способ определения износа лопаток бетоносмесителя

Формула изобретения

Способ определения износа лопаток бетоносмесителя, включающий измерение в процессе эксплуатации геометрических параметров лопатки по длине и ширине, отличающийся тем, что лопатку делят по длине и ширине на зоны контроля, определяют координаты этих зон, по этим координатам определяют толщину лопатки в каждой зоне методом сканирования, полученные данные заносят в координатную систему и методом группового учета аргументов определяют фактический износ и форму изношенной поверхности лопаток, с учетом которых выбирают метод восстановления лопаток.

Описание изобретения к патенту

Изобретение относится к области машин и оборудования, предназначенных для приготовления сыпучих и вязких смесей, например бетоносмесителей, и может использоваться для диагностики износа лопаток бетоносмесителей, выбора метода их восстановления и для контроля технического состояния бетоносмесительных установок.

Известен способ диагностирования износа лопаток бетоносмесителя, включающий измерение ее толщины в процессе эксплуатации(см. RU 2190513 С1, В23Р 6/00, опубл. 10.10.2002).

Недостатком известного способа диагностирования износа лопаток является отсутствие автоматизации самого процесса диагностирования, а также отсутствие возможности прогнозирования отказов на период текущей наработки и выбора метода восстановления изношенных лопаток.

В основу изобретения поставлена задача обеспечить возможность бесконтактного диагностирования износа лопаток, а также прогнозирования отказов данных рабочих органов на период текущей наработки, которая будет обеспечивать снижение трудозатрат и времени процесса диагностирования и технического обслуживания бетоносмесителей.

Поставленная задача решается тем, что в способе определения износа лопаток бетоносмесителя измеряют в процессе эксплуатации геометрические параметры лопатки по длине и ширине, при этом лопатку делят по длине и ширине на зоны контроля, определяют координаты этих зон, по этим координатам определяют толщину лопатки в каждой зоне методом сканирования, полученные данные заносят в координатную систему и методом группового учета аргументов определяют фактический износ и форму изношенной поверхности лопаток, с учетом которой выбирают метод восстановления лопаток.

Поскольку замеряют геометрические параметры лопаток по их длине и ширине, делят лопатки по длине и ширине на зоны контроля, определяют координаты этих зон, по этим координатам определяют толщину лопатки в каждой зоне методом сканирования, полученные данные заносят в координатную систему и определяют фактический износ, используя метод группового учета аргументов, обеспечивается возможность бесконтактного диагностирования износа лопаток, а также прогнозирования отказов данных рабочих органов на период текущей наработки, которая будет обеспечивать снижение трудозатрат и времени процесса диагностирования и технического обслуживания бетоносмесителей и выбор метода восстановления изношенных лопаток.

На фиг.1 изображена диагностируемая лопатка в профиль с ее разбивкой на зоны и слои контроля по длине и ширине.

На фиг.2 - изображена диагностируемая лопатка с условно выбранными координатами измерения ее толщины.

Способ диагностирования износа лопаток бетоносмесителя осуществляют следующим образом.

Замеряют геометрические параметры лопаток по их длине и ширине, делят лопатки по длине и ширине. Делят лопатки по длине и ширине на зоны контроля. Определяют координаты этих зон. По этим координатам определяют толщину лопатки в каждой зоне методом сканиравания, используя бесконтактные средства измерения (толщиномер и др.). Полученные данные заносят в координатную систему X, Y, h, где длина лопатки будет координатой X, ширина Y, а толщина h (фиг.3). Определяют фактический износ, используя метод группового учета аргументов. Поскольку лопатки бетоносмесителей выполняются различной конфигурации, а также имеют различные геометрические параметры по длине, ширине и толщине каждой лопатки, использование данного способа диагностирования износа лопаток позволяет определять этот износ в зонах, наиболее подверженных абразивному воздействию. Поскольку при данном способе диагностирования определяется не только величина износа лопатки, но и форма изношенной поверхности, появляется возможность выбора метода восстановления изношенных лопаток, прогноза отказов и дальнейшая наработка этих лопаток.

Далее полученные данные перераспределяются в координатную систему, в виде таблицы, и обрабатывают введенные данные в программе Exel.

Полученные данные обрабатываются в программе NeuroShell с использованием одного из видов нейросетевого анализа - метода группового учета аргументов (МГУА).

МГУА работает путем построения последовательных слоев со сложными связями (или соединениями), представляющими собой отдельные члены полинома. Эти полиномиальные члены создаются с использованием линейной и нелинейной регрессии, также он использует несколько методов оценки, называемых критериями отбора. Один из них, называемый регулярностью, похож на калибровку в том смысле, что сеть выбирает конструкцию, которая работает лучше всех.

Сеть автоматически штрафует модели, становящиеся слишком сложными. Преимущество этого состоит в том, что можно использовать все имеющиеся данные. В них есть генераторы усложняющихся из ряда в ряд комбинаций и пороговые самоотборы лучших из них (так называемое «полное» описание объекта):

j=f(x ₁, x₂, x₃, ^l/₄ , x_m),

где f - некоторая элементарная функция.

Исключая промежуточные переменные, можно получить «аналог» полного описания (например, по десяти узлам интерполяции можно получить в результате оценки коэффициентов полинома сотой степени и т.д.).

Например, на основе данных измерений лопаток бетоносмесителя марки БСМ 26.05 после 800 часов наработки МГУА позволил получить адекватное уравнение регрессии, описывающее изменение толщины изношенной лопатки от координаты ее поверхности (фиг.3):

Степенной полином заменяется несколькими рядами «частных» описаний:

где h - координата по толщине лопатки в заданной точке, мм;

х - координата по длине лопатки, мм.

Принимается в соответствии с полученными данными, указанными на рисунке П.5.11 (для 1-ой полулопасти Х_о =0; для 2-ой Х_о=710 мм, Х_max=3454 мм); у - координата по ширине лопатки, мм (у_max=120 мм); E_exp-(2,8).

Входными переменными в данной сети являются величины Х и Y, выходной - толщина h лопатки. Количество слоев в сети равно шести, причем в первом использовано десять нейронов. Результаты статистической проверки полученного уравнения представлены в таблице 1.

Таблица 1
Статистическая проверка уравнения регрессии по результатам тестового набора
Параметр	Значение
R квадрат	0,3525
г квадрат	0,3631
Средний квадрат ошибки	2,4571
Ср. квадратичная ошибка (СКО)	1,568
Относительная СКО, %	19,948
Средняя абсолютная ошибка	1,1025
Мин. абсолютная ошибка	0,0038
Макс. абсолютная ошибка	5,2735
Коэффициент корреляции г	0,6026
Доля с ошибкой менее 5%	18,333
Доля с ошибкой от 5% до 10%	10,000
Доля с ошибкой от 10% до 20%	26,667
Доля с ошибкой от 20% до 30%	18,333
Доля с ошибкой свыше 30%	23,333

Исследование характера распределения величины износа лопатки смесителей на основании полученного регрессионного уравнения можно провести, графически, измеряя толщины лопатки по ее координатам с помощью программы MathCad (фиг.4).

Полученная математическая модель позволит в автоматизированном порядке получать информацию о величине и месте образования износа на плоскости лопаток смесителя.

Таким образом, данный способ определения износа лопаток бетоносмесителей позволяет своевременно получать информацию об износе, выбирать методы их восстановления, а также прогнозировать отказы.