Разработка системы оценки технического состояния ведущего моста транспортного средства с использованием критериев нелинейной динамики и нейросетевого моделирования тема диссертации и автореферата по ВАК РФ 01.02.06, кандидат наук Желонкин Максим Викторович

• Желонкин Максим Викторович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Желонкин Максим Викторович

Введение

ГЛАВА 1. ЛИТЕРАТУРНЫЙ ОБЗОР ПО МЕТОДАМ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ОТВЕТСТВЕННЫХ УЗЛОВ И ДЕТАЛЕЙ ТРАНСПОРТНЫХ СРЕДСТВ

1.1 Обзор методов диагностики технических объектов

1.2 Современные методы диагностики на основе использования критериев нелинейной динамики и нейросетевого моделирования

1.3 Аппаратное обеспечение виброакустической диагностики

1.4 Анализ факторов, влияющих на формирование виброакустического

сигнала ведущих мостов транспортных средств

Выводы

ГЛАВА 2. МЕТОДЫ ИССЛЕДОВАНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ДЕТАЛЕЙ И УЗЛОВ ТРАНСПОРТНОГО СРЕДСТВА

2.1 Описание экспериментальных установок

2.2 Методика построения цифрового двойника для оценки технического состояния ведущего моста транспортного средства

2.3 Алгоритм обработки виброакутических сигналов с использованием

критериев нелинейной динамики и нейросетевого моделирования

Выводы

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ДИНАМИЧЕСКОЙ СИСТЕМЫ ВЕДУЩЕГО МОСТА ТС

3.1 Порядок проведения экспериментов

3.2 Динамическое моделирование агрегата ТС при различных схемах нагружения

3.3 Определение влияния режимов работы ведущего моста ТС на оценку технического состояния деталей и узлов

3.4 Влияние износа деталей на характер сигнала ВАЭ с применением критериев нелинейной динамики

3.5 Оценка технического состояния агрегата ТС на основе использования

нейросетевого моделирования

Выводы

Глава 4. АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ

ИССЛЕДОВАНИЙ

4.1 Анализ исследований структурных изменений в металлических материал деталей ТС при различных видах нагружений

4.2 Анализ механизмов структурообразования при усталостном нагружении материалов деталей ТС

4.3 Анализ механизмов разрушения металлов деталей ТС

Выводы

ГЛАВА 5. РАЗРАБОТКА СИСТЕМЫ ИНТЕЛЛЕКТУАЛЬНОЙ ДИАГНОСТИКИ ВЕДУЩЕГО МОСТА ТС

5.1 Система интеллектуальной диагностики ведущего моста ТС

5.2 Анализ экономического эффекта от внедрения разрабатываемой системы

5.3 Апробация работы интеллектуальной системы диагностики оценки

технического состояния ведущего моста ТС

Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

СПИСОК СОКРАЩЕНИЙ

ПРИЛОЖЕНИЯ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Разработка системы оценки технического состояния ведущего моста транспортного средства с использованием критериев нелинейной динамики и нейросетевого моделирования»

Актуальность темы.

Для обеспечения эффективности эксплуатации транспортных средств (ТС), прежде всего необходимо их непрерывное и безопасное функционирование их ответственных агрегатов за счет повышения надежности и качества их диагностики.

Для этой цели активно ведутся исследования по разработке интеллектуальных транспортных средств различного назначения. Это требует решения новых фундаментальных научно-исследовательских задач, связанных с повышением надежности, эффективности диагностики и оценки технического состояния агрегатов ТС. От успешности решения этих перечисленных задач зависит как конкурентоспособность отечественных разработок на международном рынке, так и в целом перспективы России в контексте научно-технического прогресса.

Повышение интеллектуальности транспортных средств в настоящее время реализуется:

-Концепцией развития интеллектуальных транспортных систем в Российской Федерации «Транспортной стратегии Российской Федерации на период до 2030 г.», утвержденной распоряжением Правительства Российской Федерации от 22 ноября 2008 г. №№ 1734-р. Концепция направлена на использование единых научно-методических, информационно-технологических и организационных основ создания и развития современных транспортных систем в Российской Федерации, обеспечивающих повышение эффективности транспортных процессов.

-На базе проекта "Автодата" от 9 ноября 2018 года реализуется по поручению президента РФ. Проект предусматривает создание российской сервисной навигационно-телематической платформы по сбору данных с использованием искусственного интеллекта.

Не смотря на большую исследовательскую базу в области вибродиагностики, существует необходимость совершенствования методов обработки и выявления информативных параметров виброакустическогосигнала для реализации в различных сферах эксплуатации технических объектов.

Современные ТС имеют большое количество встраиваемых систем диагностики. Для выявления нарушений в работе ТС, в частности, в результате отказа отдельных узлов, либо ответственных деталей, которые могут привести к его поломке во время движения, процесс диагностирования позволяет обнаружить в нем неисправности и в перспективе избежать дорогостоящих ремонтов. Поэтому применение методов и средств диагностирования позволяет осуществить оценку технического состояния основных узлов ТС и обеспечить его эксплуатацию более эффективной и результативной.

Ведущий мост ТС является одним из наиболее ответственных агрегатов, обеспечивающий переход мощности на колеса и воспринимающим основные нагрузки со стороны рельефа.

Применение традиционных методов диагностики оказывается недостаточным при учете

динамических взаимодействий и наличии дефектов в ответственных узлах и деталях ТС. В ряде работ показано, что основной проблемой при диагностики технического состояния оборудования является случайный характер процессов износа и разрушения деталей, узлов и агрегатов при эксплуатации. Однако, хаотические нагрузки и изменения в деталях ТС не могут быть эффективно идентифицированы традиционными методами, т.к. уровень неопределенности технического состояния системы в процессе эксплуатации довольно высок.

При разработке систем диагностики ответственных узлов ТС применение подходов нейросетевого моделирования в совокупности с подходами нелинейной динамики и фрактального анализа является наиболее перспективными. Использование подходов нелинейной динамики дают возможность проведения количественной оценки технического состояния систем ТС и оценивать их устойчивость при высоких нагрузках. Подходы нейросетевого моделирования и искусственного интеллекта позволяют устанавливать связь между особенностями эксплуатационных и диагностических параметров ТС, в режиме реального времени учитывать большое количество поступающей информации, а также оценивать текущее техническое состояние агрегата и корректировать режимы его эксплуатации.

В этой связи, исследования, направленные на оценку технического состояния ведущего моста ТС на основе анализа виброакустического сигнала (ВАЭ) критериями нелинейной динамики и нейросетевого моделирования, являются актуальной проблемой в машиностроении.

Степень разработанности темы.

Большой вклад в оценке надежности и технической диагностики технических объектов внесли российские ученые Болотин В.В., Баженов Ю.В., Баженов М.Ю., Балицкий Ф.Я., Соколова А.Г., Баркова Н.А., Беляков В.В., Виноградов С.М., Гаранин И.В., Леонтьев М.К., Шабаев В.М., Бурау Н.И., Марчук П.И., Тяпченко А.Н., Генкин М.Д. и др. Анализ работ показал, что для повышения надежности деталей машин необходимо рассматривать процессы деформирования, изнашивания, накопления повреждений и разрушения при переменных нагрузках, температурах и других внешних воздействиях. Причиной отказов являются неконтролируемые в условиях эксплуатации изменения физико-механических свойств материалов, накоплении в деталях усталостных повреждений или следствием действия недопустимых нагрузок, температур и т.д. Для оценки показателей безотказности и долговечности объекта в целом недостаточно знать только показатели отдельных элементов. Предлагается рассматривать поведение объекта как результат его взаимодействия с окружающей средой.

Большой вклад в развитие виброакустической диагностики применительно к транспортным средствам (ТС) и их агрегатам был сделан В.Е. Тольским. Лелиовским К.Я. продемонстрирована виброакустическая диагностика коробок передач колесных машин. В

работах В.Д. Мигаля [133, 134] показана методика виброакустического диагностики ведущих мостов автомобилей КрАЗ, который является составной частью комплексного анализа технического состояния агрегатов автомобиля, позволяющей делать прогноз появления и развития дефектов, а также возникновения отказов в агрегатах при эксплуатации.

Подходы нелинейной динамики к анализу устойчивости динамических систем изложены в работах Ляпунова А.А., Андронова А.А., Ланды П.С., Малинецкого Г.Г. и др. Подходы нелинейной динамики и теории динамических систем к технологическим системам исследованы в работах Кабалдина Ю.Г., Бржозовского Б.М., Янкина И.Н., Мартынова В.В. и др. В работах показано использование количественных характеристик для описания устойчивости динамических систем.

Одним из важнейших условий поддержания на высоком уровне эффективности и надежности ТС является своевременное обнаружение и предупреждение на ранней стадии отказов и неисправностей. Ведущий мост ТС является важным агрегатом трансмиссии при передаче крутящего момента от двигателя к колесам. От его надежного функционирования зависит выполнение задач ТС. В связи с этим, к оценке технического состояния данного агрегата необходимо предъявлять повышенные требования, дающие четкое представление о текущем техническом состоянии ведущего моста и возможность прогнозирования наступления отказа данного агрегата трансмиссии.

Этому способствует внедрение современных методов и средств диагностирования. Одним из современных подходов в области управления сложными динамическими системами, являются подходы искусственного интеллекта (ИИ), в частности аппарат искусственных нейронных сетей (ИНС). Для прогнозирования и контроля состояния сложных систем в режиме реального времени современной тенденцией является применение цифровых двойников (ЦД). Первое применение и описание цифровых двойников было сформулировано в работах М.Гривза.

В России применение ЦД активно происходит в нефтегазовой и нефтехимической промышленности, авиационной промышленности, транспортной отрасли, станкостроении. За рубежом их применение успешно продемонстрировали фирмы ANSYS, РТС, National Instruments, Hewlett-Packard Enterprise и др.

Стоит отметить, что не было выявлено исследований в области диагностики трансмиссионных агрегатов ТС в направлении построения ЦД, хотя они вполне могут быть применены для проведения их комплексной оценки технического состояния ответственных узлов и деталей агрегата трансмиссии ТС.

На основе проведенного литературного обзора поставлена цель и задачи исследования.

Объект исследования. Ведущий мост транспортного средства.

Предмет исследования. Информационные свойства и диагностические признаки технического состояния, процесса деформации и разрушения металлов деталей ведущего моста ТС.

