Assessment of the failure rate of vehicles by changing the parameter of the consumed resource

Full Text

Введение

Методы оценки надежности автомобилей базируются, в основном, на теории вероятностей. Понятие надежности включает в себя четыре основные составляющие: вероятность безотказной работы, долговечность, ремонтопригодность и сохраняемость. Существующие методы прогнозирования оптимального момента проведения ТО (технического обслуживания) и Р (ремонта) транспортных средств, в том числе, органолептические методы, методы периодического объективного контроля являются малоэффективными, они не способны точно определить сроки предупредительных ремонтов и своевременной замены узлов и агрегатов, срок службы которых значительно сокращается в реальных условиях эксплуатации [1]. В связи с этим необходимо разработать теоретическую базу постоянного диагностирования наиболее нагруженных узлов и агрегатов транспортных средств, основанную на использовании технологии интеллектуальных информационных систем [2, 3]. Определение сроков предупредительного ремонта и обслуживания позволяет перейти от адаптивных систем диагностирования и прогнозирования к интеллектуальной системе диагностики, а также прогнозированию выхода из строя узлов и агрегатов автомобиля, условия эксплуатации которого не соответствует рекомендованным заводом-изготовителем [4].

Материалы и методы исследования

Данные по пробегу и наработке до отказа, а также величине потока отказов в средних и критических дорожных условиях определялись на пассажирском автотранспортном предприятии (АТП), которое обеспечивает перевозку пассажиров в системе горных предприятий региона [5]. При эксплуатации парк подвижного состава АТП всегда должен находиться в работоспособном состоянии. С учетом изношенности транспортных средств необходима система контроля за потоком отказов, которая позволит своевременно их выявлять, прогнозировать развитие поломок и применять меры технического воздействия, значительно повышающие эффективность эксплуатации [6].

Результаты исследования и их обсуждение

Предварительные исследования по изучению надежности транспортных средств в АТП по перевозке пассажиров показали, что основными затратами на эксплуатацию автобусов в исследуемом АТП являются затраты на подвеску и рулевое управление, обусловленные неудовлетворительным дорожным покрытием в регионе. Причем, на автобусы Ikarus средств необходимо тратить по этой статье расходов в пять раз больше, чем на автобусы Mercedes, Man, Volvo.

Периодическая проверка состояния ТС (транспортного средства) выявила поломки базовых деталей в условиях реальной эксплуатации, которые могли привести к аварийной ситуации на дороге [7]. Отрыв крепления шаровой опоры показал, что была пропущена трещина, которая длительное время развивалась и способствовала появлению вибрации и нарушению геометрии подвески. Отсутствие датчиков, способных контролировать виброакустические параметры работы подвески и других систем, контролирующих правильную работу амортизаторов и подушек, приводят к тому, что отказы становятся внезапными, значительно увеличивают стоимость ремонта и снижают безопасность эксплуатации ТС [8]. Полученные данные, позволяющие оценить ресурс деталей подвески, представлены в Табл.

 

Таблица. Ресурс деталей подвески пассажирского автобуса Икарус

Table. Resource of suspension parts of the Ikarus passenger bus

Деталь или узел подвески	Дорожные условия
	критические			средние
	пробег до отказа, тыс. км	наработка до отказа, ч	величина потока отказов, λ, 1/ч	пробег до отказа, тыс. км	наработка до отказа, ч	величина потока отказов, λ, 1/ч
Амортизаторы	15	300	0,0035	35…40	700…800	0,0015… 0,00125
Балка заднего моста	50…70	1000… 1400	0,001… 0,0007	60…80	1200… 1600	0,00083… 0,00065
Пневмо-подушка	80	1600	0,00065	100	2000	0,0005
Сайлентблоки рычагов	20	400	0,0025	50	1000	0,001
Шкворня	25…35	500…700	0,002… 0,0015	80		0,00065
Опорные подшипники шкворней	35	700	0,0015	50	1000	0,001
Пыльники рулевых шарниров	20	400	0,0025	50	1000	0,001
Механизм маятника прицепа	30	600	0,00165	60…80	1200… 1600	0,00083… 0,00065

 

Условием наступления отказа при различных режимах работы является равенство единице произведения величины потока отказов на время работы механизма (λj ∙ tj = 1).

На Рис. 1 представлена схема взаимосвязей потоков отказов элементов задней подвески автобусов.

