автореферат диссертации по машиностроению и машиноведению, 05.02.13, диссертация на тему:Повышение эффективности технической диагностики металлических конструкций грузоподъемных машин

ЯКИМОВ Артем Викторович

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ МЕТАЛЛИЧЕСКИХ КОНСТРУКЦИЙ ГРУЗОПОДЪЕМНЫХ МАШИН

05.02.13 - «Машины, агрегаты и процессы»

Автореферат диссертации на соискание ученой степени кандидата технических наук

з с кг т

005534171

Братск-2013

005534171

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Забайкальский государственный университет»

Научный руководитель: доктор технических наук, профессор кафедры

СДМ ФТТиС, директор НОЦ ПТ и СМ ЗабГУ Озорнин Сергей Петрович ФГБОУ ВПО Забайкальский государственный университет

Официальные оппоненты: доктор технических наук, профессор, заведующий

кафедрой «Строительные, дорожные и гидравлические машины» Зедгенизов Виктор Георгиевич, Национальный исследовательский Иркутский государственный технический университет

кандидат технических наук, доцент кафедры «Транспортно-технологические системы в строительстве и горном деле» Позынич Константин Прохорович, ФГБОУ ВПО Тихоокеанский государственный университет

Ведущая организация: ОАО «ИркутскНИИхиммаш»

Защита состоится 18 октября 2013 г. в И00 часов на заседании диссертационного совета_Д212.018.02_ при ФГБОУ ВПО «Братский государственный

университет» в ауд. 3205

665709, Иркутская область, г. Братск, ул. Макаренко, д. 40.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Братский государственный университет».

Отзывы на автореферат в двух экземплярах с подписью, заверенной печатью, просим направлять по указанному выше адресу на имя ученого секретаря диссертационного совета. Для связи с секретарем могут быть использованы: факс (8-3953) 33-20-08, тел. (8-3953) 32-53-63, e-mail: efremov@brstu.ru.

Автореферат разослан

17 сентября 2013 г.

Ученый секретарь Диссертационного совета, кандидат технических наук, доцент

И.М. Ефремов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Грузоподъемные машины являются узловым звеном в цепи транспортных технологий современных промышленных предприятий, влияющим на эффективность и безопасность функционирования большинства технологических процессов во всех отраслях экономики. По данным Федеральной службы по экологическому, технологическому и атомному надзору на территории Российской Федерации находятся в эксплуатации 245 тысяч регистрируемых грузоподъемных кранов. Одной из основных проблем эксплуатации ГПМ является их техническая диагностика, в частности, состояния металлических конструкций. Серьезные финансовые и временные затраты, обусловленные необходимостью проведения экспертизы промышленной безопасности, не обеспечивают достаточного уровня безаварийной работы в периоды эксплуатации. Как показывает практика, эксплуатация ГПМ связана со значительным числом случаев производственного травматизма со смертельным исходом и аварий, обусловленных техническими причинами. Смертельный травматизм при эксплуатации грузоподъемных машин является самым высоким по сравнению с другими отраслями и производствами, подконтрольными Ростехнадзору России.

Непрерывное развитие средств обеспечения безопасности работы ГПМ привело к появлению современных систем безопасности СШК160 и ОГМ240, имеющих широкий спектр возможностей, из которых регистрация параметров работы крана представляет наибольший интерес. Наличие достоверной информации об условиях эксплуатации дает возможность более качественно осуществлять техническую диагностику состояния ГПМ и своевременно выполнять мероприятия по восстановлению технического состояния. Для проведения технической диагностики в свою очередь необходима методика которая позволит эффективно использовать имеющуюся информацию. Анализ работ посвященных технической диагностике состояния металлических конструкций ГПМ позволил выявить противоречие между уровнем требований безопасности и тем объемом знаний, которые необходимы для обеспечения заданных условий, а так же показал недостаточность глубины исследования вопроса применения больших объемов оперативных, эксплуатационных данных, регистрируемых современными системами приборов безопасности.

Область работоспособных состояний металлических конструкций ГПМ должна определяться в п-мерном фазовом пространстве множеством комбинаций значений параметров работы ГПМ во времени и определяющих усталостное повреждение металла в локальных областях металлической конструкции, называемых горячими точками (ГТ).

Разработка эффективных методик решения очерченных выше проблем, позволит повысить безопасность эксплуатации ГПМ, сократить расходы связанные с необходимостью проведения экспертизы промышленной безопасности, повысить культуру эксплуатации в связи с усилением контроля и расширить сферу применения существующих систем приборов безопасности без их изменения.

Рабочей гипотезой является предположение о том, что любой точке фазового пространства параметров работы ГПМ может быть установлено в соответствие напряженное состояние ее металлических конструкций, оцениваемое посредством нейросетевой модели.

Целью работы является повышение безопасности эксплуатации ГПМ путем разработки эффективной методики технической диагностики состояния металлических конструкций.

Основные задачи:

1. Выполнить анализ методов и средств технической диагностики состояния металлических конструкций ГПМ.

2. Выбрать прототипы ГПМ и провести анализ напряженного состояния их металлических конструкций, проанализировать заключения экспертиз промышленной безопасности.

3. Разработать нейросетевую модель зависимостей величин напряжений в ГТ металлических конструкций от параметров работы ГПМ и соответствующее программное обеспечение.

4. Разработать методику технической диагностики состояния металлических конструкций ГПМ на основе нейросетевой модели напряженного состояния.

5. Произвести экспериментальную проверку результатов исследований на различных типах ГПМ и определить их экономическую эффективность.

Методы исследования: нейросетевое моделирование; цифровая обработка сигналов; компьютерная обработка изображений; конечно-элементное моделирование.

Объектом исследования является процесс деградации технического состояния металлических конструкций ГПМ в результате усталости материала.

Предметом исследования являются функциональные зависимости между усталостным состоянием металлических конструкций ГПМ и фазовым пространством параметров их работы.

Обоснованность и достоверность научных положений и выводов под-верждается применением современных апробированных методов исследований; использованием сертифицированных программных продуктов; применением измерительных приборов высокого класса точности, прошедших поверку в соответствующих организациях; использованием статистических методов обработки результатов и экспериментальной верификацией теоретических расчетов.

Научная новизна диссертационной работы заключается:

1. В получении характеристик нейросетевых моделей, позволяющих моделировать напряженное состояние ГТ металлических конструкций ГПМ.

2. В предложенном методе повышения эффективности обработки данных, регистрируемых системами приборов безопасности отечественного производства,

4

с целью совершенствования технической диагностики металлических конструкций ГПМ.

Реализация результатов'.

1. Результаты научно-исследовательской работы (программное обеспечение для технической диагностики металлоконструкций башенного крана QTZ100) приняты к внедрению на предприятии ООО «УНЦ ТЭС» г. Чита (имеется акт внедрения).

2. Результаты научно-исследовательской работы внедрены в учебный процесс Забайкальского государственного университета при подготовке студентов по специальности «Подъемно-транспортные, строительные, дорожные машины и оборудование» в виде программного обеспечения для технической диагностики металлических конструкций башенного крана QTZ100 (имеется акт внедрения).

На защиту выносятся следующие научные положения:

1. Усталостное повреждение металла в локальных областях металлической конструкции ГПМ, называемых горячими точками, может быть определено п - мерным фазовым пространством множеств комбинаций значений параметров работы крана во времени, что, в свою очередь, определяет область работоспособных состояний металлических конструкций ГПМ.