Целью работы является разработка интеллектуальной системы диагностирования для повышения эффективности оценки технического состояния ведущего моста ТС, основанной на использовании средств численного и нейросетевого моделирования с применением критериев нелинейной динамики.

Задачи работы.

Для достижения поставленной цели потребовалось решение следующих задач:

1. Предложить характеристические критерии и экспериментально обосновать их применение для оценки технического состояния ведущего моста ТС.

2. Исследовать процесс разрушения материалов (сталь 20, сталь 45) деталей ТС при различных видах нагружения (растяжении и усталостных нагрузках) в широком диапазоне температур с использованием анализа сигналов АЭ.

3. Разработать цифровой двойник агрегата ТС на основе расчетов напряженно-деформированного состояния и нейросетевого моделирования, учитывающий эксплуатационные данные и техническое состояние ведущего моста ТС.

4. Разработать систему интеллектуальной диагностики для оценки технического состояния ведущего моста ТС с использованием цифрового двойника.

Методы исследования.

Методологической основой исследования являются основные положения нелинейной динамики, теории надежности технических систем, нейронных сетей, фрактального анализа. Для решения поставленных задач применялись методы схемотехнического и имитационного моделирования, теории автоматического управления, планирования эксперимента, принятия решений. Теоретические исследования, приведенные в диссертации, базируются на основах цифровой обработки сигналов, математическом анализе, классической механики, численных методов моделирования и математической статистики.

Положения, выносимые на защиту:

1. Методика построения цифрового двойника ведущего моста транспортного средства с применением нейросетевого моделирования.

2. Способ обработки классификации и идентификации сигнала АЭ, ВАЭ на основе использования критериев нелинейной динамики и нейросетевого моделирования.

3. Результаты исследования процесса разрушения металлов (сталь 20, сталь 45) деталей ТС при пластическом и упругопластическом циклическом деформировании на основе

сигнала АЭ.

4. Цифровой двойник ведущего моста ТС, на основе численной модели его напряженно-деформированного состояния, учитывающий марку применяемых материалов деталей и условий эксплуатации.

5. Система интеллектуальной диагностики для оценки технического состояния ведущего моста ТС с использованием цифрового двойника.

Личный вклад автора.

Все выносимые на защиту результаты и положения разработаны и получены лично автором. Автор принимал участие в проектировании и изготовлении системы интеллектуальной диагностики, в программной и аппаратной реализации разработанных и используемых алгоритмов, подготовке и проведении экспериментальных исследований, анализе экспериментальных данных.

Соответствие диссертации научной специальности.

Диссертация соответствует специальности 01.02.06 - «Динамика, прочность машин, приборов и аппаратуры» согласно следующим пунктам паспорта специальности:

П.4. Теория линейных и нелинейных колебаний;

П.8. Методы и техника экспериментального исследования динамики и прочности машин, приборов, конструкций и материалов;

П.9. Математическое моделирование поведения технических объектов и их несущих элементов при статических, динамических, тепловых, коррозионных и других воздействиях.

Научная новизна работы состоит в следующем:

1. Для оценки технического состояния ведущего моста ТС были впервые использованы критерии нелинейной динамики, основанные на количественных характеристиках динамической системы. Показана возможность использования энтропии сигнала ВАЭ, фрактальной размерности и старшего показателя Ляпунова в качестве критериев оценки технического состояния ведущего моста ТС. Экспериментально обосновано их применение для повышения эффективности оценки технического состояния ведущего моста ТС.

2. Исследован процесс разрушения металлов деталей ТС при пластическом и упругопластическом циклическом деформировании на основе сигнала АЭ. Установлена связь между интенсивностью развития микротрещин и ростом фрактальной размерности аттрактора сигнала АЭ.

3. Впервые разработан цифровой двойник ведущего моста ТС, на основе численной модели его напряженно-деформированного состояния, учитывающий марку применяемых материалов деталей и условий эксплуатации, позволяющий оценить текущее состояние ведущего моста ТС и корректировать силовые и динамические нагрузки с целью повышения их

надежности при эксплуатации.

4. Предложена, не имеющих аналогов, система интеллектуальной диагностики для оценки технического состояния ведущего моста ТС с использованием цифрового двойника. Предлагаемая система обеспечивает возможность прогнозирования отказов и корректировки режимов работы ТС.

Обоснованность и достоверность результатов диссертационной работы обеспечены строгостью используемого в работе математического аппарата, применением теоретически обоснованного современного расчетного метода - метода конечных элементов, а также сравнительным анализом результатов, полученных в ходе данной работы, с теоретическими и экспериментальными данными, результатами, приведенными в публикациях других авторов.

Практическая значимость.

Основные результаты диссертационного исследования, имеющие практическую значимость, заключаются в следующем:

-Предложенные характеристические параметры для оценки технического состояния позволяют геометрически изобразить ход процесса, состояние системы и ее организованность.

-Разработанный способ классификации и идентификации виброакустического сигнала может быть использован для выявления предельного значения работоспособности деталей и технических объектов в режиме реального времени.

-Разработанная система интеллектуальной диагностики позволит уменьшить трудоемкость процесса диагностирования и снизить затраты на диагностику и ремонтные работы.

-Разработанный цифровой двойник ведущего моста ТС позволяет оценивать техническое состояние, обеспечивает возможность прогнозирования отказов, выявляет неэффективную работу агрегата. Разработанные подходы могут быть применены для создания цифровых двойников технических объектов, что позволит управлять полным жизненным циклом изделий.

Сведения о внедрении результатов. Практические результаты, полученные в ходе выполнения диссертационной работы, приняты к внедрению в объединенном инженерном центре «Группы ГАЗ», а также используются в учебном процессе в Нижегородском государственном техническом университете им. Р.Е. Алексеева.

Результаты работы использованы в госбюджетной НИР (Отчет по НИР), выполненной в рамках гранта РНФ 15-19-00235: «Разработка программного и аппаратного обеспечения для системы интеллектуальной диагностики состояния транспортных средств и конструкций в условиях Арктики при удаленном доступе».

Результаты работы, описанные в Главе 2 и в разделе 5.1 Главы 5 получены в рамках выполнения научно-исследовательской работы по теме "Разработка научно-технических решений в области создания перспективной линейки электроплатформ для коммерческих

автомобилей с автономными источниками энергии, адаптированных для применения систем беспилотного управления", при финансовой поддержке Минобрнауки России (соглашение 14.577.21.0268 от 26.09.2017, уникальный идентификатор проекта RFMEFI57717X0268).

Апробация полученных результатов.

Основные положения диссертации представлялись и докладывались на следующих научных конференциях:

-«ВУЗ-ПРОМЭКСПО» по тематике гранта РНФ 15-19-00235, г. Москва (14.12.2017).

-VII Международная конференция «Деформация и разрушение материалов и наноматериалов», г. Москва (7-10 ноября 2017 г).

-XVIII Международная научно-практическая конференция «Проблемы и перспективы современной науки», г. Москва (31.08.2017).

-102-я международная научно-техническая конференция Ассоциации автомобильных инженеров «Интеллектуальные системы помощи водителю: разработка, исследование, сертификация», г. Нижний Новгород (19.04.2018).

-108-я международная научно-техническая конференция Ассоциации автомобильных инженеров «Интеллектуальные системы автомобиля: разработка, исследование, сертификация», г. Нижний Новгород (26.09.2019).

Публикация результатов.

Материалы диссертации опубликованы в 16 научных работах. В журналах, рецензируемых базой данных SCOPUS, опубликовано 3 статьи, опубликовано 3 коллективных монографии. Получен 1 патент на изобретение, 1 патент на полезную модель, 2 свидетельства о государственной регистрации программы для ЭВМ.

Структура и объем работы.

Диссертация состоит из введения, пяти глав, заключения, списка использованной литературы из 209 наименований, а также приложений. Общий объём работы 200 страниц текста, содержащего 84 рисунков и 27таблиц.

Во введении дана общая характеристика работы, обоснована актуальность исследования, его объект и предмет, сформулирована цель исследования и поставлены задачи для ее достижения.

В первой главе сформулированы основные проблемы оценки технического состояния узлов и агрегатов ТС. Рассмотрены и проведена оценка современных методов и аппаратного обеспечения диагностики технических объектов. Проведен анализ факторов, влияющих на формирование виброакустического сигнала ведущих мостов ТС.

Во второй главе описаны применяемые стенды, методики вибрационного и динамического анализа, методика построения цифрового двойника, а также изложены алгоритмы фильтрации и обработки виброакустических сигналов, нелинейной динамики и

нейросетевого моделирования, расчета фрактальной размерности аттрактора, информационной энтропии и старшего показателя Ляпунова.

В третьей главе представлен порядок проведения экспериментов. Проведено динамическое моделирование деталей и узлов ведущего моста ТС при различных схемах нагружения. Показаны результаты влияния режимов работы ведущего моста ТС на оценку технического состояния деталей и узлов. Проведена оценка технического состояния агрегата ТС на основе использования нейросетевого моделирования.

В четвертой главе представлен анализ исследований структурных изменений в металлических материалах (сталь 20, сталь 45) деталей ТС при различных видах нагружения (растяжении и усталостных нагрузках) в диапазоне температур с использованием анализа сигналов АЭ. Приведен анализ механизмов разрушения металлов деталей ТС.

В пятой главе представлена разработанная система интеллектуальной диагностики оценки технического состояния агрегата ТС с использованием подходов нелинейной динамики и нейросетевого моделирования. Приведен анализ экономического эффекта от внедрения разрабатываемой системы. Приведены результаты апробации работы разработанной системы интеллектуальной диагностики.

В приложении приведены методические рекомендации к организации экспериментальных исследований, блок-схема экспериментальной установки, дана методика проведения эксперимента и показаны результаты экспериментальных исследований.

В заключении изложены основные научные выводы и практические рекомендации диссертационной работы.

ГЛАВА 1. ЛИТЕРАТУРНЫЙ ОБЗОР ПО МЕТОДАМ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ОТВЕТСТВЕННЫХ УЗЛОВ И ДЕТАЛЕЙ ТРАНСПОРТНЫХ

СРЕДСТВ

1.1 Обзор методов диагностики технических объектов

В данной главе сформулированы основные проблемы оценки технического состояния узлов и агрегатов ТС. Проведена оценка и сравнительный анализ современных методов и аппаратного обеспечения диагностики технических объектов. Приведена краткая характеристика с областями применения, а также проведен анализ факторов, влияющих на формирование виброакустического сигнала ведущих мостов ТС.

