ОСНОВЫ ТЕХНИЧЕСКОЙ ЭКСПЛУАТАЦИИ ПОДВИЖНОГО СОСТАВА В.Ф. ЮХИМЕНКО ОСНОВЫ ТЕХНИЧЕСКОЙ ЭКСПЛУАТАЦИИ ПОДВИЖНОГО СОСТАВА ТЕМА 3. ЗАКОНОМЕРНОСТИ ИЗМЕНЕНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ АВТОМОБИЛЯ

3.1 Виды случайных процессов Для предупреждения отказов и неисправностей, а также для определения их источников, предъявления рекламационных претензий изготовителю или продавцу изделия мало констатировать сам факт возникновения отказа или неисправности. Необходимо знать причины, механизмы их возникновения и проявления, а также влияние различных отказов элементов на работоспособность автомобиля в целом, т.е. на способность выполнять транспортную работу. Иными словами, необходимо знать закономерности изменения технического состояния. Процессы в природе и технике (в том числе и при технической эксплуатации) могут быть двух видов: процессы, характеризуемые функциональными зависимостями, и случайные (вероятностные, стохастические) процессы.

Для функциональных процессов характерна жесткая связь между функцией (зависимой переменной величиной) и аргументом (независимой переменной величиной), когда определенному значению аргумента (аргументов) соответствует определенное значение функции. Например, зависимость пройденного пути от скорости и времени движения. Случайные процессы происходят под влиянием многих переменных факторов, значение которых часто неизвестно. Поэтому результаты вероятностного процесса могут принимать различные количественные значения (т.е. наблюдается рассеивание, или вариация) и называются случайными величинами (СВ).

При эксплуатации в основном приходится иметь дело со случайными процесса­ми и величинами. Случайные процессы могут быть описаны пучком кривых К,-(0, характери­зующих изменение технического состояния конкретных изделий 1,2,3,...,i,...,n (рис. 2.6) от их наработки t. Иными словами, случайный процесс Y(t) может быть описан функцией, которая при каждом новом значении аргумента характеризуется набором нескольких случайных величин. Конкретные значения случайной функции при фиксированном значении аргумента t называются реализацией случайной величины.

Рис. 3.1. Схема формирования случайного процесса l - сечение случайного процесса, Y1-Y2 - случайные величины - реализация случайного процесса Y(t) при t=t1

3.2 Изменение технического состояния автомобиля по его наработке У значительной части узлов и деталей процесс изменения технического состоя­ния в зависимости от времени или пробега автомобиля носит плавный, монотонный характер, приводящий к возникновению так называемых постепенных отказов. При этом характер зависимости может быть различным (рис. 3.1). В случае постепенных отказов изменение параметра технического состояния конкретного изделия или среднего значения для группы изделий аналитически достаточно хорошо может быть описано двумя видами функций: целой рациональной функцией л-го порядка и степенной функцией

В практических вычислениях по формуле, как правило, достаточно использовать члены до третьего—четвертого порядков. Таким образом, зная функцию и предельное Yп или предельно допустимое Yд.д. значение параметра технического состояния, можно аналитически определить из уравнения ресурс изделия или периодичность его обслуживания. Рис. 2.7. Возможные формы зависимости параметра технического состояния Y от наработки l. Yн Yп - начальное и предельное значения параметра

Достаточно часто закономерности изменения параметров (например, зазора между накладками и тормозными барабанами, свободного хода педали сцепления и др.) описываются линейными уравнениями вида где а1 - интенсивность изменения параметра технического состояния, зависящая от конструкции и условий эксплуатации изделий. Закономерности первого вида характеризуют тенденцию изменения парамет­ров технического состояния (математическое ожидание случайного процесса), а также позволяют определить средние наработки до момента достижения предельного или заданного состояния.

3.3 Закономерности вариации случайных величин. 3.3 Закономерности вариации случайных величин. При работе группы автомобилей приходится иметь дело не с одной зависимостью Y(t).которая была бы пригодна для всей группы, а с индивидуальными зависимостями Yi(t), свойственными каждому i-му изделию (рис. 2.8). Применительно к техническому состоянию однотипных изделий причинами вариации являются: даже незначительные изменения от изделия к изделию качества материалов, обработки деталей, сборки; текущие изменения условий эксплуатации (скорость, нагрузка, температура и т.д.); качество ТО и ремонта, вождения автомобилей и др. В результате при фиксации для группы изделий определенного параметра технического состояния, например Yi каждое изделие будет иметь свою наработку до отказа (см. рис. 2.8, а), т.е. будет наблюдаться вариация наработки. Возникает вопрос: какую периодичность ТО планировать для группы однотипных автомобилей?

