Размещено на http://www.allbest.ru/

Рязанский государственный агротехнологический университет имени П.А. Костычева

УДК 629.113.004.53

Периодичность контроля технического состояния мобильной сельскохозяйственной техники

Бышов Николай Владимирович, д.т.н., профессор

Борычев Сергей Николаевич, д.т.н., профессор

Кокорев Геннадий Дмитриевич, к.т.н., доцент

Успенский Иван Алексеевич, д.т.н., профессор

Юхин Иван Александрович, к.т.н., старший преподователь

Синицин Павел Сергеевич, аспирант

Карцев Евгений Анатольевич, аспирант

Николотов Илья Николаевич, инженер

Гусаров Сергей Николаевич, студент

Рязань, Россия

Аннотация

В статье рассмотрен способ определения периодичности контроля технического состояния образцов мобильной сельскохозяйственной техники, основанный на сравнении заданной вероятности безотказной работы образца с расчетным ее значением и позволяющий значительно снизить трудозатраты по определению периодичности контроля и повысить достоверность полученных результатов за счет расчета вероятностных характеристик образца мобильной сельскохозяйственной техники

Ключевые слова: МОБИЛЬНАЯ СЕЛЬСКОХОЗЯЙСТВЕННАЯ ТЕХНИКА, ТЕХНИЧЕСКОЕ ДИАГНОСТИРОВАНИЕ, ДИАГНОСТИЧЕСКИЕ ПАРАМЕТРЫ, ОБЪЕКТЫ ДИАГНОСТИРОВАНИЯ, ПЕРИОДИЧНОСТЬ КОНТРОЛЯ

Abstract

UDC 629.113.004.53

Mobile agricultural equipment control periodicity

Byshov Nikolai Vladimirovich,Dr.Sci.Tech., professor

Borychev Sergei Nikolaevich,Dr.Sci.Tech., professor

Kokorev Gennady Dmitrievich,Cand.Tech.Sci., associate professor

Uspensky Ivan Alekseevich, Dr.Sci.Tech., professor

Jukhin Ivan Aleksandrovich, Cand.Tech.Sci., senior lecturer

Sinitsin Pavel Sergeevich, postgraduate student

Kartsev Eugene Anatolevich,

Nikolotov Ilya Nikolaevich, engineer

Gusarov Sergei Nikolaevich,student

Ryazan State Agrotechnological University named after P.A. Kostychev, Ryazan, Russia

The article presents the way to identify the mobile agricultural equipment technical status control periodicity based on the comparison of its defect-free performance given probability with its calculated value in order to decrease significantly the efforts to estimate control periodicity and increase the results authenticity at the expense of mobile agricultural equipment probable characteristics calculation

Keywords: MOBILE AGRICULTURAL EQUIPMENT, TECHNICAL DIAGNOSING, DIAGNOSTIC PARAMETERS, UNIT UNDER TEST, CONTROL PERIODICITY

В настоящее время разработан и применяется довольно широкий спектр методов технического диагностирования (ТД) мобильной сельскохозяйственной техники (МСХТ). Однако их детальный анализ [4] показал, что такой важный вопрос в процессе контроля технического состояния, как определение периодичности технического диагностирования не нашел своего логического решения.

Таким образом, разработка способа определения периодичности контроля диагностических параметров, является важной и актуальной задачей.

Известно, что ТД имеет своей целью предотвратить переход объекта диагностирования в неработоспособное состояние на межконтрольном пробеге, следовательно, зная динамику изменения технического состояния объекта диагностирования (ОД) можно определить периодичность (сроки) проведения ТО и Р.

В этой связи задача определения периодичности контроля диагностических параметров МСХТ сводится к установлению закономерностей изменения технического состояния ОД методом математического моделирования (регрессионные зависимости) вероятности возникновения отказов, что позволит осуществлять прогнозирование технического состояния МСХТ.

Для этой цели необходимо решить следующие задачи:

- определить статистические вероятности появления отказов объектов на рассматриваемом пробеге.

- разработать математические модели (регрессионные зависимости) вероятности отказов от пробега.

