AIM: This work aimed to develop an improved algorithm for analyzing the health of the equipment of EP1 electric locomotives using the data from the automated microprocessor control and monitoring system MSUD-N based on statistical processing of the results of monitoring a locomotive operation and to demonstrate the usefulness of its results.
METHODS: The role of diagnostic systems in the maintenance and repair of rolling stock was discussed. The approach used to find the causes of malfunctions is largely limited by available diagnostic information processing methods. We demonstrated a method to increase the accuracy of diagnostic data analysis and performed a comparative analysis of extracts from trip files of EP1 electric locomotives in regenerative braking and traction modes using a microprocessor-based traction motor diagnostic system installed on the EP1 electric locomotive.
RESULTS: We proposed an improved method for finding the causes of malfunctions in regeneration braking and traction modes of EP1 electric locomotives with the built-in MSUD-N diagnostic system as illustrated by three types of malfunctions (at locomotive operation, at trip file analysis, and post check-up). We studied real life examples of malfunctions that occurred in the electric locomotive electrical equipment and provided an illustrative report, which may be used for further analysis of the locomotive’s normal operation. To improve the method for detecting the malfunction, we developed an effective algorithm, determined advantages and disadvantages of this method, and considered the prospects for its further development. The developed algorithm for diagnosing locomotive operating parameters based on data from the MSUD-N system allows to make additional adjustments to troubleshooting and maintaining normal operation of all locomotive systems, reducing the effect of changes in equipment operating parameters following repairs and predicting the remaining service life of the locomotive.
CONCLUSION: Timely and accurate diagnostics of the traction motor to identify malfunctions will reduce the downtime of the electric locomotive during unscheduled repairs and allow to avoid unnecessary traction motor replacement costs. An improved troubleshooting algorithm used to detect the locomotive equipment faults allows to identify potential high-probability failures classified as a faulty but operational condition. Microprocessor control systems for electric locomotives have high diagnostic potential, which should be used in the design of contemporary service maintenance and routine repair systems with elements of predictive repair based on the actual health data of the equipment. Microprocessor-based diagnostic systems in electric locomotives may help develop measures aimed at reducing and preventing malfunctions, which in turn will reduce the number of line failures and delayed trains.
Цель: разработать усовершенствованный алгоритм диагностирования технического состояния оборудования электровозов серии ЭП1 по данным автоматизированной микропроцессорной системы управления и диагностики МСУД-Н на основании статистической обработки результатов наблюдения за работой локомотива и показать практическую значимость результатов его работы.
Методы: рассмотрена роль систем диагностирования при техническом обслуживании и ремонте подвижного состава. Используемый подход поиска причин неисправности во многом ограничен существующими методами обработки диагностической информации. Показан способ повышения точности анализа данных диагностики, для чего проведен сравнительный анализ фрагментов файлов поездки электровозов серии ЭП1 в режимах рекуперативного торможения и тяги с помощью микропроцессорной системы диагностирования тягового электродвигателя, установленной на электровозе ЭП1.
Результаты: предложен усовершенствованный метод поиска причин неисправности в режимах рекуперативного торможения и тяги на электровозах серии ЭП1 с использованием встроенной системы диагностики МСУД-Н на примере описания трех видов неисправностей – при эксплуатации локомотива, при анализе файла поездки и после проведенного осмотра. Рассмотрены реальные примеры неисправностей, которые возникали в работе электрооборудования электровоза, так же приведен пример заполнения отчета, который можно использовать для дальнейшего анализа работоспособности локомотива. В ходе усовершенствования метода поиска возникшей неисправности разработан его оптимальный алгоритм, определены преимущества и недостатки при использовании данного метода и рассмотрены перспективы его развития в будущем. Разработанный алгоритм диагностики параметров работы локомотива с учетом информации, получаемой из системы МСУД-Н, позволяет внести дополнительные корректировки в работы по устранению неисправностей и поддержанию всех систем электровоза в работоспособном состоянии, снизить влияние изменения параметров работы оборудования после его ремонта и спрогнозировать остаточный ресурс работы локомотива.
Заключение: своевременная и верная диагностика тягового электродвигателя с целью выявления неисправностей даст возможность сократить время простоя электровоза при неплановом ремонте, позволит предотвратить ненужные затраты на замену тягового электродвигателя. Усовершенствованный алгоритм действий для определения неисправностей оборудования локомотива позволяет выявлять предотказные состояния с высокой вероятностью наступления отказа и характеризуемые как неисправное, но работоспособное состояние. Микропроцессорные системы управления электровозов обладают высоким диагностическим потенциалом, который следует использовать при создании современных систем сервисного технического обслуживания и текущего ремонта с элементами предиктивного ремонта с учетом фактического технического состояния оборудования. Использование диагностических микропроцессорных систем электровоза может помочь в разработке мероприятий, направленных на снижение и предупреждение неисправностей, что в свою очередь позволит снизить количество отказов на линии и уменьшить количество задержанных поездов.