ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ДИАГНОСТИРОВАНИЯ ТЕПЛОВОЗНЫХ ДИЗЕЛЕЙ

INTELLIGENT DIESEL LOCOMOTIVE DIAGNOSTIC SYSTEM

Shaizadayev Aktilek

Master's student, Mukhamedzhan Tynyshpayev ALT University, Kazakhstan, Almaty

Nabi Asset

Master's student, Mukhamedzhan Tynyshpayev ALT University, Kazakhstan, Almaty

Аннотация. Повышение надёжности и топливной экономичности тепловозных дизелей в современных условиях эксплуатации невозможно без перехода от регламентного обслуживания к техническому обслуживанию по фактическому состоянию. Интеллектуальные системы диагностики, основанные на обработке эксплуатационных данных и применении методов искусственного интеллекта, позволяют выявлять дефекты на ранних стадиях, прогнозировать развитие отказов и оптимизировать объёмы ремонтных воздействий. В статье рассматриваются принципы построения интеллектуальной системы диагностики тепловозных дизелей, состав диагностических параметров и особенности её применения в условиях локомотивного депо.

Abstract. Improving the reliability and fuel efficiency of diesel locomotives in modern operating conditions is impossible without switching from routine maintenance to actual maintenance. Intelligent diagnostic systems based on the processing of operational data and the use of artificial intelligence methods make it possible to identify defects at an early stage, predict the development of failures and optimize the amount of repair work. The article discusses the principles of building an intelligent diagnostic system for diesel locomotives, the composition of diagnostic parameters and the specifics of its use in a locomotive depot.

Ключевые слова: тепловозный дизель, интеллектуальная диагностика, техническое состояние, вибрация, параметры рабочего процесса.

Keywords: diesel locomotive, intelligent diagnostics, technical condition, vibration, workflow parameters.

В процессе эксплуатации тепловозные дизели работают в широком диапазоне нагрузок и частот вращения, подвергаясь воздействию переменных механических и тепловых нагрузок. Износ цилиндро-поршневой группы, элементов газораспределительного механизма, топливной аппаратуры и систем наддува развивается постепенно и на ранних стадиях не всегда выявляется традиционными методами контроля. При этом отказ дизеля или его отдельных узлов приводит к значительным экономическим потерям и снижению надёжности перевозочного процесса. В этой связи актуальной становится задача создания интеллектуальных систем диагностики, способных на основе совокупности параметров объективно оценивать техническое состояние двигателя в реальном времени или в режиме постобработки данных. Интеллектуальная система диагностики тепловозного дизеля представляет собой программно-аппаратный комплекс, включающий средства сбора информации, блок обработки данных и модуль принятия диагностических решений. В качестве исходной информации используются параметры рабочего процесса дизеля: давление и температура воздуха и газов, давление топлива, частота вращения коленчатого вала, показатели работы турбокомпрессора, а также виброакустические сигналы и данные бортовых систем контроля. Классические труды по диагностике ДВС подчёркивают, что именно совокупный анализ параметров, а не отдельный показатель, позволяет достоверно судить о техническом состоянии двигателя [1].

Отличительной особенностью интеллектуальной диагностики является использование методов искусственного интеллекта и распознавания образов. Алгоритмы машинного обучения позволяют формировать эталонные образы «исправного» состояния дизеля и выявлять отклонения, характерные для определённых неисправностей, таких как ухудшение распыла топлива, снижение компрессии, разбалансировка цилиндров по подаче топлива или дефекты подшипниковых узлов. В научных публикациях отмечается, что применение нейронных сетей и методов статистического обучения повышает чувствительность диагностики и снижает влияние случайных эксплуатационных факторов [2, 3]. Особое значение для тепловозных дизелей имеет вибрационная и акустическая диагностика. Колебательные процессы в элементах кривошипно-шатунного механизма, подшипниках и агрегатах наддува несут информацию о техническом состоянии узлов и могут быть использованы для раннего обнаружения дефектов. В сочетании с анализом параметров рабочего процесса вибродиагностика позволяет локализовать неисправность и оценить степень её развития. В работах по технической диагностике подвижного состава железных дорог подчёркивается эффективность комплексного подхода, объединяющего тепловые, вибрационные и параметрические методы [4]. Интеллектуальная система диагностики должна учитывать специфику эксплуатации тепловозов, связанную с частыми переходными режимами, влиянием внешних условий и разбросом характеристик однотипных дизелей. Поэтому важным элементом системы является адаптация диагностических моделей к конкретному двигателю и условиям его работы. Применение самообучающихся алгоритмов позволяет уточнять диагностические признаки по мере накопления эксплуатационных данных, что особенно актуально для локомотивов с большой наработкой. В ряде исследований показано, что такие системы могут использоваться не только для диагностики, но и для прогноза остаточного ресурса узлов дизеля [5].

Внедрение интеллектуальных систем диагностики в локомотивных депо создаёт предпосылки для перехода к обслуживанию по техническому состоянию. Это позволяет снизить количество внеплановых ремонтов, оптимизировать загрузку ремонтного персонала и повысить коэффициент технической готовности тепловозов. Вместе с тем эффективность таких систем во многом зависит от качества исходных данных, корректности алгоритмов обработки и подготовки персонала, работающего с диагностической информацией. Нормативные и методические документы по диагностике подвижного состава подчёркивают необходимость сочетания автоматизированных средств контроля с инженерным анализом результатов [6].

Заключение. Таким образом, интеллектуальная система диагностики тепловозных дизелей является важным элементом современной концепции управления техническим состоянием локомотивов. Комплексное использование эксплуатационных параметров, виброакустических сигналов и методов искусственного интеллекта позволяет повысить достоверность оценки состояния дизеля, обеспечить раннее выявление дефектов и создать основу для прогнозирования отказов и рационального планирования ремонтов.