Вы находитесь на странице: 1из 368

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение


высшего профессионального образования
Томский государственный архитектурно-строительный университет

На правах рукописи

ВЛАСОВ ЮРИЙ АЛЕКСЕЕВИЧ

МЕТОДОЛОГИЯ ДИАГНОСТИКИ АГРЕГАТОВ АВТОМОБИЛЕЙ


ЭЛЕКТРОФИЗИЧЕСКИМИ МЕТОДАМИ КОНТРОЛЯ
ПАРАМЕТРОВ РАБОТАЮЩЕГО МАСЛА

05.22.10 – Эксплуатация автомобильного транспорта

ДИССЕРТАЦИЯ
на соискание ученой степени доктора технических наук

Научный консультант:
доктор технических наук,
профессор Удлер Э.И.

Томск – 2015
2
СОДЕРЖАНИЕ

Ведение .................................................................................................................................... 6
1 Проблема диагностики агрегатов автомобилей,
состояние вопроса и задачи исследования ........................................................................... 15
1.1 Причины низкой эксплуатационной надежности автомобилей .............................. 15
1.2 Техническая диагностика автомобилей
и классификация средств диагностирования.................................................................... 28
1.3 Диагностика агрегатов автомобилей по параметрам работающего масла ............ 35
1.4 Проблемы диагностирования большегрузных автомобилей ................................... 42
1.5 Анализ экспресс-методов и средств контроля работающего масла ........................ 44
1.6 Метод оценки перспективности выполняемых исследований ................................ 55
Выводы. Цель и задачи исследования.................................................................................... 58
2 Методологические основы экспресс-диагностики агрегатов
электрофизическими методами контроля параметров работающего масла ..................... 61
2.1 Структура исследуемых процессов ............................................................................ 61
2.2 Обоснование выбора диагностического параметра .................................................. 67
2.3 Аналитические исследования электрофизических процессов,
оценивающих параметры работающих масел ................................................................. 70
2.3.1 Анализ электрофизических свойств жидких диэлектриков ............................ 70
2.3.2 Диэлектрическая проницаемость статистической смеси ................................. 73
2.3.3 Теоретические основы метода колебательного контура .................................. 77
2.3.4 Теоретические основы метода фотометрии высоковольтного разряда .......... 84
2.3.4.1 Обоснование возможностей использования высоковольтного
разряда для целей диагностики ............................................................................... 84
2.3.4.2 Модель формирования информирующего сигнала
с использованием фотометрии газового разряда ................................................... 87
2.3.4.3 Электрофизический подход к выбору модели скользящего разряда
вдоль поверхности твердого диэлектрика .............................................................. 90
2.3.4.4 Формально-логическая модель оценки скользящего разряда
вдоль поверхности твердого диэлектрика .............................................................. 95
2.3.4.5 Разработка модели газоразрядной оценки
параметров работающего масла .............................................................................. 101
2.4 Методы математической обработки экспериментальных данных .......................... 104
3
2.4.1 Обоснование выбора критериев диагностических параметров ....................... 104
2.4.2 Обоснование прогнозирования срока службы масла ........................................ 108
2.4.3 Формализация метода оценки работоспособности
системы «агрегат – масло»............................................................................................ 111
2.4.4 Формализация метода анализа иерархий при выборе
средств диагностирования ............................................................................................ 119
2.5 Аналитическая оценка влияния методов экспресс-диагностики
на показатели технической эксплуатации автомобилей ................................................ 124
2.5.1 Анализ организационных схем диагностирования в структуре системы
технического обслуживания и ремонта автомобилей................................................. 124
2.5.2 Методы организации технологии экспресс-диагностирования ....................... 128
2.5.3 Технология экспресс-диагностирования и ее место
в производственном процессе автопредприятия ........................................................ 132
2.5.4 Метод расчета производственной программы лаборатории
физико-химических анализов масла ............................................................................ 136
2.5.5 Метод оценки показателей технической эксплуатации автомобилей ............. 138
Выводы ..................................................................................................................................... 141
3 Методика экспериментальных исследований ................................................................... 143
3.1 Общая методика проведения экспериментальных исследований ........................... 143
3.2 Методика сбора и обработки статистических данных ............................................. 149
3.3 Методика планирования эксперимента ...................................................................... 152
3.4 Методика построения математических моделей
и проверки их на адекватность ......................................................................................... 153
3.5 Методика оценки безотказности автотранспортных средств .................................. 156
3.6 Обоснование и разработка средств экспресс-диагностики ...................................... 158
3.6.1 Средство экспресс-диагностики ИКМ-2 ............................................................ 158
3.6.2 Средство экспресс-диагностики ВТР-1 .............................................................. 160
3.7 Технология экспресс-диагностирования
электрофизическими методами контроля ........................................................................ 166
3.8 Метрологические вопросы обеспечения метода колебательного контура
на приборе ИКМ-2 .............................................................................................................. 171
3.9 Метрологические вопросы обеспечения метода газоразрядной визуализации
на приборе ВТР-1 ............................................................................................................... 173
3.10 Сравнительная оценка диагностических параметров средств измерения ............ 177
3.11 Сравнительная оценка портативных средств экспресс-диагностики ................... 182
4
Выводы ..................................................................................................................................... 190
4 Результаты экспериментальных исследований ................................................................. 191
4.1 Лабораторные исследования параметров работающего масла
методом колебательного контура ..................................................................................... 191
4.1.1 Метод исследования подсистемы «вода – масло» ............................................ 192
4.1.2 Метод исследования подсистемы «моторное топливо – масло» ..................... 195
4.1.3 Метод исследования подсистемы «механические примеси – масло» ............. 197
4.1.4 Метод исследования полидисперсной среды в масле ....................................... 201
4.1.5 Анализ диагностических возможностей метода колебательного контура ..... 204
4.2. Лабораторные исследования параметров работающего масла
методом высоковольтного тлеющего разряда ................................................................. 212
4.2.1. Метод исследования подсистемы «вода – масло» ........................................... 212
4.2.2 Метод исследования подсистемы «моторное топливо – масло» ..................... 214
4.2.3 Метод исследования подсистемы «кремний – масло» ..................................... 216
4.2.4 Метод исследования подсистемы «металл – масло» ........................................ 218
4.2.5 Метод исследования полидисперсной среды в масле ....................................... 221
4.2.6 Анализ диагностических возможностей метода
высоковольтного тлеющего разряда ............................................................................ 224
4.2.7 Анализ результатов эксплуатационных испытаний
работающего масла методом высоковольтного тлеющего разряда ......................... 229
4.3 Разработка диагностики автомобильных агрегатов
методом колебательного контура ..................................................................................... 235
4.3.1 Разработка диагностических нормативов для оценки
технического состояния автомобильных агрегатов ................................................... 235
4.3.2 Обоснование прогнозирования срока службы масла ........................................ 241
4.4 Разработка диагностики автомобильных агрегатов
методом высоковольтного тлеющего разряда ................................................................. 245
4.4.1 Разработка диагностических нормативов для оценки
технического состояния автомобильных агрегатов ................................................... 245
4.4.2 Обоснование прогнозирования срока службы масла ....................................... 262
4.5 Оценка безотказности автомобильных агрегатов
методами экспресс-диагностики ...................................................................................... 270
Выводы ..................................................................................................................................... 272
5 Технико-экономическая оценка результатов исследования ............................................ 275
5.1 Оценка эксплуатационной технологичности методов экспресс-диагностики ....... 275
5
5.2 Оценка эффективности технической эксплуатации автомобилей .......................... 280
5.3 Экономическая эффективность от внедрения результатов исследования ............. 286
5.4 Экономический эффект от сокращения простоев ..................................................... 293
Выводы ..................................................................................................................................... 295
Основные научные результаты и выводы ............................................................................ 297
Принятые сокращения ............................................................................................................ 300
Библиографический список ................................................................................................... 302
Приложение А. Причины возникновения отказов у агрегатов АТС ................................. 330
Приложение Б. Краткое описание и принцип работы анализатора ИКМ-2 ................... 332
Приложение В. Результаты лабораторных и эксплуатационных исследований .............. 334
Приложение Г. Данные для расчета эффективности .......................................................... 337
Приложение Д. Положение о предварительном контроле (текст) ..................................... 338
Приложение Е. Акты и справки ............................................................................................ 346
Приложение Ж. Акты метрологической экспертизы........................................................... 357
6
ВВЕДЕНИЕ