2. Эффективность и качество технической диагностики металлических конструкций ГПМ повышается при комплексном анализе всей информации, регистрируемой системами приборов безопасности отечественного производства.

3. Использование нейросетевых моделей позволяет быстро и с достаточной для практических целей точностью рассчитывать напряжения в ГТ металлических конструкций ГПМ.

Апробация работы. Материалы диссертации докладывались и обсуждались на Уральском Конгрессе подъемно-транспортного оборудования (г. Екатеринбург, 2010 г.), на 4-й и 5-й международных научно-практических конференциях «Информационные технологии, системы и приборы в АПК» (г. Новосибирск, 2009, 2012 гг.), на научно-практических конференциях Читинского государственного университета (г. Чита, 2009 - 2011 г.), на семинарах Шеньчженьского института инновационных технологий (Shenzhen, China, 2011).

Диссертационная работа заслушана и одобрена на заседании кафедры строительных и дорожных машин факультета технологии транспорта, связи Забайкальского государственного университета.

Практическая ценность.

1. Выявлены места концентрации напряжений в металлических конструкциях башенного (QTZ100) и мостового (КМ20) кранов.

2. Разработаны конечно-элементные модели металлических конструкций башенного (С>Тг100) и мостового (КМ20) кранов.

3. Разработана методика технической диагностики металлических конструкций ГПМ, использующая систему приборов безопасности ОНК160.

4. Разработано программное обеспечение для технической диагностики металлических конструкций башенного крана С>Тг100.

5. Годовой экономический эффект от внедрения результатов диссертационной работы (в расчете на одну машину) - 23000 руб.

Публикации. Основные научные и практические результаты работы изложены в 8 статьях (включая 4 публикации в изданиях, рекомендуемых ВАК России), получено свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем диссертации. Работа состоит из введения, 4 глав, общих выводов, приложения и списка литературы. Содержит 130 страниц машинописного текста, 63 рисунка и 4 таблицы. Список литературы включает 91 наименование. В приложении представлены акты о внедрении результатов работы, общий вид и характеристики исследуемых ГПМ.

Содержание работы

Во введении обоснована актуальность проблемы, изложены цель и задачи исследования, определены объект и предмет исследования, раскрываются научная новизна и практическая ценность работы, приведены сведения о результатах ее внедрения.

В первой главе представлены результаты аналитического обзора по теме исследования, проведен анализ методов и средств технической диагностики металлических конструкций.

В разработку методов оценки, прогнозирования и управления техническим состоянием сложных механических систем вложили свой труд многие ученые: М.М. Гохберг, A.B. Вершинский, С.А. Соколов, К.П. Манжула, A.C. Липатов, H.A. Махутов, В.В. Болотин, К.В. Фролов, Ю.Н. Работнов, C.B. Серенсен, В.Н. Когаев, В.В. Москвичев, A.M. Лепихин, C.R. Farrar, Fu-Kuo Chang и др.

В соответствии с п. 2.12.11 введенных в действие с 10.01.2001 г. «Правил устройства и безопасной эксплуатации грузоподъёмных кранов ПБ 10-382-00» краны мостового типа грузоподъемностью более Юти группы классификации (режима) не менее А6 по стандарту ИСО 4301/1-85, башенные краны грузоподъёмностью более 5т, портальные, железнодорожные и стреловые краны должны быть оборудованы регистраторами параметров работы крана (РПРК), которые могут конструктивно выполняться как в виде автономных изделий, так и быть встроенными в другие приборы и устройства безопасности крана. Несмотря на то, что обязательной установке РПРК подлежат не все ГПМ, подпадающие под данное действие краны представляют многочисленную категорию на территории РФ.

В ходе аналитического обзора установлено, что отечественные устройства регистрации параметров работы крана, входящие в состав систем безопасности ОНК160 и ОГМ240, предоставляют возможности, которые используются не в полной мере. Это выражается в ограниченном применении данных регистрируемых РПРК, большая часть которых, анализируется лишь в случае аварии. Спектр регистрируемых параметров широк и включает: масса поднимаемого груза, вылет крюковой обоймы, угол установки стрелы, угол поворота крана, положение крана на подкрановом пути и пр. Интервал регистрации параметров составляет 1 ...4 сек. Объем памяти РПРК позволяет хранить данные за последние 8 часов эксплуатации ГПМ, некоторые ключевые параметры, такие как наработка крана в моточасах хранятся на протяжении всего срока службы прибора. Вступивший в силу с 01.03.2001 г. нормативный документ, регламентирующий требования к назначению, проектированию, изготовлению и эксплуатации РПРК - РД 10-399-01, не содержит сведений о методиках обработки регистрируемой информации. Вышедший позднее РД СМА-001-03 несет в себе лишь дополнительные рекомендации о перечне регистрируемых параметров и периоде их фиксации. Эти обстоятельства послужили толчком к проведению настоящего исследования, направленного на разработку методики технической диагностики металлических конструкций ГПМ, позволяющей в полной мере использовать информацию регистрируемую РПРК. Преимуществами такого решения являются: отсутствие необходимости приобре-

тения и установки дополнительного оборудования, реализация потенциальных возможностей, заложенных в отечественных приборах РПРК.

Известно, что усталость металлических конструкций играет одну из ведущих ролей в деградации технического состояния ГПМ. Сочетание достаточно высокого уровня концентрации напряжений и значительная амплитуда циклического изменения действующих напряжений в локальных областях металлических конструкций обуславливает существование ГТ, которые являются очагами развития усталостных трещин. Существуют методики (СТП-01.00-99), где техническая диагностика состояния металлических конструкций ГПМ мостового типа проводится на основании анализа состояния металла в ГТ. Недостатком СТП-01.00-99 является использование шаблонных технологических циклов при описании процессов нагружения ГТ. Методом конечных элементов, ввиду его' вычислительной сложности, рассчитывают величины напряжений в металлических конструкциях лишь для некоторых ключевых расчетных случаев, характеризуемых значениями параметров работы (менее 20% доступной информации РПРК). Расчетные случаи затем комбинируются, образуя типичную для условий эксплуатации рассматриваемого крана траекторию движения грузозахватного органа, включающую полный цикл работы крана - характерный технологический цикл (ХТЦ). На основании ХТЦ, формируют истории напряжений действующих в ГТ. Истории напряжений, полученные по такому принципу, зачастую далеки от реальных, ввиду того, что характеризующие ХТЦ параметры, в реальной практике, имеют значительные вариации значений. В конечном итоге, снижается качество результатов технической диагностики металлических конструкций.

Более общий и наиболее распространенный подход к технической диагностике состояния всей ГПМ основан на ГОСТ 25546-82 (аналог ИСО 4301/1-85). Все ГПМ соответствуют определенным группам режима работы, определяемым количеством рабочих циклов и коэффициентом распределения нагрузки. Коэффициент распределения нагрузки рассчитывается исходя из условий эксплуатации следующим образом:

а

с

(О

^ О-ном )

где С - число рабочих циклов, выполненных от начала эксплуатации; Онои -номинальная грузоподъемность ГПМ; Q,- масса груза, перемещаемого ГПМ с числом циклов С,.

Зная группу режима работы крана, а так же величину параметра Кр, можно определить предельное количество циклов работы. Сравнение текущего количества циклов выполненных ГПМ с предельным, позволяет судить о состоянии машины в целом, в терминах остаточного количества рабочих циклов. Недостатком данной методики, в контексте рассматриваемой проблематики, является ограниченное использование регистрируемой РПРК информации, в данном случае, анализируются лишь данные о массе грузов.

