Закономерности эволюции шумовых характеристик машин Текст научной статьи по специальности «Механика и машиностроение»

может превысить допустимые нормы. В таком случае наступает «шумовой отказ». Это явление приводит к тому, что «шумовой отказ» может наступить раньше механического или электрического. Машина продолжает эксплуатироваться с нарушением экологических требований. Шумовое воздействие на оператора становится бесконтрольным и не допустимым.

Явление эволюции шумовых характеристик машин в период безотказной эксплуатации не нашло отражения в нормативной и технической литературе за исключением работ авторов [1, 2, 3] и их учеников.

Целью данного исследования является установление закономерностей изменения ШХ машин в период безотказной работы и выбор адекватных прогнозирующих моделей этих процессов.

Явление нестабильности ШХ машин изучалось на технологическом оборудовании пищевых производств. В производственных условиях эксперимент проводился на серийном технологическом оборудовании наиболее распространенных типов: тестомесильной машине ТММ-1М и машине очистки картофеля - МОК 250. Машины работали в типовых условиях эксплуатации.

Контроль ШХ проводился одним и тем же шумомером в течение 115 дней безотказной работы. Измерялся уровень звука и уровни звукового давления в октавных полосах частот, а также внешний шум в производственных помещениях. Временная характеристика шума, излучаемого машинами, постоянная. ШХ измерялись периодически при работе машины без нагрузки, в них закладывалась информация о влиянии реальных эксплуатационных условий на ШХ в период между измерениями и исключалась погрешность в момент измерений, которая возникала бы из-за неравномерной загрузки машины и изменчивости в определенных пределах свойств загружаемого продукта.

Результаты наблюдений за изменением ШХ во времени I обрабатывались на ПК с целью получения моделей корректированных уровней звуковой мощности Ьрл и уровней звуковой мощности в октавных полосах частот Ьр. Использовался метод динамической регрессии [4] не только для построения моделей, но и для их прогнозирования. Собственно модели и ошибки прогноза оценивались моделями трех видов: МНК (метод наименьших квадратов), СС(1) (скользящего среднего первого порядка) и смешанная модель - авторегрессионная и скользящего среднего АРСС (1, 1) первого порядка. Отбирались модели, дающие наименьшую среднеквадратическую ошибку прогноза оп. Оптимальные модели приведены в таблице 1. Временные модели ШХ, как правило, линейные и лишь на средних частотах 500 и 1000 Гц уровни звуковой мощности оборудования изменяются со временем по криволинейной зависимости, представленной полиномом второй степени. Модели включают свободный член и член уравнения, учитывающий влияние временного фактора. Остальные члены уравнения учитывают процесс образования ошибки прогноза и, в формировании которой участвуют случайные независимо и нормально распределенные переменные V с нулевыми средними значениями и общей дисперсией.

Анализ моделей показывает, что корректированный уровень звуковой мощности М0К-250 имеет тенденцию к увеличению, а у ТММ-1М остается практически стабильным. Тенденция к ухудшению ШХ у последней машины проявляется за более длительный промежуток времени работы. Аналогичная картина наблюдается на низких и средних частотах, однако на средних частотах у МОК-250 следует ожидать более значительного возрастания ШХ. На частотах 2 и 4 кГц у машины М0К-250 уровень звуковой мощности остается без изменений, а у ТММ-1М стремится к возрастанию. Модели ШХ исследуемых машин приведены в таблице 1

Таким образом ШХ стационарного технологического оборудования в процессе безотказной работы от начала эксплуатации стремятся к ухудшению, т.е. возрастанию излучаемой звуковой мощности. Преимущественно это проявляется у более легких машин. Величина изменения ШХ различна у разных машин.

Таблица 1.

