспечения транспортной безопасности (ОТБ) на городском общественном транспорте (на примере автомобильного транспорта), а также оценка финансовых затрат, связанных с оснащением подвижного состава указанными системами.
К системам мониторинга и обеспечения транспортной безопасности на городском общественном транспорте относятся следующие:
1. Подсистема управления процессом пассажирских перевозок. Она способна обеспечивать автоматизацию деятельности автотранспортных предприятий (АТП) и грамотно выстраивать работу всего предприятия на основе непрерывного контроля за движением подвижного состава с возможностью его корректировки. В данную подсистему входят:
