МОНИТОРИНГ ТЕХНИЧЕСКОГО СОСТОЯНИЯ НАСОСНОГО ПАРКА ДЛЯ ПОВЫШЕНИЯ ПАРАМЕТРОВ НАДЕЖНОСТИ
Аннотация
В данной статье рассматривается разработка и применение современных методов машинного обучения для контроля и прогнозирования технического состояния насосов, используемых на производственном предприятии. Объект исследования — горизонтальные шламовые насосы серии Warman MCR, предназначенные для непрерывной перекачки абразивных суспензий с твёрдыми включениями в промышленных условиях. Эти насосы оптимально подходят для работы с жидкостями, имеющими высокую концентрацию твёрдых частиц, благодаря их повышенной надёжности и износостойкости. Они функционируют при высоких механических нагрузках, что обусловливает необходимость постоянного контроля их технического состояния. В рамках исследования в течение 1,5 лет с интервалом каждые 3 недели измерялись и анализировались вибрационные характеристики подшипников двух таких насосов, непрерывно работающих в составе насосного парка. Мониторинг проводился в производственной среде при штатном режиме эксплуатации оборудования.
Вибрационные параметры регистрировались системой VibroExpert II с помощью акселерометрических датчиков, фиксируя максимальные, «пик-пик» и среднеквадратичные значения виброскорости и виброускорения. Кроме того, измерялись механический и общий уровни звукового давления (dBm и dBc). Данные обрабатывались в среде MATLAB. В ходе исследования для 1-го насоса применялся метод бэггинга Бреймана, показавший высокую точность — до 90% объяснения вариаций вибрационных данных (R²=0.9045), что даёт возможность предсказывать вероятный износ и потенциальное разрушение компонентов. При этом было использовано 300 деревьев решений, каждое из которых обучалось на своей бутстреп-выборке, а итоговый результат формировался путём ансамблирования. Для 2-го насоса использовались нейронные сети, продемонстрировавшие результат R²=0.7365 и способные выявлять значительные отклонения в вибрационных характеристиках. Несмотря на то, что в модели нейронной сети применялся только один скрытый слой с 10 нейронами, добавленная L2-регуляризация помогла избежать избыточного «запоминания» (overfitting) и повысить обобщающую способность. Для каждого из методов представлена математическая модель, подтверждающая возможность применения данных подходов с целью повышения надёжности и долговечности насосного оборудования. Результаты исследования показали, что использование методов машинного обучения для контроля насосного парка позволяет значительно улучшить точность прогнозов о состоянии оборудования.
Автор
Д.Ж. Басқанбаева
К.К. Елемесов
А.К.Ерик
DOI
https://doi.org/10.48081/RNRL5697
Ключевые слова
мониторинг
насосный парк
машинное обучение
анализ вибрации
параметр надежности
метод бэггинга Бреймана
метод нейронной сети
Год
2025
Номер
Выпуск 1
Для цитирования:
Д.Ж. Басқанбаева, К.К. Елемесов, А.К.Ерик МОНИТОРИНГ ТЕХНИЧЕСКОГО СОСТОЯНИЯ НАСОСНОГО ПАРКА ДЛЯ ПОВЫШЕНИЯ ПАРАМЕТРОВ НАДЕЖНОСТИ // Научный журнал «Наука и техника Казахстана» - 2025 - №1 - 40 – 49 Б. https://doi.org/10.48081/RNRL5697
Скопировано!