Оптимальный метод для обработки виброакустического сигнала для диагностических целей определяется характером сигнала. Полезную составляющую можно выделить по характерным особенностям анализируемого сигнала, также детально изучив каждую из них [33].

Выбор метода для анализа сигнала прежде всего зависит от нескольких факторов: от типа диагностируемого технического объекта (агрегата) и необходимостью анализа возникающих дефектов. Обнаружение дефектов на стадии их зарождения является основной задачей технической диагностики, что требует использования современных методов диагностики, позволяющих анализировать структуру сигнала. В работе [178] было показано, что основные традиционные методы диагностики развития дефектов основаны на зависимости роста амплитуды и числа кратковременных импульсов сигнала вибрации исследуемого объекта.

Не смотря на большую исследовательскую базу в данной области, существует необходимость совершенствования методов обработки и выявления информативных параметров виброакустического сигнала для реализации в различных сферах эксплуатации технических объектов.

Работы С.В. Ленькова [102, 103], В.А. Смирнова и А.Т. Осяева [131] посвящены внедрению диагностических комплексов в систему обслуживания и ремонта тягового подвижного состава, а также изучению задач оптимизации использования вибродиагностики для обеспечения жизненного цикла тягового подвижного состава.

С.М. Виноградов, И.В. Гаранин, М.К. Леонтьев, О.Ю. Потапова и В.М. Шабаев, [127, 172, 173] изучали возможности использования методов виброакустической диагностики для контроля технического состояния газоперекачивающих агрегатов. Авторами был разработан испытательный стенд диагностики, оснащенный системой вибрационного, параметрического контроля и автоматической системой управления.

Разработке систем виброакустического контроля состояния рабочих колес

газотурбинных двигателей с целью выявления прочностных повреждений и дефектов на стадии их формирования и начального развития были посвящены труды Н.И. Бурау, П.И. Марчука, А.Н. Тяпченко [49].

Большой вклад в развитие отечественной школы виброакустической диагностики внес научный коллектив под руководством Ф.Я. Балицкого и А.Г. Соколовой [26-29]. Они исследовали возможности использования вибродиагностики зарождающихся дефектов в подшипниковых узлах и зубчатых передачах.

В научные труды М.Д. Генкина и А.Г. Соколовой [57-59, 158] затрагивали вопросы мониторинга технического состояния механического оборудования и разработки систем виброакустического диагностирования.

В работе Н.А. Барковой [35-37] были изучены аппаратно-программное обеспечение виброакустической диагностики к подшипниковым узлам.

Большой вклад в развитие виброакустической диагностики применительно к транспортным средствам (ТС) и их агрегатам был сделан В.Е. Тольским [163]. В своих работах он привел показатели, определяющие виброакустические признаки ТС, были проанализированы влияние агрегатов ТС и их систем на образование шума, а также приведены результаты исследований по улучшению виброакустических показателей.

Совместно с ОАО «ГАЗ» фирмой «ИНОТЕКС» (г. Нижний Новгород) разработана методика и ПО для вибродиагностики дефектов зубчатых передач ведущих мостов автомобилей ГАЗ. [153]

К.Я. Лелиовским продемонстрирована виброакустическая диагностика коробок передач колесных машин [101].

Костенко В.И. в диссертационной работе показал разработку компьютерной системы, методики экспресс-диагностики силовых механических агрегатов на примере ведущего моста ГАЗ 3110 и виброакустической паспортизации объектов [92].

В работах В.Д. Мигаля [118, 119] показана методика виброакустического диагностики ведущих мостов автомобилей КрАЗ, который является составной частью комплексного анализа технического состояния агрегатов автомобиля, позволяющей делать прогноз появления и развития дефектов, а также возникновения отказов в агрегатах при эксплуатации.

С помощью виброакустической диагностики дефектов узлов и агрегатов необходимо выявить информативные составляющие сигнала вибрации. Задача технической диагностики состоит в нахождении зависимостей между информативными параметрами виброакустического сигнала и техническими состояниями объекта диагностики.

Виброакустический сигнал агрегатов включает как полезные, так и шумовые составляющие различного происхождения. Поэтому в процессе диагностирования

необходимо разделить сигнал вибрации на компонентные составляющие.

Для анализа виброакустического сигнала применяют статистические и детерминированные методы анализа.

Важным критерием оценки технического состояния объекта можно охарактеризовать скорость принятия решений по результатам диагностирования. Рассмотренные ниже методы направлены на обнаружение конкретных дефектов, влияющих на сигнал вибрации. Чтобы расширить зону поиска неисправностей применяют комбинированные методы анализа сигналов вибрации.

Список литературы диссертационного исследования кандидат наук Желонкин Максим Викторович, 2020 год

Источники питания

Индикатор

Частоты оборотов

Регулятор

Нагрузки

I Переключатель

1 скоростей

ПК с программным обеспечением

Термодатчик

Тормозные колодки

Крепление моста

б

Рисунок 2.2 - Стенд диагностики ответственных узлов и агрегатов (а) и его схема (б)

а

Стенд диагностики ответственных узлов и агрегатов ТС состоит из: приводного, измерительного и нагружающих блоков. Приводной блок приводит в движение объект исследования (ведущий мост ТС). Основные составные элементы представлены на рисунке 2.3: электродвигатель, источники питания, акселерометр. С помощью измерительного блока измеряют значения виброакустических характеристик, выводятся значения скорости вращения, тормозного усилия, температуры масла в картере редуктора. Измерительная часть состоит из: датчиков ВАЭ, термодатчиков, индикатора числа оборотов, индикатора тормозного усилия, ПК с специализированным программным обеспечением. Нагрузочный

блок стенда состоит из штатных дисковые тормозных механизмов, используемые в ТС. Состоит из: главного тормозного цилиндра, суппортов, устройства, позволяющего тарировать тормозные усилия и соединительных магистралей.

1- маятник; 2- электродвигатель; 3- редуктор; 4- подшипник полуоси; 5- крышка подшипника; 6-тормозной диск; 7- полуось; 8- корпус редуктора; 9- картер ведущего моста

Рисунок 2.3 - Конструкция ведущего моста ТС

На рисунке 2.4 показан составные части межколесного симметричного конического дифференциала.

1, 8 — чашки дифференциала; 2, 7 — опорные шайбы полу осевых зубчатых колес;

3, 6 — полу осевые зубчатые колеса; 4 — опорная шайба сателлита; 5 — сателлиты;

9 — крестовина

Рисунок 2.4 - Межколесный симметричный конический дифференциал

2.1.2 Стенды для исследования процесса разрушения материалов деталей ТС при различных видах нагружений

Было использовано несколько экземпляров испытательных камер (стендов), предназначенных для исследования процессов разрушения металлических материалов при различных температурных и механических воздействиях.

Испытательные камеры позволяют проводить оценку характеристик исследуемых материалов:

- усилие (напряжение), необходимое для разрушения материала, образования трещины и ряд других параметров;

- оценку усталостных свойств металла при разных температурах.

2.1.2.1. Стенд для охлаждения образцов при испытании на растяжение при пониженных температурах.

Для определения влияния температур и силовых воздействий на процесс разрушения материала проводились испытания на растяжения.

В процессе растяжения использовался стенд для охлаждения образцов при испытании

на растяжение при пониженных температурах.

Стенд для охлаждения образцов при испытании на растяжение показан на рисунке 2.8.

1- исследуемый образец; 2, 3, 19, 20- зажимы; 4- камера; 5- датчики температуры; 6-крышка; 7-датчик АЭ; 8-ЭВМ; 9- тензодатчик (силоизмеритель); 10- измеритель перемещений; 11- блок установления рабочей температуры; 12, 13- клапаны; 14-устройство для подачи жидкого азота; 15 - устройство для подачи основной жидкости; 16-

отверстие с пробкой; 17, 18- стержни

Рисунок 2.8 - Схема (а) и фотографии (б, в) стенда для охлаждения образцов при испытании растяжение и обработки сигналов с датчиков на ЭВМ

Принцип работы устройства следующий: образец 1 закрепляется за счет зажимных устройств произвольного исполнения, отвечающих требованию быстросъёмности образца, к верхнему 2 и нижнему 3 зажимам. После чего нижний зажим, имеющий резьбовую поверхность, вставляется в отверстие в камере 4 и фиксируется гайкой, причем для герметизации соединения и исключения протечек жидкости дополнительно используются две прокладки с внутренней и внешней стороны камеры. На образце дополнительно устанавливаются датчики температуры 5 с двух сторон от концентратора на образце. Камера для уменьшения потерь холода закрывается крышкой 6 с отверстием для вывода проводов от датчиков температуры. Датчик АЭ 7 устанавливается в верхней части образца за пределами камеры, чтобы избежать воздействия паров азота на датчик и его переохлаждения. Далее в процессе испытания на блок преобразования сигнала и обработки на ЭВМ приходят сигналы с датчиков АЭ, температуры, с тензодатчиков 9 и измерителя перемещений 10. При этом силоизмеритель и измеритель перемещений чаще всего уже встроены в испытательную машину. С использованием показаний с данных датчиков строиться в автоматическом режиме диаграмма разрушения и зависимость сигнала АЭ, либо его параметров. Для обеспечения автоматизированного установления рабочей температуры испытания сигнал с датчиков температуры дополнительно обрабатывается блоком установления рабочей температуры на ЭВМ 11, который по результатам обработки подает сигнал на клапана 12 и 13, для их закрытия или открытия, соединенные с устройством для подачи жидкого азота 14 и устройством для подачи основной жидкости 15 соответственно. От клапанов идут заливные трубки в камеру для охлаждения. Рабочая температура устанавливается за счет пропорционального соотношения основной жидкости и жидкого азота блоком 11. Дополнительно, для слива рабочей жидкости после испытания, в нижней части камеры предусмотрено отверстие с пробкой 16. Для уменьшения отдачи холода на установку через зажимы 2 и 3, в них предусмотрены соединительные отверстия, в которые вставляться стержни 17 и 18, которые в свою очередь соединяются с зажимами установки 19 и 20.

