Подсоединяются или работают совместно с контролируемым изделием только в момент контроля и не являются элементом изделия.
Тормозной стенд, стенд для проверки углов установки колес и др.
Приборы контроля состава отработавших газов, тестеры. и др.
Являются конструктивным элементом автомобиля и осуществляют контроль непрерывно или периодически по определенной программе.
Информируют о режимах работы и состоянии: температура агрегатов, скорость, частота вращения коленвала, давление масла и т.д.
Предупреждают о возможном наступлении предотказного состояния (Уп.д) или возникновении скрытых отказов: давление масла, заряд аккумуляторной батареи.
Отслеживают и запоминают информацию о состоянии для считывания в стационарных условиях; поиск неисправности; самодиагностика; звуковая, визуальная, речевая информация о предотказном состоянии.
как правило, используются два способа диагностирования. При первом в процессе диагностирования на объект диагностирования (ОД), не находящийся в рабочем состоянии, осуществляются определенные механические, электрические, гидравлические и другие воздействия и с помощью датчиков фиксируется его реакция в виде диагностического сигнала Si.
|
|
При втором способе объект диагностирования выводится на заданный режим работы, и также с помощью датчиков от него воспринимаются сигналы, характеризующие диагностические параметры Si. Эти сигналы преобразуются (модулируются) в электрические, улучшаются (очищаются от "шума"), например, с помощью аналого-цифрового преобразователя и аналогового мультипликатора и далее поступают или непосредственно в средства отображения информации и считываются оператором, или, в более сложных диагностических приборах, в микропроцессор (микропроцессоры), где с учетом информации, содержащейся в блоке памяти (запоминающее устройство), осуществляется анализ, а в ряде случаев и прогноз, и полученная информация передается в средства отображения.
В блоке памяти может также содержаться информация о механике-диагносте, проводившем соответствующий контроль.
В ряде диагностических приборов на дисплее может выдаваться рекомендация по конкретному перечню работ, которые необходимо выполнить данному автомобилю.
В блоке памяти могут содержаться сведения о предыдущем контроле данного автомобиля, что позволяет проследить динамику изменения диагностических параметров и дать прогноз наработок до предельно допустимого и предельного значений параметров технического состояния.
На практике прямой и диагностический методы взаимодействуют и дополняют друг друга. Надо уметь определить рациональные сферы их использования.
|
|
Главным критерием выбора метода является сравнение суммарных затрат на предупреждение, выявление и устранение отказов и неисправностей при использовании прямых и диагностических методов контроля технического состояния, а также продолжительности процедуры.
2.4. ЗАКОНОМЕРНОСТИ ИЗМЕНЕНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ
1. ВИДЫ ЗАКОНОМЕРНОСТЕЙ
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).
Случайные процессы могут быть описаны пучком кривых Уi(t)> 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
Рис. 2.6. Схема формирования случайного процесса
/ - сечение случайного процесса, Y1-Yn - случайные величины - реализация случайного процесса Y(t) при t = t1,
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.
При эксплуатации в основном приходится иметь дело со случайными процессами и величинами.
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.
При эксплуатации в основном приходится иметь дело со случайными процессами и величинами.
2. ЗАКОНОМЕРНОСТИ ИЗМЕНЕНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ АВТОМОБИЛЯ ПО ЕГО НАРАБОТКЕ (ЗАКОНОМЕРНОСТИ ТЭА ПЕРВОГО ВИДА)
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. 2.7). 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 п-го порядка
Рис. 2.7. Возможные формы зависимости параметра технического состояния Y от наработки l
Yн, Yn - начальное и предельное значения параметра
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.