Актуальность исследования. Автомобильный транспорт, осуществляя


автоперевозки практически всех видов грузов и людей, предопределяют произ-
водственный рост большинства отраслей России, поэтому повышение эффек-
тивности эксплуатации автотранспортных средств (АТС) является одной из
приоритетных проблем транспортной отрасли страны.
Условия эксплуатации автомобильного транспорта и типы его подвижно-
го состава достаточно разнообразны. Опыт эксплуатации АТС и ряд работ ис-
следователей показывают, что выполнение регламентных видов технического
обслуживания и ремонта (ТОР) не всегда повышает ресурс автомобилей и сни-
жает вынужденные простои в ремонте. Уже к четвертому году эксплуатации
вероятность возникновения отказов может достигать 18–22 %. Трудовые затра-
ты на текущий ремонт (ТР) могут составлять 65–70 % и более от всех трудовых
затрат на поддержание автомобилей в работоспособном состоянии. Значитель-
ная продолжительность устранения отказов приводит к снижению важного экс-
плуатационного показателя автотранспортного предприятия (АТП) – коэффици-
ента технической готовности (КТГ).
Эффективность технической эксплуатации автомобилей (ТЭА) во многом
определяется совершенством методологии, организации и технологии их диаг-
ностирования. В ряде крупных АТП Кузбасса, Якутии и других регионов функ-
ционируют диагностические службы контроля и управления надежностью агре-
гатов автомобилей (СКУНА) по параметрам работающего масла (ПРМ), где
информацию о техническом состоянии системы «среда – агрегат – масло»
обеспечивают лабораторные методы физико-химических анализов масла
(ФХАМ) и эмиссионный спектральный анализ масла (ЭСАМ). При этом ЭСАМ
по отношению к ФХАМ является экспрессным методом, т. к. базируется на
взаимодействии смазочной среды с электрическим полем, и дальнейшее разви-
тие электрофизических методов контроля ПРМ, при диагностировании агрега-
тов автомобилей с замкнутыми системами смазки (ЗСС), является перспективным.
7
Общей методологической проблемой является факт того, что существую-
щие лабораторные методы ФХАМ обладают рядом недостатков. Как правило,
их рабочие процессы базируются на таких физических и химических методах,
практическое выполнение которых обуславливает высокую трудоемкость ана-
лиза масла. Методы также зависимы от наличия специальных лабораторных
условий, химической посуды и реактивов. По этой причине СКУНА по ПРМ
обеспечивают диагностику, главным образом, двигателей, упуская диагности-
ческий контроль агрегатов трансмиссии и гидравлических систем. Положение
усугубляется и тем, что на автомобилях отсутствуют бортовые системы диаг-
ностики агрегатов по ПРМ, что приводит к снижению эксплуатационной на-
дежности отдельных узлов и агрегатов и увеличивает их время простоев в ре-
монте.
В настоящее время эксплуатация АТС регламентируется нормативно-
технической документацией, в которой не отражено место диагностики по ПРМ
в структуре системы ТОР, что свидетельствует о недостаточной проработанно-
сти вопроса организации производственных процессов в АТП.
Противоречие между стремлением повысить эффективность эксплуата-
ции АТС за счет снижения временных, производственных и финансовых затрат
путем повышения информативности диагностирования, в основу которого по-
ложены обоснование, разработка и внедрение оперативных методов контроля, с
одной стороны, и низким уровнем знаний о закономерностях процессов форми-
рования диагностических параметров, характеризующих изменения техниче-
ского состояния системы «агрегат – масло» электрофизическими методами
контроля, с другой стороны, создает проблемную ситуацию. Таким образом
значительное повышение эффективности эксплуатации автомобильного транс-
порта, за счет снижения временных, производственных и финансовых затрат
при выполнении ТОР на основе изыскания, научного обоснования, разработки и
применения высокопроизводительных электрофизических методов контроля,
диагностики технического состояния агрегатов АТС по ПРМ является актуаль-
ной научной проблемой, сдерживающей прогресс в отрасли.
8
Рабочей гипотезой, исходной при решении сформулированной проблемы,
являлось предположение о том, что значительное повышение эффективности экс-
плуатации автомобильного транспорта, процессов ТОР возможно посредством изы-
скания, научного обоснования, разработки и применения высокопроизводитель-
ных электрофизических методов контроля, диагностики технического состояния
агрегатов АТС, по параметрам работающего масла, на основе выявления, анализа
и учета закономерностей в системе «среда – агрегат – масло», а также научного
обоснования их места в технологических процессах и структуре системы ТОР АТП.
Целью работы является повышение эффективности эксплуатации автомо-
бильного транспорта, процессов ТОР, контроля и диагностики АТС посредством
изыскания, научного обоснования, разработки и применения высокоэффективных
методов диагностирования агрегатов автомобилей с замкнутыми системами
смазки на основе электрофизической оценке параметров работающего масла.
Объектом исследования являются процессы изменения параметров ра-
ботающего масла вследствие изменения технического состояния агрегатов ав-
томобилей, процессы изменения диэлектрических свойств смазочной среды от
воздействия на работающее масло загрязняющих компонентов, а также процес-
сы изменения показателей системы ТОР при совершенствовании существую-
щих и внедрении новых электрофизических методов контроля ПРМ.
Предметом исследования являются закономерности изменения диагно-
стических параметров работающего масла, функционально зависящих от тех-
нического состояния агрегатов автомобилей, а также закономерности измене-
ния показателей системы ТОР при совершенствовании существующих и вне-
дрении новых электрофизических методов контроля ПРМ в производственные про-
цессы АТП.
Область исследования соответствует паспорту научной специальности
05.22.10 «Эксплуатация автомобильного транспорта», а именно: формуле спе-
циальности – исследование и совершенствование технологии процессов техни-
ческого обслуживания, обеспечивающих работоспособность автомобильного
транспорта; области исследований – п. 13 «Технологические процессы и орга-
9
низация технического обслуживания, ремонта и сервиса; методы диагностики
технического состояния автомобилей, агрегатов и материалов».
В соответствие п. 13 разработаны методы экспресс-диагностики агрегатов
АТС по ПРМ, базируемые на процессах электрофизического взаимодействия
смазочной среды с продуктами загрязнения, которые поступают в работающее масло
вследствие нарушений технического состояния деталей агрегатов АТС.
Методы и средства исследования. Решение поставленных задач осуще-
ствлялось с использованием физической и химической теорий диэлектриков, а
также теорий электротехники, техники высоких напряжений, триботехники,
химмотологии, методов расчета ресурса технических систем.
Работа выполнена в сертифицированной лаборатории для оценки свойств
нефтепродуктов. Нестандартные средства диагностического контроля прошли
метрологическую экспертизу.
Для обработки результатов исследований использовались методы мате-
матической статистики, дисперсионного и регрессионного анализов, системно-
го анализа, имитационного моделирования.
Задачи по управлению техническим состоянием автомобилей решались с
использованием основных положений теории ТЭА.
Научной новизной обладают:
1) методология экспресс-диагностирования автомобильных агрегатов с
ЗСС, на основе разработанных электрофизических методов контроля ПРМ,
обеспечивающая снижение трудоемкости методов ФХАМ, расширение но-
менклатуры диагностируемых агрегатов, сокращение продолжительности вы-
нужденных простоев в ремонте за счет выявления и устранения неисправностей
на ранних стадиях, повышение коэффициента технической готовности АТП;
2) диагностический параметр общей диэлектрической проницаемости ра-
ботающего масла, находящийся в функциональной зависимости от значений
диэлектрических проницаемостей смазочного масла и привнесенных в него
продуктов износа, атмосферной пыли, воды и моторного топлива, учитываю-
щий их концентрацию и обеспечивающий определение отклонений в техниче-
10
ском состоянии автомобильных агрегатов с ЗСС;
3) диагностический параметр – индекс качества масла ИКМ, позволяющий
определять степень загрязненности работающего масла как разностную частоту
колебательного контура между образцами проб свежего и работающего масла;
4) диагностический параметр – коэффициент интенсивности свечения
КИС, позволяющий определять степень загрязненности работающего масла как
отношение длин корон высоковольтных тлеющих разрядов от проб работающе-
го и свежего масел, находящихся в электрическом поле высокого напряжения;
5) выявленные закономерности между научно обоснованными диагности-
ческими параметрами и загрязняющими масло компонентами, позволяющие
обнаруживать в нем: наличие продуктов износа, моторного топлива, воды, ат-
мосферной пыли, а также, по концентрациям загрязняющих компонентов, ди-
агностировать техническое состояние агрегатов и прогнозировать их ресурс;
6) структура технологических процессов в системе ТОР АТП включаю-
щая высокоэффективные методы экспресс-диагностирования автомобильных
агрегатов с замкнутыми системами смазки.
Практическая значимость работы:
1) службам диагностики АТП электрофизические методы экспресс-
диагностики АТС по ПРМ в технологических процессах ТОР позволяют повы-
шать информативность диагностирования, расширять номенклатуру диагности-
руемых агрегатов в 3 раза и сокращать время поиска неисправностей, службам
ТО снижать расходы смазочных материалов, службам ТР снижать эксплуата-
ционные затраты на устранение неисправностей и простои АТС в ремонте на 27 %;
2) сотрудникам лабораторий СКУНА электрофизические методы экс-
пресс-диагностики АТС по ПРМ позволяют повышать производительность ме-
тодов ФХАМ на 15...20 %, сокращать время контакта человека со смазочной
средой в 9 раз, увеличивать производственную программу выполняемых анали-
зов масла, не изменяя штат сотрудников;
3) операторам-диагностам АТП или автосервиса при отсутствии СКУНА
по ПРМ, электрофизические методы контроля ПРМ позволяют диагностиро-
11
вать агрегаты АТС непосредственно на постах диагностики;
4) проектировщикам диагностического оборудования методики, анализа
процессов взаимодействия работающего масла с электрическим полем, позво-
ляют совершенствовать существующие и разрабатывать новые высокоэффек-
тивные электрофизические средства измерения ПРМ;
5) работникам АТП и автосервисов метод анализа иерархий по мало-
структурированным критериям альтернатив дает возможность осуществлять
оптимизированный выбор диагностического оборудования для заданных усло-
вий эксплуатации;
6) теоретические и экспериментальные результаты работы могут быть
использованы преподавателями технических вузов автомобильных специально-
стей при подготовке специалистов в области технической диагностики АТС.
Положения, выносимые на защиту:
1. Методология экспресс-диагностирования автомобильных агрегатов с
ЗСС, включающая новые электрофизические методы контроля ПРМ, обеспечи-
вает значительное повышение оперативности и информативности диагностиро-
вания автомобильных агрегатов, снижение трудоемкости методов ФХАМ, рас-
ширение номенклатуры диагностируемых агрегатов, позволяет совместно с
комплексом технических воздействий значительно снижать временные, произ-
водственные и финансовые затраты при выполнении ТОР, а также повышать
коэффициент технической готовности автомобилей в АТП.
2. Загрязнители работающего масла (продукты износа и окисления, атмо-
сферная пыль, вода, моторное топливо), с учетом концентраций, изменяют его
общую диэлектрическую проницаемость, анализ которой обеспечивает воз-
можность контроля ПРМ и диагностирование технического состояния агрегатов.
3. Метод колебательного контура позволяет оценивать степень загряз-
ненности масла по разностной частоте между образцами проб свежего и рабо-
тающего масел на основе диагностического параметра – индекса качества масла
ИКМ. При этом значение разностной частоты обратно пропорционально значе-
нию диэлектрической проницаемости исследуемого масла и функционально
12
связано со значениями емкости измерительной ячейки, ее геометрическими
размерами и напряженностью электрического поля при низком напряжении.
4. Фотометрия газового разряда позволяет оценивать степень загрязнен-
ности работающего масла на основе коэффициента интенсивности свечения
КИС, который равен отношению длин корон скользящих разрядов у работающе-
го и свежего масел. Регистрируемая интенсивность свечения короны разряда
пропорциональна диэлектрической проницаемости работающего масла, поме-
щенного в электрическое поле газоразрядной камеры высокого напряжения.
Длина короны скользящего разряда, измеряемая от кромки электрода до границ
спада свечения, находится в функциональной зависимости от диэлектрической
проницаемости исследуемого работающего масла нанесенного на поверхность
изолятора на границе раздела сред «изолятор – масло – загрязняющий компо-
нент – воздух».
5. Эмпирические зависимости, определяющие взаимосвязь загрязненного
масла с показателями технического состояния агрегатов АТС, позволили уста-
новить следующие новые закономерности: наличие продуктов износа в масле
значительно повышает значения ИКМ и КИС; наличие моторного топлива в мас-
ле снижает значение ИКМ и повышает КИС; наличие воды в масле обеспечивает
повышающий дрейф значения ИКМ и значительно снижает КИС; наличие про-
дуктов атмосферной пыли незначительно повышает значение ИКМ и снижает КИС.
Личный вклад автора. Все основные идеи, положенные в основу мето-
дологии предварительного контроля АТС в системе ТОР, а также разработан-
ная методология экспресс-диагностики на базе новых и совершенствования су-
ществующих методов контроля ПРМ, реализованы самим соискателем или под
его руководством.
Достоверность полученных результатов и выводов обеспечивается:
1) значительным объемом комплексных исследований, выполненных в
условиях ЗАО «Стройсервис» и на АТП Кузбасса и Томской области в течение 7 лет;
2) метрологическими показателями средств измерения, методологией ис-
следования, включающей в себя сопоставимость результатов апробируемых
13
методов контроля с результатами стандартных методов ФХАМ;
3) корректным использованием современного математического аппарата,
достоверностью исходной информации, сопоставимостью теоретических и экс-
периментальных результатов;
4) отсутствием противоречий с результатами ранее проведенных исследо-
ваний другими учеными и обширной информацией по технической диагности-
ке, электрофизике, технике высоких напряжений, системному анализу и другим
направлениям наук, а также с публикациями в рецензируемых изданиях.
Реализация результатов работы. Результаты по повышению эффектив-
ности эксплуатации АТС внедрены в ЗАО «Стройсервис» г. Кемерово и приня-
ты к использованию в ОАО «Вахрушевская автобаза» г. Киселевска Кемеров-
ской области в виде нормативного документа «Положение о предварительном
контроле агрегатов карьерного автотранспорта по параметрам работающего
масла», а также в ОАО «Томскавтотранс», в ООО «Газпром трансгаз Томск» и др.
Результаты исследований внедрены в учебный процесс кафедры «Авто-
мобили и тракторы» ТГАСУ.
Апробация работы. Основные результаты исследований обсуждались и
одобрены: на V Международной научно-практической конференции (МНПК)
«Автомобиль и техносфера» (Казань, 2007 г.); МНПК «Ресурсосберегающие
технологии технического сервиса» (Уфа, 2007 г., 2013 г.); МНПК «Проблемы
эксплуатации и обслуживания транспортно-технологических машин» (Тюмень,
2009 г.); МНПК «Ресурсосберегающие технологии ремонта, восстановления и
упрочнения деталей машин, механизмов, оборудования, инструмента и техно-
логической оснастки от нано- до макроуровня» (Санкт-Петербург, 2009–2013
гг.); III, V и VI МНПК «Перспективные направления развития автотранспорт-
ного комплекса» (Пенза, 2010 г., 2012 г., 2013 г.); IX МНПК «Природноресурс-
ный потенциал, экология и устойчивое развитие регионов России» (Пенза, 2011
г.); ВНПК «Инновационные материалы и технологии в машиностроительном
производстве» (Орск, 2011–2013 гг.); I, II и III МНПК «Перспективы развития и
безопасность автотранспортного комплекса» (Новокузнецк, 2011–2013 гг.); 3-й
14
МНПК «Актуальные вопросы инновационного развития транспортного ком-
плекса» (Орел, 2013 г.); XI МНПК «Перспективы развития фундаментальных
наук» (Томск, 2014 г.); НТС СибАДИ (Омск, 2013–2014 гг.).
Публикации. По теме диссертации опубликовано более 50 научных ра-
ботах, в т. ч. 24 публикации в изданиях перечня ВАК РФ, 1 монография, 3 па-
тента на изобретение.
Структура и объем диссертации. Диссертационная работа состоит из
введения, пяти глав, выводов по работе, библиографического списка из 376 на-
именований, 7 приложений, изложена на 368 страницах машинописного текста,
включает 87 рисунков и 54 таблицы.
При выполнении данной работы в качестве консультантов принимали
участие профессор Э.И. Удлер, профессор Н.Т. Тищенко, профессор Ю.С. Сар-
кисов, которым автор выражает свою глубокую признательность.
15
1 ПРОБЛЕМА ДИАГНОСТИКИ АГРЕГАТОВ АВТОМОБИЛЕЙ,
СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1 Причины низкой эксплуатационной надежности автомобилей

