• Рус Русский
  • Eng English (UK)

Научно-технический журнал, учрежденный ОмГУПСом. Реестровый номер СМИ: ПИ № ФС77-75780 от 23 мая 2019 г. ISSN: 2220-4245. Подписной индекс в интернет-каталоге «Пресса по подписке» (www.akc.ru): Е28002. Подписка на электронную версию – на платформе «Руконт».
Журнал включен в РИНЦ и входит в перечень ВАК.

Результаты поиска

  • №2(50), 2022
    2-12

    Диагностика масляного голодания моторно-осевых подшипников колесно-моторного блока электровозов серии 3эс5к «ермак»

    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.
  • №1(25), 2016
    15-25

    Вибрационное прогнозирование технического состояния тяговых электрических машин локомотивов

    Рассматриваются причины возникновения корпусных вибраций в подшипниках качения в собранной машине, и на основе их измерения и анализа предлагается метод безразборного определения радиальных зазоров в них. Предложен и обоснован алгоритм вибрационного прогнозирования технического состояния подшипников качения в тяговых двигателях локомотивов.
  • №2(42), 2020
    44-52

    Распознавание дефектов моторно-осевых подшипников колесно-моторного блока локомотива на основе результатов моделирования искусственной нейронной сети прогнозирования выходных диагностических параметров

    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.