Управление техническим состоянием сельскохозяйственной техники с применением цифровых технологий

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Исследования проводили с целью обоснования разработки устройств и программного обеспечения по управлению техническим состоянием сельскохозяйственной техники с использованием элементов искусственного интеллекта. Применение искусственного интеллекта позволяет внедрить стратегию предиктивного технического обслуживания и ремонта техники С3 – комплексного подхода, позволяющего определить состояние находящейся в эксплуатации машины, и оценить, когда следует провести техническое обслуживание. Для этого необходимо разработать электронные диагностические устройства и датчики, которые можно объединить в один интеллектуальный информационный комплекс, позволяющий оперативно собирать и обрабатывать большие объемы данных по параметрам технического состояния сельскохозяйственной техники благодаря использованию искусственного интеллекта. Объект исследования – гидромеханическая коробка перемены передач трактора «Кировец». В 2022–2024 гг. были разработаны устройства сбора данных, программное обеспечение и методики оценки технического состояния машин, использующие алгоритмы искусственного интеллекта и нейронных сетей, а также описаны изготовленные цифровые диагностические устройства. На примере анализа параметров работы гидромеханической коробки передач трактора «Кировец» конкретизировано вводимое понятие технического состояния (номинальное, допускаемое, предельное или аварийное), которое основано на расчете с использованием нейронной сети параметра Yn, определяющего тип возможных работ и сервисного обслуживания. Благодаря мониторингу и анализу параметров работы коробки передач с применением ИИ и непрерывной актуализации технического состояния своевременно проводится техническое обслуживание и ремонт, что обеспечивает управление техническим состоянием и повышение надежности сельскохозяйственных машин, минимизирует отказы и связанные с ними простой техники.