Переработка положений методики СТП-01.00-99 касающихся использования ХТЦ в отношении применения данных регистрируемых РПРК, позволит при-

близить истории напряжений к реальным, четко следуя фактическим, а не шаблонным технологическим циклам работы крана. В этом случае, потребуется иной метод расчета величин напряжений действующих в металлических конструкциях, обладающий следующими свойствами: 1) малая вычислительная сложность (обусловлено необходимостью анализа большого количества расчетных случаев, определяемых множеством комбинаций значений параметров работы крана); 2) возможность анализа напряженного состояния элементов металлических конструкций сложной геометрической конфигурации. Метод конечных элементов непригоден для непосредственного применения ввиду высокой вычислительной сложности, аналитические решения сложны, а в некоторых случаях невозможны. Для разрешения проблемы были предложены нейросетевые модели, которые уже успешно применялись для решения аналогичных задач.

Во второй главе приведены теоретические основы разработки нейросете-вых моделей напряженного состояния металлических конструкций ГПМ.

При рассмотрении решаемой задачи в абстрактной математической форме, состояние металлических конструкций характеризуется выходными параметрами У1, Уг, Уз •••Уп, которые являются случайными функциями времени, а также параметров работы крана у„(1:;, хьх2..хк). Множество О определяет область работоспособности конструкции. Если уп(Ъ, х1,х2..хк) е в, металлическая конструкция работоспособна, выход любого из у„ за границу множества означает потерю работоспособности, применительно к рассматриваемой задаче означает появление макротрещины.

Так как состояние конструкции описывается п-и числом параметров, множество в связано с и-мерным фазовым пространством, таким образом, процесс потери работоспособности может быть представлен в виде траектории многопараметрического семейства точек в л-мерном фазовом пространстве. Границы множества О определяются предельно допустимыми значениями параметров У1шах, у2шах ... уптах.

Рассмотрим формирование интересующей нейросетевой модели на примере башенного крана. Тогда, в качестве параметров работы примем: масса поднимаемого груза - О , вылет каретки - /, угол поворота крана - <р. Соответственно, имеем: х, = £>, х2 =1, х3 =(р. В качестве выходных параметров, характеризующих состояние конструкции, приняты условные величины усталостного повреждения в 8 ГТ, где: у,=к,,у2 = к2... у8=к„. Границы множества рабочих состояний определяются предельными величинами усталостного повреждения. Траектория кривой деградации технического состояния металлической конструкции в фазовом пространстве описывает две стадии состояния металлических конструкций: 1) накопление рассеянных повреждений и образование макротрещины; 2) рост макротрещины. Первая стадия является наиболее продолжительной и составляет порядка 70% от общего срока службы конструкций, для ее моделирования применим гипотезу Пальмгрена-Майнера (гипотеза о линейном накоплении повреждений). Необходимые для расчетов по данной гипотезе величины напряжений в металлических конструкциях находим при помощи нейросетевой модели (Рис. 1). В каче-

стве меры усталостного повреждения используется условная величина, предельное значение которой для границы множества в равно «1».

Обучение сети

Расчетное напряжение 6ГТ

Масса груза 0=Ш!

Угол поборота крана Вылет грузобой 1-1Ш каретки

Модель линейного накопления ГТ

Эталонные беличины напряжений 6 ГТ

Рисунок 1 - Применение нейросетевой модели и гипотезы Пальмгрена-Майнера для расчета усталостного повреждения металла в ГТ металлических конструкций

башенного крана

Положим, что нейросетевая модель имеет единственный входной и единственный выходной параметры. Пусть входной параметр, принимает значения массы груза, поднимаемого краном, а выходной, значения напряжений в ГТ металлической конструкции. Тогда, нейросетевая модель будет играть роль функции, где аргументом служит масса груза, а ее значением - величина напряжения. Это наиболее простой случай, однако, ничто не мешает ввести дополнительный входной параметр, такой как, например, координату положения грузовой тележки или силу землетрясения в баллах.

Для того, чтобы использовать нейросетевую модель при решении определенной задачи, она должна быть сформулирована в терминах набора входных векторов и ассоциированных с ними эталонных выходных значений (обучение «с учителем»). Ниже, нейросетевая модель представлена в виде вектор-функции /, определяющей вектор а по аргументу - вектору Ь .

5 = 7(6), (2)

где а - вектор значений выходных нейронов; Ъ - вектор значений входных нейронов.

Соответственно, количество элементов векторов Ъ и а определяется количеством входных и выходных нейронов, что зависит от поставленной задачи. Например, необходимо рассчитать величину напряжения в одном из элементов пояса фермы моста мостового крана при различных положениях грузовой тележки и массах груза. В этом случае:

(з)

где 6, - масса груза, кГ; Ь2 - расстояние от грузовой тележки до одного из тупиковых упоров, выбранного в качестве точки отсчета, м.

5 = к], (4)

где а, - величина искомого напряжения (индекс при а означает номер компоненты вектора т.е. порядковый номер ГТ), МПа.

Для того, чтобы определить количество компонентов выходных векторов, которое, в свою очередь соответствует количеству взятых под контроль ГТ металлической конструкции, нами проведен анализ напряженного состояния металлических конструкций двух ГПМ, башенного крана С>Тг100 и мостового крана КМ20. Данные краны выбраны в силу их широкого распространения, а также сложности проведения технической диагностики их металлических конструкций.

Представленные выше примеры отражают роль нейросетевой модели в качестве функции, для выполнения обучения т.е. перед применением, необходимо перевести модель в соответствующий режим. В режиме обучения, внутренняя структура нейросетевой модели реорганизуется в соответствии с исходными данными представленными в виде набора пар входных и выходных векторов. Посредством специального алгоритма выполняется сопоставление значений входных и выходных параметров нейросетевой модели каждой пары векторов до тех пор, пока взаимозависимости параметров не будут установлены с определенной точностью. Контроль за процедурой осуществляется расчетом среднеквадратичной ошибки:

£Л("<-"чУ, (5)

т

где е- величина среднеквадратичной ошибки расчета напряжения в одной из ГТ металлической конструкции, т- количество пар векторов значений параметров исходных данных, пс- рассчитанная нейросетевой моделью величина напряжения, МПа, пл- эталонная величина напряжения (в качестве эталонных приняты величины, полученные в программном продукте Апзуз), МПа.

Суммарная ошибка рассчитывалась как:

(б)

где /- количество ГТ металлической конструкции.

Применение нейросетевых моделей, в настоящей работе, ограничивается расчетом историй напряжений. Истории напряжений, в свою очередь, анализируются с целью подсчета в них полуциклов нагружений. Для этого используется метод «дождя», согласно ГОСТ 25.101-83.

После того, как подсчитаны полуциклы нагружений, выполняется расчет усталостного повреждения в ГТ согласно гипотезе Пальмгрена-Майнера:

Г. <7)

где к - условная величина, определяющая усталостное повреждение материала; п - число режимов нагружения; т - показатель наклона усталостной кривой; а, - максимальное напряжение ¡-го полуцикла нагружения, МПа; аК - пре-

11

дел выносливости металла в ГТ на базе N„=2x10'' циклов нагружения, МПа; т]к-коэффициент надежности (принимается 1,3); коэффициент надежности по показателю степени усталостной кривой, учитывает рассеяние значений этой величины в интервале ±30% (принимается 1,07).

т = - 0,38* М^-\-(0,1± 0,08)

ст.