Автомобиль, как сложная система взаимодействующих элементов, агре-


гатов и механизмов, обеспечивает свое функционирование благодаря заложен-
ной надежности и ремонтопригодности, с одной стороны, и совершенствова-
нию методов технического воздействия на АТС, с другой стороны. Содержание
АТС в технически исправном состоянии требует значительных затрат, связан-
ных с ТОР, которые, в зависимости от типа подвижного состава, могут отли-
чаться в десятки раз [322]. Например, большегрузные АТС являются показа-
тельными в данном случае, т.к. они имеют достаточно сложную конструкцию и
значительные габаритные размеры, обладают высокой стоимостью и трудоем-
костью их содержания.
Вопросам повышения эффективности эксплуатации большегрузных АТС
за счет снижения затрат, повышения производительности, совершенствования
производственных процессов, улучшения конструкций автомобилей, обеспече-
ния ремонтной технологичности, посвящены исследования Анистратова К.Ю.,
Белозерова В.И., Биденко А.В., Васильева В.А., Васильева М.В. Воронова Ю.Е.,
Галкина В.И., Герике Б.Л., Егорова А.Н., Зырянова И.В., Казарез А.Н., Кваги-
нидзе В.С., Коха П.И., Кулешова А.А., Мариева П.А., Морозова В.И., Потапова
М.Г., Сироткина З.Л., Смирнова В.П., Хорешок А.А., Циперфина И.М., Штейна В.Д.
и др. [4, 19, 45, 47, 75, 82, 125, 126, 137, 138, 139, 162, 173, 178, 179, 180, 194, 294].
Проведение ТОР АТС является важным и необходимым производствен-
ным процессом АТП [271, 272]. Затраты на проведение ТОР большегрузных
АТС составляют 35–38 % от затрат на перевозки. По данным [200], трудовые
затраты на ТОР АТС составляют 86,8%, на капитальный ремонт – 8,5 %, а на
производство автомобиля – всего 4,7 %. Следовательно, вопрос снижения за-
трат на ТОР является актуальным.
16
В настоящее время в России эксплуатация большегрузных АТС регла-
ментируется системой ТОР, которая отражена в нормативных документах:
«Положение о техническом обслуживании и ремонте подвижного состава авто-
мобильного транспорта» [253] и «Положение о техническом обслуживании и
ремонте автомобилей БелАЗ грузоподъемностью 75 т и более (временное)»
[252]. Данные документы были разработаны более 25 лет назад, и до настояще-
го времени не пересматривались. Следует отметить, что за прошедший период
времени существенно обновился парк отечественных автомобилей, стали более
совершенны технологические процессы ТОР, и предлагаются рациональные
цикловые графики периодичности технического обслуживания [30, 170, 200].
Исследования, которые были выполнены в ОАО ХК «Якутуголь» в конце
90-х годов прошлого века, показали [162], что даже полное соблюдение суще-
ствующей системы ТОР, согласно [252, 253], не дают желаемого результата по
поддержанию АТС в технически исправном состоянии. КТГ с возрастом авто-
мобилей по маркам постоянно снижался, и находился в пределах 0,45–0,65, что,
на наш взгляд, является недопустимо низким. При этом наибольшее число от-
казов приходилось на двигатели, гидромеханическую трансмиссию и гидравли-
ческую систему. Следовательно, сокращение доли отказов таких агрегатов бу-
дет приводить к повышению КТГ.
Подобная картина наблюдалась в 2004 году в АТП ОАО разрез «Шеста-
ки», который входит в группу предприятий ЗАО «Стройсервис» Кузбасса. На-
шими исследованиями было установлено, что простои автосамосвалов БелАЗ,
связанные с неисправностями двигателя, составляют 29 % в общем балансе
простоев, агрегатов трансмиссии – 17 %, гидравлических систем – 8 %, прове-
дением ТО – 6 %. Большое количество простоев связано с ремонтом и заменой
шин – 14 %, а 24 % составляют долю простоев остальных неисправностей (тор-
мозной системы, ходовой части, электрооборудования, рамы, оперения, кабины
и грузовой платформы). При этом 27 % простоев связано с устранением посте-
пенных отказов.
Функционирование большинства сопрягаемых узлов механических сис-
17
тем сопровождается трением и износом. Поэтому износостойкость рабочих по-
верхностей деталей характеризуется показателями долговечности (средний
технический ресурс) и безотказности (средняя наработка на отказ). В работе
[80] установлено, что предельное состояние деталей большинства АТС
(85…90 %), наступает не в результате утраты прочности, а в результате износа
рабочих поверхностей. Потери национального дохода от трения и износа в раз-
витых странах мира составляют 4…5 % [221], поэтому решение вопросов изно-
са автомобилей связано с развитием инженерно-технических направлений [80, 81]:
– разработкой «безызностных» узлов трения машин;
– разработкой новых методов расчета деталей на трение и износ;
– совершенствованием смазывания узлов машин;
– подготовкой инженерно-технических кадров по триботехнике;
– разработкой новой теории трения и безызностности;
– разработкой методов избирательного переноса;
– связью триботехники с вопросами экологии.
Большое значение в решении проблемы снижения износа имеет соблюде-
ние требований системы ТОР подвижного состава автомобильного транспорта.
При этом соблюдение системы ТОР приводит к тому, что затраты на техниче-
ское обслуживание и ремонт автомобилей может в 6 раз превысить их стои-
мость [12].
Анализ работ [11, 12, 14, 67, 69, 112, 144, 146, 148, 149, 150, 151, 180, 196,
263, 264, 278, 307, 329, 332, 343, 344 и др.] показывает, что надежность боль-
шинства АТС характеризуется главным образом надежностью двигателя и ос-
новных агрегатов трансмиссии. Причинами большинства постепенных отказов
агрегатов, являются абразивное и коррозионно-механическое изнашивания
(Приложение А). Эти виды изнашивания характерны для всех агрегатов, имею-
щих замкнутые системы смазки: двигатели внутреннего сгорания (ДВС), гид-
ромеханические передачи (ГМП), коробки переключения передач (КПП), ре-
дукторы ведущих мостов (РВМ), редукторы мотор колес (РМК), механизмы
гидравлических систем (ГС). При этом наблюдаются и отличительные особенно-
18
сти, у ДВС, ГМП и ГС – это наличие системы фильтрации масла. Отличитель-
ной же особенностью остальных агрегатов АТС является динамический фактор,
который характеризуется угловыми зазорами (люфтами) [14, 61, 64, 67, 72 и др.].
Отказ одного АТС в эксплуатации не приводит к отказу транспортного
процесса всего парка автомобилей. Но условия эксплуатации АТС носят слу-
чайный характер и имеют вероятностные характеристики. Поэтому действие
случайных факторов способно накапливается, и тогда возможен сбой в работе
системы эксплуатации, который может привести к остановке транспортного
процесса АТП. Устранению факторов сбоя, вызывающих отказы агрегатов, вы-
являющих их причины, будет способствовать регламентное выполнение работ
по ТО согласно нормам конструкторско-технологической документации и пра-
вилам технической эксплуатации. Но даже качественное выполнение ТО не га-
рантирует в полной мере нормативных показателей безотказности и долговеч-
ности. Так отсутствие службы диагностики АТС по ПРМ может привести не
только к длительным простоям автосамосвалов, но и к возникновению экологи-
ческого ущерба и неэффективному использованию ГСМ.
Агрегаты трансмиссий АТС не оборудованы системами очистки масла.
Это позволяет продуктам износа, элементам дорожной пыли и воды, накопле-
ние которых происходит по причине ненадлежащего контроля, увеличивать из-
нашивание сопрягаемых деталей вплоть до аварийных поломок. Изнашивание
приводит к увеличению угловых зазоров в сопряжениях и появлению биений.
При этом повышается температура агрегата и шумность в его работе, увеличи-
ваются дополнительные динамические нагрузки на изношенные узлы. Поэтому
люфт в сопряжении деталей интегрально характеризует техническое состояние
агрегата, позволяет оценивать его при проведении ТО, а при превышении пре-
дельно-допустимых норм отправить такой агрегат в ремонт [61, 72].
Исследования отказов механических передач большегрузных АТС [60,
67, 146] в условиях угольного разреза АО «Вахрушевуголь» Кузбасса, устано-
вили, что зубчатые колеса РМК работают при высоких нагрузках, относительно
небольших скоростях и при значительных изменениях крутящего момента. По-
19
этому, по характеру протекающих процессов преобладающими являются по-
степенные отказы (до 80 % от количества всех отказов). Как правило, это износ
шлицев торсионного вала, фланцев и шестерен, усталостное выкрашивание ра-
бочей поверхности зуба, износ сепараторов подшипников сателлитов, ослабле-
ние креплений деталей, износ и повреждение манжет.
Одновременно в автосамосвалах БелАЗ имеют место и внезапные отказы,
соответственно, 20 % которых, возникают при сочетании неблагоприятных
факторов. К таким отказам относятся повреждения корпуса редуктора, откол
зубьев шестерен и срез шлицев торсионного вала. Эти отказы связанны с по-
вышением усталостной прочности металла и ростом концентраций механиче-
ских примесей в масле.
РМК имеют замкнутую систему смазки и ряд «критических» узлов и де-
талей, в число которых входят: солнечные шестерни 1-го и 2-го ряда, сателлиты
1-го и 2-го ряда, подшипники сателлитов, торсионный вал, сапун. Для РМК ре-
сурс подшипников ниже нормативного в 1,5 раза, солнечной шестерни в 1,3 раза.
Также установлено, что наиболее характерными отказами РМК в экс-
плуатации является утечка масла через уплотнения и соединения. Доля таких
отказов у автосамосвалов БелАЗ-7519, -75191 составляет 36,7 %, а у автосамо-
свалов БелАЗ-75211 (ОАО «УК Кузбассразрезуголь») и их модификаций до
55 %. Достаточно частыми являются случаи разрыва уплотнительной проклад-
ки под крышкой смотрового окна и наружной крышки, неработоспособное со-
стояние или отсутствие сапуна, и как следствие, накопление в масле РМК твер-
дых частиц продуктов износа деталей и загрязнений. Величина утечек фикси-
ровалась от 10 % и более на 1000 км пробега, а содержание кремния в масле
при этом достигало 0,086 %. При удовлетворительном техническом состоянии
герметичности РМК содержание кремния в работающем масле находится в пре-
делах 0,032 %.
Исследования отказов автосамосвалов БелАЗ-75211 выявили следующие
неисправности РМК: износ торсионного вала и шестерен, выкрашивание по-
верхности и облом зубьев составил 2 %; отказы подшипников сателлитов
20
по причине износа – 2 %; изношенные сальники, подтекание масла, вследствие
нарушения герметичности – 4,5 %; неремонтопригодные РМК (например, тре-
щины корпусных деталей) – 3 %.
Доля отказов РМК 170 т автосамосвалов в общем балансе неисправно-
стей этих автомобилей составила 11,5 %. Данные исследования были проведе-
ны, как уже отмечалось, в условиях эксплуатации на угольных карьерах Куз-
басса в 90-е годы. Спустя десятилетие картина существенно не изменилась,
и даже ухудшилась. Лидирующими отказами многих транспортных управлений
угольных разрезов стали отказы РМК автосамосвалов БелАЗ особо большой
грузоподъемности по причине отсутствия надлежащего контроля при ТО.
Проведенные исследования [342] на предприятиях ОАО «УК Кузбассраз-
резуголь» позволили выполнить ранжирование отказов автосамосвалов в усло-
виях эксплуатации по агрегатам и видам работ, и оценить их удельный вес
(таблицы 1.1 и 1.2).

Таблица 1.1 – Распределение отказов автосамосвалов и их удельный вес


на предприятиях ОАО «УК Кузбассразрезуголь» в 2008 г. [342]

Кедровский Моховский Бачатский Калтанский


Место отказа
мото-ч % мото-ч % мото-ч % мото-ч %
ДВС 7986,2 11,38 1623,3 12,65 19265,6 24,91 9165,0 26,58
Электропривод 10032,4 14,29 0,0 0,00 13998,3 18,10 2896,0 8,39
Рулевое управле-
856,1 1,22 356,6 2,78 2489,0 3,22 359,0 1,04
ние
Тормозная систе-
2165,6 3,08 523,1 4,07 2389,1 3,09 679,0 1,97
ма
Шиномонтажные
15798,0 22,51 1165,3 9,08 8698,0 11,24 2157,0 6,25
работы
Сварочные работы 7234,3 10,31 800,2 6,24 4111,1 5,31 3548,4 10,30
РМК 18286,7 26,05 5855,7 45,63 23100,8 29,86 10977,4 31,83
Прочие транс-
7837,2 11,16 2509,6 19,55 3300,4 4,27 4704,6 13,64
миссии
Итого 70196,5 100 12833,8 100 77352,3 100 34486,4 100

Данные работы [342] подтверждают актуальность внедрения мероприя-


тий, которые позволят предупредить отказы рассмотренных механизмов. Также
21
отмечается, что основной причиной аварийных поломок РМК автосамосвалов
БелАЗ, является износ деталей.

Таблица 1.2 – Причины простоев автосамосвалов в 2008 г. на предприятиях


ОАО «УК Кузбассразрезуголь» [342]

Рей-
тинг
Кедровский Моховский Бачатский Калтанский
по от-
казам
1 РМК РМК РМК РМК
Шиномонтажные Прочие трансмис-
2 ДВС ДВС
работы сии
Прочие транс-
3 Электропривод ДВС Электропривод
миссии
Шиномонтажные Шиномонтажные Сварочные рабо-
4 ДВС
работы работы ты
Прочие трансмис-
5 Сварочные работы Сварочные работы Электропривод
сии