Модели шумовых характеристик оборудования

Частота, кГц Тип модели МОК-250 Тип модели ТММ-1М ^п

А СС(1) LpA=0,0123t+79,3 99-0,9066У-1+У; 0,718 ОМНК LpA=84,077-0,0058t 0,36

(0,125) низкая АРСС(1, 1) Lp=57,193+0,0471 t+U; ^0,907^ 1=0,9799У-1+У 0,60 СС(1) Lp=73,747+0,00 583^0,902У-1+У 0,82

(0,5) средняя СС(1) Lp=65,663+0,0185 ^0,8957У-1+У 1,76 СС(1) Lp=80,144- 0,02Ш+0,0027^ -0,904У-1+У 0,79

(4) высокая СС(1) Lp=59,0-0,00075t-0,9054У-1+У 1,69 СС(1) Lp=67,45+0,016 8t-0,893y-l+y 0,72

Наиболее четко проявилась тенденция к ухудшению ШХ в период безотказной работы при исследовании их изменения в лабораторных условиях на машине измельчения мяса МИМ-300. Исследованиями С.А. Соколова на специальном стенде по методике ускоренных испытаний производилось нагружение машины в соответствии с ее режимом работы за фиксированные промежутки времени и контролировались изменения ШХ [5]. Эти изменения представлены на рисунках 1-4.

88 -1--------------------

дБА

Рис. 1. Динамика значений уровня звука

1— is 1 -•Э/

__ с» (Я к?

к ¿3.

*г V / К'

■т г V

1

о <- с с с - с с с с 4 с •

Рис. 2. Динамика уровней звукового давления для низких частот

машины МИМ-300

ш ж? ггп да Р* L L L U L

500Гм -as- I ООО 1 и

2000Гц ---- - 2 ¡(i. 1ши,л1П.. (5GOI и)

XTiXJiiiHOi'vijiitjib.iit.iii (lOOOI и) ——— — I liLiHiiio, ни. .'¡.i.i.iii (200UI"uJ

Рис. 3. Динамика уровней звукового давления для средних частот

машины МИМ-300

Регрессионные модели изменения ШХ в период безотказной мясорубки МИМ -300 по уровню звука Ьд и уровням звукового давления Ь в октавных полосах частот имеют вид

La = 80,398+0,5568t - 0,0112t2 L125 = 71,411 + 0,22t + 0,0068t2 L500 = 68,244 + 0,604t + 0,011t2 L4000 = 70,07 + 0,1642t + 0,0075t2 L8000 = 68,319 + 0,3866t + 0,0019t2

(1)

Результаты исследований и анализ полученных моделей свидетельствует, что ШХ машины МИМ-300 в период безотказной работы стремятся к возрастанию,

увеличению уровня изучаемой звуковой мощности как по корректированному уровню, так и в октавных полосах частот. Степень эволюции ШХ различна у разнообразных машин. Она зависит от ряда взаимосвязанных факторов. К основным следует отнести конструктивные, качество изготовления и монтажа, характер и величину нагружения машин, трение, степень изнашивания их во времени, условия эксплуатации и др.

В связи с этим процесс эволюции ШХ машин изучался и моделировался стохастическими методами.

Одним из методов обеспечения надежной работы машин на стадии эксплуатации без возникновения «шумового отказа» является прогнозирование эволюции их ШХ [6].

Задачи прогнозирования в данном случае сводятся к получению оценки будущих значений изменения ШХ во времени на основе анализа уже имеющихся значений изменения ШХ машин. Исходными данными для прогнозирования эволюции ШХ являются уровни звуковой мощности по корректированному уровню и в октавных полосах частот, определенные экспериментально на исследуемом образце.

Для определения ШХ исследуемого образца (машины очистки картофеля М0К-350) использовался технический метод ИСО 3743-2-94. Измерения проводились в реверберационных полях в помещениях с жесткими стенами с использованием шумомера I класса.

Существуют разные алгоритмы поисков закономерностей в существующих данных, но независимо от используемого метода, необходимо решить два вопроса: что является прогнозируемой величиной и что являются входными данными. В данном случае прогнозируемой величиной являются значения ШХ машины в интервале [Т(п+1), Т(п+1)], где Т(п) - текущий момент времени, а Г - интервал прогнозирования [6].

Наибольшую ценность для прогнозирования ШХ представляют адаптивные математические методы и методы статистического моделирования.

Нестационарные временные ряды значений ШХ можно трансформировать в стационарные путем взятия от исходного ряда разности соответствующего порядка ё. Тогда к преобразованному ряду можно подобрать одну из рассмотренных ниже моделей.

Введем обобщенный авторегрессионный оператор

ф(В) = Ф(В)(1 -В)ё (2)

где Ф(В) - стационарный оператор, тогда модель можно записать

Ф (Б)^ =Ф(В)(1-В)ё =0(В)^

или Ф(В)1^ = 0(ВК где ^^ = ё ^ (3)

На практике обычно ё = 0,1,2.

Используем последнюю модель, наиболее общую: интегрированная модель авторегрессии скользящего среднего (АРИСС) порядка (р, ё, д).

Выбор и привязка АРИСС (р, ё, д) к исходным ШХ лучше всего достигается с помощью трехстадийной процедуры, которая включает идентификацию, оценку и диагностическую проверку модели. После этого модель используется для прогнозирования.

Под идентификацией следует понимать использование наблюдаемых значений ШХ для определения подкласса экономных (с точки зрения количества параметров) моделей, среди которых находим адекватную исследуемому процессу.

Под оценкой понимается эффективное использование данных ШХ для получения численных значений параметров модели в предположении её адекватности процессу.

78

76 74 72 70 б В 66 64 62 60 58

Время, ч

- Эксперимент ---Прогноз---±90,0000% Рис. 4. Прогнозирование эволюции ВАХ на октавной частоте 1000 Гц

Диагностическую проверку адекватности модели исследуемому процессу проводит путем анализа значений автокорреляционных коэффициентов. После выполнения этих процедур модель можно использовать для прогноза.

Программа прогноза методом АРИСС реализована на ПК для прогнозирования эволюции ШХ на примере прогнозирования эволюции ШХ машины очистки картофеля типа МОК-350. Значения изменения ШХ во времени было определено путем проведения ускоренных испытаний. Прогнозирование эволюции ШХ машины МОК-350 методом АРИСС проводилось для октавной частоты 1000 Гц в пакете прикладных программ Statistica с использованием модуля Time Series/Forecasting (TS) - анализ временных рядов/прогнозирование [3].

Эволюция ВАХ прогнозировалась по уровням звуковой мощности на октавной полосе частот 1000 Гц на тринадцать шагов вперед (рис. 4).

Анализ полученных значений прогнозирования указывает на ухудшение ШХ на октавной частоте 1000 Гц через 78 часов работы машины на 8 дБ.

Адекватность полученной модели определяем с помощью коррелограммы.

Коррелограмма показывает численно и графически автокорреляционную функцию, другими словами коэффициенты автокорреляции (Corr) и частную автокорреляционную функцию, точнее ее коэффициенты (S.E.) на 15 шагов прогноза значений ШХ (Lag). На сходимость модели указывают ее параметры Q и P.

Анализ коррелограммы (рис. 5) указывает на довольно высокие значения параметров Q и P и доказывают сходимость прогнозируемых значений ШХ с экспериментальными данными. На основе полученных результатов коррелограмм можно сделать вывод об адекватности прогноза ШХ. Таким образом, полученную модель можно использовать для прогноза.

-1,0 0,0 1,0 -0,5 0,5 --- Доверительный интервал

Рис. 5. Коррелограмма прогноза ШХ машины МОК-350

Имея информацию о реальном процессе изменения ШХ машины на этапе эксплуатации можно сделать обоснованный прогноз о времени наступления «шумового отказа» в будущем. Это позволит своевременно предупредить «шумовой отказ», а также управлять состоянием оборудования путем замены его элементов резервными или путем изменения рабочих режимов.

Заключение

1. Впервые научно обосновано и экспериментально подтверждено на примере машин пищевого оборудования явление деградации шумовых характеристик машин в период безотказной работы. Излучаемая звуковая мощность машин возрастает и может превышать допустимые нормы [7].

2. Изложенная методика позволяет установить время наступления «шумового отказа» и нормировать ШХ машин с учетом этого явления.

Список литературы

1. Заплетников И.Н. Моделирование виброакустических процессов технологического оборудования пищевых производств - Донецк: ДонГУЭТ, 2001. -141с.

2. Zapletnikov I.N. Models of evolution of equipment noise performances// Proc. 6 th Inenational symposium Transport Noise and Vibration 4-6 June. 2002. St. Petersburg. Russia. - 2002. - P. 55 - 62.