 

Рис. 1. Схема взаимосвязей потоков отказов элементов задней подвески автобусов: λр – поток отказов рамы; λа – амортизатора; λб – балки; λп – пневмоподушки; λк – колеса; λст – рычага стабилизатора

Fig. 1. Diagram of the relationships between the failure flows of the elements of the rear suspension of buses: λр – failure flow of the frame; λа – shock absorber; λб – beam; λп – air cushions; λк – wheels; λст – stabilizer arm

 

В период нормальной эксплуатации надежность машин характеризуется внезапными отказами [9]. Считается, что эти отказы появляются при неблагоприятном стечении различных факторов эксплуатации и поэтому имеют постоянную интенсивность, которая не зависит от возраста изделия:

$\lambda \left(t\right)=const=\frac{1}{M\left(x\right)}$     (1)

где M(x) – средняя наработка до отказа. Тогда λ выражается числом отказов в единицу времени.

Значение средней наработки до отказа равно:

$M\left(x\right)=\frac{{\displaystyle \sum _{i=1}^n{M}_i\left(x\right)}}{n}$,     (2)

где i – порядковый номер интервала наработки, при котором произошел отказ изделия; n – количество интервалов в выборке.

С учетом (2) становится очевидно, что реальное значение наработки на отказ находится в интервале от M_i(x)=min до M_i(x)=mах. Соответственно, для отдельно взятого изделия λ(t) может отличаться от рассчитанного значения по формуле (1).

Широкое распространение при описании надежности сложных технических изделий получил экспоненциальный закон распределения случайной величины [10]. С помощью этого закона с достаточной точностью можно аппроксимировать время безотказной работы особо ответственных машин, эксплуатируемых в период после окончания приработки; машин с последовательной заменой отказавших деталей; сложных объектов, состоящих из многих элементов.

Вероятность безотказной работы

$P\left(t\right)=e^{-{\int }_0^t\lambda \left(t\right)dt}=e^{-\lambda t}$,     (3)

Эта вероятность подчиняется экспоненциальному закону распределения и одинакова для любого равновеликого промежутка времени в период нормальной эксплуатации.

Используя экспоненциальный закон распределения, несложно определить среднее число изделий n, которые выйдут из строя к заданному моменту времени, и среднее число изделий N_p, которые останутся работоспособными. При λ ∙ t < 0,1 справедлива формула разложения в ряд (4)

$P\left(t\right)=1-\lambda t+\frac{{\left(\lambda t\right)}^2}{2!}-\frac{{\left(\lambda t\right)}^2}{2!}+\frac{{\left(\lambda t\right)}^2}{2!}-\cdots \approx 1-\lambda t$     (4)

Если работа изделия происходит при разных режимах, а следовательно, и интенсивностях отказов λ₁ (за время t₁) и λ₂ (за время t₂), то

$P\left(t\right)=e^{-({\lambda }_1{t}_1+{\lambda }_2{t}_2)}$,     (5)

Допущение о постоянстве режима эксплуатации возможно для стационарных машин, работающих в неизменных или слабо изменяющихся условиях. Применительно к автотранспорту такой подход является малообоснованным.

Вероятность отказа Q(t) с учетом формулы (5) находится по следующей формуле:

$Q\left(t\right)=1-P\left(t\right)=1-e^{-({\lambda }_1{t}_1+{\lambda }_2{t}_2)}$,     (6)

При случайных изменениях режима работы λ_j за определенные периоды работы t_j, вероятность отказа будет выражена следующим образом:

$Q\left(t\right)=1-e^{-{\sum }_{j=1}^k{\lambda }_j{t}_j}$,     (7)

где j – порядковый номер интервала наработки, при котором наблюдался определенный режим работы; k – количество интервалов в выборке.

Отказ наступает при достижении у какого-либо параметра работающего механизма предельного значения. Для более полной оценки работоспособности используются интегральные параметры. Например, таким параметром является величина компрессии при оценке состояния двигателя внутреннего сгорания. Уменьшение компрессии в цилиндре ДВС (двигателя внутреннего сгорания) может быть вызвано целым рядом причин (износ гильзы, износ поршневых колец или их поломка, износ клапанов или гнезд и т.д.). Снижение компрессии до предельного значения вызывает необходимость проведения ремонта и устранения поломки. В данном случае удается контролировать зазор между поршнем и гильзой. На Рис. 2 показано изменение диагностического параметра, определяющего ресурс механизма, от начального значения до предельного.

