Метод оценки и прогнозирования технического состояния ресурсных элементов карьерных самосвалов на основе контрольных карт Шухарта

В данном исследовании был произведен анализ существующих методов оценки и прогнозирования технического состояния карьерных самосвалов. Были выявлены их основные недостатки, которые заключались в больших экономических и человеческих затратах на их проведение. Сделан вывод о необходимости разработки нового подхода управления техническим состоянием ресурсных элементов горных машин. Представлен новый метод оценки и прогнозирования технического состояния ресурсных элементов исходя из оценки диагностических параметров, который, в отличие от известных, использует в качестве инструмента статистического управления техническим состоянием транспортных средств контрольные карты Шухарта, наряду с традиционным механизмом прогнозирования показателей долговечности ресурсных элементов. В сочетании с использованием средств неразрушающего контроля методика позволяет подготовить исходные данные для принятия решения об отводе образцов техники в ремонт на различный период прогноза. Реализация метода оценки и прогнозирования технического состояния ресурсных элементов карьерных самосвалов позволит заблаговременно принимать решения по их техническому обслуживанию и ремонту, что безусловно скажется на повышении эффективности карьерных самосвалов эксплуатации.

Ключевые слова: карьерные самосвалы, методика оценки технического состояния горных машин, прогнозирование технического состояния горных машин, мониторинг технического состояния, интеллектуальные транспортные системы, повышение эффективности использования горных машин, ресурсные элементы, диагностирование горных машин.

Как процитировать:

Сафиуллин Р. Н., Сафиуллин Р. Р., Сорокин К. В. Метод оценки и прогнозирования технического состояния ресурсных элементов карьерных самосвалов на основе контрольных карт Шухарта // Горный информационно-аналитический бюллетень. – 2024. – № 7. – С. 111–124. DOI: 10.25018/0236_1493_2024_7_0_111.

Благодарности:

Информация об авторах:

Сафиуллин Равиль Нуруллович¹ — д-р техн. наук, профессор, e-mail: safravi@mail.ru, ORCID ID: 0000-0002-8765-6461,
Сафиуллин Руслан Равиллович¹ — канд. техн. наук, доцент, e-mail: safiyllin@yandex.ru, ORCID ID: 0000-0003-2315-3678,
Сорокин Кирилл Владиславович¹ — аспирант, e-mail: kiros_00@bk.ru, ORCID ID: 0009-0006-3781-1407,
¹ Санкт-Петербургский Горный университет императрицы Екатерины II.

 

Контактное лицо:

Сафиуллин Р.Н., e-mail: safravi@mail.ru.

Список литературы:

1. Кузин Е. Г., Пудов Е. Ю., Дубинкин Д. М. Анализ отказов узлов карьерных самосвалов в условиях эксплуатации // Горное оборудование и электромеханика. — 2021. — № 2. — С. 55—61. DOI: 10.26730/1816-4528-2021-2-55-61.

2. Борисов C. B., Колтунова Е. А., Кладиев С. Н. Совершенствование структуры имитационной модели тягового асинхронного электропривода рудничного электровоза // Записки Горного института. — 2021. — Т. 247. — C. 1—8. DOI: 10.31897/PMI.2021.1.12.

3. Селиверстов Я. А., Гергель Г. Ю., Селиверстов С. А., Никитин К. В. Развитие интеллектуальных транспортных систем на основе мобильных технологий и процедур анализа социальной активности городского населения // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. — 2018. — Т. 11. — С. 47—64. DOI: 10.18721/JCSTCS.11105.

4. Бузмаков С. А., Санников П. Ю., Кучин Л. С., Игошева Е. А., Абдулманова И. Ф. Применение беспилотной аэрофотосъемки для диагностики техногенной трансформации природной среды при эксплуатации нефтяного месторождения // Записки Горного института. — 2023. — Т. 260. — С. 180—193. DOI: 10.31897/PMI.2023.22.

5. Marusin A., Tian H., Safiullin R., Safiullin R., Marusina I. Integral evaluation of the effectiveness of the implementation of automated technical means of controlling the movement of vehicles on the road / Proceedings of the 2022 International Conference on Engineering Management of Communication and Technology (EMCTECH), Vienna, Austria, 2022, pp. 1—4. DOI: 10.1109/EMCTECH55220. 2022.9934048.

