Науковий вісник НГУ

Прогнозування зносу колодок модернізованих пристроїв гальмових систем візків вантажних вагонів ARIMA моделями

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №6 2020

Останнє оновлення: 01 січня 2021

Опубліковано: 30 листопада -0001

Перегляди: 1434

Authors:

В. Г. Равлюк, orcid.org/0000-0003-4818-9482, Український державний університет залізничного транспорту, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

С. В. Михалків, orcid.org/0000-0002-0425-6295, Український державний університет залізничного транспорту, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

А. В. Рибін, orcid.org/0000-0003-4430-8018, Український державний університет залізничного транспорту, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Я. В. Дерев’янчук, orcid.org/0000-0002-4932-2751, Український державний університет залізничного транспорту, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

О. А. Плахтій, orcid.org/0000-0002-1535-8991, Товариство з обмеженою відповідальністю «ВО ОВЕН», м. Харків, Україна, е-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

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

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

Abstract:

Мета. Полягає в побудові дискретних стохастичних ARIMA моделей для прогнозування залишкового ресурсу колодок модернізованих пристроїв гальмово-важільної передачі (ГВП) візків вантажних вагонів промислового транспорту.

Методика. Облік статистичних даних зі зносу колодок типових і модернізованих пристроїв ГВП на відповідних обстеженнях. Аналітичні розрахунки ГВП, за результатами яких запропоновані зміни у вузлі з’єднання вертикального важеля з розпіркою. Інформаційний критерій Акайкі й Байєса для вибору оптимальної інтегрованої моделі авторегресії та ковзного середнього у межах методології Бокса-Дженкінса для прогнозування залишкового ресурсу колодок.

Результати. Здійснена ідентифікація, оцінювання, пе­ревірка адекватності ARIMA моделі за інформаційними критеріями Акайкі й Байєса. Установлено, що ненормативний рівень зносу верхніх частин колодок типових пристроїв ГВП унаслідок низки конструктивних і експлуатаційних причин досягається за пробігу, що майже у 3,5 рази коротший за прогнозований пробіг, за якого відбувається ненормативний знос верхньої частини колодок модернізованих пристроїв ГВП. Прогнозований залишковий ресурс верхньої частини колодки модернізованого ГВП на 3,3 тис. км коротший за аналогічний для нижньої частини цієї ж колодки.

Наукова новизна. Уперше здійснено прогнозування залишкового ресурсу колодок модернізованих пристроїв ГВП вантажних вагонів промислового транспорту дискретними стохастичними АРІМА моделями, що потребують лише наявності дискретних величин, які реєструються протягом відповідних експериментальних замірів.

Практична значимість. Результати проведених досліджень апробовані на дослідному рухомому складі з модернізованими пристроями у гальмових системах візків. Їх можна використовувати при проектуванні, модернізації та експлуатації гальмових систем як експлуатаційного парку, так і нового покоління візків вантажних вагонів.

Ключові слова: АRІМА модель, вантажний вагон, гальмова важільна передача, гальмова колодка, знос, прогнозування

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.

• < Попередня
• Наступна >