В таблицах 1.1 и 1.2 показано, что доля отказов, приходящаяся на агрега-


ты с замкнутыми системами смазки, во многих случаях является преобладаю-
щей и первостепенной, что подтверждает необходимость введения контроля,
который сможет оценить техническое состояние агрегатов большегрузных ав-
тосамосвалов безразборными методами диагностики по ПРМ.
В работе [11] указывается, что причиной выхода из строя ГМП автосамо-
свалов БелАЗ грузоподъемностью от 30 до 75 т, является снижение качества
технического обслуживания и показателей эксплуатационной надежности.
В зависимости от технического состояния ГМП были разбиты на две группы –
группа новых и прошедших КР. Расчет числовых характеристик данной стати-
стической выборки ГМП отказов фрикционов передач показывает, что средняя
наработка на отказ новых ГМП составляет 38,2 тыс. км, что в 2,3 раза выше са-
мосвалов ГМП после их КР. При этом отмечается, что КР нередко выполняется
запасными частями низкого качества, в худших условиях производства (в срав-
нении с заводскими условиями), без надлежащего технического контроля и т.п.
Это в свою очередь приводит к увеличению темпов изнашивания дисков фрик-
ционов, к повышенному загрязнению рабочих жидкостей, к абразивному изно-
22
су сопрягаемых поверхностей, к утечкам и к росту температуры и перегревам.
Выход из строя фрикционов ГМП связан с постепенными отказами, кото-
рые вызваны предельным износом (47,2 %) и спеканием (12,1 %) дисков, низ-
ким качеством масла, отложениями продуктов износа в бустере фрикционов
(11,9 %) и полостях золотников (7,2 %), утечками масла из корпуса (10,3 %) и
перетеканием масла внутри ГМП (33,8 %).
Низкий уровень технического состояния ГМП отмечается в работе [14],
где статистически рассмотрены основные отказы элементов конструкции. Ха-
рактерными неисправностями ГМП, приводящими к отказам, являются негер-
метичность конструкции (32,2 %), дефекты масляных насосов (28,0 %), износ
дисков двойного фрикциона (21,0 %), износ вилки заднего хода (18,8 %).
При карьерных разработках перемещение грузов также осуществляют ав-
тосамосвалы семейства КрАЗ. Характерными причинами преждевременных от-
казов редукторов главных передач автосамосвалов КрАЗ-256Б являются экс-
плуатационные факторы, влияющие на износ деталей. В автообъединении
«Томскстройтранс» в условиях Западной Сибири доля отказов РГП постепен-
ного износного характера составила 48,1 %, облом зубьев сателлитов и полу-
осевых шестерен – 23,1 % и прочие отказы 28,8 % соответственно [151].
Анализ отказов коробок переключения передач автомобилей МАЗ
и КрАЗ, показали, что их доля в общем балансе составляет 12,3 и 13,5 % соот-
ветственно [12]. При этом в работе отмечается, что поверхности зубьев шесте-
рен, сепараторов подшипников, шеек валов и др. имеют структурное и геомет-
рическое изменение формы по причине износа.
Авторы в работе [288] также показывают, что износ не только снижает
нагружающую способность на узлы и детали механических передач, работаю-
щих в масле, но и приводит к внезапным отказам. Подшипники КПП, редуктора
среднего моста (РСМ) и РВМ, главным образом, выходят из строя по причине
износа. Шестерни КПП имеют износ в 34 % случаев, облом зубьев – 45,3 %, ус-
талостное поверхностное выкрашивание – 20 %, прочие – 0,7 %.
Отказы некоторых наиболее нагруженных деталей РСМ распределяются
23
следующим образом:
– отказы полуосей: износ – 43,6 %, облом – 54,2 % прочие – 2,2 %;
– отказы шестерен: износ – 14,4 %, облом зубьев – 63,2 %, прочие –
22,4 %.
Отказы деталей РЗМ распределяются следующим образом:
– отказы полуосей: износ – 36 %, облом полуоси – 60 %, прочие – 4 %;
– отказы шестерен: износ – 2,8 % усталостное поверхностное выкрашива-
ние – 13,4 %, облом зубьев – 74,5 %, прочие (сколы, срывы, смятия) – 9,3 %.
Например, в работе [11] речь идет о «критических» деталях КПП и РВМ,
доля отказов которых составляет более 50 % от всех отказов данных агрегатов,
а затраты на их устранение составляют 75…80 % от общей суммы затрат.
Анализ надёжности гидравлических элементов автомобилей показал, что
наряду с выходом из строя быстроизнашивающихся деталей, таких как резино-
вые уплотнения валов и штоков, постоянно находящихся в движении, имеет
место выход из строя самих гидравлических узлов и механизмов, а также эле-
ментов гидроавтоматики [29, 56, 188, 198, 275 и др.].
Наиболее распространенными агрегатами гидравлических систем АТС
являются насосы, силовые гидравлические цилиндры и гидромоторы. Несмотря
на многообразие конструкций, гидравлические агрегаты имеют общие элемен-
ты, работоспособностью которых определяется их надежность.
Наибольшее число неисправностей агрегатов ГС связано с нарушением
работоспособности прецизионных пар и элементов уплотнения [188]. При этом
преобладающее количество неисправностей происходит вследствие неисправ-
ной работы регулирующих и распределительных устройств, а также плунжер-
ных и поршневых пар.
Например, периодическое нарушение подачи масла насосом является
следствием заедания клапанов системы регулирования. Неправильное функ-
ционирование исполнительного механизма следящего гидропривода вызывает-
ся возрастанием трения в распределительном устройстве. Поломка узлов насо-
сов и разрушение гидромоторов нередко являются следствием заклинивания
24
плунжерных или поршневых пар ротора.
Существенное влияние на надежность гидроагрегатов оказывают физико-
химические свойства рабочих жидкостей, которые создают антифрикционную
среду для работы деталей. Особое влияние на работоспособность пар трения
оказывает загрязненность масел нерастворимыми твердыми частицами.
В ГС, несмотря на наличие фильтров, находятся продукты атмосферного
загрязнения и элементы износа, размеры которых соизмеримы с зазорами со-
прягаемых деталей или щелевых уплотнений [29, 31, 140, 188, 198, 333].
Твердость частиц абразивного загрязнения значительно превышает твер-
дость материала, из которого изготовляют детали. Частицы движутся с рабочей
жидкостью по ГС, затем попадают в зазоры между рабочими поверхностями
сопрягаемых деталей и вызывают увеличение сил трения или могут привести к
заклиниванию деталей. Концентрация загрязнений в жидкости неравномерна
[140, 188], число частиц малого размера значительно превышает число частиц
крупного размера. Существующая норма степени загрязненности рабочей жид-
кости 0,005 % по массе [198] не является обоснованной. Она не устанавливает
предельного допустимого загрязнения ни по размеру, ни по характеру частиц.
ГС большегрузных АТС характеризуется комплектом узлов и агрегатов,
имеющих общую замкнутую систему смазки. Поэтому гидравлическое масло
является источником и носителем информации о техническом состоянии ГС.
Для эффективного использования такой информации необходимо владеть ин-
формацией об эксплуатационной надежности гидросистемы и ее отказах.
Как правило, ГС включает комплекс механизмов управления. Например,
гидросистема автосамосвалов БелАЗ включает тормозную систему, гидроуси-
литель руля и подъемный механизм платформы. Доли отказов гидросистем ав-
тосамосвалов БелАЗ-7555, согласно наблюдениям автора, распределяются сле-
дующим образом: подъемный механизм платформы – 61 %; автомат разгрузки
насоса – 31 %; механизм тормозной системы – 4 %; механизм гидроусилителя
руля – 4 %.
ДВС АТС являются наиболее изученными силовыми энергетическими
25
агрегатами, которым посвящено достаточно большое количество исследова-
тельских работ [50, 51, 91, 96–99, 111, 112, 128, 189, 217, 301, 302, 306, 307, 312,
343, 344, 345, 348].
Совершенствование технологий изготовления ДВС, использование изно-
состойких материалов, применение новых видов обработки, улучшение свойств
смазочных масел и их очистки влекут за собой снижение износа деталей. Такая
тенденция развития характерна для двигателестроителей и производителей сма-
зочных материалов. Тем не менее, эти мероприятия не могут всецело избавить
ДВС от внешних и внутренних эксплуатационных факторов. В работах [50, 96,
302, 347 и др.] отмечается, что основными деталями, подвергающимися износу,
являются детали цилиндропоршневой группы (ЦПГ). Преобладающими видами
износа являются: абразивный, при схватывании, коррозионно-механический.
Данные виды износа, как правило, являются стимуляторами других видов изно-
са, которые могут протекать одновременно. Однако, несмотря на многочислен-
ные работы по улучшению условий производства и эксплуатации, до сих пор
основным деталями, характеризующими интенсивность износа ДВС, являются
пары трения: кольцо – гильза; шейка вала – вкладыш (подшипник скольжения);
поршневой палец – втулка верхней головки шатуна; кулачок распределительно-
го вала – тарелка толкателя. Об этом свидетельствуют отказы ДВС в условиях
эксплуатации.
Работа большегрузных автосамосвалов сопряжена с эксплуатацией в ус-
ловиях повышенной запыленности. Частицы дорожной пыли, попадая в рабо-
тающее масло, приводят к повышенному абразивному изнашиванию деталей.
Низкая температура ДВС при эксплуатации в зимнее время приводит к интен-
сивному нагарообразованию и закоксовыванию поршневых колец, это приво-
дит к ускоренному «старению» масла и повышенному износу. Использование
масла повышенной вязкости вызывает масляное «голодание» при запуске дви-
гателя. Это дополнительный расход моторесурса ДВС, а длительная работа
двигателя на холостом ходе также снижает его долговечность.
Все перечисленные факторы приводят к относительно невысокому ресур-
26
су силовых установок большегрузных АТС и спецтехники. Так, среднестати-
стический срок службы двигателя бульдозера составляет 2700–2800 ч [109].
Проведенные исследования автомобилей БелАЗ и спецтехники (на базе
шасси автомобиля БелАЗ) в условиях АТП ОАО разрез «Шестаки» за период
2005…2006 г.г. позволили проанализировать статистику отказов (таблица 1.3)
и выявить агрегаты (или системы) наиболее «слабые» в эксплуатации.

Таблица 1.3 – Статистика отказов АТС в АТП ОАО разрез «Шестаки», %

БелАЗ-7548 БелАЗ-7555 Спецтехника


Наименование агрегата
2005 г. 2006 г. 2005 г. 2006 г. 2005 г. 2006 г.
ДВС 29,3 26,3 8,0 10,5 28,6 17,5
Электрооборудование 6,3 6,6 4,1 3,0 9,1 5,0
ГМП 7,9 12,4 11,4 24,0 5,2 10,0
РЗМ 3,0 2,6 7,0 6,7 1,3 0,0
Шиномонтажные работы 15,9 12,4 20,7 13,5 13,0 12,5
Гидросистема 6,7 8,5 12,6 15,9 2,6 5,0
Ходовая часть 19,4 17,5 25,5 18,0 19,5 20,0
Прочие 11,5 13,7 10,7 8,4 20,7 30,0
Итого: 100 100 100 100 100 100

Отказы агрегатов с замкнутыми системами смазки могут составлять зна-


чительную долю в общем балансе отказов АТС – от 38 до 48 %. Установлено,
что отказы двигателей, агрегатов трансмиссий и гидросистем преимущественно
носят постепенный износный характер с задирами и заклиниваниями сопрягае-
мых деталей. Процессы изнашивания протекают в условиях замкнутой цирку-
ляционной системы смазки агрегатов. Поэтому изнашивание трущихся деталей
агрегатов представляет собой стохастическую зависимость между входными
и выходными параметрами системы «агрегат-масло».
Отметим, что когда речь идет о входных параметрах для системы «агре-
гат – масло», то система смазки будет являться источником информации о тех-
ническом состоянии автомобиля, а такие показатели как долговечность и безот-
казность во многом будут зависеть от процессов происходящих в масляной
27
системе. При этом следует учитывать текущее состояние системы по степени
загрязненности масла абразивом, топливом, охлаждающей жидкостью, нару-
шению работоспособности элементов системы очистки масла, падению давле-
ния, повышению температуры, утечки масла и др.
Большегрузный автосамосвал, как и любой другой автомобиль, можно
представить как сложную техническую систему (рисунок 1.1), силовые или
энергетические агрегаты, которой, нерезервируются. Это значит, что выход из
строя любого агрегата системы приведет к отказу автомобиля в целом.

Рисунок 1.1 – Автомобиль, как система агрегатов с замкнутыми системами смазки

Если говорить о том, что элементами такой системы являются агрегаты,


имеющие замкнутую систему смазки, такие как ДВС, ГМП, КПП, РВМ, РМК,
ГС и др., то информацию об их техническом состоянии можно получить на базе
информации, источником и носителем которой является смазочное масло. По-
этому для повышения надежности АТС необходимо оценить техническое со-
стояние таких агрегатов на базе информации работающего масла. Далее следу-
ет выявить самый ненадежный элемент системы, с целью возможности управ-
ления состоянием автомобиля или специализированной машиной по ПРМ.
Исходя из вышесказанного, проблеме снижения эксплуатационной на-
дежности АТС должны противопоставляться мероприятия эффективного ис-
пользования агрегатов и смазочного масла, базируемые на методах их оценки и
контроля. Такие методы должны вскрывать механизмы сложных физико-
химических процессов, протекающих в системе «агрегат-масло», и позволять
28
задолго до наступления отказов определять и устранять причины их возникно-
вения.
Направление контроля эксплуатационной надежности АТС по ПРМ в на-
стоящее время не только не исчерпало существующие методы диагностики
системы «агрегат – масло», но и расширило их, что стимулирует разработку
новых методов и подходов к проблеме, а, следовательно, остается актуальной.

1.2 Техническая диагностика автомобилей


и классификация средств диагностирования

Техническая диагностика автомобилей характеризуется двумя взаимосвя-


занными теориями – распознавания и контролеспособности. Теория распозна-
вания включает построение алгоритма распознавания, разделы решающих пра-
вил и диагностических моделей. Теория контролеспособности включает разра-
ботку средств и методов получения диагностической информации, контроль
состояния и поиск неисправностей [28].
Решение задач технического диагностирования обусловлено различием
конструкций агрегатов автомобилей и условиями эксплуатации. Подход к ре-
шению задач диагностирования осложняется большим разнообразием агрега-
тов, работающих по различным физическим принципам (механическим, гид-
равлическим, пневматическим, электронным и др.). Из этого следует, что раз-
личный характер функционирования приводит к различиям возникновения не-
исправностей и отказов, что делает невозможным получения универсального
решения. Техническая диагностика агрегатов автомобилей осложняется тем,
что их детали различаются по уровню надежности. Габаритные размеры, масса
и технологичность конструкции, характеризуемая в доступности средств диаг-
ностирования к исследуемому объекту для определения его технического со-
стояния, также достаточно серьезно могут осложнить процесс диагностирова-
ния [62, 68].
Разработка систем технического диагностирования требует проведения
большой и сложной работы многих научных и производственных коллективов.
29
В развитии направлений технической диагностики большой вклад внесли рабо-
ты Ф.Н. Авдонькина, И.Н. Аринина, И.А. Биргера, А.П. Болдина, В.И. Вино-
градова, Ю.А. Васильева, А.С. Гребенникова, Н.Я. Говорущенко, Ю.А. Гурья-
нова, А.С. Денисова, А.П. Дунаева, Н.С. Ждановского, В.Е. Канарчука, В.В.
Клюева, А.В. Колчина, Б.И. Ковальского, Е.С. Кузнецова, В.М. Лившица, Л.В.
Мирошникова, В.М. Михлина, А.В. Николаенко, П.П. Пархоменко, Н.С. Пасеч-
никова, А.Г. Сергеева, И.П. Терских, Б.А. Улитова, А.И. Федотова, А.М. Шей-
нина и многих других авторов [2, 3, 20, 33, 37, 84, 91, 102, 104, 119, 128, 167,
187, 207, 292, 319, 323, 322, 324, 327, 335 и др.]. Отдавая должное авторам и ре-
зультатам, полученным в области технической диагностики, следует отметить,
что в их работах во многом не учитывается специфика работы агрегатов с
замкнутой системой смазки и роль смазки, влияющей на состояние агрегатов. В
работах в большей степени рассматриваются традиционные методы инструмен-
тального контроля агрегатов и систем АТС, которые не дают полного представ-
ления об объекте диагностирования, не достаточно рассматривается состояние
смазочной среды. Отсутствие такой информации связано со спецификой мето-
дов и средств диагностирования, применяемых к контролируемому объекту.
В настоящее время техническая диагностика автомобилей нередко бази-
руется на методах, не позволяющих средствам диагностирования в полной мере
определить работоспособность автомобилей, выявить ненадежные элементы
и получить необходимый объем информации для управления процессом техни-
ческого обслуживания. Усеченная, отсутствующая или дублируемая информа-
ция не позволяет принять конкретное решение, снижает эффективность диагно-
стирования.
В целом средства диагностирования отечественного и зарубежного про-
изводства ввиду их многообразия, классифицируются по достаточно большому
количеству признаков [220], основная часть которых сводится в четыре группы:
– использование;
– характер исполнения;
– совместимость с объектом диагностирования;
30
– требования к диагностированию.
По мнению автора настоящей работы, общую классификацию средств ди-
агностирования целесообразно представить в виде структурной модели
по принципу иерархической системы с кодовыми обозначениями (рисунок 1.2,
таблица 1.4).