 

Рис. 2. Изменение диагностического параметра, определяющего ресурс механизма, от начального значения S_нач до предельного S_пред: S_раб – рабочее значение диагностического параметра (ДП); S – полный интервал изменения ДП; S_р – рабочий интервал изменения ДП; t_max – максимальная наработка, выраженная в часах или км (ресурс); t_ор – значение остаточного ресурса

Fig. 2. Change of the diagnostic parameter determining the resource of the mechanism, from the initial value S_нач to the limit S_пред: S_раб – is the working value of the diagnostic parameter (ДП); S – is the full interval of ДП change; S_р – is the working interval of ДП change; t_max – is the maximum operating time, expressed in hours or km (resource); t_ор – is the value of the remaining resource

 

Тогда, максимальное значение ресурса, выраженное в часах работы механизма, можно записать в следующем виде

$t_{\max }=\frac{S_{пред}-S_{нач}}{tg\alpha }$,     (8)

рабочее значение ресурса будет

$t_p=\frac{S_{раб}-S_{нач}}{tg\alpha }$,     (9)

а значение остаточного ресурса

$t_{op}=\frac{S_{пред}-S_{раб}}{tg\alpha }$,     (10)

Если принять начальное значение параметра израсходованного ресурса δ, по которому удобно определять работоспособное состояние механизма, за 0, то можно получить следующее выражение:

$\delta =\lambda t=1-\frac{t_{op}}{t_{\max }}=0$,     (11)

Из выражения (8) видно, что в начальный момент эксплуатации остаточный ресурс равен максимальному (t_ор = t_max), а параметр израсходованного ресурса равен 0.

Отношение приращения функции изменения ДП к промежутку времени, за которое это изменение произошло, является дифференциалом функции  .

$\frac{\Delta S}{\Delta t}=tg\alpha =\frac{S_{пред}-S_{нач}}{t_{\max }}$,     (12)

где α – угол наклона прямой изменения диагностического параметра.

По аналогии с формулой (4), можно записать вероятность безотказной работы, как функцию от изменения интегрального параметра

$P\left(t\right)\approx 1-\delta =1-\frac{t_{op}}{t_{\max }}=\frac{S_{пред}-S_{раб}}{S_{пред}-S_{нач}}$,     (13)

Вероятность отказа Q(t) в этом случае с учетом формулы (6 и 13)

$Q\left(t\right)=1-P\left(t\right)=1-e^{-({\delta }_1+{\delta }_2)}$,     (14)

При случайных изменениях режима работы δ_j за определенные периоды работы t_j, вероятность отказа будет выражена следующим образом:

$Q\left(t\right)=1-e^{-{\sum }_{j=1}^k(1-\frac{S_{пред}-S_{раб}}{S_{пред}-S_{нач}})j}$,     (15)

где j – порядковый номер интервала наработки, при котором наблюдался определенный режим работы; k – количество интервалов в выборке.

При неизменном режиме работы механизма параметр израсходованного ресурса δ будет постоянным, а зависимость (15) примет упрощенный вид (16)

$Q\left(t\right)=1-e^{-\delta }=1-e^{-(1-\frac{S_{пред}-S_{раб}}{S_{пред}-S_{нач}})}$,     (16)

Выводы

1. Предложено оценивать работоспособность машин по значению параметра израсходованного ресурса δ. Это позволяет значительно уточнить прогнозирование надежности сложных технических систем.
2. Предлагаемый параметр израсходованного ресурса δ будет изменяться от 0, в начале эксплуатации, до 1, при выработке ресурса, вне зависимости от типа сопряжения и происходящих процессов потери работоспособности.
3. Изучение сложных технических систем с помощью параметра израсходованного ресурса δ позволит контролировать их в режиме реального времени, на практике внедрить интеллектуальную систему технического обслуживания и значительно повысить технико-экономические показатели эксплуатации.

Авторы заявляют что:

1. У них нет конфликта интересов;
2. Настоящая статья не содержит каких-либо исследований с участием людей в качестве объектов исследований.

The authors state that:

1. They have no conflict of interest;
2. This article does not contain any studies involving human subjects.

About the authors

Taras N. Zamota

Lugansk State University named after V. Dahl

Author for correspondence.
Email: zamota71@rambler.ru
ORCID iD: 0000-0002-9904-4518
SPIN-code: 4443-7346

Doctor of Technical Sciences, Professor, Head of the Department of Automobile Transport

Russian Federation, Lugansk

Alexandr S. Loshakov

Lugansk State University named after V. Dahl

Email: keksvruke@yandex.ru
ORCID iD: 0009-0004-5690-7186
SPIN-code: 5820-4660

postgraduate student, assistant of the Department of Automobile Transport

Russian Federation, Lugansk

Elena V. Turushina

Lugansk State University named after V. Dahl

Email: dahl.univer@yandex.ru
ORCID iD: 0009-0000-8108-0089

senior lecturer of the Department of Automobile Transport

Russian Federation, Lugansk

References

Supplementary files