Данный стенд решает задачи: уменьшение отвода холода на установку в процессе испытания, автоматизирует процесс установления рабочей температуры, а также позволяет в автоматическом режиме производить построение зависимостей процесса растяжения и параметров АЭ с использованием специализированного ПО. Это имеет важное значение для исследования процесса разрушения, при этом полученные данные в дальнейшем могут использоваться для диагностики конструкций и узлов транспортных средств, работающих в условиях пониженных температур.

Схема подключения датчиков (АЭ, температуры, тензометрического датчика) и

регистрации сигналов с них приведена на рисунке 2.9. Также на рисунке схематично изображена криокамера для охлаждения образца, описание работы которой приведено выше.

Рисунок 2.9 - Схема подключения и регистрации сигналов с датчиков

Для проведения испытаний на растяжение были изготовлены образцы по [3] из стали 45 и стали 20. Для этой цели, как показано на рисунке 2.8, был создан специализированный стенд на основе разрывной силовой машины Tinius Olsen, аппаратуры регистрации и обработки сигналов. Регистрация сигналов АЭ проводилась с помощью датчиков АЭ GT350 и АЦП c частотой дискретизации 2МГц. Расчет напряжений производился внутренним ПО машины с пересчетом на сечение образца. Регистрация температуры осуществлялась с использованием температурных датчиков Pt100. На машину устанавливалась специально разработанная криокамера с возможностью поддержания определенной температуры в диапазоне от -100 до комнатной. В криокамеру помещался опытный образец с установленными датчиком АЭ и тремя температурными датчиками для точной регистрации значений температуры. Нагружение образцов производилось с постоянной скоростью 10 мм/с до разрушения, 1/3 от разрушения и 2/3 от разрушения. В ходе испытаний регистрировались сигналы АЭ, температуры и напряжений. Для обработки сигналов использовалось разработанное ПО «Обработка сигналов АЭ» [79].

2.1.2.2 Стенд для охлаждения образцов при усталостных испытаниях на изгиб.

Для определения влияния вибрационных и циклически изменяющихся силовых воздействий, а также температуры на процесс образования трещин и разрушение материала, был использован стенд для охлаждения образцов при усталостных испытаниях

на изгиб.

Схема стенда для охлаждения образцов при усталостных испытаниях на изгиб показана на рисунке 2.10.

Устанобка для усталостных испытаний на изгид

Сигнал с

1- теплоизолированная камера; 2- клапана; 3- камера; 4-соединительное отверстие; 5-регулировочная заслонка; 6- образец; 7- механизм закрепления; 8- медный зажим; 9-хладопровод; 10- резистор; 11- блок контроля рабочей температуры; 12- источник постоянного тока; 13- датчик температуры; 14- датчик АЭ; 15- счетчик количества

циклов; 16- блок обработки сигнала

Рисунок 2.10 - Схема стенда для охлаждения образцов при усталостных испытаниях на

изгиб

Принцип работы устройства следующий: в теплоизолированную камеру 1 заливается в установленных пределах хладагент из сосуда Дьюара посредством регулируемого клапана 2. Эта камера связана с камерой 3, которая с целью уменьшения потерь холода изготовлена из материала с низким коэффициентом теплопроводности и дополнительной изоляцией. Соединительное отверстие 4 обеспечивает приток холодного воздуха от камеры 1 в камеру 3, при этом интенсивность потока холодного воздуха (паров азота) регулируется открытием/закрытием регулировочной заслонки 5. Образец 6 закрепляется с использованием механизма закрепления 7, который представляет из себя нижнюю регулируемую по высоте платформу с пазом, в который устанавливается медный зажим 8, выполняющий две функции: передачу холода от хладопровода 9 непосредственно на образец, а также закрепления образца в процессе испытания. С целью уменьшения потерь

холода медный зажим 9 заизолирован от механизма закрепления дополнительными вставками. Для регулирования рабочей температуры на медный зажим 8 установлен резистор 10, который нагревает зажим до определенной, постоянной в процессе охлаждения, температуры. Резистор 10 в свою очередь управляется через блок контроля рабочей температуры на ЭВМ 11 и связан с источником постоянного тока 12. Для оценки степени разрушения образца и контроля рабочей температуры в процессе испытания на образец устанавливают датчик температуры 13 и датчик АЭ 14, а на приводе установки для усталостных испытаний устанавливается счетчик количества циклов 15. Сигналы с датчиков поступают на блок обработки сигнала на ЭВМ 16 и обрабатываются специальным программным обеспечением. Кроме этого сигнал с датчика температуры поступает на блок 11 и после обработки подает сигнал на открытие/закрытие регулируемого клапана 2, в случае достижения охлаждаемой жидкостью датчиков уровня минимум (min) и максимум (max) и заслонки 5.

Таким образом, за счет применения двух поточного охлаждения удается снизить время на охлаждение образца и добиться более равномерного его охлаждения. Применения блоков 11 и 16 позволяет значительно снизить время на установление рабочей температуры, обеспечить ее контроль в процессе испытания, а также оценить степень разрушения образца с использованием сигнала с датчика АЭ и счетчика количества циклов нагружения образца.

Для проведения испытаний использовались образцы равнопрочного сечения.

Установка для усталостных испытаний с измерительным комплексом на базе которой разрабатывалась криокамера показана на рисунке 2.11.

Рисунок 2.11 - Установка для проведения усталостных испытаний с измерительным

комплексом

Принципиальная схема подключения датчиков (температуры, АЭ и тензометрического датчика) приведена на рисунке 2.12. На этом же рисунке схематично изображена криокамера для охлаждения образца, описание работы которой приведено выше.

Рисунок 2.12 - Схема подключения и регистрации сигналов с датчиков

Также для применения стенда для охлаждения образцов при усталостных испытаниях на изгиб была использована криокамера для усталостных испытаний при отрицательных температурах.

С использованием криокамеры и установки для усталостных испытаний проводили оценку усталостных свойств металла при разных температурах.

2.2 Методика построения цифрового двойника для оценки технического состояния ведущего моста транспортного средства

Применение ЦД ведущего моста, позволяет решить сложную задачу оценки технического состояния агрегата ТС во время эксплуатации: контроль и поддержание работоспособного (исправного) состояния его деталей и узлов, во время эксплуатации, а также прогнозирование состояния агрегата, для необходимого успешного выполнения задачи.

Из определения работ М. Гривза [195, 196] создаваемым ЦД (Digital twin instance, DTI) содержит информацию о настройках модели, управляющих параметрах, данных с датчиков и хронологические сведения агрегата. С помощью такого экземпляра осуществлялось прогнозирование состояния конкретных узлов и деталей.

ЦД ведущего моста ТС является динамическим и постоянно обновляемым данными реального физического агрегата. Информация с датчиков, данные эксплуатации непрерывно передается цифровому двойнику. Различные прогнозы и оценки, управляющие параметры также непрерывно передавались обратно из виртуального пространство в реальное.

Для создания ЦД ведущего моста использовалась многотельная динамическая модель с учетом взаимодействия деталей и узлов конструкций агрегата для прогнозирования и управления режимами работы агрегата. Также был использован прочностной анализ конструкции в связке с детальными микроскопическими моделями материалов ответственных узлов и деталей, на которые влияют усталость материалов, циклические нагрузки, изменения температуры.

Полученная модель непрерывно получала данные об оборотах двигателя, вибрации, температуры. Для создания системы интеллектуальной диагностики ведущего моста ТС потребовалось применение упрощенной модели (ROM - Reduced Order Model), которая обеспечивала быстрый отклик и результат. Недостаток упрощенных моделей заключается в ограниченном диапазоне применимости. Эта проблема была решена с помощью нейросетевого моделирования (НС) путём обучения на тестовой выборке с использованием данных датчиков физического агрегата. При выходе эксплуатационных условий работы за ранее проверенного диапазона проводилось обновление упрощённой модели проводилось

путем переобоучения НС.

Благодаря использованию упрощённой модели стало возможно встраивание в систему интеллектуальной диагностики ведущего моста ТС. Постоянное обновление и проверка полученной модели выполнялась на основе датчиков и передаваемых данных. Подходы нейросетевого моделирования помогли автоматизировано принимать решения об обновлении подсистем, датчиков и моделей, чтобы ЦД и физическое устройство было синхронизированными.

Методика создания ЦД ведущего моста ТС состоит из выполнения последовательных 5 этапов: создании численной математической модели; создании динамического паспорта агрегата; обучении нейросетевой модели; формировании расчетных моделей и полученных данных в ЦД агрегата; оценка и прогнозирование технического состояния с использованием человеко-машинного интерфейса (Human-machine interface-HMI).

Этап 1 - Создание численной математической модели.

Модель включает в себя прочностной анализ механического контакта деталей и узлов, анализ динамики многотельной системы агрегата в сборе и вибрационный анализ на основе данных об исследуемом агрегате (геометрические параметры, материалы, количество), режимах испытаний (диапазон температур, диапазон скоростных режимов, диапазон тормозных усилий), оборудование (тип датчиков, координаты расположения датчиков, параметры АЦП).

Для создания численной модели агрегата использовались расчеты напряженного-деформирования состояния узлов и деталей заднего моста и данные процесса разрушения материалов (сталь 20, сталь 45) деталей ТС при различных видах нагружения (ударном изгибе, растяжении и усталостных нагрузках) в широком диапазоне температур с использованием анализа сигналов ВАЭ. Анализ сигналов проводился с помощью разработанного способа обработки сигнала. [80]

Этап 2 - Создание динамического паспорта.

2.1 Режимы работы агрегата

На данном этапе происходит выявление оптимальных скоростных режимов работы, а также нагружение исследуемого агрегата путем изменения тормозных усилий с последующей регистрацией сигналов ВАЭ, в диапазоне температур.

2.2 Предварительная обработка сигналов.

На данном этапе полученные сигналы фильтруются и децимируются. Для анализа сигналов использовался метод спектра огибающей. Метод обладает высокой чувствительностью, информативностью и помехозащищенностью. Для анализа сигналов

используется полосовой цифровой фильтр с полосой пропускания 1 - 10 кГц. Полосовой фильтр убирает из сигнала определенный спектр частот, вследствие накладываемых ограничений используемой аппаратуры.

2.3 Расчет диагностических значений

На данном этапе происходит расчет диагностических значений на основе обработки сигналов ВАЭ, скоростных режимов, нагрузки торможения, температуры. Из сигнала ВАЭ выделяются импульсы и определяются их характеристики:

1. Временные характеристики (начало импульса, длительность импульса, период).