Рисунок 1.2 – Структурная модель классификационных признаков


средств технического диагностирования

Удобство такой модели заключается в том, что при исследовании какого-


либо средства диагностирования, его функциональные свойства и признаки
аналитически группируются через соответствующие коды в единую формулу, и
данная формула классифицирует данное средство диагностирования с позиции
его практического применения. Например, формула H2B2C1K1.4 обозначает
«универсальное автоматизированное средство измерения индикаторного типа
для контроля загрязненности работающих жидкостей», т.е. то средство изме-
рения, которое детально исследовано в последующих главах настоящей работы.
31
Таблица 1.4 – Коды классификационных признаков средств
технического диагностирования

Код Код
Обозначение кода Обозначение кода
группы группы
А Классифицирующие признаки G2 Общие
Приспособленность множеству объ-
А1 Средства диагностирования машин H
ектов
B Степень автоматизации измерений H1 Специализированные
B1 Механизированные H2 Универсальные
B2 Автоматизированные I Способ связи с объектами
С внешними измерительными преоб-
B3 Автоматические I1
разователями
С внешними и встроенными измери-
C Назначение I2
тельными преобразователями
Индикаторы, устройства и ком-
C1 плексы для измерения отдельных I3 Встроенные средства
параметров
C2 Специальная оснастка и инструмент J Состояние объекта
Мощностные стенды (тормозные Использование без функционирова-
C3 J1
или другие) ния объекта
Диагностические и прогнозирую- Использование при функционирова-
C4 J2
щие системы (машинотестеры) нии объекта
Используемые при тестовых воздей-
D Характер конструкции J3
ствиях на объект
Механические, гидравлические,
D1 пневматические, комбинирован- K Измеряемые величины
ные
D2 Электромеханические K1 Статические
D3 Электрические K2 Динамические
Электронные: аналоговые и циф-
D4 K1.1 Линейные, угловые размеры
ровые
D5 Электромагнитные K1.2 Линейные, угловые перемещения
Гидравлические, пневматические,
D6 K1.3 Расход, подача жидкостей и газов
инерционные
Оригинальные электронные ком- Плотность, вязкость, загрязненность
D7 K1.4
плексы жидкостей и газов
Электронные комплексы на основе
D8 K1.5 Состав масел и газов
стандартной ЭВМ (ПК)
E Возможности приема информации K1.6 Температура деталей и жидкостей
Параметры вращения, линейного
E1 Одноканальные K2.1
движения и колебаний
E2 Многоканальные K2.2 Интервалы времени, фазы движения
F Исполнение K2.3 Сила, момент вращения, мощность
F1 Переносные, портативные K2.4 Давление жидкостей и газов
Параметры электрического и элек-
F2 Стационарные, передвижные K2.5
тромагнитного поля
G Степень охвата объекта K2.6 Виброакустические параметры
G1 Локальные
32

По мере совершенствования средств диагностирования структурную мо-


дель, представленную на рисунке 1.2, можно дополнять и развивать.
Получение информации о техническом состоянии исследуемого объекта,
при диагностировании автомобиля, неразрывно связано с техническими воз-
можностями средств диагностирования. Повышение комплектности диагности-
ческого оборудования, как правило, повышает трудоемкость, усложняет алго-
ритм и процедуру диагностирования. Стремление разработчиков средств диаг-
ностирования к портативности, автоматизации и универсализации по единым
физическим принципам измерения, приводит к созданию эффективных методов
диагностирования, общая классификация которых приведена на рисунке 1.3.
Новые методы диагностирования должны учитывать приспособленность
методов к контролируемым автомобилям, условия их эксплуатации и информа-
тивность полученных результатов, соответствующих состоянию объекта диаг-
ностирования.
Информация, полученная при диагностировании автомобилей, не всегда
является достоверной лишь по той причине, что возникающие методические
ошибки I и II рода не дают полного представления о техническом состоянии
исследуемого объекта. Если по оценке технического состояния составной части
диагностируемого объекта судить в целом о работоспособности этого объекта,
то состояния других частей, характеризуемые множеством параметров, будут
создавать «фон», который не учитывается и вносит существенную погрешность
в оценку технического состояния объекта.
Если диагностировать, как работоспособность целого объекта, так и со-
стояния отдельных его элементов, то указанные ошибки можно будет снизить
в значительной мере. Такое снижение погрешности в условиях производства
обуславливается использованием комплексного подхода, общая диагностика
(Д-1), или поэлементного подхода – поэлементная диагностика (Д-2). Сущест-
вующий подход образует систему диагностирования Д-1 и Д-2, которая обеспе-
чивает эффективность для предприятий с большим парком автомобилей и ком-
33
плексным оснащением диагностического оборудования по каждому виду работ
согласно технологическому процессу и маркам АТС.

Рисунок 1.3 – Классификация методов диагностирования

Однако техническое диагностирование большегрузных АТС имеет отли-


чия от диагностирования большинства автомобилей. Эти отличия в первую
34
очередь связаны со структурой проведения видов ТО и ремонтного цикла.
Регламентные работы по ТО рекомендуется проводить с кратной перио-
дичностью 250 мото-ч. Так ТО-1 проводится через 250 мото-ч, ТО-2 – 500 мо-
то-ч, ТО-3 – 1000 мото-ч. Кроме того, структура включает регламентные про-
филактические ремонты ПР-1, который проводится через 4000 мото-ч, и ПР-2 –
8000 мото-ч [4, 30, 252, 257]. В соответствии с периодичностью и регламент-
ным видом ТО и Р проводится диагностирование (таблица 1.5), которое по объ-
ему работ и месту в технологическом процессе подразделяется на Д-1, Д-2, Д-3
и ДПР. Для поиска неисправностей при ТР назначается ДТР.

Таблица 1.5 – Регламентированное диагностирование большегрузных автосамосвалов

Вид диаг- Состав работ и глубина поиска Средства диагности-


Назначение
ностики неисправностей рования
Проверка технического со- Встроенные средства, Снизить вероятность
стояния автомобиля, в том легко присоединяе- возникновения отказов
Д-1 числе агрегатов и систем, ко- мые приборы между ТО и ПР. Про-
торые не диагностируются длить срок службы ра-
встроенными средствами ботающего масла
Проверка технического со- Локальные перенос- Сократить объем ТО,
стояния агрегатов и систем, ные и стационарные повысить качество ТО.
обслуживание которых преду- диагностические Определить необходи-
Д-2, Д-3 смотрено объемом работ для средства мость ТР
ТО-2 и ТО-3. Глубина поиска
дефекта до обслуживаемого
узла
Проверка технического со- Стационарные (авто- Определить объем ПР,
стояния всех агрегатов авто- матизированные) ди- повысить качество ПР,
ДПР мобиля с глубиной до агрега- агностические сред- сократить расход запас-
та, узла ства ных частей, провести
сложные регулировки
Поиск повреждений при ТР. Средства диагности- Сократить простои ав-
Глубина поиска дефекта до рования применяются томобиля при поиске
ДТР
узла, детали в зависимости от ха- неисправностей
рактера дефекта

Диагностика Д-1 своим комплексом работ не может уменьшить объемы


крепежных, очистных и смазочных работ, выполняемых при ТО-1. Основное
назначение данного вида диагностики заключается в снижении вероятности от-
казов между ТО и ремонтами.
При выполнении Д-2 и Д-3 выполняются дополнительные к Д-1 работы,
35
связанные с определением объемов регулировочных работ и установлением не-
обходимости проведения ТР. При диагностировании должно использоваться
быстро присоединяемое, автоматизированное, портативное или стационарное
оборудование с малой трудоемкостью определения технического состояния АТС.
Для решения задачи комплексного подхода к процессу диагностирования
необходимо оснащение диагностическим оборудованием производства, которое
полностью бы удовлетворяло условиям технологического процесса. Это воз-
можно сделать при учете правильного выбора средств диагностирования.
В соответствии с приведенными литературными данными [6, 118, 180,
186, 291, 323, 330, 358, 362, 365], работы в области оптимизации выбора
средств технического оснащения, для предприятий по обслуживанию и ремон-
ту наземного транспорта длятся уже более полувека. Однако каких либо норма-
тивных или регламентных документов, обосновывающих единый универсаль-
ный подход к выбору оборудования, до сих пор не существует. Разработка та-
кой универсальной методологии по выбору технологического оборудования,
позволит снизить простои и неоправданные расходы, максимально использо-
вать функциональные возможности технологического оборудования, сократить
время на выполнение производительной работы видов обслуживания и ремон-
та, увеличить объемы выпускаемой продукции и повысить рентабельность про-
изводства. Помимо функциональных возможностей существующие методы не-
достаточно четко отражают эргономичность, условия экологической и техниче-
ской безопасности. Следовательно, разработанные ранее методы не в полной
мере решают вопросы оптимизации выбора оборудования и эффективности его
использования, и поэтому проблема выбора считается актуальной.

1.3 Диагностика агрегатов автомобилей


по параметрам работающего масла

Мониторинг технического состояния АТС невозможно вести без приме-


нения специальных методов и средств. Поэтому в АТП компаний «Кузбассраз-
резуголь», «Стройсервис», «Прокопьевскуголь», «Вахрушевская автобаза» и
36
др., для обеспечения бесперебойных грузоперевозок и с целью повышения на-
дежности автомобилей кафедрой «Автомобили и тракторы» ТГАСУ, с участи-
ем автора, были внедрены службы контроля и управления надежностью агрега-
тов по параметрам работающего масла [350, 351].
Диагностика по ПРМ выявляет следующие неисправности АТС, харак-
терные для любых моделей ДВС и большинства агрегатов трансмиссии.
1. Повышенные и аварийные износы отдельных деталей и узлов. Данные
виды неисправностей определяются ЭСАМ, преимуществом которого является
способность раннего обнаружения начала повышенного или аварийного износа.
2. Неисправности топливной аппаратуры. Эти неисправности связаны
с ухудшением технического состояния топливной аппаратуры (насосов, форсу-
нок) или с нарушением герметичности топливопроводов и топливных насосов,
находящихся внутри агрегата. В первом случае это приводит к неполному сго-
ранию топлива двигателя, во втором – к утечкам топлива в масляную систему
двигателя. В обоих случаях увеличиваются топливные фракции в работающем
масле, вследствие чего происходит снижение его вязкости и температуры вспышки.
3. Утечки охлаждающей жидкости в масляную систему. Данный вид
неисправности связан с нарушением герметичности системы охлаждения дви-
гателя. Установить эту неисправность можно либо путем непосредственного
определения содержания охлаждающей жидкости (ОЖ) в работающем масле,
либо косвенным путем. Ввиду систематического испарения ОЖ из масла,
в процессе работы двигателя, рекомендуется использовать косвенные методы,
основанные на исследовании изменений ряда показателей работающего масла
(поступление элементов присадки, входящий в состав ОЖ и др.).
4. Неисправности системы очистки масла. Такие неисправности приво-
дят к повышенному загрязнению работающего масла механическими примеся-
ми и поэтому диагностика этих неисправностей осуществляется по тем показа-
телям, которые характеризуют его загрязнение.
5. Неисправности системы очистки воздуха. Эти неисправности могут
быть вызваны нарушением технического состояния воздушного фильтра (чрез-
37
мерное загрязнение из-за несвоевременного обслуживания, нарушения целост-
ности уплотнительных прокладок и т.п.), так и нарушения герметичности воз-
духопроводящих патрубков. В обоих случаях это приводит к значительному
повышению содержания кремния в работающем масле. Поэтому целесообразно
данный вид неисправности определять ЭСАМ.
6. Нарушение работы системы вентиляции картера. Эта неисправность
косвенно проявляется через показатели работающего масла, которые характе-
ризуются процессами окисления и загрязнения масла топливными фракциями.
ПРМ позволяют обнаруживать и ряд других неисправностей, специфич-
ных для конкретных моделей двигателей или агрегатов АТС.
Выявление неисправностей при диагностировании агрегатов АТС по
ПРМ зависит от формирования информационного сигнала. При этом возможны
два случая:
1) наиболее полная информация о неисправности сосредоточена в одном
параметре работающего масла;
2) информация о неисправности стохастически распределена по несколь-
ким параметрам.
Диагностика узлов и деталей агрегата, техническое состояние которых
характеризуется одним параметром, осуществляется путем сравнения соответ-
ствующего показателя работающего масла с диагностической величиной. За-
ключение о техническом состоянии дается по двухбалльной шкале – «исправ-
но» или «неисправно».
Диагностика узлов и деталей, информация о которых распределена по не-
скольким параметрам, осуществляется с помощью различных алгоритмов. Ши-
рокое применение находит вероятностный алгоритм, в основу которого поло-
жена доля участия каждого из диагностических показателей в оценке состояния
объекта [33, 251]. Вероятность действительного состояния объекта P(C) опре-
деляется по формуле:
m  n 
P (C ) =  ∑ K i S i Z i   ∑ K i S i Z i  , (1.1)
 i =1   i =1 
38
где K i = 1 Pi – коэффициент, учитывающий безотказность при технической
реализации i-го показателя; S i – чувствительность i-го показателя; Z i – индекс
i-го показателя; m, n – соответственно количество контролируемых и общее ко-
личество показателей, характеризующих работоспособность объекта.
Для распознавания источников поступления химического элемента-
индикатора, составляющего основу конструкционных материалов разных групп
деталей, применяются алгоритмы, основанные на изменении соотношения ме-
жду химическими элементами, циркулирующими с работающим маслом [400].
Одновременно с диагностированием агрегатов АТС по ПРМ диагности-
руется работоспособность масла, оценивается потеря его исходных свойств, ко-
торые закладываются заводами-изготовителями при производстве.
Для всех групп моторных, трансмиссионных, гидравлических и индуст-
риальных смазочных масел основными исходными требованиями являются:
термоокислительная стабильность и термостойкость, противоизносные и кор-
розионные свойства, вязкостно-температурная характеристика [167]. К смазоч-
ным маслам также предъявляются дополнительные требования: стабильность
при транспортировке и хранении; совместимость с контактирующими материа-
лами; стойкость к старению, испарению и вспениванию; наличие моющих
и диспергирующе-стабилизирующих свойств; противозадирные и противопит-
тинговые свойства. Для гидравлических масел предъявляются требования
фильтруемости, деаэрирующих и деэмульгирующих свойств.
В настоящее время не существует научно обоснованной альтернативы
смазочным маслам, которые могут изменить работу узлов трения [27, 223, 225,
245]. В этом направлении ведутся теоретические поиски саморегулирования
смазочной среды и создания новых материалов на основе методологии нерав-
новесного материаловедения, которые позволили бы изменять свои свойства в
зависимости от изменений условий эксплуатации [254, 269, 334].
В настоящее время, основные требования, которые предъявляются к сма-
зочным маслам в эксплуатации, регламентируются стандартами [24]. Свойства
свежих моторных масел отражены в ГОСТ 17497.1-85 «Масла моторные. Клас-
39
сификация и обозначение», трансмиссионные масла регламентируются по
ГОСТ 17479.2-85 «Масла трансмиссионные. Классификация и обозначения».
Моторные и трансмиссионные масла приводятся в соответствие применения
классов вязкости и эксплуатационных групп по классификациям SAE и API.
Гидравлические масла регламентируются в соответствии с ГОСТ 17479.3-85
«Масла гидравлические. Классификация и обозначения», а также в соответст-
вии с международным стандартом ISO 3448. Индустриальные масла регламен-
тирует ГОСТ 17479.4-87 «Масла индустриальные. Классификация и обозначе-
ния». Данный стандарт соответствует международным стандартам ISO 3498-79,
ISO 6743-0-8, ISO 3448-75.
Свойства работающего масла оцениваются по диагностическими пара-
метрам, предельная величина которых соответствует качеству масла, при кото-
ром будет существенно снижаться надежность агрегата. Смена масла произво-
дится в том случае, когда какой-нибудь из качественных показателей работаю-
щего масла достигнет предельного значения.
Повысить эффективность диагностирования агрегатов АТС по ПРМ мож-
но, за счет внедрения в стандартную технологию методов, обладающих боль-
шой информативностью и относительно малой трудоемкостью выполнения
анализов [115, 214, 341]. Широкое применение, при функционировании СКУ-
НА ПРМ, получили следующие методы испытаний работающего масла.
1. Определение содержания негорючих примесей в работающем масле.
Под негорючими примесями в методике понимается зольная часть механиче-
ских примесей, задерживаемых бумажным аналитическим фильтром после
пропускания через него растворенного в бензине пробы работающего масла.
Выполняется по методике определения механических примесей по ГОСТ 6370-
83* с технологическими изменениями.
2. Качественное определение топлива и воды в работающем масле. Вода
и топливо оцениваются по величине температуры вспышки масла и по характе-
ру поведения его в процессе нагрева. Методика предусматривает определение
наличия воды и топлива в масле, с одного нагрева пробы масла в открытом тиг-
40
ле в соответствии с ГОСТ 4333-87*. Испытание проводится после нагрева мас-
ла до температуры 80 ºC. Наличие воды укажет «кипение» масла
при 90...100 ºС, топлива – температура существенно ниже предполагаемой (на-
пример, ниже 140 ºС).
3. Оценки срабатывания щелочной присадки работающего масла по во-
дородному показателю его водной вытяжки. Методика предназначена
для оценки щелочных свойств работающих масел при массовых анализах с це-
лью снижения трудоемкости и сокращения количества анализов, связанных с
применением токсичных веществ (бензол, толуол). Методика применима для
тех сортов работающих масел, у которых наблюдается корреляционная связь
между водородным показателем (pH) масла, растворенного в спиртобензольной
смеси, и pH водной вытяжки.
4. Определение диспергирующих свойств работающих масел. Методика
предусматривает определение диспергирующих свойств (ДС) работающего
масла путем наблюдения тонкого слоя в темном поле микроскопа. ДС оцени-
ваются по склонности частиц группироваться в конгломераты.
5. Эмиссионный спектральный анализ работающего масла. Диагностика
технического состояния агрегатов АТС эмиссионным спектральным анализом
масла производится на основе определения концентрации характерных химиче-
ских элементов износа в работающем масле: Fe, Cr, Ni, Al, Pb, Si, Ba, Ca и др.
Проведенные кафедрой «Автомобили и тракторы» ТГАСУ, с участием
автора, внедрения СКУНА ПРМ в АТП Западной и Восточной Сибири и опыт
их работы [52, 53, 67, 304, 305] показал, что для контроля качества работающих
масел необходимым и достаточным будет следующий комплекс параметров:
негорючие механические примеси в масле; температура вспышки масла; нали-
чие воды в масле; наличие водорастворимых кислот; водородный показатель;
щелочное число.
Свежее масло целесообразно контролировать по параметрам вязкости,
температуры вспышки, зольности, щелочного числа, наличию воды.
Достоверность диагностики с применением методов ФХАМ оценивается
41
путем сравнения предполагаемых неисправностей с фактическим состоянием
агрегата. Достоверность диагностики, при отлаженной организации СКУНА
ПРМ, может превышать 90 % [303]. Поэтому лабораторные методы диагности-
ческого контроля АТС по ПРМ являются достаточно значимыми.
Важное место в производст-
венном процессе диагностирования
занимает ЭСАМ. Продукты износа
оцениваются эмиссионным анализом
работающего масла на высокопроиз-
водительном автоматизированном
спектрометре МФС-7. Основное на-
значение спектрометра – это диагно-
стика двигателей внутреннего сгора-
Рисунок 1.4 – Установка МФС-7 для выполне-
ния и агрегатов трансмиссии. ния ЭСАМ
Благодаря электрофизическому принципу действия, за смену спектрометр
способен проанализировать 40...50 проб масла. Высокая производительность
установки обеспечивается комплексным воздействием высоковольтных и опти-
ческих процессов на свойства смазочного масла. Следовательно, электрофизи-
ческие процессы являются не только быстродействующими, но и перспектив-
ными при разработке оборудования нового поколения.
Однако есть и недостатки. Спектрометр МФС-7 имеет значительные га-
баритные размеры и вес (~ 600 кг). Под установку спектрометра требуется от-
дельное помещение площадью не менее 20 м2 с местной вытяжкой. Спектро-
метр является дорогим оборудованием (стоимость от 90 тыс. руб.). Учитывая
сложность юстировок и регулировок, а также выполнение ТОР спектрометра
только централизованным (специализированным) способом, на ЭСАМ накла-
дывается ограничение по целесообразности его применения. Тогда следует, что
диагностику методом ЭСАМ целесообразно проводить на автомобильных агре-
гатах, стоимость которых значительна [304].
42
1.4 Проблемы диагностирования большегрузных автомобилей