В формуле (8), знак «±» определяется из следующих условий:

<г„

(8)

(9)

где сгв - временное сопротивление стали конструкции, МПа. Значения показателя наклона усталостной кривой лежат в интервале 2 < да < 20. Если результат расчета по формуле (8) выходит за указанные пределы, то показатель принимается равным соответствующему предельному значению.

а1=0.5>\1 + т1,-(1-,П1УЯ;У°*> 0°)

где г], = 0,3; Я, - коэффициент асимметрии - го цикла нагружения.

2ха_„,

+ Я,Уу/, ' с.,*

у/к = уха

(П) (12)

где сг_, - предел выносливости материала конструкции, найденный при симметричном цикле нагружения на базе Ы0 = 2x10е циклов; сг_и - предел выносливости рассчитываемого узла, найденный при симметричном цикле нагружения на базе Ыо=2х106 циклов с вероятностью обеспечения не менее 0,95; у =0,2;

ст., = 0,3хсгв.

Достижение условия к = 1 соответствует возникновению малой магистральной трещины (макротрещины) с характерным размером 5... 10 мм. На втором этапе происходит рост трещины до ее критического размера, т.е. когда происходит разрушение элемента (появление макротрещин в элементах металлических конструкций кранов не приводит к их мгновенному разрушению).

Согласно РД 10-112-2-09, РД 10-112-3-97, РД 10-112-5-97, регламентирующих проведение экспертизы промышленной безопасности для башенных, козловых, мостовых, стреловых кранов и кранов-манипуляторов, не допускается наличие трещин в металлических конструкциях ГПМ, которые могут быть обнаружены рекомендованными средствами неразрушающего контроля. Отрицательное заключение экспертизы, при обнаружении дефектов (трещин в частности), служит основанием для запрета дальнейшей эксплуатации ГПМ. Из чего делаем вывод, что при достижении условия к = 1 кран необходимо вывести из эксплуатации для проведения экспертизы и, в случае необходимости, выполнения последующего ремонта или списания.

В третьей главе представлены методики обучения нейросетевых моделей и проведения экспериментальных исследований по видеорегистрации параметров работы ГПМ, методики использования разработанного программного обеспечения.

Прежде чем использовать нейросетевую модель, её необходимо обучить. Для проведения обучения используем данные, которые были получены в ходе конечно-элементного анализа напряженного состояния металлических конструкций (возможно применение тензометрии или других методов).

В качестве инструмента построения нейросетевых моделей использован программный продукт Flood 2, средой разработки послужил Bloodshed Dev-C++. Выбор данного программного обеспечения обусловлен его доступностью (бесплатно распространяемое программное обеспечение). Инструментом анализа напряженного состояния металлических конструкций послужил программный продукт конечно-элементного анализа Ansys. Выбор Ansys обусловлен наличием соответствующих сертификатов подтверждающих качество данного продукта.

Для каждого из исследуемых кранов было рассмотрено несколько десятков случаев нагружений для получения данных используемых при обучении нейросетевых моделей. При расчетах связанных с мостовым краном, грузовая тележка передвигалась вдоль моста с шагом в 1 м, шаг изменения величины груза составил 5 т. Размер шагов выбирался с таким условием, чтобы инициируемое изменение величин напряжений в ГТ не превышало 0.25 от величины предела выносливости при симметричном цикле нагружения на базе N0 = 2-Ю6, при этом, предел выносливости принят а_1к= 36 МПа, согласно рекомендаций СТП-01.00-99. Таким образом, получены множества значений напряжений для 2-х ГТ металлических конструкций мостового крана и соответствующие им множества значений параметров работы, из которых сформированы входные и выходные вектора для обучения нейросетевых моделей. Пример пары входного и выходного векторов: {6, 15} и {32, 72}. Первый вектор говорит о том, что тележка находится на расстоянии 6 м от одного из тупиковых упоров (выбранного в качестве точки отсчета) и перемещается груз массой 15 т, второй вектор указывает на то, что напряжения в нижнем поясе пролетных балок составляют 32 МПа, а в местах сопряжения пролетной и поперечной балок, напряжения достигают величины 72 МПа. Промежуточные значения, не представленные парой векторов, определяются нейросетевой моделью аппроксимацией в ходе обучения. В общей сложности получено 120 пар векторов для мостового крана.

Один из наиболее важных этапов исследования заключался в подборе параметров нейросетевых моделей характеризующих их внутреннюю структуру: количество промежуточных слоев и нейронов в них. Для упрощения задачи, расчеты напряжений в ГТ металлических конструкций башенного крана, решено выполнять несколькими отдельными нейросетевыми моделями, две для металлических конструкций стрелы, одна для оголовка и одна для башни крана.

Необходимое количество слоев и нейронов в нейросетевых моделях определялось экспериментальным путем. Первоначально, устанавливалось два промежуточных слоя, в каждом из которых содержалось по 50 нейронов. Затем прово-

дилась процедура обучения, которая: завершалась успешно с минимальной суммарной ошибкой; завершалась, но со значительной суммарной ошибкой; не завершалась. Если обучение завершалось успешно, то в первую очередь уменьшалось количество слоев, а затем и количество нейронов. Упрощение выполняется до тех пор, пока обеспечивается минимальная ошибка.

Обработка данных с помощью программы, разработанной на основе предложенной методики, за восьмичасовую рабочую смену, при условии, что регистрация параметров работы проводилась с интервалом в 1 секунду (т.е. один расчетный случай в одну секунду), происходит в течение 9 секунд. Общая схема работы программы представлена на рисунке 2. Эксперименты проводились на ЭВМ: CPU Core Duo 2 GHz, RAM 1GB, OS WindowsXP. Высокая скорость работы программы позволяет обрабатывать большие объемы данных регистрируемых РПРК, что дает возможность использовать в расчетах усталости металлических конструкций фактические величины нагрузок, возникающих в каждом рабочем цикле. Кроме того, данные, которые ранее применялись лишь при анализе аварий ГПМ, нашли применение в повседневной практике эксплуатации.

В связи с тем, что правила Ростехнадзора России обязывают устанавливать РПРК на мостовые краны лишь в ограниченном числе случаев, считывание информации для ее анализа с соответствующих приборов представляет большую трудность. Поэтому, в ходе исследования была разработана система для регистрации параметров работы мостового крана (регистрация величины массы груза и положения грузовой тележки) уступающая по ряду показателей промышленным образцам (точность измерения массы груза, диапазон рабочих температур, помехоустойчивость, долговечность), однако, стоимость и сложность монтажа которой, значительно ниже. Система состоит из видеокамеры, двух лазеров, магнитных держателей, портативного компьютера и проекционной плоскости (Рис. 3, 4). Суммарная стоимость оборудования не превышает 12000 руб., тогда как готовое решение типа РП-ГМ обходится в 28700 руб. Время монтажа не более 15 минут.

Рисунок 2 - Общая схема работы программы диагностики металлических конструкций башенного крана QTZ 100 Прогиб моста (исходя из величины прогиба рассчитывается масса груза) и положение грузовой каретки мостового крана посредством лазерных излучателей проецируются на специально подготовленную белую проекционную плоскость. Видеокамера фиксирует положение световых пятен лазерных излучателей на плоскости, полученный видеоряд проходит обработку, в результате которой вычисляются реальные координаты положения каретки и величина прогиба моста. Общая цепочка преобразований видеоряда строится следующим образом: оригинальное изображение с видеокамеры преобразуется в изображение с цветовой моделью HSV (с отсечением всех цветов за исключением красного и его оттенков), затем выполняется поиск контуров световых пятен и вписывание их в прямоугольники, координаты середин которых и являются координатами световых пятен лазеров.