6. Проников А. С. Параметрическая надежность машин. — М.: Изд-во МГТУ имени Баумана, 2002. — 560 с.

7. Четыркин Е. М. Статистические методы прогнозирования. — М.: Статистика, 1975. — 200 с.

8. Сафиуллин Р. Н., Сафиуллин Р. Р., Унгефук А. А., Сорокин К. В., Тянь Хаотянь Патент РФ № 2792386, 24.01.2023. Автоматизированная система удаленной диагностики технического состояния транспортных средств на основе матричного QR-кода. 2023. Бюл. № 9.

9. Биргер И. А. Техническая диагностика. — М.: Машиностроение, 1978. — 240 с.

10. Пашковский Г. С. Задачи оптимального обнаружения и поиска отказов в РЭА. — М.: Радио и связь, 1981. — 280 с.

11. Маринин М. А., Рахманов Р. А., Должиков В. В., Сушкова В. И. Исследование влияния параметров взорванной горной массы на производительность экскаваторно-автомобильного комплекса // Горный информационно-аналитический бюллетень. — 2023. — № 9-1. — С. 35—48. DOI: 10.25018/0236_1493_2023_91_0_35.

12. Назарычев А. Н., Дяченок Г. В., Сычев Ю. А. Исследование надежности тягового электропривода карьерных самосвалов на основе анализа отказов его функциональных узлов // Записки Горного института. — 2023. — Т. 261. — C. 363—373. EDN HCLPJB.

13. Fedotov V. N., Chudakova N. V., Ismailov R. Automation of the technological process of spare parts at the car service company // E3S Web of Conferences. 2023, vol. 402, article 10009. DOI: 10.1051/e3sconf/202340210009.

14. Атрощенко В. А., Авксентьев С. Ю., Махараткин П. Н., Труфанова И. С. Экспериментальная гидротранспортная установка для определения стойкости материалов трубопроводов и деталей грунтовых насосов к гидроабразивному износу // Обогащение руд. — 2021. — № 3. — С. 39—45. DOI: 10.17580/or.2021.03.07.

15. Korshak A. А., Pshenin V. V. Determination of parameters of non-pump ejector gasoline vapor recovery unit // Science and Technologies: Oil and Oil Products Pipeline Transportation. 2023, vol. 13, no. 1, pp. 25—31. DOI: 10.28999/2541-9595-2023-13-1-25-31.

16. Кацуба Ю. Н. Повышение уровня интеграции беспилотных технологий в эксплуатацию сельскохозяйственной техники // Известия Международной академии аграрного образования. — 2023. — № 67. — С. 60—65. EDN MTZELG.

17. Grigorescu S., Trasnea B., Cocias T., Macesanu G. Survey of deep learning techniques for autonomous driving // Journal of Field Robotics. 2022, vol. 37, no. 3, pp. 362—386. DOI: 10.1002/ rob.21918.

18. Katsuba Y. N., Grigoreva L. V. Application of artificial neural networks in the system of selfdiagnosis car // International Journal of Applied Engineering Research. 2017, vol. 12, pp. 246—248. https://www.scopus.com/authid/detail.uri?origin=resultslist&authorId=57194605681&zone=.

19. Babyr N. V. Topical themes and new trends in mining industry: Scientometric analysis and research visualization // International Journal of Engineering. 2024, vol. 37, no. 2, pp. 439—451. DOI: 10.5829/ije.2024.37.02b.18.

20. Brummelen V., O’Brien M., Gruyer D., Najjaran H. Autonomous vehicle perception: The technology of today and tomorrow // Transportation Research Part C: Emerging Technologies. 2018, vol. 89, pp. 384—406. DOI: 10.1016/j.trc.2018.02.012.

21. Lomazov V., Lomazov A., Petrosov D., Akupiyan O. Intelligent evaluation of implementation road infrastructure development program // Transportation Research Procedia. 2022, vol. 63, pp. 1089— 1094. DOI: 10.1016/j.trpro.2022.06.111.

