СИСТЕМА АВТОМАТИЗИРОВАННОГО ПРОГНОЗИРОВАНИЯ ПОЛОМОК ДВИГАТЕЛЯ ЛОКОМОТИВА

Котов В.А., студент

Романенко В.В., старший преподаватель

УО «Белорусский государственный университет транспорта»,
г. Гомель, Беларусь

Аннотация. В данной статье описывается возможность применения математических методов для эффективной диагностики и управления локомотивов в транспортной железнодорожной инфраструктуре.

Ключевые слова: подвижной состав, поломки двигателя, программное обеспечение.

В настоящее время на железнодорожном транспорте значительно возрастает внимание к обеспечению высокой эксплуатационной надежности подвижного состава и безопасности движения поездов. Это является ключевым аспектом для повышения эффективности и качества работы железнодорожного сектора.

В то же время наблюдается устойчивый рост стремления к максимально рациональному использованию ресурсов железнодорожного транспорта. Это, в свою очередь, приводит к увеличению длинных участков безостановочного движения поездов, росту скорости и увеличению нагрузки на ось. В связи с этим особенно актуальным становится сбор информации о состоянии вагонных букс, в частности о перегреваемых буксовых подшипниках. Их перегрев может привести к повреждению шейки оси колесной пары, а также к возгоранию вагонов, грузов и объектов инфраструктуры [1].

Одним из важных свойств сложных технических объектов является надежность компонентов системы, включая датчики, оборудование и программное обеспечение, должны работать стабильно и предсказуемо.

Автоматизация системы сбора, анализа и мониторинга данных работы двигателя локомотива, требуют комплексного подхода, включающего разработку программного обеспечения. Вот пример кода, который может быть использован для автоматизации такой системы на языке Python:

Код представляющий базовую структуру обработки данных:

# Импорт необходимых библиотек

import sensor_data_processor

import predictive_maintenance

import communication_module

# Класс для обработки данных с датчиков

class SensorDataHandler:

def __init__(self):

self.data = []

def collect_data(self):

# Сбор данных с датчиков

self.data = sensor_data_processor.collect()

def analyze_data(self):

# Анализ данных на предмет аномалий

anomalies = sensor_data_processor.analyze(self.data)

return anomalies

# Класс для предиктивного обслуживания

class MaintenancePredictor:

def __init__(self):

self.predictions = []

def predict_failures(self, data):

# Предсказание потенциальных неисправностей

self.predictions = predictive_maintenance.predict(data)

def schedule_maintenance(self):

# Планирование технического обслуживания

maintenance_schedule = predictive_maintenance.schedule(self.predictions)

return maintenance_schedule

# Основной цикл системы мониторинга

def main_monitoring_loop():

sensor_handler = SensorDataHandler()

maintenance_predictor = MaintenancePredictor()

while True:

sensor_handler.collect_data()

anomalies = sensor_handler.analyze_data()

if anomalies:

communication_module.send_alert(anomalies)

maintenance_predictions = maintenance_predictor.predict_failures(sensor_handler.data)

maintenance_schedule = maintenance_predictor.schedule_maintenance()

if maintenance_schedule:

communication_module.send_maintenance_schedule(maintenance_schedule)

# Запуск системы

if __name__ == "__main__":

main_monitoring_loop()

С помощью этого кода можно создать систему, которая может быть адаптирована под конкретные датчики и условия эксплуатации двигателя локомотива, например:

– выявлять и предотвращать потенциальные неисправности: анализ данных с датчиков может помочь определить элементы двигателя, которые могут выйти из строя;

– планировать техническое обслуживание: системы могут анализировать данные о работе двигателя и рекомендовать оптимальные сроки для проведения технического обслуживания, чтобы минимизировать риск внезапных отказов;

– оптимизировать использование ресурсов: предиктивное обслуживание помогает определить, когда и какие запасные части потребуются, ресурс включает в себя сбор данных с датчиков.

Система представляет собой комплексное решение, направленное на повышение эффективности, безопасности и надежности двигателя локомотива. Интеграция современных технологий, таких как сбор данных с датчиков, их анализ, предиктивное обслуживание позволяет оперативно реагировать на возможные неисправности двигателя локомотива и оптимизировать расписание технического обслуживания.

Литература

1. Бурченков В. В. Автоматизированные системы контроля подвижного состава : Учеб. пособие. Гомель : БелГУТ, 2020 – 226 с.