2. Спектральные характеристики (частоты сигналов, гармонические составляюшие, определение максимальной и средней амплитуды импульсов)

3. Расчет энергии импульсов.

4. Расчет информационной энтропии.

5. Расчет фрактальной размерности.

6. Расчет старшего показателя Ляпунова

Полученные характеристики сигналов записываются в БД оценки технического состояния в соответствующих ячейках.

Предварительная обработка сигнала и расчет диагностических показателей осуществляется с использованием специального разработанного в рамках данной работы ПО «Программа для обработки сигналов акустической эмиссии №2016663928». [79]

2.4 Сохранение данных

На этом этапе производится сохранение полученных диагностических показателей сигналов ВАЭ, скоростных режимов, нагрузки торможения, температуры в виде файлов Ссылка на сохраненные сигналы передается в БД агрегата и хранится в ячейках «диагностические параметры», «входные параметры» для последующей работы с ними.

Полученная информация дополняет численную математическую модель необходимую для создания ЦД.

Этап 3 - Обучение нейронных сетей

3.1 Обучение нейронной сети определения режимов работы

На данном этапе происходит обучение нейронной сети классификации режимов работы агрегата. Для классификации импульсов сигнала ВАЭ используется нейронная сеть Кохонена. На вход нейронной сети подается частота оборотов входного вала, значение сигналов энтропии, фрактальной размерности и старшего показателя Ляпунова, а на выходе имеется класс режима работы агрегата. Всего имеются 3 класса, характеризующих режим работы агрегата: переходный процесс, номинальный режим и предельный. Огибающие

импульсов сигналов ВАЭ выбираются из БД технического состояния. В реальных механизмах сигналы АЭ имеют сильное зашумление. Для повышение точности работы ИНС происходит, предварительное зашумление «чистых» импульсов сигнала АЭ шумами характерными для конкретного механизма, с целью их идентификации. Для этого подается чистый импульс сигнала ВАЭ на вход ИНС, на выходе указывается его класс, происходит обучение. Затем накладывается шум и сигнал снова подается на вход ИНС, класс при этом не меняется. Таким образом, сеть обучается распознаванию образов импульсов сигнала ВАЭ в условиях сильного зашумления.

3.2 Обучение нейронной сети определения нагрузки

На данном этапе происходит обучение ИНС определения уровня нагрузки. ИНС определения уровня нагрузки является многослойным персептроном прямого распространения и используется для задачи классификации входных воздействий, с целью определения уровня нагрузки на узлы и детали. Сеть является сверточной, использует метод глубокого обучения с использованием технологии параллельных вычислений, в качестве активационных функций использует логистичесую функцию и гиперболический тангенс. Такой подход позволил повысить точность работы и скорость работы нейронной сети. Прирост производительности при обучении составил порядка 10-12 раз по сравнению с классическими методами обучения.

ИНС имеет 2 входа (скоростной режим, тормозное усилие) и выходной нейрон, характеризующий уровень нагрузки на деталь. Обучение нейронной сети происходило за счет данных динамического анализа с использованием МКЭ. Значения сигналов выбираются из БД технического состояния. Нагрузке 100% соответствует эквивалентного напряжения в экспериментальном образце возникающие при достижении предела прочности.

3.3 Обучение нейронной сети оценки технического состояния

На данном этапе происходит обучение нейронной сети оценки технического состояния учитывающие режимы работы агрегата и уровень нагрузки на узел. Оценка технического состояния происходит на основе использования нейронной сети Кохонена с использованием бинарного классификатора. Для учета влияния дополнительных параметров эксплуатации агрегата используется нейронная сеть является многослойным персептроном прямого распространения и служит для задачи регрессионного анализа, с целью определения регрессионной зависимости между уровнем нагрузки на узел, режимами работы и структурными дефектами деталей и узлов. На вход нейронной сети подается значение уровня нагрузки на узел, класс режима работы, значение фрактальной размерности импульсов, значение энергии импульсов, значение информационной энтропии

импульсов, значение максимальной и средней амплитуды импульсов, значение скорости счета импульсов, длительность импульсов, значение суммарной энергии, значение суммарной энтропии. Данные значения берутся из БД технического состояния, полученные при испытании агрегата. На выходе ИНС указывается техническое состояние, определенное опытным путем.

Этап 4 - Создание ЦД ведущего моста ТС

На данном этапе происходит формирование данных для создания цифрового двойника. Данные полученные на этапе 2 и 3 формируются в программный аналог физического устройства, моделирующий внутренние процессы, технические характеристики и поведение реального объекта в условиях воздействий помех и окружающей среды. Информация входных воздействий поступает с датчиков ВАЭ, температуры, числа оборотов двигателя. Для проведения сравнения информации виртуальных датчиков цифрового двойника с датчиками реального устройства, выявления отклонений используется нейронная сеть моделируемого процесса эксплуатации агрегата.

Этап 5 - Оценка и прогнозирование технического состояния на основе использования цифрового двойника

4.1 Эксплуатация агрегата ТС

На данном этапе проходит эксплуатация ведущего моста ТС с использованием цифрового двойника. Устанавливаются датчики ВАЭ, параметры которых записываются координатами в программный комплекс.

4.2 Оценка технического состояния на основе динамического паспорта агрегата

На основе данных динамического паспорта агрегата, полученного на этапе 2, происходит сравнение параметров дефектных узлов и деталей с данными динамического паспорта. Классификация технического состояния агрегата ТС, на основании полученных отклонений AXd между значениями вектора измеренных параметров ведущего моста ТС и вектора данных цифрового двойника.

4.3 Прогнозирование технического состояния с текущими входными параметрами

На данном этапе определяется остаточный ресурс диагностируемого агрегата. Для этого используются уже обученные на этапе 2 нейронные сети. Сигналы ВАЭ, механических напряжений и температуры регистрируются с помощью соответствующих датчиков на деталях и узлах диагностируемого объекта. Полученные сигналы и их характеристики записываются в БД технического состояния, затем подаются на вход нейронной сети определения уровня нагрузки, нейронной сети классификации импульсов сигнала ВАЭ и ИНС оценки технического состояния. На выходе рассчитывается

информация об техническом состоянии агрегата при текущем режиме эксплуатации.

4.4 Стабилизация технического состояния путем корректировки скоростного режима работы.

Для повышения эффективности процесса эксплуатации необходимо стабилизировать техническое состояние агрегата, под которым понимают соответствие параметров машин нормам, установленным технической документацией.

Одним из направлений повышения надежности агрегата ТС, улучшения их динамических характеристик является использование на стадиях изготовления и эксплуатации методов и средств технической диагностики. При этом важнейшей является задача разработки новых методов обработки диагностической информации, приспособленных к целям получения диагностических параметров, т.е. количественных критериев, с помощью которых можно выявить неисправности в агрегате ТС и наметить пути повышения качества её функционирования и ремонта.

Система стабилизации предназначена для постоянного значения технического состояния агрегата путем корректировки скорости вращения двигателя. Объектом регулирования является двигатель постоянного тока, регулируемой величиной-скорость вращения его выходного вала. Требуемый закон изменения регулируемой величины зависит от особенностей управляемого объекта. Основные причины, отклоняющие скорость вращения двигателя от заданного значения, являются изменение момента нагрузки на валу, переход агрегата в неработоспособное состояние. Из-за наличия возмущений скорость вращения двигателя может отличаться от требуемой величины, и для поддержания равенства применяется ИНС принятия решений. Органом настройки стабилизации является потенциометр.

2.3 Алгоритм обработки виброакутических сигналов с использованием критериев нелинейной динамики и нейросетевого моделирования

Для исследования сигналов АЭ и ВАЭ с использованием критериев нелинейной динамики и нейросетевого моделирования было разработано ПО, позволяющее выявлять и классифицировать импульсы в сигнале, распознавать механизмы и структурного уровня деформации металлов при различных видах внешнем воздействии. ПО представляет собой несколько блоков, выполняющих необходимые задачи (рисунок 2.13).

Рисунок 2.13 - Принципиальная схема ПО выявления и классификация импульсов с использованием критериев нелинейной динамики и нейросетевого моделирования

Основной задачей разработанного программного обеспечения- классификация и распознование импульсов в сигнале АЭ, ВАЭ и расчет диагностических показателей. Для необходимой задачи по обработке сигнала выбирается полоса пропускания цифрового фильтра, с помощью Wavelet фильтра сигнал декомпозируются на полезную и шумовую составляющую, строится огибающая сигнала, детектируются импульсы с определением параметров времени зарождения импульса (Т), максимальной амплитуды (А), продолжительности (т), энергии (P), энтропии (Е) и фрактальной размерности (Df), старшего показателя Ляпунова (X). Дополнительно каждому импульсу строится аттрактор и Wavelet скалограмма, для более детального анализа. Полученные характеристики импульсов записываются в базу данных. Пример таблицы БД показан в приложении М.

Информация из полученной БД используется для обучения ИНС для задачи кластеризации. Обучение происходит без учителя с применением самоорганизующихся карт Кохонена (рисунок 2.13). Количество классов импульсов выбирается в зависимости от типа поставленной задачи. На вход нейронной сети подается входной вектор (xi...xm) диагностических показателей из БД.

Рисунок 2.14 - Архитектура нейронной сети кластеризации

Обучение ИНС схематично изображено на рисунке 2.19. В процессе обучения ИНС функционирует таким образом, чтобы схожие импульсы имели близкие значения весовых коэффициентов, тем самым формируя карту признаков. Импульсы с близкими признаками формируют классы, которые выдает на выходе ИНС в виде вектора (у1...уп).

Рисунок 2.19 - Обучение ИНС для задачи кластеризации

Для задачи распознавания сигнала АЭ сеть распознает импульсы, образованные в результате микропластической деформации материала и развития трещин. Полученные классы импульсов характеризуют определенные физико-механические процессы протекающие в ходе разрушения материала. Об интенсивности или об уровне происходящих физико-механических процессов можно судить по параметрам конкретных импульсов. При различных видах нагружения, перед процессом окончательного разрушения, могут доминировать различные классы импульсов, что можно использовать в качестве диагностирующего параметра.

Для задачи распознавания сигнала ВАЭ и оценки технического состояния ведущего моста ПО было модернизировано с применением блока сравнения диагностических параметров из динамического паспорта агрегата, бинарного классификатора выходные вектора(у1.. .уп) которого отражают результаты диагноза и выходного блока отражающего класс технического состояния: исправное, неисправное (работоспособное), ограниченно-работоспособное, неработоспособное, предельное (отказ).

2.3.1 Реконструкция фазового портрета динамической системы и расчет его фрактальной размерности по виброакустическому сигналу

Реконструкция фазового портрета по временному ряду сигнала ВАЭ производилась на основе положений теоремы Такенса. Теорема Такенса утверждает, что если фазовая траектория п - мерной динамической системы лежит на аттракторе А,

принадлежащему некоторому й - мерному многообразию, тогда по одномерной проекции

а(£) этой траектории методом задержки можно получить т - мерную реконструкцию Ак исходного аттрактора А, как множество векторов г(1) в при т > d + 1:

2(0 = Ат(х(0) = (а(0, а(г + т), ...,а(г + (т - 1)т)} (2.1)

где Ат - гладкое отображение обратимое для любого Ак; т - временная задержка.

При использовании численных методов, значение переменной а(€) представляется в виде дискретного ряда а(1М€), поэтому реконструируемое множество также является дискретным г(1М). В таком случае временная задержка будет иметь вид:

т = кМ, (2.2)

где к - любое целое число.

Таким образом, для практической реализации уравнение (2.1) может быть записано в следующем виде:

^ = Ат(г1) = [а^щ+к, ..,а1+(т-1)к]. (2.3)

Задача реконструкции аттрактора по временному ряду сводится к определению значений временной задержки т и размерности пространства вложения т, а также к формированию массива векторов г^. Условием является большое количество используемых отсчетов К, чтобы можно было в полной мере судить о динамике системы по её реконструированному аттрактору. Оптимальное значение временной задержки т определялось по времени первого достижения нуля автокорреляционной функции дискретного ряда а(£) сигнала ВАЭ:

К(т) = Е{а(г)а*(г - т)}, (2.4)

где Е - математическое ожидание; * - комплексное сопряжение;

Число независимых координат, определяющих динамику системы заранее не известно, а значит, неизвестна и размерность фазового пространства. Минимальная гарантированная размерность вложения аттрактора т определяется по формуле:

т > d + 1

(2.5)

где d - фрактальная размерность аттрактора;

В данной работе в качестве фрактальной размерности аттрактора принималась корреляционная размерность Di. Определение корреляционной размерности D2 осуществляется по зависимости:

D2 = lim lim Iü£í££). (2.6)

e^mN^m lne

где C(e,N) = N-2%i±j6(e— \z¡— zj| - корреляционный интеграл; e - размер ячейки разбиения фазового пространства; N - число точек массива векторов z; в - функция Хевисайда.

В экспериментальных исследованиях число точек N всегда конечно, поэтому

ln C(e,N)

отношение ——— рассматривается при не слишком малых значениях е.

Как отмечалось ранее, изначально размерность вложения аттрактора системы неизвестна, поэтому расчет фрактальной размерности D2 осуществляется для размерности вложения m=1 с последующим увеличением на единицу. При увеличении размерности вложения, в случае если система имеет конечное число степеней свободы, будет наблюдаться насыщение функции Di(e).

Фактическое значение фрактальной размерности аттрактора определяется как среднее значение линейного участка функции насыщения Di(e) при различных значениях m.

Алгоритм расчета фрактальной размерности представлен в приложении А.

2.3.2 Расчет информационной энтропии и старшего показателя Ляпунова по сигналу ВАЭ

Оценка неопределенности динамической системы, производилась на основе расчета информационной энтропии сигнала ВАЭ по следующей зависимости:

Н =-l?PilogPi, (2.7)

гдеpi - показатель характеризующий вероятность, с которой встречается конкретное значение в выборке, состоящей из N элементов.

Изначально определялась величина квантования е дискретного временного ряда x(iAt) сигнала ВАЭ по следующей зависимости:

Хт ах Хгп ¡п / О О \

' (28)

N

Е

где Хшах - максимальное значение ряда Хтт - минимальное значение ряда

х(1№) ; N - количество разбиений.

Затем производился подсчет количества значений п\ ряда х(\.ЬХ) попавших в конкретный диапазон разбиений N и определялось распределение вероятностей:

В итоге формула расчета информационной энтропии сигнала ВАЭ имеет вид:

Н = (2.10)

Из формулы 2.20 видно, что информационная энтропия Н зависит от количества измерений х(^) и количества разбиений N.

Как правило, число разбиений N зависти от погрешности измерительной аппаратуры и вычисляется по зависимости:

1

N= - (2.11)

иТ

где 8Х - погрешность измерений аппаратуры.

Алгоритм расчета информационной энтропии представлен в приложении Б.

Оценка степени устойчивости фазовых траекторий реконструированного аттрактора производилась на основе расчета старшего показателя Ляпунова. Для этого, случайным образом выбирались две близкие точки уо и 2о на соседних фазовых траекториях в момент времени ^ и определялось расстояние между ними е = — у0|| (рисунок 2.20). Затем, точки _уо и 2о совершали движение по своим фазовым траекториям и фиксировался период времени 7}, за который они удалились на расстояние £тах. Данная процедура повторялась несколько раз для различных точек аттрактора в моменты времени и. На основе полученных данных, рассчитывалась средняя скорость разбегания соседних фазовых траекторий по формуле:

л = 1Кк=°^1аХ/Ек\ (2.12)

где К - число рассматриваемых соседних точек.

y(t0)

Рисунок 2.20 - Пример определение старшего показателя Ляпунова для фазовой

траектории y(t)

Если, при анализе аттрактора соседние фазовые траектории не удалялись на расстояние £тах, то система считается устойчивым. Алгоритм расчета старшего показателя Ляпунова представлен в приложении В.

Выводы:

1.Разработан экспериментальный стенд, позволяющий проводить оценку технического состояния ведущего моста ТС на основе регистрируемого сигнала ВАЭ.

2.Разработано программное обеспечение, состоящее из специально разработанных алгоритмов реконструкции аттрактора динамической системы агрегата ТС, расчета фрактальной размерности, информационной энтропии и старшего показателя Ляпунова. Для фильтрации регистрируемого сигнала ВАЭ, в разработанном ПО, используются полосовые и Wavelet фильтры.

3. Разработана методика создания ЦД на основе использования многотельной динамической модели с учетом взаимодействия деталей и узлов конструкций агрегата для прогнозирования и управления режимами работы агрегата, а также прочностного анализа конструкции в связке с детальными микроскопическими моделями материалов ответственных узлов и деталей, на которые влияют усталость материалов, циклические нагрузки, изменения температуры позволяет оценить текущее состояние ведущего моста ТС и корректировать силовые и динамические нагрузки с целью повышения их надежности при эксплуатации.

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ДИНАМИЧЕСКОЙ

СИСТЕМЫ ВЕДУЩЕГО МОСТА ТС

3.1 Порядок проведения экспериментов

Для выявления влияния оптимальных режимов работы агрегата ТС, выявления показателя уровня нагрузки на узел, оценки технического состояния деталей и узлов, а также создания информационной модели для создания ЦД ТС была проведена серия экспериментальных исследований включающая точное моделирование и анализ движения деталей и узлов в агрегате с учетом воздействия элементов исследования движения (включая силы, пружины, демпферы и трение). При моделировании рассчитываются нагрузки, которые использованы для определения схем нагружения в структурном анализе.

Был смоделирован контакт компонентов при изучении сил и напряжений зубчатых передач и подшипников качения, когда компоненты сталкиваются, катятся или скользят. Также был использован контакт для ограничения соприкосновения частей в процессе анализа движения.

При моделировании в расчет были приняты силы трения посредством свойств материала компонента при определении контакта компонентов. Также были заданы динамические силы трения и свойства упругости. Сила трения рассчитывалась на основе динамических коэффициентов трения и нормальной силы, действующей на деталь.

Комплекты данных расчетов были получены путем численного моделирования методом конечных элементов (МКЭ) с выявлением напряженно-деформированного состояния (НДС) деталей и узлов при различных схемах нагружения.

Проводился анализ напряжений при разных режимах работы и разных динамических нагрузках.

Одной из главных задач исследования являлась определение диапазона частот вращения, в котором обеспечивается максимальная чувствительность определения дефекта. Для этого исследовались зависимости диагностических параметров от скоростных режимов работы агрегата ТС. При этом скоростной режим изменялся от 0 до 3300 об/мин ведущего вала, а режим оборотов контролировался приборами стенда.

Проводились исследования зависимости диагностических показателей на величину тормозящего момента от 0 до 100 Н-м. Скоростной режим был выбран из результатов текущего исследования и соответствовал 1200 об/мин.

Проводились исследования оценки технического состояния агрегата ТС на основе использования нейросетевого моделирования в зависимости от моделируемого технического состояния деталей и узлов ведущего моста на стенде. Скоростной режим

соответствовал 1200 об/мин ведущего вала, температура масла при этом составляла 30оС. С различными дефектами и степенью износа были подобраны зубчатые колеса и подшипники, а также были смоделированы дефекты сборки агрегата. В соответствии с матрицей планирования эксперимента дефектные детали и узлы устанавливались на стенд, затем проводилась классификация, расчет диагностических показателей и далее устанавливались следующая комбинация неисправных деталей.

Параметры, характеризующие процесс. В качестве диагностических показателей был использован вектор динамического состояния ведущего моста ТС:

XD = А, Щ, Е, X], (3.1)

где F - значения частот спектральных составляющих сигнала деталей F=[F/,...,Fб5]; А - амплитуда значений частот спектральных составляющих сигнала А=[А/,...,А65]; Df -фрактальная размерность аттрактора; Е - энтропия сигнала; X - старший показатель Ляпунова.

Вектор динамического состояния транспортного средства содержит количественные характеристики позволяющие оценить устойчивость, время предсказуемости, степень случайности, хаотичность поведения, размерность пространства и представлены в виде показателей Ляпунова, энтропии, фрактальной размерности аттрактора и спектральных характеристик системы.

Факторы, определяющие процесс. х1 - частота вращения ведущего вала, об/мин; х2 - нагрузка, прикладываемая к тормозным механизмам моста, Н/м; х3 - место установки анализирующей аппаратуры (акселерометра) на корпусе ведущего моста; х4 - температура масла в картере редуктора моста, °С.