4. 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:
Точечные оценки позволяют предварительно судить о качестве изделий и технологических процессов. Чем ниже средний ресурс и выше вариация (о, v, z), тем ниже качество конструкции и изготовления (или ремонта) изделия. Чем выше коэффициент вариации показателей технологических процессов ТЭЛ (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. При вероятностных оценках рекомендуется размах СВ разбить на несколько (как правило, не менее 5-7 и не более 9-11) равных по длине Δхинтервалов (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 + п 2+••• + пn = п), определяют частость (ωi = ni/n. Частость является эмпирической (опытной) оценкой вероятности Р,
Таблица2.4 Пример вероятностной оценки СВ | ||||||
Номер интервала J | Интервал Δx, тыс. км | Середина интервала Xi ТЫС. КМ | Число отказов ni в интервале | Частость (вероятность) ωi =pi | Оценка накопленных вероятностей | |
отказа F | безотказности R | |||||
6-8 | 0,06 | 0,06 | 0,94 | |||
8-10 | 0,12 | 0,18 | 0,82 | |||
з | 10-12 | 0,19 | 0,37 | 0,63 | ||
12-14 | 0,25 | 0,62 | 0,38 | |||
14-16 | 0,2 | 0,82 | 0,18 | |||
16-18 | 0,13 | 0,95 | 0,05 | |||
18-20 | 0,05 | 1,00 | ||||
Всего | - | - | 1,00 | - | - |
т.е. при увеличении числа наблюдений частость приближается к вероятности: ю/ ~* Pi- 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 ωi ~ Рi = 0,06), 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. В общем виде это отношение числа случаев, благоприятствующих данному событию, к общему числу случаев.
Обычно применяется следующая буквенная индексация рассмотренных событий и понятий:
F (failure) - отказ, авария, повреждение, вероятность этих событий;
R (reliability) - безотказность, надежность, прочность, вероятность этих событий;
Р (probability) - вероятность.
Вероятность отказа может быть получена также последовательным суммированием интервальных вероятностей за наработку X, т.е.
F(x) = pl+p2 +... + pj,
где j— номер интервала, соответствующий наработке X.
5. Следующей характеристикой случайной величины является плотность вероятности (например, вероятности отказа) /(х) - функция, характеризующая вероятность отказа за малую единицу времени при работе узла, агрегата, детали без замены. Если вероятность отказа за наработку F(x) = m(x)/n, то, дифференцируя ее при п = const, получим плотность вероятности отказа
где dm/dx - элементарная "скорость", с которой в любой момент времени происходит приращение числа отказов при работе детали, агрегата без замены.
Если организаторы производства без технико-экономического анализа назначали периодичность, например, /то = 10 тыс. км (см. табл. 2.4), то примерно 18 изделий из 100 (Я| = 6 и «2 = 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 дс, > 10 тыс. км. Следовательно, ТО им будет произведено ранее, чем они могут отказать, и вероятность их безотказной работы
Для первых отказов невосстанавливаемых изделий и взаимно дополняющих событий (отказ - работоспособное состояние) имеет место условие F(x) + R(x) = = 0,18 + 0,82= 1, т.е., зная вероятность отказа, можно определить вероятность безотказной работы и наоборот.
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:
J = 7-0,06 + 9-0,12 +11-0,19 +13-0,25+15-0,20+17-0,13 +19-0,05 = = 13,0 тыс. км.
Таким образом, если бы периодичность ТО равнялась средней наработке на отказ, то более 60% изделий в рассматриваемом примере отказали бы до обслуживания.
Среднеквадратическое отклонение
8. Важным показателем надежности является интенсивность отказов Х(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 к(х) необходимо элементар
ную вероятность dm/dx отнести к числу элементов, не отказавших к моменту д:, т.е.
Это универсальная формула определения вероятности безотказной работы не-восстанавливаемого 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 (5, рис. 2.10) и
безотказной работы (4, рис. 2.10) и дифференциальные функции или законы рас
пределения случайной величины (рис. 2.11).
10. В ряде случаев законы распределения случайных величин могут быть опи
саны 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:
Для процессов технической эксплуатации и непрерывных СВ наиболее характерны следующие законы распределения.
Нормальный закон распределения (двухпараметрический: о 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 - X). 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 jc/ отдельных элементов:
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 (i, о), a для экспоненциального - один (х или А,), чтобы рассчитать вероятность отказов и безотказной работы (приложение 5).