Рис. 2.8. Вариации СВ/ а - наработки при фиксации Уn; б- параметра технического состояния фиксации наработки l

При технической эксплуатации приходится сталкиваться и с другими СВ: расход топлива однотипными автомобилями даже на одинаковых маршрутах; расход запасных частей и материалов; число требований на ремонт в течение часа, смены работы поста ремонтной мастерской, станции ТО; число заездов на АЗС и др. Все это сказывается на нормировании и организации ТО и ремонта, определении необходимых для этого ресурсов. Для решения этих задач необходимо уметь оценивать вариацию СВ.

3.4 Методика оценки случайных величин Рассмотрим простейшие методы оценки СВ. Исходные данные - результаты наблюдений за изделиями или отчетные данные, которые выявили индивидуальные реализации случайных величин (например, наработки на отказ, фактический расход топлива, материалов и т.д.). 1. Случайные величины (от 1 до п) располагают в порядке возрастания или убывания их абсолютных значений:

2. Точечные оценки СВ: среднее значение СВ размах СВ среднеквадратическое отклонение, характеризующее вариацию, коэффициент вариации

В ТЭА различают СВ с малой вариацией: со средней вариацией: с большой вариацией: и > 0,33. Точечные оценки позволяют предварительно судить о качестве изделий и технологических процессов. Чем ниже средний ресурс и выше вариация (О, V, г), тем ниже качество конструкции и изготовления (или ремонта) изделия. Чем выше коэффициент вариации показателей технологических процессов ТЭА (трудоемкость, простои в ТО или ремонте, загрузка постов и исполнителей и др.), тем менее совершенны применяемые организация и технология ТО и ремонта.

3. Вероятностные оценки СВ 3. Вероятностные оценки СВ. При вероятностных оценках рекомендуется размах СВ разбить на несколько (как правило, не менее 5-7 и не более 9-11) равных по длине Ах интервалов (табл. 2.4). Далее следует произвести группировку, т.е. определить число случайных величин, попавших в первый (п1), второй (п2) и остальные интервалы. Это число называется частотой. Разделив каждую частоту на общее число случайных величин (п1 + п2 +... + пп =п), определяют частость. Частость является эмпирической (опытной) оценкой вероятности Р, т.е. при увеличении числа наблюдений частость приближается к вероятности:. Полученные при группировке СВ результаты сводятся в таблицу (см. табл. 2.4), данные которой имеют не только теоретическое, но и практическое значение. Например, по результатам наблюдений можно предположить, что у аналогичных изделий в тех же условиях эксплуатации и в интервале наработ­ки 6—8 тыс. км может отказать около 6% изделий (, в интервале 8-10 тыс. км - 12%, интервале 10-12 тыс. км - 19% и т.д.

Следовательно, имея систематизированные данные по отказам, можно прогнозировать и планировать число воздействий (программу работ), потреб­ности в рабочей силе, площадях, материалах и запасных частях.

4. Вероятность случайного события 4. Вероятность случайного события. В общем виде это отношение числа слу­чаев, благоприятствующих данному событию, к общему числу случаев. Вероятность отказа рассматривается не вообще, а за определенную наработку X: (где т(х) - число отказов за X, п - число наблюдений (изделий)), или вероятность отказа изделия при наработке X равна вероятности событий, при которых наработ­ка до отказа конкретных изделий х, окажется менее X.

В примере (см. табл. 2.4) при X = 10 тыс. км имеем Обычно применяется следующая буквенная индексация рассмотренных событий и понятий: Р - отказ, авария, повреждение, вероятность этих событий; К - безотказность, надежность, прочность, вероятность этих событий; Р - вероятность.

Вероятность отказа может быть получена также последовательным суммированием интервальных вероятностей за наработку X, т.е. Где j- номер интервала, соответствующий наработке X.