22. Yang C., Zha M., Wang W., Liu K., Xiang C. Efficient energy management strategy for hybrid electric vehicles/plug-in hybrid electric vehicles: Review and recent advances under intelligent transportation system // IET Intelligent Transport Systems. 2020, vol. 14, no. 7, pp. 702—711. DOI: 10.1049/ iet-its.2019.0606.

23. Ладанов В. И. Применение на военной автомобильной технике войск бортовых информационно-управляющих систем // Альманах Пермского военного института войск национальной гвардии. — 2022. — № 2(6). — С. 85—91. EDN MYTYWT.

24. Ge J., Avedisov S. S., He C., Qin W. B., Sadeghpour M., Orosz G. Experimental validation of connected automated vehicle design among human-driven vehicles // Transportation Research Part C: Emerging Technologies. 2018, vol. 91, pp. 335—352. DOI: 10.1016/j.trc.2018.04.005.

25. Zhang L., Orosz G. Beyond-line-of-sight identification by using vehicle-to-vehicle communication // IEEE Transactions on Intelligent Transportation Systems. 2018, vol. 19, no. 6, pp. 1962—1972. DOI: 10.1109/TITS.2017.2747582.

26. Katsuba Y. N., Grigoreva L. V. Application of artificial neural networks in vehicles` design selfdiagnostic system for safety reasons // Transportation Research Procedia. 2017, vol. 20, pp. 283—287. https://www.scopus.com/authid/detail.uri?authorId=57193744586&origin=resultslist&zone=context Box.

27. Cao H., Gangakhedkar S., Ali A., Gharba M., Eichinger J. A 5G V2X testbed for cooperative automated driving / IEEE Vehicular Networking Conference, USA. 2016, pp. 1—4. DOI: 10.1109/ VNC.2016.7835939.

28. Aramrattana M., Larsson T., Jansson J., Nabo A. A simulation framework for cooperative intelligent transport systems testing and evaluation // Transportation Research Part F: Traffic Psychology and Behavior. 2019, vol. 61, pp. 268—280. DOI: 10.1016/j.trf.2017.08.004.

29. Degtyarev Yu. Classification of categorical structures of structural complexities based on prototypes in simple complexes / Proceedings of the 10th International conference on the application of fuzzy systems and soft computing. 2012, pp. 27—37.

30. Кондратьев А. А. Барьеры внедренческих процессов ИТС / Сборник трудов Международной академии транспорта. — 2014. — № 17. — С. 89—95.

31. Кисуленко Б. В. Концепция нормирования безопасности автомобилей с высоким уровнем автоматизации // Автомобильная промышленность. — 2019. — № 4. — С. 1—5. EDN YUUICC.

32. Афанасьев А. С., Крайнов А. Н., Михалев Ю. В. Совершенствование методики диагностирования грузовых автомобилей с использованием системных сканеров ТЕХА // Известия Международной академии аграрного образования. — 2023. — № 67. — С. 71—79. EDN MBBYCM.

33. Сафиуллин Р. Н., Сафиуллин Р. Р., Ефремова В. А. Метод комплексной оценки бортовых информационно-управляющих систем на горных машинах // Горный информационно-аналитический бюллетень. — 2023. — № 9-1. — С. 49—63. DOI: 10. 25018/0236/1493/2023/91049.

34. Симонова Л. А., Капитонов А. А., Клочкова К. В. Построение интеллектуальной надстройки автоматизированной системы диагностики двигателя внутреннего сгорания // Научнотехнический вестник Поволжья. — 2020. — № 12. — С. 110—113. EDN PWDSDH.

35. Махараткин П. Н., Абдулаев Э. К., Вишняков Г. Ю., Ботян Е. Ю., Пушкарев А. Е. Повышение эффективности функционирования карьерных автосамосвалов на основе обоснования их рациональной скорости с помощью имитационного моделирования // Горный информационно-аналитический бюллетень. — 2022. — № 6-2. — С. 237—250. DOI: 10.25018/0236_1493_2022_ 62_0_237.

36. Afanasyev A., Egoshin A., Alekseev S. The choice substantiation method of road construction equipment for mining enterprises // Journal of Physics: Conference Series. 2019, vol. 1399, no. 3, article 033021. DOI: 10.1088/1742-6596/1399/3/033021.