Выбор изменяемых факторов. Для проведения экспериментов в опытах изменялись частота вращения, путем регулировки скорости двигателя и нагрузка торможения. Место установки датчиков и регистрирующей аппаратуры было решено устанавливать, руководствуясь общими рекомендациями по проведению вибродиагностики технических объектов [4] с учетом конструктивных особенностей агрегата (рисунок 3.1).

1- вместо болта крепления двигателя к редуктору; 2- вместо болта крепления редуктора к картеру ведущего моста; 3 - вместо болта крепления полуоси к картеру

ведущего моста

Рисунок 3.1 - Зоны установки вибродатчиков при диагностировании узлов ТС

Температура масла в картере моста на протяжении испытаний составляла: 30±5 °С.

Описание экспериментальной установки.

Подробное описание стенда для диагностики узлов и деталей агрегата ТС приведено во второй главе работы, ниже приведены только основные принципы используемой методики.

Источником виброакустического сигнала (ВАЭ) является механическое перемещение и взаимодействие деталей в кинематических парах. Параметры и характеристики ВАЭ, описанные выше, используются как диагностические признаки. При оценке технического состояния ведущего моста была используется связь между изменениями технического состояния узлов и деталей в процессе эксплуатации и диагностическими признаками (параметрами, характеризующие процесс). Появление и развитие дефектов определяется на эксплуатируемом объекте на основе анализа диагностических признаков наиболее чувствительных к изменениям технического состояния деталей. Построив диагностическую модель на основе исследуемой связи можно оценивать техническое состояние ведущего моста ТС и прогнозировать выход из строя.

Ведущий мост ТС рассматривается как нелинейная, распределенная диссипативная колебательная система. В результате эксплуатации с регулярными возникают хаотические колебания связанные с степенью развития дефектов деталей и узлов рассматриваемого объекта. Сигналы ВАЭ представляют собой стохастические колебания, поэтому для их

анализа и построения диагностической модели предлагается применение критериев нелинейной динамики.

Основной принцип работы. Сигналы ВАЭ поступают с датчиков на АЦП. Полученный сигнал проходит цифровую обработку, определяются частотные и временные параметры сигнала. После обработки данные передаются в блок обработки информации, в котором определяются количественные характеристики динамической системы ТС, рассчитывается вектор динамического состояния ведущего моста ТС, который сравнивается с эталонным динамическим паспортом, характеризующим исправное состояние агрегата. Полученное отклонение характеризует техническое состояние ведущего моста ТС.

3.2 Динамическое моделирование агрегата ТС при различных схемах нагружения

Для проверки результатов представлены численная модель и подробный анализ процессов, происходящих в зацепление зубов на различных способах передачи, проведено численное динамическое моделирование и динамический анализ как зубчатых сопряжений, так и подшипниковых узлов.

Основные виды разрушений зубчатых колес

Разрушения и дефекты зубчатых колес носят усталостный характер, ввиду особенности механики эксплуатации. В процессе зацепления изменяется величина изгибающего момента, а также из-за циклически изменяющихся напряжений в зоне контакта, развиваются усталостные микротрещины, которые приводят к разрушению детали. Основные типы дефектов в зубчатых передачах:

Выкрашивание (рисунок 3.2), под воздействием переменных контактных напряжений

Рисунок 3.2 - Выкрашивание активных поверхностей зубьев

Разрушение зубьев (рисунок 3.3), вызванные изгибными напряжениями

Рисунок 3.3 - Трещина зуба, вызванная изгибными напряжениями

Основные виды разрушения зубьев зубчатых сопряжений, возникающих в процессе эксплуатации показаны на рисунке 3.4 [41].

а б в г

а - скол зуба; б - трещины ножки зуба; в - износ рабочей поверхности г- пластическая деформация рабочей поверхности зуба Рисунок 3.4 - Виды разрушения зубьев Основные виды разрушений подшипниковых узлов

На рабочей поверхности появляются дефекты: раковины, натиры, царапины, выбоины и т.п., ведущие к увеличению вибрации подшипника (рисунок 3.5) в следствии эксплуатации подшипника и естественного износа.

а , в

а - растрескивание и расслаивание дорожки качения; б - выкрашивание поверхности;

в - натиры поверхности качения

Рисунок 3.5 - Виды повреждений подшипников качения

Радиальные зазоры возникают в радиальных подшипниках из-за ряда факторов [39]: неточность изготовления приводит к появлению начального радиального зазора; в результате сборки в узле возникает посадочный радиальный зазор; износ под действием рабочей нагрузки вызывает рабочий радиальный зазор.

3.2.1 Усилия и напряжения, действующие в деталях и узлах ведущего моста

Механические колебания в зубчатых передачах и подшипниковых узлах формируют возмущающие силы, возникающие в результате их несоответствия нормативно-технической и конструкторской документации. Возмущающие силы в зубчатых передачах [12, 16, 27, 114, 148, 177] возникают в результате неточностей изготовления и технологии сборки зубчатых колес, а также вследствие их износа.

Нагрузка, действующая в зубчатых передачах

Нагрузку, действующую в зацеплении выразит следующая зависимость [12, 177]:

Р = Р + + (3.2)

где Р - нагрузка, действующая на зубья зубчатой пары; с - усредненная жесткость зубьев на всем периоде зацепления, Н/м; А - погрешность профилей зубьев, участвующих в зацеплении, м; h - усредненная величина бокового зазора на всем периоде зацепления, м.

В зубчатом зацеплении действуют возмущающие колебания силы пропорциональные передаваемой нагрузке, погрешностям профилей зубьев и боковому зазору между зубьями, участвующими в зацеплении. В зубчатом зацеплении движение передаётся с помощью силы нормального давления в точке контакта зубьев F.

Основным критерием работоспособности зубчатых передач является прочность зубьев. Под воздействием силы F и силы трения зуб находится в условиях НДС. На работоспособность зубчатой передачи наибольшее влияние оказывают контактные напряжения он и изгибные напряжения OF. При этом первый тип напряжений действуют в точке контакта двух зубьев, а второй - в основании зуба.

Силы и напряжения, действующие на зубья в зацеплении цилиндрической косозубой передачи, представлены на рисунке 3.6:

Рисунок 3.6 - Силы и напряжения в зацеплении цилиндрической косозубой передачи Схема действия сил, возникающих в зубчатом зацеплении представлена на рисунке 3.7 [16].

При этом силы, действующие в зацеплении косозубой цилиндрической передачи можно найти исходя из следующих формул:

Окружная сила Н находится по формуле:

^ = 2,1

2Тт103

(3.3)

Радиальная сила К-, Н рассчитывается по формуле:

^ = ^ Ща,

Ра =

(3.4)

(3.5)

Рисунок 3.7 - Схема сил, действующих в зубчатом зацеплении

Нагрузка, действующая в подшипниковых узлах

Изменение вибрации при работе подшипниковых узлов технических объектов является следствием увеличения зазоров, возникающих в результате износа [12, 27, 48, 59, 66, 94, 120, 123, 143, 162].

Уравнение движения имеет вид [12, 113]:

M^ = Q + FB, (3.6)

где М - масса системы, Н; Q - радиальная нагрузка, H; Fb — восстанавливающая сила, обусловленная контактной упругостью [12].

FB = ДБ^2 cos ф2 + ДБ38/2 costf - ф), (3.7)

ф2=^, (3.8)

где Д - коэффициент упругости Герца, Н/м; Ssi и Ss2 — приведенные к телам качения другие перемещения сил Pi и Р2, м; П2- частота вращения сепаратора, с-1.

Радиальная нагрузка Q связана с перемещением S следующим соотношением [12, 120, 177] (для радиальных и радиально-упорных подшипников):

Q = kSl/2, (3.9)

к = 109zl3/2dH2, (3.10)

где dш — диаметр шариков, м; l — коэффициент, зависящий от типа подшипника,

м4/3/Н2/3.

Нагрузка, действующая на опорах валов редуктора

Р - окружная сила; Т - радиальная нагрузка; Га - результирующая сила

Рисунок 3.8 - Схема распределения нагрузок на опоры валов косозубой зубчатой передачи

Результирующая ГП, Н представляется собой:

F =

I Г1

cos a•cos р'

(3.11)

Схема распределения нагрузок на опоры валов косозубой передачи [16] представлена на рисунке 3.8.

В таблице 3.1 представлены формулы расчета нагрузок на опоры в зависимости от действия разных сил.

Таблица 3.1. Нагрузки на опоры

№ опоры Нагрузка на опоры Результирующая нагрузка Неопределенное или переменное направление вращения

от окружной силы р от радиальной силы т от осевой силы а Направление зуба ведущего колеса

Правое левое левое правое

при вращении относительно часовой стрелки

по против по против

I Р,= а = Р—^ с + й т,= а = Т-т с + й Ту = = л 2(с + й) Рп = Рп = Frl =

= JP!2 + (T!-Tv)2 = JP!2 + (Ti+Tv)2 = JPi2 + ( Ъ + Tv)2

II Рц = с = р—^ с + й т„ = с = Т-т с + й Ту,= = л 2 (с + й) Fr а = Fr II = Fr II =

ЧР,2 + ( T!! + Tv!)2 = JP2 + ( Tu-Tvi)2 ЧР,2 + ( Tu + Tv,)2

III Рт = ь = Р-г а + Ь Тш = Ь = Т-Г а + Ь Туи = = л 2(а + Ь) Fr III = Fr HI = Fr III =

= JPi2i + ( Tiu + Tvu)2 = JPi2i + ( Tm-Tvu)2 = JPi2i + ( Tiu + Tvu)2

IV Р,у = а = Р-г а + Ь Т,у = а = Т-г а + Ь Туш = = л 2(а + Ь) Fr IV = FrIV = FrIV =

= JPi2v + (Tiv-Tvih)2 = Jpv + ( Tiv+Tviii)2 = Jpv + ( Tiv+Tviii)2

3.2.2 Моделирование и расчет контактных и изгибных напряжений МКЭ

Использование численных методов, МКЭ анализ, и активное развитие компьютерного моделирования в настоящее время позволяет анализировать практически любые контактные взаимодействия с учетом самых разнообразных факторов. Решение нелинейных задач производится пошагово итерационными методами, так как размеры площадок контакта зависят от величины деформации взаимодействующих тел. [105]

Решение контактных задач с помощью программы численного МКЭ включает следующие основные шаги:

• установка контактных пар;

• задание целевой и контактной поверхностей;

• определение необходимых констант контактных элементов и опций контакта;

• генерация конечно-элементная сеточной модели;

• накладывание граничных условий (сил, закреплений);

• задание параметров нагружения и решения;

• выполнение решения задачи;

• проведение анализа результатов.

