Методика визначення оптимального часу діагностування елементів прокатного обладнання
Анотація
Кравченко В. М., Іщенко А. О., Рассохін Д. О., Носовська О. В., Капустін С. В. Методика визначення оптимального часу діагностування елементів прокатного обладнання
Розроблена методика оптимізації часу діагностування груп елементів прокатного обладнання, які в процесі експлуатації виходять з ладу в результаті зношування, втомних явищ і т.п. Зокрема це, насамперед, відноситься к виходу з ладу підшипників кочення та пар тертя прокатних станів, рольгангів та інших машин усього комплексу прокатної лінії. Крім того схильні до цих пошкоджень зубчаті колеса редукторів відповідальних механізмів, наприклад, натискного пристрою прокатної кліті, шестеренних клітей приводу прокатного стана. Діагностика комплексу таких елементів потребує значних витрат часу та не завжди можлива в умовах прокатного виробництва. Саме з цієї причини з’явилась необхідність в оптимізації часу чергового діагностування в залежності від прийнятих за основу законів розподілу швидкості змінення показників накопичення пошкоджень, які визначаються шляхом фіксації статистичних даних по елементам прокатного обладнання. В свою чергу, ці статистичні дані повинні враховувати результати замін елементів прокатного обладнання, що вийшли з ладу, та корегувати ці статистичні дані згідно зі змінами, що відбулися. Така заміна передбачає виділення елементів прокатного обладнання, які не забезпечують роботу обладнання внаслідок пошкоджуваності і в той же час формує вектор розподілення елементів, заміна яких доцільна. Як наслідок такої заміни виникає необхідність формування вектора розподілення по накопиченню пошкоджуваності у знову встановлених елементів. Для подальшого розгляду питання вірогідності пошкоджуваності елементів необхідно використання закону розподілення швидкості накопичення пошкоджуваності та його параметрів методом математичної статистики. Отримані результати у вигляді методики оптимізації можуть бути використані для підвищення ефективності сервісного обслуговування прокатного обладнання, вичерпання ресурсів якого може бути оцінено засобами технічної діагностики.
Посилання
Baglai A. V., Verenev V. V. Dynamics and diagnostics of gaps in cages with bagatonic rolling. Technical Diagnostics & Nondestructive Testing / Tekhnicheskaya Diagnostika I Nerazrushayushchiy Kontrol. 2020. Issue 3. pp. 58-60. (in Ukrainian).
Krot Pavlo, Korennoi Volodymyr Vibration Diagnostics of Rolling Mills Based on Nonlinear Effects in Dynamics. Dynamics and maturity of machines. Bulletin of NTU “KhPI”. 2016. No. 26 (1198). pp. 118-123.
Yavorsky I.M., Yuzefovich R.M., Kravets I.B. Development of a vibro-diagnostic system for identifying defects in the industrial property using various methods of non-stationary statistical processing of vibrating and acoustic coliving. Technical diagnostics and non-destructive testing. 2015. No. 4. pp. 36–41. (in Ukrainian).
Xiaochan Liu, Yong Zang, Zhiying Gao, Lingqiang Zeng Time Delay Effect on Regenerative Chatter in Tandem Rolling Mills. Shock and vibration. Vol. 2016. 15 p. 2016. https://doi.org/10.1155/2016/4025650
Ishchenko A. A., Kravchenko V. M., Sidorov V. A. Diagnostics and repair of industrial equipment composite materials. LAP LAMBERT Academic Publishing. 2020. 136 p. ISBN 978-620-2-79959-1.
Semenchenko A. K., Kravchenko V. M., Shabaev O. E. Theoretical foundations of analysis and synthesis of mining machines and the process of their recovery as dynamic systems. Donetsk: RVA DonNTU. 2002. 302 p. (in Russian).
Kiyanovsky N. V. Multi-criteria optimization of equipment reliability assurance processes. Sat. scientific Proceedings of the NGA of Ukraine, No. 3, volume No. 6. Mining machines and complexes. Dnepropetrovsk: RIK NGA of Ukraine. 1998, pp. 166–170. (in Russian).
Verenev V. V. et al. Diagnostics and dynamics of rolling mills. Dnepropetrovsk. IMA-press. 2007. 144 p. ISBN: 978-966-331-161-6. (in Russian).
Jingming Ding Fault detection of a wheelset bearing in a high-speed train using the shock-response convolutional sparse-coding technique. Measurement. 117 (2017). pp.108–124.
Yu Pang, et al. Design and implementation of automatic fault diagnosis system for wind turbine. Comput. Electr. Eng. 87 (2020). 106754.
B. Cai, H. Liu, M. Xie A real-time fault diagnosis methodology of complex systems using object-oriented Bayesian networks. Mech. Syst. Sig. Process. 80 (2016). pp. 31–44.
Baoping Cai, Liu, et al. A dynamic-bayesian-network-based fault diagnosis methodology considering transient and intermittent faults. IEEE Trans. Autom. Sci. Eng. 14 (1) (2017). pp. 276–285.
R. Arsenault Treatise on materials science and technology. Plasticdeformation of materials, vol. VI. Academic Press. Inc. New York. 1975.
Rolling bearings – Damage and failures - Terms, characteristics and causes, ISO 15243:2004(E), 2004.
M.A. Maleque, M.S. Salit Materials Selection and Design, Springer, 2013.
Example type B report wind turbine blade pitch bearing analysis, Tech. rep.,JAD analysis, 2015.
I. Kovaˇríkov´ a, B. Szewczykov´ a, P. Blaˇskoviˇs, E. Hodúlova, ´ E. Lechovic Studyand characteristic of abrasive wear mechanisms. Mater. Sci. Technol. (2009). pp. 1335–9053.
Yubin Pan, Rongjing Hong, Jie Chen, Zhongwei Qin, Yang Feng Incipient fault detection of wind turbine large-size slewing bearing based on circular domain. Measurement. Volume 137. 2019.Pages 130-142. ISSN 0263-2241. https://doi.org/10.1016/j.measurement.2019.01.033.
Zepeng Liu, Long Zhang, Joaquin Carrasco Vibration analysis for large-scale wind turbine blade bearing fault detection with an empirical wavelet thresholding method. Renewable Energy. Volume 146. 2020. Pages 99-110. ISSN 0960-1481. https://doi.org/10.1016/j.renene.2019.06.094