Портативный ПК

Проекционная плоскость

Световое пятно лазера уст-го на каретке

Световое пятно лазера уст-го на мосту

Видеокамера

Магнитное крепление

Лазер

Середина

пролета

моста

Рисунок 3 - Оборудование для проведения эксперимента с видео-регистрацией

параметров работы крана

Рисунок 4 - Схема расположения лазеров на мостовом кране

Обработка видеоизображения осуществляется с помощью средств библиотеки OpenCV 2.1. Разработка сопутствующего программного обеспечения выполнена в среде MS Visual С++ 2008.

Для установления соответствия между реальными координатами положения грузовой тележки, прогибом моста и координатами световых пятен на проекционной плоскости, применены линейные функции. Прогиб моста определялся с помощью нивелира и линейки подвешенной к середине моста крана. Положение грузовой тележки определялось лазерной линейкой. В графике, представленном на рисунке 7, смещению пятна лазера на 15 пикселей соответствовал прогиб моста крана согласно нивелиру в 4 мм. Соответственно, для определения реальной величины прогиба моста, полученные из анализа видео перемещения соответствующего пятна лазера умножают на коэффициент 0.267. Результаты замеров деформаций моста были использованы так же при верификации и последующей корректировке конечно-элементной модели металлической конструкции мостового крана.

В четвертой главе представлены результаты моделирования напряженного состояния металлических конструкций ГПМ, а так же результаты экспериментальных исследований видеорегистрации параметров работы. Проведен сравнительный анализ между предлагаемой и одной из используемых в настоящее время методиками технической диагностики металлических конструкций ГПМ.

В программе Ansys были воссозданы металлические конструкции исследуемых прототипов ГПМ, а так же условия их нагружения. Для башенного крана определено 9 ГТ (Рис. 5), для мостового 6. В металлических конструкциях башенного крана 3 точки находятся на стреле, 2 на оголовке (т.к. условия нагружения в точках идентичны, то условно принята одна точка) и 4 в корневой секции башни. В металлических конструкциях мостового крана 4 ГТ находятся в местах сопряжения продольных и поперечных балок (т.к. условия нагружения в точках идентичны, то условно принята одна точка), и 2 точки находятся в нижних поясах продольных балок (т.к. условия нагружения в точках идентичны, то условно принята одна точка).

Обнаруженные в ходе конечно-элементного анализа, а так же анализа экспертиз промышленной безопасности ГТ металлических конструкций используются в разработанной методике в качестве основы для выполнения технической диагностики всей конструкции.

Полученные в ходе исследования конфигурации нейросетевых моделей позволяют выполнять расчеты напряжений в ГТ металлических конструкций ГПМ от значений параметров работы за короткое время (< 0.1 сек). О качестве результатов (соответствие величин напряжений рассчитанных нейросетевыми моделями тем, что получены в ходе конечно-элементного анализа) можно судить по рисунку 6, где представлен случай с наибольшей среднеквадратичной ошибкой. График на рисунке 6 отражает изменение величины напряжения в одной из ГТ металлической конструкции стрелы башенного крана при перемещении грузовой тележки. Среднеквадратичная ошибка для значений величин напряжений, рассчитанных

нейросетевой моделью (эталонными, приняты величины полученные в Ашуэ) в диапазоне изменения вылета каретки от 4-х до 50-ти м, равна 5.2 МПа.

Рисунок 5 - Карты эквивалентных (по Мизесу) напряжений в элементах металлической конструкции башенного крана (красными метками отмечены ГТ)

Конфигурации нейросетевых моделей выглядят следующим образом (для башенного крана): ГТ секции башни - 3-1/50-4 (3 нейрона во входном слое, 50 нейронов в промежуточном слое, 4 нейрона в выходном слое); ГТ оголовка - 21/10-1; для ГТ стрелы используются две модели 2-2/20-2 (здесь используется 2 промежуточных слоя в каждом из которых по 20 нейронов) и 2-2/20-1. Для ГТ металлоконструкции мостового крана конфигурация нейросетевой модели имеет вид - 2-1/15-2.

Разработанная методика видеорегистрации параметров работы мостового крана проста, а ее практическая реализация для проведения эксперимента не потребовала значительных материальных затрат. Перед автором стояла задача сбора информации аналогичной той, что фиксируется стандартными РПРК, что и было осуществлено. Несмотря на то, что существующие серийные приборы РПРК безусловно более надежны и практичны, предложенное решение (при условии замены видеокамеры специальным оптическим датчиком и применении более качественной лазерной оптики) может найти применение в случаях где требуется оперативное получение информации об условиях работы грузоподъемной машины при отсутствии стандартных РПРК.

Рисунок 6 - Результаты расчетов напряжений в одной из ГТ металлических конструкций башенного крана, полученные в Апэуз и с помощью нейросетевой модели (сплошной линией отмечены результаты расчетов нейросетевой модели)

Ниже на рисунке 7 приведен фрагмент данных - график, полученный при видеорегистрации параметров работы крана. Чтобы исключить влияние вибраций механизмов, шумов видеокамеры и колебаний конструкций крана использован фильтр Баттерворта.

а) б)

Рисунок 7 - Зависимость вертикальной координаты положения светового пятна лазера установленного на мосту от поднимаемого краном груза массой 4,2 т. по времени: а) исходная зависимость, полученная после обработки видеоизображения; б) зависимость, полученная после применения частотного фильтра

Для оценки работы предлагаемой методики технической диагностики выполнен сравнительный анализ с методикой, основанной на применении ГОСТ 25546-82. Эксплуатационные данные считывались с РПРК ОНК-160 ежедневно в конце смены на протяжении пяти дней. Считывание проводилось при помощи

прибора САИ-3. Для переноса данных с прибора САИ-3 на персональный компьютер применялась поставляемая с устройством программа КРТоЕхсе1.

Величина параметра Кр составила 0,11. При первом считывании данных (в начале смены первого дня эксперимента) установлено, что краном было выполнено 4263 цикла. По истечении пяти дней, количество рабочих циклов возросло до 4463. Согласно паспорта крана, группа режима работы соответствует АЗ, таким образом, максимальное количество циклов, которое может быть выполнено краном, равняется 2,5-105.

При условии, что режим работы крана не изменится, срок до проведения экспертизы промышленной безопасности составит:

= 2,5*105-Рп (13)

х к *4 *м х

где Рх - срок службы, годы; кх - количество рабочих циклов выполняемых краном за пять рабочих дней; М - количество рабочих месяцев в году; Рп - количество рабочих циклов выполненных краном до момента контроля.

„ 2,5 *105 -4263 ,, . Р = —-= 61 год.

200*4*5

При использовании разработанной в ходе исследования методики, изменение величины усталостного повреждения ГТ металлической конструкции стрелы за пять дней (согласно расчетам программы, величина усталостного повреждения ГТ металлической конструкции стрелы наибольшая) составило 0.0015. Предельное значение условной величины усталостного повреждения равно «1».

Срок до проведения экспертизы промышленной безопасности в соответствии с предлагаемой методикой:

Р = 1-Д"» , (14)

н к *4 *м н

где к„- изменение величины усталостного повреждения за пять рабочих дней; Рнп - величина усталостного повреждения за предшествующий период эксплуатации.

1-0.0015 ,, ,

Р =-= ЗЗ.Згода.

