Материалы

Прогнозирование износа колодок модернизированных устройств тормозных систем тележек грузовых вагонов ARIMA моделями

• 
• 

Рейтинг:   / 0

ПлохоОтлично 

Подробности

Категория: Содержание №6 2020

Обновлено 01 Январь 2021

Опубликовано 30 Ноябрь -0001

Просмотров: 143

Authors:

В. Г. Равлюк, orcid.org/0000-0003-4818-9482, Украинский государственный университет железнодорожного транспорта, г. Харьков, Украина, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

С. В. Михалкив, orcid.org/0000-0002-0425-6295, Украинский государственный университет железнодорожного транспорта, г. Харьков, Украина, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

А. В. Рыбин, orcid.org/0000-0003-4430-8018, Украинский государственный университет железнодорожного транспорта, г. Харьков, Украина, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Я. В. Деревянчук, orcid.org/0000-0002-4932-2751, Український державний університет залізничного транспорту, м. Харків, Україна, e-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

А. А. Плахтий, orcid.org/0000-0002-1535-8991, ООО «ВО ОВЕН», г. Харьков, Украина, е-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2020, (6): 048 - 054

https://doi.org/10.33271/nvngu/2020-6/048

Abstract:

Цель. Заключается в построении дискретных стохастических ARIMA моделей для прогнозирования остаточного ресурса колодок модернизированных устройств тормозной рычажной передачи (ТРП) тележек грузовых вагонов промышленного транспорта.

Методика. Учет статистических данных по износу колодок типовых и модернизированных устройств ТРП на соответствующих осмотрах. Аналитические расчеты ТРП, по результатам которых предложены изменения в узле соединения вертикального рычага с распоркой. Информационный критерий Акайки и Байеса для выбора оптимальной интегрированной модели авторегрессии и скользящего среднего в рамках методологии Бокса-Дженкинса для прогнозирования остаточного ресурса колодок.

Результаты. Осуществлена идентификация, проверка адекватности ARIMA модели по информационным критериям Акайки и Байеса. Установлено, что ненормативный уровень износа верхних частей колодок типовых устройств ТРП вследствие низких конструктивных и эксплуатационных причин достигается при пробеге, который почти в 3,5 раза короче прогнозированного пробега, при котором происходит ненормативный износ верхней части колодок модернизированных устройств ТРП. Прогнозируемый остаточный ресурс верхней части колодки модернизированного ТРП на 3,3 тыс. км короче аналогичного значения для нижней части этой колодки.

Научная новизна. Впервые осуществлено прогнозирование остаточного ресурса колодок модернизированных устройств ТРП грузовых вагонов промышленного транспорта дискретными стохастическими ARIMA моделями, которые требуют наличия дискретных величин, регистрируемых в течение соответствующих экспериментальных измерений.

Практическая значимость. Результаты проведенных исследований апробированы на опытном подвижном составе с модернизированными устройствами в тормозных системах тележек. Их можно использовать при проектировании, модернизации и эксплуатации тормозных систем как эксплуатационного парка, так и тележек грузовых вагонов нового поколения.

Ключевые слова: АRІМА модель, грузовой вагон, износ, прогнозирование, тормозная колодка, тормозная рычажная передача

References.

1. Ravlyuk, V. G., Afanasenko, I. M., & Ravliuk, M. G. (2020). Investigation of the geometric parameters of the brake pads of freight cars under hazardous wear. Scienceand Transport Progress, 1(85), 99-118. https://doi.org/10.15802/stp2020/199515.

2. Department of Car Facilities (2019). Analysis of the state of train safety at the Ukrainian railways for 2019. Kyiv: Fast Motion.

3. Ravlyuk, V. G. (2019). Investigation of features of dual wear of pads in brake system of freight cars. Science and Transport Progress, 2(80), 11-126. https://doi.org/10.15802/stp2019/ 166114.

4. Operation Manual for Rolling Stock Brakes at the Ukrainian railways. CT-CB-CL-0015 (2004). Kyiv: Polygraphservice.

5. Vakkalagadda, M. R. K., Srivastava, D. K., Mishra, A., & Racherla, V. (2015). Performance analyses of brake blocks used by Indian Railways. Wear, 328-329, 64-76. https://doi.org/10.1016/j.wear.2015.01.044.

6. Zhang, Y., & Zhang, M. (2018). The application status of unit brakes on metro vehicles in China. IOSR Journal of Mechanical and Civil Engineering (IOSR-JMCE), 3(15), 17-23. https://doi.org/10.9790/1684-1503031723.

7. Vineesh, K. P., Vakkalagadda, M. R. K., Tripathi, A. K., Mishra, A., & Racherla, V. (2016). Non-uniformity in braking in coaching and freight stock in Indian Railways and associated causes. Engineering Failure Analysis, 59, 493-508. https://doi.org/10.1016/j.engfailanal.2015.11.023.

8. Matyjaszek, M., Fernandez, P. R., Krzemien, A., Wodarski, K., & Valverfe, G. F. (2019). Forecasting coking coal prices by means of ARIMA models and neural networks, considering the transgenic time series theory. Resources Policy, 61, 283-292. https://doi.org/10.1016/j.resourpol.2019.02.017.

9. Prema, V., & Rao, K. U. (2015). Time series decomposition model for accurate wind speed forecast. Renewables: Wind, Water, and Solar, 2(1), 18. https://doi.org/10.1186/s40807-015-0018-9.

10. Zubenko, D., Kovalenko, A., & Kuznetsov, O. (2015). Analysis of existing approaches to setting the intelligent management systems of transport undertakings. Eastern-European Journal of Enterprise Technologies, 9(78), 17-22. https://doi.org/10.15587/1729-4061.2015.56693.

11. Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2016). Time series analysis. Forecasting and control. 5 ^th edition. New Jersey: Wiley & Sons, 712.

12. Martinez-Alvarez, F., Troncoso, A., Asencio-Cortes, G., & Riquelme, J. C. (2015). A survey on data mining techniques applied to electricity-related time series forecasting. Energies, 8(11), 13162-13193. https://doi.org/10.3390/en81112361.

13. Mykhalkiv, S., & Bulba, V. (2019). The forecasting of the technical state of the traction gearboxes of electric trains with discrete stochastic models. Collected Scientific Works of Ukrainian State University of Railway Transport, 188, 23-35. https://doi.org/10.18664/1994-7852.188.2019.206182.

14. Meer van der, D. W., Shepero, M., Svensson, A., Widen, J., & Munkhammar, J. (2018). Probabilistic forecasting of electricity consumption, photovoltaic power generation and net demand of an individual building using Gaussian Procesesses. Applied Energy, 213, 195-207. https://doi.org/10.1016/j.apenergy.2017.12.104.

15. Pavlyukov, A. E., Cherepov, O. V., & Shalupin, I. A. (2017). Freight wagon brake pads: analysis of damage and factors affecting the creation of braking force. Bulletin of the Ural State University of Communication, 4(36), 4-11.

16. Sinitsyn, V. V., & Kobishchanov, V. V. (2020). Braking system for bogie successive braking of freight cars. Bulletin of the Bryansk State Technical University, 3(88), 21-28. https://doi.org/10.30987/1999-8775-2020-3-21-28.

17. Tuluzin, S. V., & Gorskij, D. V. (2015). Performance assessment of the brake rigging of the bogie of the freight car at various stages of wear of pads and wheels. Bulletin VNIIZHT, 2, 38-44.

18. Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and Practice (2 ^nd ed.). OTexts.

• < Назад
• Вперёд >