Распознавание катастрофического изнашивания деталей дизеля на основе модели нейронной сети Текст научной статьи по специальности «Механика и машиностроение»

УДК 629.436.001.1

С. М. ОВЧАРЕНКО

Омский государственный университет путей сообщения

РАСПОЗНАВАНИЕ

КАТАСТРОФИЧЕСКОГО ИЗНАШИВАНИЯ ДЕТАЛЕЙ ДИЗЕЛЯ

НА ОСНОВЕ МОДЕЛИ НЕЙРОННОЙ СЕТИ

По результатам моделирования процесса формирования значения концентрации продуктов изнашивания в моторном масле тепловозного дизеля разработана модель распознавания катастрофического изнашивания контролируемых деталей.

Анализ надежности работы узлов тепловоза позволяет выделить дизель как наименее надежный. На его долю приходится более 40 % неплановых ремонтов. Именно дизель является лимитирующим узлом при назначении крупных видов ремонта. Детали цилиндро-поршневой группы (ЦПГ) и криво-шипно-шатунного механизма (К.ШМ) в процессе работы подвергаются значительным температурным и динамическим нагрузкам, приводящим к интенсивному изнашиванию. В связи с этим одной из основных задач при организации диагностирования тепловозного дизеля является контроль степени изнашивания этих деталей в процессе эксплуатации.

Для оценки степени изнашивания деталей дизеля применяется ряд методов. Одним из них является метод, основанный на контроле значения концентрации продуктов изнашивания в моторном масле. К достоинствам этого метода следует отнести возможность безразборного контроля без отвлечения локомотива из эксплуатации, что является важным моментом с точки зрения экономических затрат.

В процессе работы дизеля происходит изнашивание поверхностей трения, в результате чего мельчайшие частички металла отрываются от поверхности детали и попадают в моторное масло. В процессе мас-сообмена продуктов изнашивания и моторного масла формируется уровень концентрации элементов, характерных для контролируемых деталей.

Для определения значения концентрации элементов применяется эмиссионный спектральный анализ. Сжигание пробы моторного масла в электрической дуге и анализ спектра излучения позволяет определять содержание элементов с концен-

трацией 10'6 — 10'7 % и с относительной погрешностью до 5 %.

Методика оценки степени изнашивания реализуется следующим образом. В процессе эксплуатации тепловозного дизеля периодически отбираются пробы моторного масла и проводится спектральный анализ, в результате чего устанавливаются значения концентрации характерных элементов продуктов изнашивания, поступающих с контролируемых деталей. По модели накопления продуктов изнашивания рассчитывается количество изношенного с деталей металла на момент контроля. Это количество изношенного металла разделяется по группам контролируемых деталей [1,2]. Таким образом, на момент контроля (отбора пробы моторного масла) известны начальные размеры деталей дизеля, с которыми он вышел в эксплуатацию, и количество изношенного с них металла. Для оценки текущих геометрических характеристик контролируемых деталей получены модели изнашивания, позволяющие связать текущие геометрические характеристики детали с количеством изношенного металла. Периодичность действия сил и моментов в деталях дизеля, определяемых силой давления газов и силами инерции, формируют характерную для данной группы деталей форму изнашивания. Применение разработанной методики позволяет безразборным способом по результатам контроля косвенных параметров оценить степень изнашивания (текущие геометрические характеристики) деталей цилиндро-поршневой группы и криво-шипно-шатунного механизма дизеля.

Детали тепловозного дизеля изготавливаются из материалов, имеющих различный химический

Таблица 1

Содержание элементов в деталях ЦПГ и КШМ дизеля 1 ОД 100

Наименование детали Элементы

Ре Б Р Мп С Бп РЬ Ыа Мд Са Сг Си Мо

Шейки коленчатого вала + + + + + +

Заливка вкладышей + + + + -1-

Цилиндровая втулка + + + + + + + + + +

Поршневой палец + + + + + +

Поршень + +

Бронзовые втулки + + +

Поршневые кольца + + + + + + + + + +

1x15

О 200 400 600 800

Наработка, сутки

Рис. 1. Динамика концентрации свинца при различных интенсивностях изнашивания вкладышей I, — при нормальной интенсивности изнашивания

О 200 400 600

Наработка, сутки

Рис. 2. Динамика концентрации меди при различных скоростях изнашивания компрессионных колец

состав (табл.1). Так, например, железо поступает в моторное масло сразу с четырех групп деталей: шеек коленчатого вала, цилиндровых втулок, поршневых пальцев, компрессионных и маслосрезывающих колец. Алгоритм разделения общего объема изношенного металла по группам контролируемых деталей основывается на выборе комплекса контролируемых элементов индивидуально для каждого типа дизеля.