и 0.0015*4*5

Учитывая, что испытуемый кран введен в эксплуатацию с момента начала эксперимента и при условии сохранения в дальнейшем текущего режима работы, срок до проведения экспертизы промышленной безопасности по сравниваемым методикам составляет 61 и 33 года соответственно. Согласно п. 3.1.3 РД 10-1123-97 нормативный срок службы крана грузоподъемностью до 10 т включительно, в легком режиме, составляет 10 лет. Решение о проведении экспертизы принимается на основании наименьшего срока, в данном случае, 10 лет. Оценивая результат, полученный при использовании новой методики, очевидно, что уровень обеспечения безопасности выше, чем таковой вычисленный на основе ГОСТ 25546-82.

Предлагаемая методика технической диагностики имеет не только положительный социальный, но и положительный экономический эффект. Рассмотрим вопрос аренды строительной техники. На практике применяется единственная

схема расчета арендной платы - повременная. Вне зависимости от выработанного техникой ресурса за период аренды, арендатор платит фиксированную стоимость за час, месяц или год. В условиях жесткой рыночной конкуренции, отсутствие возможности гибкого ценообразования может привести к потере доли рынка и как следствие банкротству. По этой причине, активно исследуются подходы, где величина арендной платы корректируется с учетом отработанного техникой ресурса. Введем функцию расчета стоимости аренды машино-часа, учитывающую величину усталостного повреждения металлических конструкций крана, рассчитываемую по гипотезе Пальмгрена-Майнера:

СММАШ = СМАШ * Кп * к , (15)

где Смшш - стоимость аренды машино-часа ГПМ, руб.; Кп- поправочный коэффициент (подбирается из соображений рентабельности, ситуации на рынке); к - величина усталостного повреждения в ГТ металлической конструкций ГПМ; Сшш ~ стоимость машино-часа ГПМ, рассчитываемая в соответствии МД 811.99.

Экономическая оценка применения разработанной методики выявила годовой экономический эффект (в расчете на одну машину) в размере 23000руб.

ОСНОВНЫЕ ВЫВОДЫ

Проведенные теоретические и экспериментальные исследования позволили получить следующие основные научные выводы и практические результаты:

1. Разработка методик для эффективной обработки информации регистрируемой РПРК отечественного производства, позволяет повысить качество технической диагностики металлических конструкций ГПМ. Выполненный анализ методов и средств технической диагностики металлических конструкций, позволил установить, что 80% информации, регистрируемой стандартными РПРК (ОНК160, ОГМ240), на практике, за редким исключением, не используется.

2. Анализ напряженного состояния металлических конструкций ГПМ в ГТ позволил получить данные, необходимые для выполнения расчетов на усталость. Для проведения исследования в качестве прототипов ГПМ выбраны мостовой и башенный краны, анализ заключений экспертиз которых позволил определить ГТ металлических конструкций.

3. Анализ напряженного состояния металлических конструкций с высокой скоростью, позволяет проводить разработанная нейросетевая модель зависимостей величин напряжений в ГТ металлических конструкций от параметров работы ГПМ, ввиду невысоких требований к вычислительным ресурсам ЭВМ. Расчет напряжений в 8-ми ГТ занимает ~ 0.03 секунды. Среднеквадратичная ошибка расчета напряжений составляет 5.2 МПа. Разработанное, на основе предложенной методики, программное обеспечение для технической диагностики металлических конструкций башенного крана модели <ЗТг100, обеспечивает более высокий уровень безопасности эксплуатации в сравнении с традиционным подходом, основанным на применении ГОСТ 25546-82 (расчетный срок службы 33 года до первичного экспертного обследования, против 61 года согласно ГОСТ 25546-82).

21

4. Разработанная методика технической диагностики металлических конструкций ГПМ с применением нейросетевой модели позволяет учитывать в расчетах применительно для мостовых кранов 2 параметра работы, применительно для башенных 3 параметра работы. При этом, обработку проходят все регистрируемые значения учитываемых параметров работы крана.

5. Разработанная методика технической диагностики металлических конструкций ГПМ апробирована на кранах башенного и мостового типа, применительно к мостовым, дополнительно разработана уникальная методика видеорегистрации параметров работы. Экономический эффект от внедрения методики составляет 23000 р./год в расчете на одну машину.

Основные положения диссертации изложены в следующих работах

- публикации в изданиях, рекомендованных ВАК России:

1. Якимов A.B. Совершенствование методики оценки остаточного ресурса металлоконструкций грузоподъемных машин / С.П. Озорнин, A.B. Якимов // Механизация строительства: Научный журнал №12. - Москва, 2011. С. 8-10.

2. Якимов A.B. Использование регистраторов параметров типа ОНК160 для расчета напряжений, действующих в металлоконструкциях башенных кранов / С.П. Озорнин, A.B. Якимов // Вестник ИРГТУ: Научный журнал №2. -Иркутск, 2012. С. 36-41.

3. Якимов A.B. Построение и обучение многослойных перцептронов для моделирования напряженного состояния металлических конструкций грузоподъемных машин / С.П. Озорнин, A.B. Якимов // Вестник ИРГТУ: Научный журнал №6. - Иркутск, 2012. С. 21-25.

4. Якимов A.B. Пути и способы обеспечения гарантированной безопасности эксплуатации грузоподъемных машин / С.П. Озорнин, A.B. Якимов // Системы. Методы. Технологии: Научный журнал №1(17). - Братск, 2013. С. 37-40.

-другие статьи и материалы:

5. Якимов A.B. Альтернативное применение современных приборов безопасности грузоподъемных машин / С.П. Озорнин, A.B. Якимов // Вестник ЧитГУ: Научный журнал №6. - Чита, 2010. С. 106-109.

6. Якимов A.B. Расчет усталости металлоконструкций грузоподъемных машин с учетом фактических данных за период эксплуатации / С.П. Озорнин Ю.П. Глушков, A.B. Якимов // Кулагинские чтения: материалы международной научно-практической конференции. - Чита: ЧитГТУ, 2010. - Часть IV. С. 275-278.

7. Якимов A.B. Совершенствование средств оценки остаточного ресурса металлоконструкций мостовых кранов / С.П. Озорнин, A.B. Якимов // ПТМ-Урал: сборник докладов и сообщений IV Уральского Конгресса подъемно-транспортного оборудования. - Екатеринбург, 2010. С. 18.

8. Якимов A.B. Исследование нагрузок, возникающих в металлоконструкции башни башенного крана при эксплуатации / A.B. Калугин, A.B. Якимов // Кулагинские чтения: материалы международной научно-практической конференции. - Чита: ЧитГТУ, 2009. - Часть III. С. 14-18.

- патенты и свидетельства:

9. Свидетельство о государственной регистрации программы для ЭВМ № 2011613535, от 06.05.2011.

Сдано в производство 02.09.13.