В нашей стране лабораторный вид контроля большегрузных АТС являет-


ся основным [136]. Лабораторные методы и средства регламентируются по
Общероссийскому классификатору стандартов группой 75. Лабораторный кон-
троль предполагает значительные капитальные вложения на организацию лабо-
ратории, наличие дорогостоящего оборудования, высокую квалификацию пер-
сонала и существенные затраты на расходные материалы. Аналитические мето-
ды анализа масел сопровождаются высокими трудовыми и временными затра-
тами. За рабочую смену лаборант способен выполнить 7 проб масла стандарт-
ными методами контроля, которые включают определение негорючих приме-
сей, температуры вспышки, наличия воды и щелочного числа [304]. Для полу-
чения полной информации о показателях смазочного материала, при проведе-
нии всех испытаний, может потребоваться до 2-х суток.
Повысить производительность труда в лаборатории ФХАМ можно прове-
дением одновременного группового анализа нескольких проб, что значительно
сокращает вспомогательное время и, следовательно, сокращает время опреде-
ления показателей одной пробы.
Штат лаборатории диагностического контроля определяется величиной
среднего количества автомобилей, которые ежедневно проходят ТО на АТП, и
количеством видов выполняемых анализов. Для своевременного поступления
результатов испытаний в зону ТО необходимо пробы масел отбирать из агрега-
тов за трое суток до постановки автосамосвала на обслуживание. Если резуль-
таты испытаний поступают в зону ТО, когда на автомобиле проведены регла-
ментные работы и он покинул зону обслуживания, то приходится либо отказы-
ваться от проведения профилактических работ, либо возвращать автомобиль в
зону ТО, что отрицательно сказывается на эффективности оперативного кон-
троля.
Проведение анализа качества масла может иметь разные цели. Когда тре-
буется количественная оценка максимальной достоверности, то высокозатрат-
ная лаборатория диагностики может предоставить широкие возможности
43
по количеству контролируемых показателей качества работающего масла.
Экспрессные методы диагностического контроля не заменяют лаборатор-
ные методы, а сокращают трудоемкость и время, затрачиваемое при оценива-
нии качества масла, когда результат не требует максимальной достоверности.
Экспресс-методы, обладая иными принципами измерения, устанавливают соот-
ветствие нефтепродуктов техническим требованиям, которые определяются
стандартными лабораторными методами.
Экспрессные методы способны снять многие вопросы технологического
процесса диагностирования. Например, свойства работающего масла экспресс-
методами можно оценивать непосредственно в день технического обслужива-
ния, повышая эффективность оперативного контроля.
В настоящее время диагностировать агрегаты большегрузных АТС по со-
стоянию масла экспресс-методами достаточно сложно. Несмотря на известные
физические методы определения загрязнителей в масле, на рынке недостаточно
высокоточных средств измерения. Сегодня на рынке диагностического обору-
дования присутствуют зарубежные фирмы и компании «Kittiwake», «Chevron
Lubricants», «Komatsu», «Mobil», «MTU» и «Northern Instruments Corp.». Вы-
пускаемые ими комплекты включают портативные приборы, которые способны
контролировать как одно свойство масла, так и выполнять комплексный анализ
[160]. Для проверки свойств масла требуется от 2–15 мин до 1 часа. Несмотря
на привлекательность, известные портативные комплекты достаточно дороги
и многие приборы требуют постоянного обновления фирменных реагентов, что
снижает их эксплуатационные возможности.
Из отечественных портативных комплектов для экспресс-диагностики
свойств масла, наибольшего внимания заслуживает комплект КДМП-2
и КДМП-3, разработанный профессором Ю.А. Гурьяновым. Комплект имеет
существенные преимущества по сравнению с зарубежными аналогами, т.к. по-
зволяет оценить основные показатели качества масла за 1 час, при этом не тре-
бует фирменных расходных материалов.
Комплекты КДМП-2 и КДМП-3 включают несколько приборов, которые
44
оценивают различные параметры масла [103, 104]. Но приборы данных ком-
плектов не объединены единым корпусом в универсальное средство измерения
и не могут давать комплексное заключение о качестве масла по измерению од-
ной пробы. Тем не менее, комплект оценивается практическими возможностя-
ми очень высоко.
В настоящее время считаются предпочтительными электрофизические
универсальные приборы для контроля нескольких свойств масла, выполняемые
в виде приборов карманного, переносного или стационарного типа.
Институтом химии нефти СО РАН, используя диэлектрические свойства
нефтепродуктов, была разработана серия анализаторов качества нефтепродук-
тов SHATOX [16]. Например, анализатор нефтепродуктов SHATOX SX-300
предназначен, главным образом, для оценки октановых чисел бензинов. Допол-
нительно используя принцип объемного сопротивления нефтепродукта, прибор
позволяет определить: содержание механических примесей в нефтепродуктах;
содержание депрессорных присадок в дизельном топливе; щелочное число мо-
торных масел. Прибор портативен, универсален, выполнен в едином корпусе,
что позволяет его использовать как в полевых, так и в лабораторных условиях.
Отсутствие отечественных разработок средств экспресс-диагностирования
является весьма актуальным и сдерживающим фактором в развитии технологии
диагностирования АТС по ПРМ. Оценить выявленную проблему можно, вы-
полнив более подробный анализ существующих экспресс-методов и средств
контроля.