Так, для тепловозного дизеля типа 1 ОД 100 установленный набор элементов включает: железо, медь, свинец, олово, хром, магний, никель, молибден. При реализации алгоритма разделения объема изношенного металла по группам контролируемых деталей устанавливается соответствие между геометрическими размерами группы однотипных деталей и объемом изношенного с них металла. То есть весь объем изношенного с группы деталей металла равномерно распределяется по всем деталям этой группы. Разделить объем изношенного металла по отдельным деталям одной группы невозможно, так как с них поступает одинаковый набор элементов. При реализации методики в диагностическую модель введены параметры изнашивания деталей в зависимости от их местоположения. Это позволяет повысить точность оценки степени изнашивания деталей.

Одной из задач при реализации разработанной методики является установление факта катастрофического изнашивания отдельной детали. В процессе эксплуатации возможны ситуации, когда одна или несколько деталей одной группы подвергаются повышенному изнашиванию, например в результате неправильной установки. При поступлении металла с этой детали весь объем металла при реализации методики будет распределяться по всем деталям этой группы, в результате чего невозможно будет установить факт катастрофического изнашивания. Для решения этой задачи разработана модель функционирования масляной системы тепловоза и выполнены модельные расчеты процесса формирования концентрации продуктов изнашивания в моторном масле при различных вариантах скоростей изнашивания деталей (рис. 1, 2). При катастрофическом изнашивании скорость изнашивания может возрасти в десятки раз. В результате расчетов установлены скорости нарастания концентрации элементов продуктов изнашивания в моторном масле при катастрофическом изнашивании деталей различных групп на фоне нормального изнашивания остальных деталей.

Для идентификации катастрофического изнашивания отдельных деталей применена модель, разра-I ботанная с использованием аппарата теории ней-

5, V,

52

55 У$

56 У6

57 у7

Рис. 3. Однослойный персептрон нейронной сети

ронных сетей. На рис. 3 приведен однослойный персептрон, где в качестве сигналов, поступающих на слой нейронов, использована скорость нарастания концентрации элементов продуктов изнашивания. В результате моделирования работы масляной системы дизеля типа 1 ОД 100 при различных скоростях изнашивания деталей ЦПГ и КШМ получены скорости нарастания концентрации контролируемых элементов продуктов изнашивания. Результаты моделирования приведены в табл. 2. Для повышения разрешающей способности модели значения сигналов Х^ должны попадать в установленный интервал [а,Ь]. Для этого необходимо произвести масштабирование сигнала по формуле:

х,_(Х-ХД|В)(а-Ь)

+ а

В качестве аксона принята сигмоидальная функция вида

где а — коэффициент крутизны функции, Б — состояние нейрона.

Состояние нейрона рассчитывается по формуле:

Таблица 2

Соотношение скорости нарастания концентрации элементов продуктов изнашивания при увеличении скорости изнашивания детали

Элемент Начальная Скорость изнашивания увеличена в пятнадцать раз

скорость 1 2 3 4 5 6 7

Fe 1 1,035 1.020 1,216 1,322 1,119 1,020 1,236

Си 1 1,012 1,164 1,012 1,012 1,264 1,012 1,014

РЬ 1 1,023 1,023 1,023 1,023 1,023 2,324 1,023

Sn 1 1,015 1,088 1,015 1,015 1,018 1,271 1,015

Cr 1 1 1 1 1 1,142 1 1,357

N1 1 1,142 1 1 1 1,428 1 1,714

Mg 1 1 1 1 1 1,333 1,166 1,333

Mo 1 1 1 1 1 1 1 2,0

Примечание: 1 — поршневой палец; 2 - бронзовая втулка; 3 — шатунная шейка;

4 — коренная шейка; 5 — компрессионное кольцо; 6 — вкладыш коленчатого вала; 7 — цилиндровая втулка.