Уч.-изд. л. 1,5 Усл.печ. л. 1,4

Тираж 130 экз._ Заказ №68

Забайкальский государственный университет 672039, Чита, ул. Александро-Заводская, 30_

Издательство ЗабГУ

Министерство образования и науки Российской федерации Забайкальский государственный университет

На правах рукописи

04201363325 ЯКИМОВ АРТЕМ ВИКТОРОВИЧ

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ МЕТАЛЛИЧЕСКИХ КОНСТРУКЦИЙ ГРУЗОПОДЪЕМНЫХ МАШИН

05.02.13 - «Машины, агрегаты и процессы»

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель доктор технических наук, профессор,

С.П. Озорнин

Братск-2013

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ 5

Глава 1 Состояние вопроса и исследования процессов техниче- 12 ской диагностики металлических конструкций

1.1 Методы и средства контроля технического состояния ме- 19 таллических конструкций

1.1.1 Тензорезистивные датчики 19

1.1.2 Оптоволоконные датчики 21

1.1.3 Компьютерная обработка изображений 22

1.1.4 Вибрационный контроль 23

1.1.5 GPS контроль 24

1.1.6 Лазерное сканирование 25

1.1.7 Тепловой контроль 26

1.1.8 Магнитные методы контроля 26

1.1.9 Ультразвуковой контроль 33

1.2 Специализированные методы и средства технической ди- 35 агностики металлических конструкций ГПМ

1.2.1 Диагностирование металлических конструкций ГПМ по 35 бальной системе с учетом данных визуального обследования

1.2.2 Диагностирование ГПМ по наработке в моточасах 37

1.2.3 Диагностирование ГПМ по ГОСТ 25546-82 3 7

1.2.4 Диагностирование ГПМ по комплексу параметров 39

1.2.5 Приборы для контроля и регистрации параметров работы 41 ГПМ

1.3 Грузоподъемные машины и анализ технического состояния 45 их металлических конструкций

1.3.1 Краткая характеристика исследуемых ГПМ 45

1.3.2 Специфика металлических конструкций башенных кранов и 46

дефекты, возникающие при эксплуатации

1.3.3 Специфика металлических конструкций мостовых кранов и 50 дефекты, возникающие при эксплуатации

1.3.4 Конечно-элементный анализ напряженного состояния метал- 55 лических конструкций ГПМ

Выводы 58

Глава 2 Теоретическое обоснование разработки моделей на- 60 пряженного состояния металлических конструкций ГПМ

2.1 Разработка и исследование специализированной системы ко- 60 нечно-элементного анализа напряженного состояния металлических конструкций ГПМ

2.2 Моделирование напряженного состояния металлических кон- 66 струкций ГПМ с помощью нейросетевых моделей

2.3 Расчет усталостного повреждения металлических конструкций 69 по гипотезе Пальмгрена-Майнера

2.4 Расчет усталостного повреждения металлических конструкций 71 по модели Брутмана-Сахыо

2.5 Схематизация историй напряжений для подсчета полуциклов 72 нагружений

2.6 Оперирование неточными величинами напряжений, характери- 74 стик сталей при помощи аппарата нечетких чисел

Выводы 77

Глава 3 Методология исследования 78

3.1 Методика обучения нейросетевых моделей с целью моделиро- 78 вания напряженного состояния металлических конструкций ГПМ

3.2 Видеорегистрация параметров работы ГПМ 85

3.3 Основы функционирования разработанного программного 87 обеспечения для технической диагностики металлических конструкций ГПМ

3.4 Подготовка и извлечение исходной, эксплуатационной инфор- 93 мации из регистратора параметров работы ГПМ

Выводы 95

Глава 4 Основные результаты и экономическая оценка при- 97 менения разработанной методики

4.1 Результаты анализа напряженного состояния металлических 97 конструкций ГПМ

4.2 Результаты обучения нейросетевых моделей 101

4.3 Результаты видеорегистрации параметров работы ГПМ 104

4.4 Достоверность результатов используемых методов техническо- 105 го диагностирования металлических конструкций

4.5 Аренда ГПМ и принципы расчета ее стоимости 110

4.6 Введение гибкой системы тарификации при аренде ГПМ 112 Выводы 118 Общие выводы 119 Список использованной литературы 121 Приложения 131

ВВЕДЕНИЕ

Проблема технической диагностики металлических конструкций вызывает большой интерес в научном сообществе. Разработка принципиально новых решений позволит значительно сократить издержки производственных процессов. Развитые страны ежегодно теряют (в том числе в авариях и катастрофах) до 10 % своего национального дохода из-за низкого качества выпускаемой продукции. Потери только от дефектов усталости металла в США составляют более 100 млрд. дол. в год, а от коррозии - более 200 млрд. дол. в год. Убытки от низкого качества материалов и изделий в России значительно выше [1] . Отсутствие возможности своевременного выявления опасных дефектов металлических конструкций приводит к авариям, в результате которых гибнут люди.

Современные машины обладают большими мощностями и скоростями работы механизмов, что обуславливает их высокую потенциальную опасность. Несмотря на то, что по статистике причиной большинства аварий является человек [2], [3], корень проблемы кроется в недостаточной автоматизации процессов различных видов деятельности. Если нет возможности исключить человека из опасной среды, то необходимо добиваться приемлемого уровня ее безопасности.

Для грузоподъемных машин (ГПМ) накоплен обширный эмпирический материал о состоянии металлических конструкций, деталей, узлов, электрооборудования, гидрооборудования, приборов и устройств безопасности в процессе эксплуатации. Однако, при решении задач управления безопасной эксплуатацией возникает необходимость разработки различных моделей текущего состояния металлических конструкций, деталей и узлов на различных этапах их жизненного цикла. Такие модели в ряде случаев вообще отсутствуют, либо, в лучшем случае, фиксируют «застывший» результат, отражающий состояние машины в момент контроля [4].

В последние годы вопрос обеспечения безопасности эксплуатации сварных конструкций резко обострился из-за сильной изношенности производст-

венного оборудования и участившихся случаев технологических аварий и катастроф. В полной мере это относится и к металлическим конструкциям ГПМ, которые играют ключевую роль во многих сферах деятельности. От них зависит работа плавильных цехов, морских портов, строительных объектов, объектов энергетики, ремонтных предприятий и мн. др. Одной из основных проблем эксплуатации ГПМ является их техническая диагностика, в частности, состояния металлических конструкций. Серьезные финансовые и временные затраты, обусловленные необходимостью проведения экспертизы промышленной безопасности, не обеспечивают достаточного уровня безаварийной работы в периоды эксплуатации. Как показывает практика, эксплуатация ГПМ связана со значительным числом случаев производственного травматизма со смертельным исходом и аварий, обусловленных техническими причинами [5]. Смертельный травматизм при эксплуатации грузоподъемных машин является самым высоким по сравнению с другими отраслями и производствами, подконтрольными Рос-технадзору России.

Говоря об экономической стороне вопроса, мы невольно затронем технические аспекты, т.к. они взаимосвязаны. Оптимизация графика технического обслуживания позволяет повысить эффективность работы машины, увеличить срок ее службы, что соответственно сокращает расходы. Своевременное обнаружение и устранение неисправностей, в некоторых случаях, позволяет предотвращать материальные потери, превышающие стоимость эксплуатируемой машины в десятки раз [6].

Немало интереса со стороны производителей тяжелой строительной техники и оборудования для горных работ проявляется к переходу от традиционной повременной схемы аренды к более прогрессивной, основанной на показателе отработанного ресурса. Широко используемые в настоящее время методы неразрушающего контроля — ультразвуковой, рентгеноскопия, капиллярный и др., к сожалению, не позволяют дать количественную оценку структурных изменений в металле и определить степень напряженно-деформированного состояния металлических конструкций. Эти методы решают задачу обнаружения

уже сформировавшихся в процессе изготовления или эксплуатации локальных дефектов. При этом ограниченно используются методы механики разрушения, устанавливающие размеры допустимых неразвивающихся дефектов и определяющие параметры риска разрушения материалов с трещинами [4].

Ключом к достижению успеха в вышеописанных проблемных сферах является разработка принципиально новой методологической базы для осуществления технической диагностики металлических конструкций и механизмов машин.