5. Следующей характеристикой случайной величины является плотность вероятности (например, вероятности отказа) f(x)) - функция, характеризующая вероятность отказа за малую единицу времени при работе узла, агрегата, детали без замены. Если вероятность отказа за наработку F(х) - т(х)/n, то, дифференцируя ее при n - const, получим плотность вероятности отказа где dт/dх - элементарная "скорость", с которой в любой момент времени происходит приращение числа отказов при работе детали, агрегата без замены. Т.к. , то

Поэтому F(х) называют интегральной функцией распределения, f(х) - дифференциальной функцией распределения. Так как Имея значения F(х) или f(х), можно произвести оценку надежности и определить среднюю наработку до отказа

6. При оценке качества изделий, нормировании ресурсов, в системе гарантийного обслуживания применяют гамма-процентный ресурс ху. Это интегральное значение ресурса ху, которое вырабатывает без отказа не менее у процентов всех оцениваемых изделий, т.е. В ТЭА обычно принимаются = 80, 85, 90 и 95%. В рассматриваемом примере при = 95% 7 тыс. км (см. табл. 2.4). Риск отказа изделия F в данной ситуации, т.е. более раннее достижение изде­лиями гамма-процентного ресурса, составляет около 5%.

Гамма-процентный ресурс используется при определении периодичности ТО по заданному уровню безотказности. Выражение означает, что обслу­живание с периодичностью ТО гарантирует вероятность безотказной работы и Если организаторы производства без технико-экономического анализа назначали периодичность, например, тыс. км (см. табл. 2.4), то примерно 18 изделий из 100 (n= 6 и п2 = 12, т(х) = 18) откажут ранее назначенного ТО, т.е. вероятность отказа

Остальные 82% изделий (19+25+20+13+5) имеют потенциальную наработку на отказ х, > 10 тыс. км. Следовательно, ТО им будет произведено ранее, чем они могут отказать, и вероятность их безотказной работы

7. Используя данные табл. 2.4, можно также определить некоторые точечные оценки СВ. Среднее значение СВ Где j - номер интервала. Для данных табл. 2.4 имеем: Таким образом, если бы периодичность ТО равнялась средней наработке на аз, то более 60% изделий в рассматриваемом примере отказали бы до луживания. Среднеквадратическое отклонение Где j - число интервалов. Коэффициент вариации

8. Важным показателем надежности является интенсивность отказов (х) –условная плотность вероятности возникновения отказа невосстанавливаемого изделия, определяемая для данного момента времени при условии, что отказа до этого момента не было. Аналитически для получения (х) необходимо элементарную вероятность dт/dх отнести к числу элементов, не отказавших к моменту х, т.е. Так как вероятность безотказной работы то Учитывая, что получаем

Рис. 2.9. Изменение интенсивности постепен­ных и внезапных Таким образом, интенсивность отка­зов равна плотности вероятности отказа, деленной на вероятность безотказной работы для данного момента времени или пробега.

Так как, то после дифференцирования Так как то можно записать: откуда после интегрирования Это универсальная формула определения вероятности безотказной работы невосстанавливаемого элемента для любого закона распределения. Зная интенсивность отказов, можно для любого момента времени или пробега определить вероятность безотказной работы. Существуют внезапные и постепенные отказы (рис. 2.9). Последние описывают работу так называемых стареющих элементов.

9. Наглядное представление о величине и вариации СВ дает их графическое изображение: гистограммы (/, рис. 2.10) и полигоны (2, рис. 2.10) распределения, а также интегральные функции распределения вероятностей отказа (3, рис. 2.10) и безотказной работы (4, рис. 2.10) и дифференциальные функции или законы распределения случайной величины (рис. 2.11). 10. В ряде случаев законы распределения случайных величин могут быть описаны аналитически, как функции параметров этих законов. Такие аналитические зависимости имеются для нормального, экспоненциального и ряда других законов распределения СВ, описывающих процессы ТЭА.

Общий вид закона распределения: Причем Для процессов технической эксплуатации и непрерывных СВ наиболее характерны следующие законы распределения.

Нормальный закон распределения (двухпараметрический: а и х) Нормальный закон распределения (двухпараметрический: а и х). Такой закон формируется, когда на исследуемый процесс и его результат влияет сравнительно большое число независимых (или слабозависимых) элементарных факторов (слагаемых), каждое из которых в отдельности оказывает лишь незначительное действие по сравнению с суммарным влиянием всех остальных.