3. Иванов Н.И., Заплетников И.Н., Кириченко В.А. Прогнозирование эволюции виброакустических характеристик очистительного оборудования. Новое в теоретической и прикладной акустике: Сборник трудов школы-семинара с международным участием. - БГТУ, СПб., 2007.

4. Песаран М., Слейтер Л. Динамическая регрессия: Теория и алгоритмы. -М.: Финансы и статистика, 1984. - 310 с.

5. Соколов С.А. Некоторые аспекты определения изменчивости шумовых характеристик торгово-технологического оборудования в условиях эксплуатации // Тем. сб. Торговля в условиях перехода к рыночным отношениям, - ДИСТ, - 1991. -с. 187-191

6. Заплетшков 1.М. Прогнозування еволюцп вiброакустичних характеристик обладнання харчових виробництв: монографiя / 1.М. Заплетшков, В.О. Кiрiченко, Ю.В. Жидков - Донецьк: ДонНУЕТ, 2012. - 144 с.

7. Иванов Н.И., Заплетников И.Н., Шубин А.А. Закономерность изменения уровня излучаемой звуковой мощности механизмов при их безотказной работе. Диплом № 455 на открытие, РФ, РАЕН, от 25.11.2013 г.

Noise Mitigation in Buildings Using Sound Absorbing Materials

1 2* Azimi Mariam , Azimi Mohammadreza

1 Engineer, Faculty of Architecture Engineering, Maziar Royan Institute, Royan, Iran.

2 Engineer, Faculty of New Sciences and Technologies, University of Tehran, Tehran, Iran.

Abstract

Noise, generally defined as undesirable sound, is characterized in terms of the pressure of the sound wave. The improvement on the human quality of life and the continuous growth in population in developing and developed societies, have exacerbated the environmental and financial issues. Some of these problems are noise and the different types of human an industrial wastes. Many natural products have been recently developed and tested for acoustic applications. Sound-absorbing materials absorb most of the sound energy striking them and reflect very little. Therefore, sound-absorbing materials have been found to be very useful for the control of room noise. In this study, sound absorption technology as an effective noise reduction technology buildings using sustainable acoustic absorbers, will be discussed.

Key words: Noise, Noise Reduction, Passive Techniques, Sound Absorption, Sustainable Material.

Introduction

The recognition of noise as a serious health hazard is a development of modern times. Too much noise obviously impairs our physical and mental existence and therefore it is reasonable to pursue Technology Assessment concerning noisy technologies [1-4]. In other words, noise has turned into one of the most important among the environmental factors on which industry sets down a big part of its efforts and concerns. The conflicts of interest associated with noise that arise from the operation of airports are well known.

Recently, passive mediums have been used extensively in the industry to reduce noise. Acoustical sustainable materials, either natural or made from recycled materials, are quite often a valid alternative to traditional synthetic materials [5]. The production of these materials generally has a lower environmental impact than conventional ones, though a proper analysis of their sustainability, through Life Cycle Assessment procedures, has to be carried out.

Airborne sound insulation of natural materials such as flax or of recycled cellulose fibres is similar to the one of rock or glass wool [6]. Many natural materials (bamboo, kenaf, coco fibres) show good sound absorbing performances; cork or recycled rubber layers can be very effective for impact sound insulation [7]. These materials also show good thermal insulation properties, are often light and they are not harmful for human health. Furthermore, many of these materials are currently available on the market at competitive prices [8].

Noise reduction techniques can be broadly classified as passive and active methods. Passive control involves reducing the radiated noise by energy absorption, while the active method involves reducing source strength or modifying acoustic field in the duct to obtain noise reduction. Active noise control is being used only at low frequencies [1]. At middle and high frequencies, active noise control is hard to implement because there are different phenomena of sound propagation. Thus, the main purpose of the active sound control is to provide higher noise reduction at low frequencies. While at higher frequencies standard solutions are applied, and they are based on the application of absorbing properties of the materials.

The absorbing materials, as such, are passive mediums that lower noise by disseminating energy and turning it into heat. Acoustic absorption depends on the frequency of the sound waves.

E-mail: mariamazimi@gmail.com (first author), m_r_azimi1991@yahoo.com (second author)