В настоящее время, несмотря на нестабильную экономическую ситуацию, идет бурное гражданское строительство, активными участниками которого являются Объединенные Арабские Эмираты и Китайская Народная республика [7], [8]. Один из наиболее крупных секторов торговли представлен грузоподъемными машинами, на них мы и сфокусируем наше внимание.

Эксплуатация ГПМ в настоящее время немыслима без приборов безопасности. Высокая скорость работы механизмов, большие рабочие высоты и обширные площади строительства, сложности работы в условиях точечной застройки создают условия, где человеческая способность к восприятию окружающего мира и соответствующему реагированию дает сбой. Непрерывное развитие средств обеспечения безопасности работы ГПМ привело к появлению современных систем безопасности ОНЮбО и ОГМ240, имеющих широкий спектр возможностей, из которых регистрация параметров работы крана представляет наибольший интерес. Наличие достоверной информации об условиях эксплуатации дает возможность более качественно осуществлять техническую диагностику состояния ГПМ и своевременно выполнять мероприятия по восстановлению технического состояния. Для проведения технической диагностики, в свою очередь, необходима методика, которая позволит эффективно использовать имеющуюся информацию. Анализ работ, посвященных технической диагностике состояния металлических конструкций ГПМ, позволил выявить противоречие между уровнем требований безопасности и тем объемом знаний, которые необходимы для обеспечения заданных условий, а так же показал не-

достаточность глубины исследования вопроса применения больших объемов оперативных, эксплуатационных данных, регистрируемых современными системами приборов безопасности.

Область работоспособных состояний металлических конструкций ГПМ должна определяться в п - мерном фазовом пространстве множеством комбинаций значений параметров работы ГПМ во времени и определяющих усталостное повреждение металла в локальных областях металлической конструкции, называемых горячими точками (ГТ).

Разработка эффективных методик решения очерченных выше проблем, позволит повысить безопасность эксплуатации ГПМ, сократить расходы, связанные с необходимостью проведения экспертизы промышленной безопасности, повысить культуру эксплуатации в связи с усилением контроля и расширить сферу применения существующих систем приборов безопасности без их изменения.

Рабочей гипотезой является предположение о том, что любой точке фазового пространства параметров работы ГПМ может быть установлено в соответствие напряженное состояние ее металлических конструкций, оцениваемое посредством нейросетевой модели.

Целью работы является повышение безопасности эксплуатации ГПМ путем разработки эффективной методики технической диагностики состояния металлических конструкций.

Методы исследования: нейросетевое моделирование; цифровая обработка сигналов; компьютерная обработка изображений; конечно-элементное моделирование.

Объектом исследования является процесс деградации технического состояния металлических конструкций ГПМ в результате усталости материала.

Предметом исследования являются функциональные зависимости между усталостным состоянием металлических конструкций ГПМ и фазовым пространством параметров их работы.

Обоснованность и достоверность научных положений и выводов под-верждается применением современных апробированных методов исследований; использованием сертифицированных программных продуктов; применением измерительных приборов высокого класса точности, прошедших поверку в соответствующих организациях; использованием статистических методов обработки результатов и экспериментальной верификацией теоретических расчетов. Научная новизна диссертационной работы заключается:

1. В получении характеристик нейросетевых моделей, позволяющих моделировать напряженное состояние ГТ металлических конструкций ГПМ.

2. В предложенном методе повышения эффективности обработки данных, регистрируемых системами приборов безопасности отечественного производства, с целью совершенствования технической диагностики металлических конструкций ГПМ.

Реализация результатов:

1. Результаты научно-исследовательской работы (программное обеспечение для технической диагностики металлоконструкций башенного крана QTZ100) приняты к внедрению на предприятии ООО «УНЦ ТЭС» г. Чита (Приложение Ж).

2. Результаты научно-исследовательской работы внедрены в учебный процесс Забайкальского государственного университета при подготовке студентов по специальности «Подъемно-транспортные, строительные, дорожные машины и оборудование» в виде программного обеспечения для технической диагностики металлических конструкций башенного крана С^ТгЮО (Приложение Е).

На защиту выносятся следующие научные полоэ/сения: 1. Усталостное повреждение металла в локальных областях металлической конструкции ГПМ, называемых горячими точками, может быть определено п - мерным фазовым пространством множеств комбинаций значений параметров работы крана во времени, что, в свою очередь, определяет область работоспособных состояний металлических конструкций ГПМ.

2. Эффективность и качество технической диагностики металлических конструкций ГПМ повышается при комплексном анализе всей информации, регистрируемой системами приборов безопасности отечественного производства.

3. Использование нейросетевых моделей позволяет быстро и с достаточной для практических целей точностью рассчитывать напряжения в ГТ металлических конструкций ГПМ.

Апробация работы. Материалы диссертации докладывались и обсуждались на Уральском Конгрессе подъемно-транспортного оборудования (г. Екатеринбург, 2010 г.), на 4-й и 5-й международных научно-практических конференциях «Информационные технологии, системы и приборы в АПК» (г. Новосибирск, 2009, 2012 гг.), на научно-практических конференциях Читинского государственного университета (г. Чита, 2009 - 2011 г.), на семинарах Шеньчжень-ского института инновационных технологий (Shenzhen, China, 2011).

Диссертационная работа заслушана и одобрена на заседании кафедры строительных и дорожных машин факультета технологии транспорта, связи Забайкальского государственного университета. Практическая ценность.

1. Выявлены места концентрации напряжений в металлических конструкциях башенного (QTZ100) и мостового (КМ20) кранов.

2. Разработаны конечно-элементные модели металлических конструкций башенного (QTZ100) и мостового (КМ20) кранов.

3. Разработана методика технической диагностики металлических конструкций ГПМ, использующая систему приборов безопасности ОНК160. ,

4. Разработано программное обеспечение для технической диагности- \ ки металлических конструкций башенного крана QTZ100. ^

5. Годовой экономический эффект от внедрения результатов диссертационной работы (в расчете на одну машину) - 23000 руб.

Публикации. Основные научные и практические результаты работы изложены в 8 статьях (включая 4 публикации в изданиях, рекомендуемых ВАК России), получено свидетельство о государственной регистрации программы для ЭВМ (Приложение Д).

Структура и объем диссертации. Работа состоит из введения, 4 глав, общих выводов, приложения и списка литературы. Содержит 130 страниц машинописного текста, 63 рисунка и 4 таблицы. Список литературы включает 91 наименование. В приложении представлены акты о внедрении результатов работы, общий вид и характеристики исследуемых ГПМ.

Глава 1 Состояние вопроса и исследования процессов технической диагностики металлических конструкций

Задача технической диагностики металлических конструкций связана с рассмотрением широкого круга технических и экономических проблем, теоретическая и практическая значимость которых приобретает все большее значение [9].

Разработкой методов контроля и управления техническим состоянием сложных механических систем занимались и занимаются многие ученые: М.М. Гохберг, A.B. Вершинский, С.А. Соколов, К.П. Манжула, A.C. Липатов, H.A. Махутов, В.В. Болотин, К.В. Фролов, Ю.Н. Работнов, C.B. Серенсен, В.Н. Кога-ев, В.В.Москвичев, A.M. Лепихин, C.R. Farrar, Fu-Kuo Chang, К. Dilger, M. Bruns и др. [10], [11], [12], [13].

Оценка технического состояния металлических конструкций может быть осуществлена «косвенно» или «прямо». В том и в другом случае оценка выносится на основании наблюдений, свидетельствующих о состоянии материала конструкции. Однако, при косвенной оценке делается акцент на теоретические расчеты, тогда как при