где п — число входов нейрона;

Хц — значение ¿-го входа нейрона;

ш — вес ¿-го синапса, ч

В результате анализа схемы формирования сигналов получены уравнения, позволяющие рассчитать состояние соответствующего нейрона:

82=™22Хи + \У32Хц + \У42Х42; Б3 = ад„Х„ + ууяХя + \У63Х63 + \У73Х„ + \УнХвз; У 84=\У14Хм + *54Х54 + \У64Х64; 55 = *г5Х25 + и/55Х55 + \У65Х65;

в, =ад|7Х,7 + \у27х27 + \У47Х47 + \у„Х57 + \У67Х67 + w77X77 .

Начальные значения весов приняты как отношение скоростей нарастания концентрации контролируемых элементов при катастрофическом к скорости при нормальном изнашивании (табл. 2);

где l|jK) — скорость нарастания концентрации i-ro элемента при катастрофическом изнашивании j-й детали;

- скорость нарастания концентрации i-ro элемента при нормальном изнашивании j-й детали.

Процесс обучения нейронной сети реализуется по «дельта-правилу». Персептрон обучают, подавая множество образов по одному на его вход и подстраивая веса до тех пор, пока для всех образов не будет достигнут требуемый выход. Обучающая выборка получена по результатам моделирования динамики концентрации контролируемых элементов при изменении скорости изнашивания отдельных деталей дизеля в диапазоне от нормального изнашивания до катастрофического. Для обучения сети образ X подается на входи вычисляется выходУ. Если Y правилен, то ничего не меняется. Если выход неправилен, то веса, присоединенные к входам, усиливающим ошибочный результат, модифицируются, чтобы уменьшить ошибку. Этот метод может быть представлен следующей последовательностью шагов:

1. Подать входной образ и вычислить Y;

2. а. Если выход правильный, то перейти на шаг 1;

Ь. Если выход неправильный и равен нулю, то

добавить все входы к соответствующим им весам;

с. Если выход неправильный и равен единице, то вычесть каждый вход из соответствующего ему веса;

3. Перейти на шаг 1.

«Дельта-правило» реализуется с помощью введения величины delta, которая равна разности между требуемым или целевым выходом Т и реальным выходом Y.

delta = Т - Y.

Случай, когда delta = 0, соответствует шагу 2а. Шаг 2Ь соответствует случаю delta > 0, а шаг 2с случаю délia < 0. В любом из этих случаев персеп-тронный алгоритм обучения сохраняется, если delta умножается на величину каждого входа X, и это произведение добавляется к соответствующему весу. С целью обобщения вводится коэффициент «скорости обучения» п, который умножается на delta Xjr что позволяет управлять средней величиной изменения весов. В алгебраической форме записи

D. = n délia Xit

w(n+ 1) = w(n) + D,,

где — коррекция, связанная с i-м входом Х(; w(n + 1) - значение веса i после коррекции; w(n) - значение веса i до коррекции.

Библиографический список

1. Блюденов П.Я. Оценка технического состояния деталей шатунно-поршневой группы дизелей типа 10Д100 по результатам спектрального анализа картерного масла/ П.Я. Блюденов, Е.И. Сковородников, Н.Т. Тригубов, С М. Овчаренко; Омский ин-т инж. ж.-д. транспорта. Омск. 1988. — 30 с. Деп. в ЦНИИТЭИ МПС 20.10.88. № 4448.

2. Пат. 2246716 Россия, МКИ G01N3/56. Способ контроля степени износа деталей двигателя внутреннего сгорания, работающих в присутствии смазочного материала/ С.М. Овчаренко, Е.И. Сковородников (Россия). - № 2003108158/28; Заявлено 24.03.2003; Опубл. 20.02.2005. Бюл. № 5.

ОВЧАРЕНКО Сергей Михайлович, кандидат технических наук, доцент, докторант кафедры «Локомотивы».

Статья поступила в редакцию 28.08.06 г. © Овчаренко С.М.