КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Характерні задачі і методи прогнозування у сфері машиновикористання
Прогнозування строків безвідмовної роботи складових частин машини є одним з найважливіших завдань технічної діагностики. Розглянемо прогнозування залишкового ресурсу елементів машин з використанням моделі спрацювання і результатів оцінки технічного стану (діагностування). Роботоздатність об’єкта діагностування оцінюється за величиною параметру стану, тобто фізичної величини, яка прямо чи опосередковано характеризує ступінь спрацювання. Характер кривої спрацювання встановлюється експериментальними дослідженнями натурних взірців і має вигляд кривої, що наведена на рис. 14.1. Для прогнозування залишкового ресурсу tзр потрібні такі вихідні дані: • номінальне значення параметру стану Пн; • граничне значення параметру стану Пг; • показник зміни параметру стану за час припрацювання ΔП; • значення параметру стану на і-й момент діагностування — Пі; • наробіток від початку експлуатації до моменту діагностування tp. Тоді, згідно з рис. 14.1, зміни параметру стану на момент діагностування ΔПi та граничного використання ресурсу ΔПn визначаються залежностями: ΔПі= Пі-(Пн+ΔП), (14.1) ΔПг = Пп - (Пн+ΔП), (14.2) Зміна параметру під час роботи в загальному вигляді виражається залежністю: (14.3) де kv — коефіцієнт, що характеризує інтенсивність зміни параметру. При α=1 функція зміни параметру стану буде лінійною, при α≠1 — криволінійною. За даними досліджень для тракторів і сільськогосподарських машин α=0,8...2,0. Аналогічно для граничного стану: (14.4) Підставивши у формулу (4.53) значення коефіцієнта kv з формули (14.3) і розв’язавши рівняння відносно залишкового ресурсу tзр із врахуванням залежностей (14.1 і 14.2), отримуємо:
(14.5) Таким чином, застосовуючи натурне та математичне моделювання, можна з достатньою достовірністю прогнозувати майбутній стан технічних засобів за результатами оцінки нинішнього стану. В даному випадку застосовується метод екстраполяції. У спеціальній літературі наводяться методи прогнозування залишкового ресурсу при невідомому напрацюванні від початку експлуатації, прогнозування з урахуванням випадкового характеру зміни параметру та ін. Аналогічно можна прогнозувати динаміку показників ефективності нової техніки. Відомо, що зміна ефективності в часі описується логістичною кривою (рис. 14.2). На початковому етапі йде освоєння нової техніки з неповним використанням її потенційних можливостей (ділянка 0-1). Далі йде рівномірне нарощування ефективності (ділянка 1-2) і поступове зниження приросту ефективності (ділянка 2-3) внаслідок вичерпання потенційних можливостей техніки. Рівняння логістичної кривої може бути записане у вигляді: (14.6) де Етах, Е — максимальна і поточна ефективність машин; а, b — сталі величини, які визначаються за статистичними даними. Рис. 14.2. Інтегральна (логістична) крива приросту ефективності техніки в часі
Використовуючи наведені вище загальні закономірності можна з достатньою точністю прогнозувати майбутній стан конкретних технічних систем і приймати обґрунтовані рішення щодо ремонтних втручань чи заміни застарілої техніки. Важливою умовою керованого розвитку виробництва є побудова прогностичних моделей на основі аналізу причинно-наслідкових зв’язків. Біологічна сутність сільського господарства, вплив значної кількості факторів імовірнісної природи обумовлюють переважне використання статистичних методів у прогнозуванні. При цьому логічний аналіз дозволяє виявити суперечності, встановити причинно-наслідкові зв’язки і обґрунтувати множину істотних факторів, а математична модель будується на основі статистичних даних, застосування багатофак- торного регресійного та кореляційного аналізу, побудови часових рядів та інших емпіричних залежностей.
Прогнозування, як правило, базується на попередньому функціональному, еволюційному, інженерному або техніко-економічному аналізі. Для аналізу виробництва і прогнозування його розвитку широко застосовують виробничі функції (ВФ). При виведенні ВФ важливо дотримуватись системного підходу, враховувати сукупний вплив багатьох факторів на ефективність виробництва. Так, ефективність сільськогосподарського виробництва (Е), у загальному вигляді може бути виражена функцією: (14.7) де Рп — природні ресурси; Рг — родючість ґрунтів; Рв — засоби виробництва; Рр — трудові ресурси; Т — час. Тобто ця залежність передбачає вплив природних, технічних і людських факторів на результати виробництва, що є важливим для його прогнозування та цілеспрямованого розвитку. Моделі ВФ будують на основі експериментальних і статистичних даних із застосуванням методів регресійного та дисперсійного аналізів. Наприклад, продуктивність праці в натуральному виразі (урожай) може бути представлена як лінійна залежність: (14.8) де Q — урожай певної сільськогосподарської культури; хІ — бал оцінки землі за кадастром чи по максимальній врожайності даної культури; х2 — забезпеченість основними виробничими фондами; х3 — кількість внесених добрив; х4 — сумарні затрати праці (щільність механізованих робіт); а0 — вільний член рівняння, що встановлюється за величиною середньої досягнутої врожайності; b, с, d, е — коефіцієнти значимості відповідних факторів. У цьому рівнянні два з чотирьох значимих факторів безпосередньо відносяться до інженерної діяльності (х2 i x4). Таблиця 14.1. Задачі та методи прогнозування в машиновикористанні
Для прогнозування техніко-економічних показників комплексів машин і окремих агрегатів широко застосовують методи імітаційного моделювання на ЕОМ. Імітаційна модель дозволяє здійснювати машинний експеримент і визначати експлуатаційні властивості системи в різних умовах, враховуючи вплив і взаємодію різних факторів, у тому числі і випадкових, визначати статистичні характеристики показників (математичне сподівання, дисперсію, імовірність появи події). При розробці наукових прогнозів, як правило, поєднуються різні методи (табл. 14.1). Здатність ефективно керувати виробництвом значною мірою обумовлена здатністю керівників і фахівців передбачати результати виробничої діяльності, вмінням застосовувати сучасні методи прогнозування.
Дата добавления: 2015-07-13; Просмотров: 448; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |