Результаты поиска

Развитие систем диагностики сопровождается их широким внедрением в технические системы. Использование диагностики позволяет выявить дефекты узлов технических систем на ранней стадии их возникновения с целью заблаговременного и оперативного упреждения, повышения производительности работы, снижения времени простоя в ремонте, уменьшения материальных затрат на замену или глубокое восстановление. Железнодорожный транспорт также находится на стадии широкого внедрения диагностики в различные узлы и детали подвижного состава. Основным примером внедрения диагностических систем является локомотивный парк как более сложная техническая единица. Сегодня в локомотивном парке применяются аппаратно-программные диагностические комплексы, микропроцессорные системы диагностики, бортовые и путевые системы контроля, позволяющие охватить весь спектр диагностических данных основных технических узлов. Однако применение указанных выше систем нуждается в постоянном совершенствовании математической модели диагностирования. Одним из направлений совершенствования диагностических моделей является использование методов теории искусственного интеллекта - раздела искусственных нейронных сетей, которые по сравнению с классическими полиноминальными регрессионными моделями обладают свойством экстраполяционной точности и позволяют адаптивно прогнозировать значения диагностических параметров по данным, которые были за пределами выборки обучения искусственной нейронной сети. Данные характеристики позволяют заблаговременно и точно спрогнозировать развитие дефектов и возможных отказов с целью их устранения и получения экономического эффекта. В работе представлен пример разработки диагностической искусственной нейросетевой модели диагностики масляного голодания моторно-осевых подшипников колесно-моторного блока грузового магистрального электровоза серии 3ЭС5К «Ермак». Данный узел имеет низкие показатели надежности, поэтому нуждается в применении непрерывных средств диагностики, которые на текущий момент времени отсутствуют.

В статье представлены результаты проведенного авторами исследования, целью которого была разработка модели распознавания дефектов моторно-осевых подшипников колесно-моторного блока локомотива для реализации заблаговременного автоматического оповещения управляющих структур о необходимости проведения обслуживающих или ремонтных операций и устранения дефектов на ранней стадии их возникновения. При проведении исследования использовались следующие междисциплинарные и математические методы: компьютерное и математическое моделирование, методы математической статистики, методы теории искусственного интеллекта и параметрической надежности. В результате проведенного исследования получена математическая формализация модели распознавания одного из дефектов моторно-осевых подшипников колесно-моторного блока локомотива - проточка (выкрашивание) баббитового слоя. С помощью полученной модели возможна реализация автоматического распознавания дефектов не только моторно-осевых подшипников, но и других узлов технических систем. Разработанная модель может быть использована в системах мониторинга, контроля, диагностирования технического состояния локомотивного парка с целью снижения простоев в ремонте и вынужденных затрат на плановые операции. Предложенная модель решает круг задач, описанных в концепции развития ОАО «РЖД», связанных с реализацией фактической системы ремонта по текущему техническому состоянию локомотива, а также с цифровизацией передовых направлений компании.