1.5 Анализ экспресс-методов и средств контроля работающего масла

Выбор метода диагностирования АТС по ПРМ базируется на том, что ра-


ботающее масло является полноправным конструкционным компонентом узла
трения агрегата. При этом масло находится в постоянном контакте не только
с поверхностями трения, но и с целым рядом других поверхностей находящих-
ся в агрегате автомобиля, которые оставляют свой «отпечаток» присутствия,
если происходит нарушение герметичности замкнутой системы смазки. Поэто-
45
му, в процессе эксплуатации происходит изменение физико-химических
свойств масел, обусловливающих ухудшение его эксплуатационных характери-
стик, изнашивание сопрягаемых деталей, активацию процессов нагарообразо-
вания в ДВС и др.
При проведении настоящего аналитического обзора экспресс-методов
контроля качества работающих масел, рассматривались методы измерений, ре-
зультаты которых могут быть получены достаточно оперативно и с высокой
точностью. Также ставилась задача не предъявлять высоких требований, с точ-
ки зрения профессиональных знаний исполнителям, которые могут выполнять
анализ и давать оценку качества смазочных масел, работая в качестве операто-
ра, т.е. особый интерес представляют унифицированные методы, которые про-
сты в техническом решении.
Среди существующих методик экспресс-анализа работающих масел
большая часть посвящена определению загрязненности масла и продуктов из-
носа двигателя [1, 124, 155, 209, 247, 255, 305, 314, 318, 356, 357, 368, 374].
Наиболее простым методом, позволяющим проводить количественную оценку
загрязненности масла, является определение его плотности [356, 357]. Для это-
го по экспериментальным данным устанавливается зависимость плотности
от общей загрязненности масла и предлагается экспресс-метод оценки содер-
жания в масле нерастворимых продуктов.
Работа [368] показывает возможность измерения плотности исследуемых
нефтепродуктов пузырьково-барботажным методом и отражает взаимосвязь
между частотой следования пузырьков воздуха и плотностью жидкости в диа-
пазоне плотностей от 0,720 до 0,870 г/см3.
Спектральные методы оценки качества масла и диагностирования двига-
теля по определению в масле продуктов износа подробно описаны и широко
используются на практике [259, 305, 318].
В работах [255, 318] описаны методики анализа масел с использованием
фотоэлектрических установок типа МФС. Авторы считают, что получение дос-
товерных результатов при таком анализе зависит от применения ультразвуко-
46
вой обработки каждой пробы масла перед анализом.
В работе [374] представляется фотометрический способ измерения за-
грязнения в области инфракрасного излучения и детально описывается его
принцип действия. Предложенный метод измерения хорошо коррелируется
с методом центрифугирования и имеет преимущества с точки зрения удобства
применения.
Для оценки предельного состояния моторного масла разработана методи-
ка определения степени дисперсности частиц дисперсной фазы масла и его об-
щей загрязненности фотометрическим методом. Интенсивность рассеянного
света пропорциональна концентрации мелких частиц и характеризует степень
дисперсности нерастворимых частиц в масле [224].
При исследовании оптически плотных жидкостей обычные спектрофото-
метрические методы диагностики применяют редко, однако для оптически
плотных суспензий более приемлемым является фотоакустический метод [124].
Традиционный газомикрофонный вариант фотоакустической диагностики жид-
костей заключается в регистрации сигнала в виде колебания давления. Этот
сигнал зависит от свойств образца жидкости и уровня его загрязненности [247].
Дисперсные загрязнения также можно определять, используя оптико-
телевизионного устройство, состоящее из микроскопа и видеокамеры, установ-
ленной в гнездо микроскопа. Такая схема позволяет по изображению поля зре-
ния микроскопа анализировать дисперсный состав на экране монитора [209].
Разработаны методы и средства экспрессного определения содержания
ферромагнитных продуктов износа в работающем масле, основанные на ис-
пользовании зависимостей изменения магнитного сопротивления в слабых по-
лях или магнитного потока от количества и качества металлических частиц
масла [155, 314].
Авторами работы [1] предложен способ контроля загрязненности рабо-
тающего масла ДВС, основанный на измерении изменения сигнала генератора
ультразвуковых частот, прошедшего через работающее масло, по сравнению
с эталоном, полученным для чистого масла.
47
Другая группа методов разработана для определения содержания воды
в работающих маслах. Так, по мнению авторов, наиболее эффективным мето-
дом ранней диагностики дизеля является автоматизированный контроль раз-
жижения или обводнения работающего масла [331].
Для определения содержания воды в масле предлагается также индика-
торно-адсорбционный метод, основанный на избирательной адсорбции воды
с помощью цеолитов. Для фиксации зоны адсорбции воды использован прин-
цип индикаторно-жидкостной хроматографии [215].
Привлекает внимание экспресс-оценка изменения качества моторных ма-
сел, при попадании в них воды, методом сравнения частотных характеристик
необезвоженных и обезвоженных масел. На основании этого делается заключе-
ние о содержании воды в работающем масле [155]. Однако недостатком метода
является стационарность и невозможность его автономного использования.
Для контроля качества нефтепродуктов интерес представляет способ, со-
гласно которому пробу нефтепродукта пропускают через индикаторный эле-
мент, который изменяет свою окраску при химическом взаимодействии с во-
дой. По изменению цвета индикатора судят о наличии воды в пробе нефтепро-
дукта [242].
Присадки в процессе эксплуатации срабатываются, и масло претерпевает
качественные изменения. Для определения содержания присадки в работающем
масле разработана методика ускоренного жидкостного колоночного хромато-
графического разделения моторных масел. Исследование ИК-спектроскопией
работающих масел показало, что по характеристическим полосам поглощения
в ИК-спектрах концентратов присадок, входящих в состав группы соединений
с наиболее высокой степенью окисления, удается получить данные об относи-
тельном уменьшении в масле концентрации присадок [136].
В работе [158] представлена методика определения содержания присадок
в работавших маслах методом тонкослойной хроматографии.
В работе [235], авторы при помощи ИК-спектроскопии способны иденти-
фицировать заданную присадку, и определить ее количество отдельно от сум-
48
марного содержания всех присутствующих в моторном масле присадок. А в ра-
боте [237] показана возможность определения информативного показателя, рав-
ного разности оптических плотностей на полосах поглощения для соединений
присадок и в зависимости от величины этой разности масло диагностируется по
условиям выработки присадки или выявления возможности его сезонного ис-
пользования.
Определенный интерес представляет методика определения содержания
присадки в работающем масле по изменению электропроводности масла [189].
Приводятся сравнительные характеристики данного метода и метода определе-
ния количества присадки по зольности. Показано, что вид кривой электропро-
водности от пробега двигателя аналогичен зависимости величины зольности
от времени работы масла.
При разработке методов контроля качества работающих масел, необхо-
димо обратить внимание на методы исследования процессов старения масла,
которые могут быть частично или полностью, после соответствующей доработ-
ки и аппаратурного оформления, доведены до экспресс-методов контроля от-
дельных эксплуатационных свойств работающих масел.
Так в работе [152] описан способ исследования процесса старения гид-
равлического масла, методами хемилюминесценции и инфракрасной спектро-
скопии при его использовании в условиях стендовых испытаний. Оцененные
данными методами значения окисления масла рассмотрены в сопоставлении
с диагностическими показателями состояния масла. По мнению авторов, ре-
зультаты проведенной корреляции показывают целесообразность применения
данных методов для оценки работоспособности масла.
Определение продуктов износа может быть проведено различными спек-
тральными методами. Однако все чаще для решения этой задачи привлекается
метод рентгеноспектрального флуоресцентного анализа [176]. Этот метод об-
ладает рядом преимуществ, которые делают его весьма перспективным. На-
пример, данный метод не требует применения химических реактивов, процеду-
ры анализа проб просты и идентичны для всех анализируемых элементов,
49
и нижние пределы обнаружения элементов, меньше предельных содержаний
этих элементов. Высокая чувствительность и низкий уровень погрешностей
анализа позволяют на ранней стадии выявлять динамику процессов износа.
Производительность выполнения анализа повышается в основном за счет со-
кращения времени пробоподготовки.
Термоокислительная стабильность, является одним из важнейших экс-
плуатационных свойств масел. Для ее изучения разработана газометрическая
установка динамического типа, работающая по принципу измерения количест-
ва поглощенного кислорода в замкнутом объеме [28].
Для экспрессности определения кондиционности смазочных масел разра-
ботан метод качественного колориметрического определения щелочного числа
по изменению цвета анализируемого масла после взаимодействия содержащих-
ся в масле щелочных присадок с этанольным раствором соляной кислоты
в присутствии цветного индикатора [195].
Особое внимание уделяется комплексным методикам экспресс-анализа
работоспособности масел и обобщенным показателям его качества для опреде-
ления периодичности замены.
В работе [107] выполнен анализ методов для определения содержания во-
ды в масле, содержания топлива, содержания нерастворимых загрязнений, оп-
ределения pH, выбранных в качестве показателей работоспособности работаю-
щих масел. Перспективными экспресс-методами определения этих показателей,
по мнению авторов, являются соответственно ИК-спектроскопия, фотометрия,
потенциометрия.
Определение периодичности замены моторного масла предлагается с по-
мощью комплексного эксплуатационно-лабораторного метода, позволяющего
оценивать физико-химические и эксплуатационные свойства (в основном –
противоизносные). Этот метод предусматривает применение спектрального
анализа, определение загрязненности по оптической плотности, определение
коррозионной агрессивности по измерению pH, определение кислотного числа
и щелочного числа [175].
50
Авторы работы [120] предлагают вероятностно-статический подход к ре-
шению вопросов о своевременной смене масла в дизелях. Он заключается
в разработке с помощью метода главных компонентов обобщенного статиче-
ского показателя, позволяющего с заданным уровнем доверия устанавливать
отклонения в процессе старения масла и таким образом, оценивать его работо-
способность в дизелях.
Основным недостатком этих методик является использование большого
количества инструментальных методов анализа, требующих наличия лаборато-
рии со стационарным оборудованием и штатом квалифицированных сотрудников.
Информацию о качестве моторных масел можно получить с помощью
комплекса методов квалификационной оценки применяемого для сертификации
продуктов. В работе [185] предлагают использовать комплекс методов лабора-
торной оценки, определяющий функциональные свойства масел, который
включает лабораторные установки, моделирующие условия работы масла в ре-
альных двигателях. Установка высокотемпературного каталитического окисле-
ния позволяет деструктуризировать испытуемое масло, которое коагулирует
и приводит к росту оптической плотности и вязкости масла. Рост этих парамет-
ров свидетельствует о накоплении продуктов нагарообразования, степени окис-
ления и выражается обобщенным показателем, который вычисляется, как про-
изведение этих параметров.
При относительной универсальности в определении показателей, данный
комплекс методов, заявленный авторами как экспресс, далеко не является экс-
прессным, так как продолжительность испытаний для заявленных групп масел
составляет от 3 до 5 часов.
Для реализации комплексного подхода при определении показателей ка-
чества работающего масла, авторами [299] разработан портативный комплект
приборов для экспресс-диагностики работающего масла. Комплект определяет
следующие показатели качества масла: вязкость, наличие охлаждающей жидко-
сти и моторного топлива, водородный показатель, диспергирующе-
стабилизирующие свойства и общую загрязненность. При достаточно значимой
51
положительной составляющей этого комплекса, недостатком является разоб-
щенность в средствах измерения при проведении того или иного анализа масла.
Особый интерес представляют способы контроля работоспособности сма-
зочных масел, основанные на измерении их диэлектрических характеристик
при прохождении через измерительную ячейку с пробой масла сигнала пере-
менного напряжения. Главной особенностью диэлектрических методов являет-
ся возможность одновременно контролировать ряд показателей качества масла.
Работа [229] отражает возможность по определению изменения исходно-
го состояния жидкого вещества и причин, вызывающих эти изменения по зна-
чениям электропроводности и диэлектрической проницаемости образцов ис-
следуемого масла. Целесообразность замены масла или его дальнейшая экс-
плуатация характеризуются отношением электропроводностей образцового
и исследуемого масла, а причины изменения качества масла устанавливается по
отношению их диэлектрических проницаемостей.
Способам измерения диэлектрической проницаемости технических жид-
костей, смазочных масел, нефтей и других диэлектрических сред посвящено
достаточное количество работ [226–234, 240, 243]. Данные способы позволяют
решать задачи контроля состава вещества при анализе жидкостей, однако они
имеют общие некоторые особенности, которые сводятся либо к высокой трудо-
емкости, что не способствует экспрессности при выполнении анализов, либо
к узкой области использования. Это не всегда позволяет определять качество
исследуемых жидкостей или их функциональное состояние.
Способ, позволяющий получить информацию о функциональном перво-
начальном состоянии жидкостей, описан в работе [241]. Согласно работе, изме-
ряют активные удельные электропроводности жидкости при изменении диапа-
зона частот электромагнитных колебаний от 1 кГц до 10 МГц для двух любых
температур жидкости от ее точки кипения до точки замерзания. По пересече-
нию зависимостей удельных электропроводностей от частоты колебаний нахо-
дят характеристическую частоту колебаний, которую используют, как основной
критерий определения рода жидкости. Однако термостатирование жидкости,
52
на которое затрачивается дополнительное время, не позволяет судить о спосо-
бе, как об экспрессном методе.
Авторы работ [236, 238, 239], предлагают установить средства контроля в
жидкостные магистрали машин, и путем измерения электрической емкости
датчика, оценивать техническое состояние и остаточный ресурс, используемой
машины, по величине диэлектрической проницаемости среды. Предлагаемые
к рассмотрению работы, позволяют оценить только интегральные показатели
загрязненности работающей жидкости, и не выявляют причин их загрязнений.
В последние годы рынки технологического оборудования России предла-
гают емкостные приборы экспресс-контроля ПРМ. Такими приборами являют-
ся: анализатор нефтепродуктов НП, разработанный проф. Нигматуллиным Р.Г.
в ООО «Химмотолог» (г. Уфа), анализатор масла BALTECH OA-5000 компании
«Балтех» (г. С-Петербург) и ряд других приборов (рисунки 1.5–1.11).
Например, в условиях лаборатории ФХАМ разреза «Шестаки» применя-
ются средства диагностического контроля, которые базируются на рабочих
процессах, способных оценивать параметры работающего масла по изменению
диэлектрической проницаемости масляной среды: АК-12, АК-4, АК-3, SHA-
TOX SX-300 и ИКМ-2 [16, 17]. Однако сравнительный анализ их служебных
свойств, приведенный в таблице 1.6, показывает значительные различия в тех-
нико-экономических показателях.
Рассмотренные электрофизические методы и средства контроля ПРМ,
на наш взгляд, наиболее перспективны для дальнейшего исследования работо-
способности масел [177]. А разработка универсальных экспресс-методов кон-
троля масла, при использовании одной измерительной ячейки и одного измери-
тельного устройства, определяющих несколько разных параметров работающе-
го масла (загрязненность, содержание воды и топлива), позволит повысить ин-
формативность, оперативность и эффективность диагностики агрегатов АТС.
Вместе с тем, для обоснования использования электрофизических методов кон-
троля ПРМ, необходимо проведение теоретических исследований базовых ос-
нов электрофизических измерений.
53

Рисунок 1.6 – Анализатор BALTECH OA-5000

Рисунок 1.5 – Анализатор НП «Химмотолог»

Рисунок 1.7 – Анализатор ТАНГЕНС-3М

Рисунок 1.8 – Анализатор SHATOX SX-300

Рисунок 1.9 – Портативный сенсор Pall WS09

Рисунок 1.10 – Анализатор Lubrisensor Рисунок 1.11 – Анализатор ИКМ-2


Таблица 1.6 – Служебные свойства электрофизических средств контроля ПРМ
54
55
1.6 Метод оценки перспективности выполняемых исследований

Перспективность выполняемых исследований оценивается с использова-


нием численных методов и методов экспертных оценок.
Среди численных методов выделяется математический метод, в основе
которого лежат экономические показатели, которые, главным образом, и опре-
деляют перспективность исследований. Например, профессор А.П. Болдин [37]
предлагает оценивать перспективность исследований по формуле:

КЭ =
Э0
Зн
(
1− Рр .) (1.2)

где Э0 – общий ожидаемый экономический эффект; Зн – общие затраты на на-


учные исследования; Рр – вероятность риска.
На наш взгляд, сложность оценки перспективности исследований заклю-
чается в том, что на начальном этапе экономический эффект и риски могут
быть малообоснованными за счет отсутствия ряда определяющих факторов, ко-
торые могут проявиться при проведении дальнейших исследований, и это будет
приводить к искажению целесообразности проводимой научной работы.
В последнее время широкое применение получают методы экспертных
оценок. В данном случае перспективность оценивают специалисты-эксперты,
используя баллы и ранги. Для оценки используется информационный материал
от отдельных высказываний специалистов, до некоторых результатов, получен-
ных опытным путем. Такая информация классифицируется, и на ее основе оп-
ределяется исходный показатель Пи, который корректируется с помощью коэф-
фициента Кi, зависящего от класса информации и вида оценок. На основе полу-
ченной информации профессором Е.С. Кузнецовым была предложена формула,
оценивающая планируемый результат:
П Р = К i Пи . (1.3)
Данная методика сложна и недостаточно информативна, т.к. шкала коли-
чественных оценок корректирования расчетных показателей использует только
показатели эффективности и затрат [37].
Оценить перспективность исследований, в настоящей работе, предлагает-
56
ся комплексно, учитывая все доступные для анализа средства и факторы влия-
ния. Для оценки перспективности исследования применяется аналитическая
система, основанная на методе анализа иерархий (МАИ) [283]. Оценка перспек-
тивности исследований выполняется количественно. При этом качественные
оценки, также переводятся по шкале выбора в количественные баллы значимости.
Если целью является комплексное исследование методов экспресс-
диагностики автомобильных агрегатов, базируемых на электрофизических
принципах оценки ПРМ, тогда новые методы диагностики должны обладать та-
кими свойствами, которые выгодно бы отличались от стандартных методов ди-
агностики. Оценка приоритетов предлагаемых МАИ, по отношению к стан-
дартным методам, позволяет судить о перспективности настоящих научных ис-
следований.
По результатам парных сравнений стандартных лабораторных методов
диагностики (СМ) и новых экспресс-методов (ЭМ), относительно их служеб-
ных и потребительских свойств (управляющих факторов), рассчитывались
главное собственное значение выбора, общая согласованность, индекс согласо-
ванности суждений.
Исходные критерии, для оценки перспективности методов диагностиче-
ского контроля по ПРМ, приведены в таблице 1.7, а схемы взаимодействия
управляющих факторов – на рисунке 1.12.
Установлено, что главное собственное значение λ max = 2, т.е. из двух
альтернатив пропорциональность предпочтений была равной (не наблюдалось
отклонений в ту или иную сторону от числа 2). Общая согласованность равна
нулю. Показателем близости к согласованности является индекс согласованно-
сти, который равен нулю. По результатам расчета 17 взаимозависимых матриц,
было выполнено 4096 парных сравнений. На рисунке 1.13 проиллюстрирована
диаграмма распределения приоритетов, где весовой коэффициент исследуемых
свойств экспресс-методов превышает весовой коэффициент стандартных мето-
дов более чем в 3 раза.
Код средства диагностирования