Полный текст

Доступ закрыт

Об авторах

А. С. Дорохов

Федеральный научный агроинженерный центр ВИМ

Автор, ответственный за переписку.
Email: dorokhov.vim@yandex.ru

доктор технических наук, академик РАН

Россия, Москва

Ю. В. Катаев

Федеральный научный агроинженерный центр ВИМ

Email: dorokhov.vim@yandex.ru

кандидат технических наук

Россия, Москва

М. Н. Костомахин

Федеральный научный агроинженерный центр ВИМ

Email: dorokhov.vim@yandex.ru

кандидат технических наук

Россия, Москва

Н. А. Петрищев

Федеральный научный агроинженерный центр ВИМ

Email: dorokhov.vim@yandex.ru

кандидат технических наук

Россия, Москва

Е. В. Пестряков

Федеральный научный агроинженерный центр ВИМ

Email: dorokhov.vim@yandex.ru
Россия, Москва

А. С. Саяпин

Федеральный научный агроинженерный центр ВИМ

Email: dorokhov.vim@yandex.ru
Россия, Москва

Список литературы

  1. Результаты научных исследований агроинженерных научных организаций по развитию цифровых систем в сельском хозяйстве / Ю. Ф. Лачуга, А. Ю. Измайлов, Я. П. Лобачевский и др. // Техника и оборудование для села. 2022. № 3 (297). С. 2–9. doi: 10.33267/2072-9642-2022-3-2-9.
  2. Совершенствование мониторинга системы «Человек-машина-среда» и правил эксплуатации для повышения эксплуатационной надежности тракторов / Н. А. Петрищев, М. Н. Костомахин, А. С. Саяпин и др. // Технический сервис машин. 2020. № 3 (140). С. 12–20. doi: 10.22314/2618-8287-2020-58-3-12-20.
  3. Ерохин М. Н., Дорохов А. С., Катаев Ю. В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. 2021. № 2 (102). С. 45–50. doi: 10.26897/2687-1149-2021-2-45-50.
  4. Черноиванов В. И., Денисов В. А., Соломашкин А. А. Способ определения остаточного ресурса деталей машин // Технический сервис машин. 2020. № 1 (138). С. 50–57. doi: 10.22314/2618-8287-2020-58-1-50-57.
  5. Метод дистанционного контроля функциональных показателей сельскохозяйственной техники / В. Е. Таркивский, Н. В. Трубицын, Е. С. Воронин и др. // Техника и оборудование для села. 2018. № 12. С. 22–25.
  6. Федоренко В. Ф., Таркивский В. Е. Цифровые беспроводные технологии для оценки показателей сельскохозяйственной техники // Сельскохозяйственные машины и технологии. 2020. Т. 14. № 1. С. 10–15. doi: 10.22314/2073-7599-2020-14-1-10-15.
  7. Application of Deep Learning in Fault Diagnosis of Rotating Machinery / W. Jiang, C. Wang, J. Zou, et al. // Processes. 2021. Vol. 9. No. 919. URL: https://www.mdpi.com/2227–9717/9/6/919 (дата обращения: 11.06.2024). doi: 10.3390/pr9060919.
  8. Стратегия машинно-технологической модернизации сельского хозяйства России до 2030 года (прогноз) / З. А. Годжаев, В. Г. Шевцов, А. В. Лавров и др. // Технический сервис машин. 2019. № 4 (137). С. 220–229.
  9. Лобачевский Я. П., Дорохов А. С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т. 15. № 4. С. 6–10. doi: 10.22314/2073-7599-2021-15-4-6-10.
  10. Пастухов А. Г., Тимашов Е. П. Диагностирование опорных узлов трансмиссии на основе изучения термонагруженности // Сельскохозяйственные машины и технологии. 2023. Т. 17. № 2. С. 61–68. doi: 10.22314/2073-7599-2023-17-2-61-68.
  11. Online monitoring of the technical condition of energy saturated agricultural equipment using neural networks / Y. Kataev, I. Tishaninov, E. Gradov, et al. // E3S Web of Conferences. 2023. No. 402. 03026. URL: https://www.e3sconferences.org/articles/e3sconf/abs/2023/39/e3sconf_transsiberia2023_03026/e3sconf_transsiberia2023_03026.html (дата обращения: 11.06.2024). doi: 10.1051/e3sconf/202340203026.
  12. Shao S., Wang P., Yan R. Generative adversarial networks for data augmentation in machine fault diagnosis. Computers in Industry. 2019. No. 106. P. 85–93. doi: 10.1016/j.compind.2019.01.001.
  13. Костомахин М. Н. Пестряков Е. В. Программный комплекс для дистанционного контроля узлов и агрегатов // Сельскохозяйственные машины и технологии. 2022. Т. 16. № 4. С. 19–25. doi: 10.22314/2073-7599-2022-16-4-19-25.
  14. Научно-технические достижения агроинженерных научных организаций в условиях цифровой трансформации сельского хозяйства / Я. П. Лобачевский, Ю. Ф. Лачуга, А. Ю. Измайлов и др. // Техника и оборудование для села. 2023. № 3 (309). С. 2–12. doi: 10.33267/2072-9642-2023-3-2-11.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Интеллектуальный программный комплекс с цифровыми средствами сбора, передачи и анализа диагностических данных технического состояния техники

Скачать (415KB)
3. Рис. 2. Схема устройства для интеллектуального мониторинга КП с гидравлической системой управления: 1 – модуль измерений с акселерометром, 2 – модуль индикации, 3 – модуль интеллектуального диагностирования, 4 – накладной датчик температуры, 5 – переходник для подключения к системе контроля давления, 6 – штатный датчик давления, 7 – телематический терминал

Скачать (85KB)
4. Рис. 3. Переходной процесс изменения давления и ускорения при переключении КП

Скачать (68KB)
5. Рис. 4. Алгоритм обучения НС за 500 эпох (epochs) для расчета параметра Yn, характеризующего оценку общего технического состояния системы гидравлического управления КП

Скачать (195KB)
6. Рис. 5. Схема работы устройства для безразборного интеллектуального мониторинга и оценки общего технического состояния системы гидравлического управления КП

Скачать (175KB)

© Российская академия наук, 2024