3.2.2.1 Построение 3D-модели ведущего моста ТС

В соответствии с исходными геометрическими параметрами были построены детали и узлы, используемые в проведении дальнейших расчетов (рисунок 3.10).

Рисунок 3.10 - Кинематическая схема расположения моделируемых узлов и

деталей

В таблице 3.2 представлены геометрические характеристики зубчатых передач. Таблица 3.2 - Геометрические характеристики зубчатых передач

Наименование параметра ию и42 и31 иб5

Передаточное отношение 7 1,52 2,61 1,34 3,08

Модуль т 1,250 мм 1,250 мм 1,250 мм 1,500 мм

Угол наклона зуба В 20,0000 град 20,0000 град 20,0000 град 20,0000 град

Угол профиля А 20,0000 град 20,0000 град 20,0000 град 20,0000 град

Межосевое расстояние 31,000 мм 47,500 мм 47,500 мм 74,000 мм

Делительное межосевое расстояние А 31,925 мм 45,494 мм 45,228 мм 75,025 мм

Общий коэффициент смещения Ех -0,6608 2,0151 2,0829 -0,6505

Окружной шаг Р 3,927 мм 3,534 мм 3,927 мм 4,712 мм

Основной окружной шаг р& 3,897 мм 3,507 мм 3,897 мм 4,676 мм

Угол зацепления 13,9088 град 26,0620 град 26,7581 град 17,5006 град

Наименование параметра ию и42 и31 иб5

Угол зацепления 13,9088 град 26,0620 град 26,7581 град 17,5006 град

Тангенциальный угол профиля а 21,1728 град 21,1728 град 21,1728 град 21,1728 град

Тангенциальный угол зацепления 16,1926 град 26,7337 град 27,3915 град 19,0199 град

Угол наклона зуба на основ. Цилиндре вь 18,7472 град 18,7472 град 18,7472 град 18,7472 град

Тангенциальный модуль тг 1,330 мм 1,197 мм 1,330 мм 1,596 мм

Тангенциальный окружной шаг Рг 4,179 мм 3,761 мм 4,179 мм 5,015 мм

Коэффициент перекрытия Е 2,5310 2,1310 2,4301 2,7431

Коэффициент торцевого перекрытия £а 1,6600 1,1633 1,1236 1,6544

Коэффициент перекрытия £р 0,8709 0,9677 1,3064 1,0887

Предельное отклонение параллельности осей /х 0,0090 мм 0,0095 мм 0,0100 мм 0,0100 мм

Предельное отклонение параллельности осей /у 0,0045 мм 0,0047 мм 0,0050 мм 0,0050 мм

В таблице 3.3 представлены геометрические характеристики зубчатых колес.

Рисунок 3.11 - обозначение геометрических параметров зубчатых колес

В таблице 3.4 представлены характеристики применяемых подшипников в редукторе.

Таблица 3.3 - геометрические характеристики зубчатых колес.

Наименование параметра Зубчатое колесо/ шестерня

20 21 24 22 23 25 2б

Количество зубьев г 19 29 55 21 39 23 71

Коэффициент смещения X -0,2616 -0,3992 1,4583 0,5568 1,1946 -0,1592 -0,4913

Средний диаметр Б 25,274 мм 38,576 мм 65,846 мм 25,141 мм 51,879 мм 36,714 мм 113,335 мм

Наружный диаметр Фа 26,922 мм 39,880 мм 70,856 мм 28,123 мм 56,703 мм 39,139 мм 114,763 мм

Диаметр впадин Ф/ 21,495 мм 34,453 мм 66,315 мм 23,581 мм 51,740 мм 32,487 мм 108,111 мм

Основной диаметр окружности йь 23,568 мм 35,972 мм 61,401 мм 23,444 мм 48,377 мм 34,236 мм 105,684 мм

Начальный диаметр ъ 24,542 мм 37,458 мм 68,750 мм 26,250 мм 54,485 мм 36,213 мм 111,787 мм

Ширина грани В 15,000 мм 15,000 мм 15,000 мм 15,000 мм 15,000 мм 15,000 мм 15,000 мм

Коэффициент ширины зубчатого венца Ьг 0,3957 0,2592 0,1519 0,3978 0,2891 0,4086 0,1324

Коэффициент высоты головки зуба а* 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

Зазор с* 0,2500 0,2500 0,2500 0,2500 0,2500 0,2500 0,2500

Коэффициент радиуса переходной кривой / 0,3500 0,3500 0,3500 0,3500 0,3500 0,3500 0,3500

Толщина зуба Б 1,726 мм 1,600 мм 2,961 мм 2,223 мм 3,050 мм 2,182 мм 1,820 мм

Тангенциальная толщина зуба St 1,836 мм 1,703 мм 3,151 мм 2,366 мм 3,246 мм 2,322 мм 1,937 мм

Толщина хорды и 1,524 мм 1,413 мм 2,615 мм 1,963 мм 2,694 мм 1,927 мм 1,607 мм

Высота головки зуба по хорде ас 0,546 мм 0,394 мм 2,029 мм 1,134 мм 1,922 мм 0,862 мм 0,422 мм

Размер хорды Вт 9,399 мм 16,871 мм 27,065 мм 12,448 мм 22,132 мм 15,912 мм 43,344 мм

Зубья с размером по хорде 3,000 5,000 8,000 4,000 6,000 4,000 10,000

Размер между каркасами м 28,800 мм 41,876 мм 71,501 мм 28,931 мм 58,377 мм 41,237 мм 117,112 мм

Диаметр проволоки йм 2,500 мм 2,500 мм 2,000 мм 2,000 мм 2,500 мм 3,000 мм 3,000 мм

Наименование параметра Зубчатое колесо/ шестерня

20 21 24 22 23 25 2б 0,0210 мм

Предельное отклонение направления зуба Рр 0,0090 мм 0,0090 мм 0,0095 мм 0,0090 мм 0,0110 мм 0,0100 мм 0,0110 мм

Коэффициент смещения без уклона X? 0,4554 0,1238 -0,7192 0,3882 -0,2020 0,3216 -1,2343

Коэффициент смещения без подрезания хр -0,2991 -0,9933 -2,7980 -0,4380 -1,6874 -0,5768 -3,9086

Коэффициент смещения допустимого подрезания Хй -0,4691 -1,1632 -2,9679 -0,6079 -1,8573 -0,7467 -4,0785

Коэффициент высот. модиф. Зуба К 0,0795 0,0795 0,2316 0,2316 0,2649 0,0326 0,0326

Наружная толщина зуба За 0,8551 0,8861 0,6829 0,7738 0,7118 0,7942 0,8615

Угол профиля вершины зуба аа 28,0921 град 24,6346 град 29,1615 град 32,8533 град 30,7120 град 28,1793 град 21,8753 град

Таблица 3.4 - Характеристики применяемых подшипников

Наименование параметра Р0;Р1;Р2;Р3 Р4;Р5 Рб;Р7 Р8;Р9

Обозначение 6001 ЯБ 6202 ЯБ 60072 ЯБ 6205 ЯБ

Внутренний диаметр подшипника й 12,000 мм 15,000 мм 35,000 мм 25,000 мм

Наружный диаметр подшипника Б 28,000 мм 35,000 мм 62,000 мм 52,000 мм

Ширина подшипника В 8,000 мм 11,000 мм 14,000 мм 15,000 мм

Номинальный контактный угол подшипника а 25 град 40 град 25 град 25 град

Основная динамическая грузоподъемность С 5070 Н 7800 Н 15900Н 14000 Н

Основная статическая грузоподъемность С0 2240 Н 3800 Н 10300Н 7800 Н

3.2.2.2 Определение исходных данных материала зубчатых колес и подшипниковых

узлов.

Чтобы провести расчеты действующих напряжений, необходимо задать исходные данные материала зубчатых колес. В прочностном расчете необходимо учесть модуль Юнга, коэффициент Пуассона, плотность, коэффициент теплового расширения, модуль сдвига.

Сталь в настоящее время - основной материал для изготовления зубчатых колес. В условиях мелкосерийного производства, в мало- и средненагруженных передачах, а также в открытых передачах с большими колесами применяют зубчатые колеса с твердостью материала Н<350 НВ. При этом обеспечивается чистое нарезание зубьев после термообработки, высокая точность изготовления и хорошая прирабатываемость зубьев.

Для рассматриваемого агрегата были использованы материалы шестерен-сталь 45 с объёмной закалкой и твёрдостью поверхности зубьев 37НЯС, материалы зубчатых колес - сталь 40 с поверхностной закалкой и твёрдостью зубьев 38НЯС.

Параметры материалов зубчатых колес и шестерен представлены в таблице 3.5.

На детали подшипниковых узлов, в частности на кольца и элементы качения, воздействуют высокие повторяющееся напряжения при малом объеме скольжения. Сепараторы подвергаются растяжению, сжатию и контактному скольжению с элементами качения, и либо с одним, либо с двумя кольцами подшипника. Поэтому материалы, используемые для изготовления колец, элементов качения и сепараторов, должны обладать разными свойствами.

Таблица 3.5 Параметры материалов колес и шестерен

Зубчатое колесо/шестерня 13,14,16 10,11,12,15,17,18

Материал Сталь 40 Сталь 45

Окончательный предел прочности растяжения Su 590 МПа 640 МПа

Предел текучести Sy 300 МПа 390 МПа

Модуль упругости E 206000 МПа 206000 МПа

Коэффициент Пуассона М 0,300 0,300

Предел усталости при изгибе oFlim 316,0 МПа 410,0 МПа

Предел контактной усталости оШ1т 1140,0 МПа 520,0 МПа

Твердость в стержне зуба ЖУ 210 210

Твердость в боковой части зуба УНУ 600 600

Основное количество циклов нагрузки при изгибе ЫПш 3000000 3000000

Основное количество циклов нагрузки при контакте ЫНИш 100000000 50000000

Экспонента кривой Велера для изгиба цГ 6,0 6,0

Экспонента кривой Велера для контакта цН 10,0 10,0

Вид обработки тип 2 0