Способ определения остаточного ресурса узла транспортного средства

Изобретение относится к области диагностики транспортных средств и отдельных его узлов и предназначено для оценки остаточного и отработанного ресурса узлов.

В статье [Прогнозирование остаточного ресурса конструктивных элементов автомобилей в условиях эксплуатации. Баженов Ю.В., Баженов М.Ю. Технические науки, Фундаментальные исследования, №4, 2015] предлагается оценка ресурса узлов автомобиля с использованием вероятностных моделей через плотность распределения наработок объекта до предельного состояния, а также гамма-процентного ресурса.

В реальных условиях эксплуатации ресурс транспортного средства из-за воздействия на него множества случайных факторов варьирует в довольно широких пределах.  Поэтому ресурс объекта следует считать случайной величиной, он может быть описан только вероятностными моделями. 

Недостатком данного способа является невозможность индивидуальной оценки каждого узла, а именно степени нагрузки на узел в процессе эксплуатации, а также оценки остаточного ресурса для текущего уровня нагрузки.

Известен способ определения остаточного ресурса узлов конструкции [SU 1536259, С.Н.Киселев, Е.М.Тарасов и В.В. Круглов от 23.05.1988, опубл. 15.01.1990], при котором партию образцов из материала узла нагружают циклически до разрушения при различных, но постоянных в процессе нагружения уровнях амплитудных напряжений. По сигналам с тензодатчиков, установленных на образцах, определяют количество накопленных в них напряжений и определяют общее число циклов нагружения N_P. Аналогичным образом определяют накопленные повреждения для эксплуатационного числа циклов нагружения узла конструкции. Выбирают эквивалентный образец, для которого накопленные повреждения, приближаются к накопленным в узле, а остаточный ресурс определяют по формуле N_ОСТ=N_P – N, где N – наработанное число циклов узла конструкции.

Недостатком данного способа является сложность определения числа циклов нагружения в реальных условиях эксплуатации узла транспортного средства и отсутствие диагностирующего признака, определяющего характер и степень разрушения узла.

Для расширения возможностей диагностики, повышения ее информативности, упрощения расчетов, а также устранения других выявленных недостатков предлагается использовать для оценки текущего состояния узла вероятностный параметр – информационную энтропию, а также уровень нагрузки на узел, а все необходимые расчеты производить с использованием аппарата нейронных сетей с применением технологии параллельных вычислений Nvidia CUDA.

Технический результат изобретения заключается в возможности оценки текущего состояния узла, а также остаточного ресурса особо ответственных узлов транспортных средств с учетом нагрузок на узел как текущих, так и в процессе эксплуатации, увеличение надежности результатов диагностики, а также учет уровня нагрузки при прогнозировании ресурса узла транспортного средства.

Технический результат достигается тем, что в способе технической диагностики и оценки остаточного и отработанного ресурса особо ответственных узлов транспортных средств, при котором производят измерения различных входных параметров, обработку и преобразование полученных сигналов с тензодатчиков, установленных на образцах, определяют количество накопленных в них напряжений и определяют общее число циклов нагружения до разрушения, на узел дополнительно к тензодатчику устанавливают акселерометр и датчики температуры и акустической эмиссии, сигналы с которых подаются на вход нейронной сети, которая определяет текущий уровень нагрузки на узел, решая задачу классификации, а по сигналу акустической эмиссии рассчитывают показатель информационной энтропии, который определяет степень разрушения системы, далее обученная нейронная сеть регрессионного анализа определяет остаточный ресурс узла на основе выявленных в ходе испытаний зависимостей между ресурсом узла, уровнем нагружения и показателем информационной энтропии.

Информационная энтропия имеет вероятностную основу и учитывает таким образом влияние различных случайных факторов на исследуемую систему, в связи с этим использование показателя информационной энтропии позволяет проводить оценку текущего состояния узла транспортного средства и остаточного ресурса на основе заданного уровня нагрузки.

В общем случае процесс усталостного разрушения материала можно условно разделить на 2 фазы (I и II).

В первой фазе (I) напряжения в материале сопровождаются структурной перестройкой дислокаций, без образования видимых микротрещин. Сигнал акустической эмиссии на этом участке эксперимента не содержит хаотических составляющих, значение информационной энтропии (H) меняется незначительно. Затем в определенный момент в зоне повышенных напряжений, обусловленных конструктивными или структурными факторами, образовывается микротрещина, после чего процесс разрушения переходит во вторую фазу (II), после чего в результате развития трещины сечение ослабляется пока не происходит внезапного разрушения. Вторая фаза характеризуется нарастанием хаоса в динамической системе – информационная энтропия сигналов акустической эмиссии начинает расти все с большей интенсивностью и достигает своих максимальных значений.

Предварительно необходимо экспериментальным путем выявить изменение информационной энтропии во времени при эксплуатации транспортного средства с фиксированным уровнем нагрузки, как показано на фиг. 1, после чего по выявленным параметрам провести предварительное обучение нейронной сети.

В общем случае систему для определения остаточного ресурса можно представить, как показано на фиг. 2.

Для диагностики используется группа датчиков, как показано на фиг. 2, таких как акселерометр 1, тензометрический датчик 2, датчик температуры 3 и датчик акустической эмиссии 4, сигналы с которых поступают на блок обработки сигнала для устранения помех, после чего обработанные сигналы с датчиков 1-3 поступают на вход нейронной сети 6, которая служит для получения показателя уровня нагрузки на узел транспортного средства. Обработанный сигнал с датчика акустической эмиссии поступает на блок фрактального анализа, на выходе которого в результате расчетов получают данные по информационной энтропии (H). После этого полученные данные: P и H поступают на вход второй нейронной сети 7, на выходе которого после анализа данных выявляется показатель остаточного ресурса (R) - (8).

Т.к. предварительно были выявлены закономерности изменения фрактальной размерности исследуемой системы (узла) для различных уровней нагрузки во времени (фиг.1), в общем случае процесс оценки остаточного ресурса упрощенно можно представить, как показано на фиг.3.

Таким образом, при наличии большого количества данных относительно взаимной зависимости уровня нагрузки, фрактальной размерности и отработанного ресурса (t) можно получить трехмерную поверхность в осях Н, P, t (фиг.3) и, оценив уровень нагрузки и рассчитав информационную энтропию, оценить отработанный и остаточный ресурс (блок 8, фиг. 2).

Данная схема имеет следующие преимущества по сравнению с существующими: она всегда учитывает текущее состояние системы и уровень нагрузки на узел, что дает возможность в любой промежуток времени оценить остаточный ресурс системы. За счет применения нейронных сетей заметно упрощаются процедуры расчетов, увеличивается производительность обучения нейронной сети с применением технологии параллельных вычислений Nvidia CUDA. Кроме этого, в зависимости от особенностей узла можно использовать любые датчики и их количество для измерения параметров, по которым может быть произведена оценка уровня нагрузки на узел, при этом меняется только нейронная сеть 6.