- провести статистическую оценку значимости коэффициентов регрессионных моделей

- проверить регрессионные модели на адекватность

- определить значения - вероятности возникновения отказа на рассматриваемом пробеге;

- рассчитать значения - вероятности безотказной работы образца на рассматриваемом интервале пробега;

- определить значения - заданной вероятности безотказной работы образца на рассматриваемом пробеге;

- сравнить;

- определить периодичность контроля технического состояния образца МСХТ на пробеге.

В результате проведенных расчетов были выявлены объекты, подлежащие диагностированию.

К ним относятся тормозная система. Для данного объекта контроля необходимо разработать математические модели (регрессионные зависимости) вероятности возникновения отказа от пробега.

Для систематизации исходного материала необходимо построить статистические ряды [3]. Исходными данными служат:

- распределение отказов ОД по рассматриваемому пробегу;

- общее число отказов исследуемых ОД за рассматриваемый период.

Для оценки статистической вероятности появления отказа - го ОД исходную статистическую совокупность значений случайной величины необходимо разделить на интервалы или разряды и подсчитать количество отказов , приходящееся на каждый разряд. Статистическая вероятность определяется по формуле:

, (1)

где - количество отказов - го объекта на данном интервале пробега;

- общее число отказов исследуемых ОД на рассматриваемом пробеге.

Сумма частот (статистических вероятностей) всех интервалов, очевидно, должна быть равна единице.

Статистические ряды распределения величины для исследуемых объектов диагностирования представлены в таблице 1, соответствующие им многоугольники распределения показаны на рисунках 1-3 (позиция 1). Следует отметить, что многоугольник распределения является графическим изображением ряда распределения, который строится путем восстановления перпендикуляра к оси абсцисс для каждого значения случайной величины, полученные точки для наглядности (и только для наглядности) соединяются отрезками прямых [3].

Таблица 1 - Статистические ряды распределения величины

Число отказов	Интервал, тыс.км
Вероятность	0-10	10-20	20-30	30-40	40-50	50-60	60-70
Тормозная система
	5	4	6	7	7	8	7
	0,02	0,016	0,0241	0,0281	0,0281	0,032	0,0281
ИТОГО: по образцам МСХТ
	15	26	30	41	45	42	49
	0,06	0,104	0,121	0,165	0,181	0,169	0,197

Оценка значимости коэффициентов моделей производились по очереди. При этом проверялись гипотезы

(величина не зависит от ), против альтернативной

[5].

Оценка значимости коэффициентов производилась с помощью критерия Стьюдента, записанного в виде следующего альтернативного условия, отвечающего левосторонней критической области:

, (2)

ели () - гипотеза отвергалась с риском ошибки не более, чем 5 %,

где - опытное значение критерия Стьюдента;

- табличное (критическое) значение критерия Стьюдента;

- абсолютное значение оцениваемого коэффициента;

- стандартная ошибка коэффициента модели;

- уровень значимости, при 95% доверительной вероятности;

- полный объем выборки;

- число степеней свободы.

Причем:

,

где - оценка среднеквадратического отклонения;

- значение переменной в - й точке наблюдения;

- среднее значение - й переменной.

Табличное значение критерия Стьюдента определялось по таблицам. Оценка значимости коэффициента приведена в таблице 2.

Таблица 2 - Оценка значимости коэффициентов модели

Коэффициент регрессии	Стандартная ошибка коэффициента регрессии	Множественная корреляция
Тормозная система
		0,84
Образцов МСХТ в целом
		0,94

Основной задачей регрессионного анализа является установление вида функции, связывающей функцию отклика с факторами, оказывающими на нее влияние. Уравнения регрессии определяют математические зависимости между переменными физического процесса, поэтому их называют математическими моделями [8, 6].

Общепринятым при решении подобных задач является метод наименьших квадратов, при котором требование наилучшего согласования теоретической зависимости и экспериментальных точек сводится к тому, чтобы сумма квадратов отклонений экспериментальных точек от сглаживающей кривой обращалась в минимум, то есть

(3)

где - и - теоретическое и экспериментальное значение точек.

Обработка экспериментальных данных проводилась на ПЭВМ с использованием пакета прикладных программ Microsoft Office Excel [2].

В результате работы программы были определены коэффициенты моделей и получены регрессионные зависимости вероятности появления отказов от пробега для агрегатов, узлов и систем.

Например, для систем обеспечения дорожного движения указанные коэффициенты будут иметь вид:

Для тормозной системы:

, (4)

Для образцов МСХТ в целом:

, (5)

Рисунок 1: 1 - многоугольник распределения статистической вероятности отказов тормозной системы;

2 - зависимость вероятности появления отказа от пробега для тормозной системы



Рисунок 2: 1 - многоугольник распределения статистической вероятности отказов образцов МСХТ в целом;

2 - зависимость вероятности появления отказа от пробега для образцов МСХТ в целом

Анализируя многоугольники распределения можно сделать предположение о виде зависимости [1] между переменными и . Так, вероятная связь между переменными для тормозной системы и образцов МСХТ в целом является квадратичной.

Таким образом, проведенные экспериментальные исследования позволили установить закономерность изменения вероятностей появления отказа от пробега и разработать на их основе регрессионные зависимости, которые необходимы для прогнозирования технического состояния объектов диагностирования и определения рациональной периодичности их контроля.

При оценке математической регрессионной модели выдвигались две гипотезы:

- модель адекватная;

- модель неадекватная.

Проверка правдоподобности гипотезы об адекватности производилась с помощью критерия Фишера, записываемого в виде следующего альтернативного условия:

, (6)

при

-

модель адекватная (нулевая гипотеза отвергается с риском ошибки не более, чем 5%).

где . - дисперсия воспроизводимости эксперимента;

- построчные дисперсии;

- число значащих коэффициентов модели.

Результаты проверки математических моделей приведены в таблице 3.

Таблица З - Таблица однофакторного дисперсионного анализа

Источник дисперсии	Сумма квадратов	Степени свободы	Средний квадрат
Тормозная система
Регрессия		2
Отклонение от регрессии		4
Полная		6
Образцов МСХТ в целом
Регрессия		2
Отклонение от регрессии		4
Полная		6

Полученные результаты однофакторного дисперсионного анализа (таблица 3) показывают, что построенные математические модели адекватно описывают изучаемые явления.

Вероятность возникновения отказов в образце находим из графиков представленных выше.

Вероятность безотказной работы образца на определенном интервале пробега определяется по следующему выражению:

, (7)

где - вероятность безотказной работы образца;

- вероятность возникновения отказа в образце.

Заданный уровень безотказной работы образцов МСХТ, используемых для осуществления транспортных перевозок должен быть не менее 0,9.

Основной операцией, на основании которой определяется периодичность контроля технического состояния образцов МСХТ, является сравнение заданной вероятности безотказной работы образца с расчетным ее значением . При этом, для обеспечения заданного уровня надежности разность между этими значениями () должна быть не менее 0,05 [7].

По графику 2 (рисунок 2) по полученной вероятности определяем периодичность контроля образца МСХТ на пробеге.

На основе проведенного анализа были получены результаты, позволяющие сделать следующие основные выводы:

1. В результате проверки способа отбора объектов контроля, было установлено, что в первую очередь должны подлежать диагностированию: тормозная система.

2. Для определения вероятностных характеристик возможных состояний, указанных выше объектов, на основе статистического анализа были разработаны математические модели вероятности появления отказа от пробега. Проведенные проверки по определению статистической значимости коэффициентов регрессионных моделей и адекватности подтвердили правильность их построения.

отказ диагностический сельскохозяйственный мобильный

Список использованных источников

1. Афифи А., Эйзен С. Статистический анализ: подход с использованием ЭВМ. - М.: Мир, 1982.

2. Берк К. и Кэйри П. Анализ данных с помощью Microsoft Office Excel. - Москва, 2005.

3. Венцель Е.С., Овчаров Л.А.. Теория вероятностей и ее инженерные приложения. - М.: Наука, 1988.

4. ГОСТ 25044-81 Техническая диагностика. Диагностирование автомобилей, тракторов, сельскохозяйственных, строительных и дорожных машин.

5. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Изд. второе. Перераб. и дополн. Книга 1. - М.: Финансы и статистика, 1986.

6. Завадский Ю.В. Решение задач автомобильного транспорта с помощью математических моделей. Учебное пособие. - М., 1980.

7. Кузнецов Е.С. Исследование эксплуатационной надежности автомобиля. - М.: Транспорт, 1969.

8. Листопад И.А. Планирование эксперимента в исследованиях по механизации сельско-хозяйственного производства. - М.: Агропромиздат, 1989.

Размещено на Allbest.ru

...