Экспоненциальный закон (однопараметрический - При экспоненциальном законе распределения вероятность безотказной работы не зависит от того, сколько проработало изделие с начала эксплуатации, а определяется конкретной продол­жительностью рассматриваемого периода или пробега Ах, называемого временем выполнения задания. Таким образом, эта модель не учитывает постепенного изменения параметров технического состояния, например, в результате изнашивания, старения и других причин, а рассматривает так называемые нестареющие элементы и их отказы. Экспоненциальный закон используется чаще всего при описании внезапных отказов, продолжительности разнообразных ремонтных воздействий и в ряде других случаев:

Закон распределения Вейбулла-Гнеденко проявляется в модели так называе­мого слабого звена. Если система состоит из группы независимых элементов, отказ каждого из которых приводит к отказу всей системы, то в такой модели рассматривается распределение времени (или пробега) достижения предельного состояния системы как распределение соответствующих минимальных значений х, отдельных элементов:

Функция распределения этой величины может быть выражена следующей зависимостью: Примером использования распределения Вейбулла-Гнеденко является рас­пределение ресурса подшипника качения. Этот ресурс ограничивается ресурсом одного из элементов (шарика, ролика, конкретного участка сепаратора и т.д.).

Значение аналитических зависимостей состоит в том, что если известен вид закона (на основе опыта, литературных источников, наблюдений) и его параметры, то можно расчетными методами, не проводя объемных наблюдений, воспроизвести (прогнозировать) ожидаемые вероятности отказов и других состояний изделий и процессов. Например, для нормального закона необходимо знать два параметра (х, ), а для экспоненциального - один (х или ), чтобы рассчитать вероятность отказов и безотказной работы (табл.3.2).

3.5 Практическое использование нормального закона распределения Если на основании имеющихся наблюдений или анализа механизма возникно­вения отказов можно предположить о реализации определенного теоретического закона распределения СВ, то соответствующие показатели можно рассчитать ана­литически. Так, для нормального закона при расчетах часто пользуются понятием норми­рованной функции Ф(z), для которой принимается новая случайная величина так называемое нормированное отклонение.

Для нормированной функции составлены таблицы, облегчающие расчеты (табл. 3.2). Пример 1. Определить вероятность первой замены детали при наработке автомобиля с начала эксплуатации 70 тыс. км. Распределение наработки до первого отказа подчиняется нормальному закону с параметрами: х = 95 тыс. км; = 30 тыс. км.

Используя понятие нормированной функции, определим нормированное отклонение По приложению 5 находим Ф(-0,83) = 0,20. Таким образом, примерно 20% автомобилей потребуют замены деталей при пробеге с начала эксплуатации до 70 тыс. км. Вероятность отказа в интервале пробега х1 – х2 определяется разностью

Пример 2. Определить вероятность отказа той же детали в интервале пробега от х1 = 70 тыс. км до х2 = 125 тыс. км. Определяем: z1 = -0,83; z2 = (125 - 95)/30 = 1. По при­ложению 5 находим Ф(-О,83) = 0,20; Ф(1) = 0,84. Таким образом, вероятность отказа детали в интервале пробега 70-125 тыс. км составляет 0,64, т.е. у 64% автомобилей в этом интервале пробега ожидается отказ детали и потребуется ее замена или ремонт. Аналогичные таблицы и "вероятностные бумаги", облегчающие расчеты, имеются для экспоненциального и ряда других законов распределения.

Таким образом, умение оценивать случайные величины позволяет в реальной эксплуатации: во-первых, перейти от ожидания стихийного появления событий (отказы изделия, требования на услуги ТО и ремонт, заправку и др.) к инструмен­тальному описанию и объективному предвидению их реализаций с определенной вероятностью, что позволяет подготовить и приспособить производство к эффективному освоению соответствующих требований; во-вторых, принять риск в качестве объективной реальности, свойственной любой деятельности, особенно эксплуатационной. Поэтому для успешной производственной деятельности важно не стремиться полностью исключить риск (что нереально для случайных процессов), а уметь его оценить и выбрать с учетом возможных отрицательных и положительных последствий.

Таблица 3.2 Нормативная функция нормального распределения

Контрольные вопросы Какие виды случайных процессов? Виды изменения технического состояния автомобиля по наработке. Закономерности вариации случайных величин. Способы оценки случайных величин. Как графически изображается случайная величина? Как практически используется нормальный закон распределения при расчёте показателей случайных величин?