ЭМ
СМ
-

да
С1
Простота конструкции и низкая трудоемкость
Возможность использования в полевых

да
С2
и в стационарных условиях
Отсутствие потребности в расходных

да
С3
материалах

да
да
С4
Качественный и количественный анализ

да
С5
Применение универсальных методов
Отсутствие потребности в химической

да
С6
стеклянной посуде
Определение однозначного распознавания

да
да
С7
состояния масла
Достаточный комплекс для постановки

да
да
С8
верного диагноза
57

да
Индивидуальное пользование

да
Экологическая безопасность
-

да
Минимальная навеска пробы

при оценке перспективности исследований


-

да
Портативность, малый вес, эргономичность

Рисунок 1.12 – Связь альтернатив с управляющими факторами,


Время анализа пробы до 5 мин.
-

да

(с вспомогательными работами)
-

да

Единое приборное исполнение


Таблица 1.7 – Критерии выбора при оценивании методов диагностирования

да

Отсутствие необходимости в обучении


-

да

Низкая стоимость (малые затраты)


С9 С10 С11 С12 С13 С14 С15 С16
58

Рисунок 1.13 – Диаграмма распределения приоритетов, при оценке


перспективности исследований

Делаем вывод, что потребность в разработках новых и совершенствова-


нии известных электрофизических экспресс-методов диагностики автомобиль-
ных агрегатов по ПРМ, очевидна. Следовательно, перспективность настоящих
научных исследований доказана.

Выводы. Цель и задачи исследования

1. Анализ источников и результатов обзора исследований, с учетом выяв-


ленных противоречий, показал, что велика доля отказов агрегатов АТС, имею-
щих замкнутые системы смазки. Поэтому научные разработки и практические
рекомендации, связанные со своевременным выявлением таких отказов, явля-
ются актуальными и требуют разрешения данной проблемы.
2. В настоящее время не существует научно обоснованной альтернативы
смазочным маслам, которые могут изменить работу узлов трения. Поэтому тре-
бования, предъявляемые к смазочным маслам в эксплуатации, следует поддер-
живать на высоком заданном уровне с применением высокоэффективных мето-
дов контроля на базе информации заложенной в работающем масле.
3. Современные методы диагностики АТС, в том числе и методы контро-
ля по ПРМ, базируются на средствах диагностического контроля, использова-
ние которых классифицируются по функциональным признакам. В настоящей
59
работе показано, что классификацию средств технического диагностирования
целесообразно применять в виде структурной иерархической модели по груп-
пам с кодовым обозначением. Классификация позволяет каждое средство диаг-
ностики характеризовать аналитической связью групповых кодов, формирую-
щих формулу, которая соотносит данное средство к его условиям применения.
4. Существующие средства диагностики АТС не всегда достаточно эф-
фективны при их использовании в эксплуатации. Поэтому проблема выбора
средств диагностики, с учетом технических, технологических, эксплуатацион-
ных, экологических и экономических показателей, весьма актуальна и требует
теоретической и экспериментальной проработки вопроса.
5. Применяемые при диагностировании агрегатов АТС лабораторные фи-
зико-химические и спектральные методы анализа работающих масел достаточ-
но трудоемки и требуют создания специализированных лабораторий. Это свя-
зано со значительными капитальными и текущими затратами на содержание
персонала и расходные материалы.
Альтернативой лабораторным методам являются электрофизические экс-
пресс-методы контроля работающего масла, которые в значительной степени
способны снизить затраты на диагностику АТС. Однако чтобы подтвердить
данное предположение, необходимо провести комплекс теоретических и экспе-
риментальных исследований, которые позволят всесторонне оценить эффек-
тивность экспресс-диагностики в производственных условиях.
6. Подтверждена целесообразность и перспективность проведения науч-
ных исследований с целью развития методологии экспресс-диагностирования
АТС по ПРМ. Для оценки перспективности впервые применен метод анализа
иерархий.
Целью работы является повышение эффективности эксплуатации автомо-
бильного транспорта, процессов ТОР, контроля и диагностики АТС посредством
изыскания, научного обоснования, разработки и применения высокоэффективных
методов диагностирования агрегатов автомобилей с замкнутыми системами
смазки на основе электрофизической оценке параметров работающего масла.
60
Для достижения указанной цели в настоящей работе поставлены следую-
щие задачи исследования:
1) разработать научные основы методологии экспресс-диагностирования
автомобильных агрегатов с замкнутыми системами смазки, электрофизически-
ми методами контроля ПРМ, и научно обосновать ее роль и место в технологи-
ческих процессах и в структуре системы ТОР АТП;
2) разработать математические и имитационные модели, базирующиеся
на выявленных закономерностях изменения диэлектрических свойств смазоч-
ной среды от воздействия на работающее масло загрязняющих компонентов, и
на их основе научно обосновать методы контроля ПРМ, характеризующие от-
клонения в техническом состоянии диагностируемых агрегатов автомобиля с ЗСС;
3) разработать комплекс методик проведения экспериментальных иссле-
дований на основе поставленных научных задач;
4) выявить функциональные зависимости диагностических параметров от
концентраций загрязняющих компонентов в масляной среде и от параметров,
определяемых стандартными методами анализа масла, на базе выполненных
исследований процессов взаимодействия работающего масла с электрическим
полем;
5) научно обосновать допустимые нормативы диагностических парамет-
ров работающего масла и обосновать прогнозирование остаточного срока
службы масла, через показатели загрязненности работающего масла, используя
разработанные электрофизические методы экспресс-диагностики;
6) выполнить производственную проверку результатов научного исследо-
вания, как комплекса технических и организационных мероприятий, и дать им
технико-экономическую оценку.
61
2 МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ЭКСПРЕСС-ДИАГНОСТИКИ
АГРЕГАТОВ ЭЛЕКТРОФИЗИЧЕСКИМИ МЕТОДАМИ КОНТРОЛЯ
ПАРАМЕТРОВ РАБОТАЮЩЕГО МАСЛА

Глава посвящена основам методологии экспресс-диагностирования агрегатов


АТС, с определением ее места в технологических процессах системы ТОР, а
также теоретическим вопросам научного обоснования электрофизических ме-
тодов контроля ПРМ в автомобильных агрегатов с замкнутыми системами
смазки.

2.1 Структура исследуемых процессов

Анализ литературных источников и результатов обзора исследований,


с учетом существующих противоречий, проблем и задач, позволил разработать
общую модель функционирования системы «среда – агрегат – масло» в процессе
эксплуатации АТС, которая представлена в виде структурной схемы на рисунке 2.1.
Оценить техническое состояние агрегатов с замкнутыми системами смаз-
ки, от состояния которых зависят показатели эффективности эксплуатации
АТС, и в частности, показатели простоя автомобиля в ремонте, значений коэф-
фициентов технической готовности, использования парка и эффективности гру-
зоперевозок, позволяют процессы изменения ПРМ, от воздействия на масло за-
грязняющих компонентов, которые формируют структурную основу объекта
научного исследования диссертационной работы.
Согласно классическим представлениям исследования процессов, объект
исследования находится в функциональной зависимости от управляющих па-
раметров входа (U1, U2, ... Um), параметров воздействия внешних факторов (Ф1,
Ф2, ... Фn), внутренних параметров объекта исследования (Y1, Y2, … Yk) и функ-
циональных параметров выхода (Х1, Х2, ... Хi). Из схемы (рисунок 2.1) видно,
что функционирование объекта исследования зависит от параметров установ-
ленных заводом-изготовителем и параметров ТЭА, где на выходе объект иссле-
дования оценивается функциональными параметрами работающего масла,
62

Рисунок 2.1 – Структурная схема процесса исследования системы «среда - агрегат -


масло» электрофизическими методами контроля: I - управляющие параметры; II - параметры
внешних факторов; III - внутренние параметры объекта исследования; IV - функциональные
параметры объекта исследования; V - параметры состояния объекта; VI - оценочные пара-
метры; VII - параметры эффективности; 1 - агрегат (трибологическая система); 2 - параметры
завода-изготовителя; 3 - параметры эксплуатации; 4 - природно-климатические и дорожно-
транспортные условия; 5 - параметры агрегата; 6 - параметры технических систем; 7 - пара-
метры трибологической системы; 8 - параметры диагностической аппаратуры; 9 - параметры
контроля; 10 - параметры эффективности; ТС - трибосопряжение; РМ - работающее масло;
конструкторско-технологические параметры; СМП - смазочные материалы и присадки к
маслу; ПУ - параметры управления; СТОР - система ТО и ремонта; КЗ - климатическая зона;
АС - агрессивность среды; ПНЭ - пробег с начала эксплуатации; РТГ - расстояние транспор-
тирования грузов; ДП - длина подъема; УП - угол подъема; ПД - дорожное покрытие; КГП -
крепость горных пород; РП - регулировочные параметры; ПРР - параметры рабочих режи-
мов; ПТС - параметры технического состояния; СО - система охлаждения; СП - система пи-
тания; СОМ система очистки масла; СОВ - система очистки воздуха; СВК - система венти-
ляции картера; МКИ - механические и коррозионные износы; ОС - окисление масла и обра-
зование отложений; ОЖ - загрязнение охлаждающей жидкостью; МТ - загрязнение мотор-
ным топливом; НВ - низковольтное воздействие; ВВ - высоковольтное воздействие; ЭФАМ -
электрофизический анализ масла; ЭСАМ - эмиссионный анализ масла; ФХАМ - физико-
химический анализ масла; ВТС - вязкостно-температурные свойства; КОС - кислотно-
основные свойства; ДС - моюще-диспергирующие свойства; ПЗ - показатели загрязненности;
Р - простои в ремонта; КТГ - коэффициент технической готовности; КИП - коэффициент ис-
пользования парка; ПП - параметры производительности; ЭЭ - экономическая эффектив-
ность; U, Ф, Y, X, K - числовые значения параметров, определяющих процесс исследования;
m, n, j, i, k - индексы, определяющие множества числовых значений
63

значения которых определяют состояния объекта. На качество функциониро-


вания объекта исследования оказывают влияния внутренние параметры рабо-
чих процессов, от которых зависят техническое состояние агрегата и состояние
его рабочих систем, и внешние факторы, от которых объект исследования ни
как ни зависит, но которые значительно влияют на исследуемый процесс.
Для оценки функциональных параметров объекта исследования в струк-
турно-вероятностной системе «среда – агрегат – масло» устанавливается взаи-
мосвязь между всеми значимыми элементами системы и разрабатывается мно-
гофакторная математическая модель X i = f (U m ; Ф n ; Yk ) . Влиянию управляю-
щих факторов, а также факторам внешнего и внутреннего воздействия на со-
стояние исследуемых параметров, которые образуют элемент системы «среда»,
посвящены работы А.И. Соколова, Н.Т. Тищенко, В.А. Аметова [11, 12, 303,
304, 305] и ряда других исследователей. Тогда реализация модели К j = f ( X i ) ,

через управляющие диагностические воздействия на параметры состояния объ-


екта при изменении ряда значимых параметров в процессе эксплуатации, по-
зволяет управлять показателями эффективности исследуемых АТС.
Повышение эффективности эксплуатации АТС, как главной цели работы,
достигается разработкой методологии, позволяющей выявлять закономерности
диагностических параметров работающего масла от воздействия на масло за-
грязняющих компонентов в электрическом поле низкого или высокого напря-
жений, и которые дают возможность разрабатывать высокоэффективные элек-
трофизические методы диагностики агрегатов АТС по ПРМ. На рисунке 2.2
проиллюстрирована структурная схема исследуемого процесса диагностирова-
ния системы «агрегат – масло», которая показывает внутрисистемные связи
между элементами системы. Схема показывает, что автомобиль состоит из от-
дельных агрегатов, которые в процессе эксплуатации претерпевают изменения
своего технического состояния до наступления неисправностей и отказов. Не-
исправности агрегатов влияют на ПРМ, изменения которых можно оценивать
электрофизическими методами контроля. Предлагается на работающее масло
64
воздействовать электрическим полем низкого и высокого напряжения, а через
показатели диэлектрических свойств смазочной среды и концентрации загряз-
няющих компонентов, используя существующие и вновь разработанные спо-
собны их регистрации, выполнять оценку ПРМ. Для этого были выполнены
теоретические исследования рабочих и технологических процессов, которые
базируются на поставленных научных задачах.

Рисунок 2.2 – Структурная схема исследуемого процесса диагностирования


системы «агрегат – масло»
65
1. Обоснование измерительной схемы колебательного контура, принцип
действия которой основан на том, что через частоту колебательного контура
можно определять изменения диэлектрических свойств загрязненных масел.
Основные этапы выявления степени загрязненности работающего масла пред-
ставлены в виде структурной схемы (рисунок 2.3), базируемой на фундамен-
тальных законах электрофизики.

Рисунок 2.3 – Структурная схема низковольтных электрофизических процессов


при выявлении диагностического параметра

2. Обоснование и разработка метода контроля, где, используя закономер-


ности физики газового разряда и принципы техники высоких напряжений, вы-
является возможность оценки степени загрязненности работающего масла (ри-
сунок 2.4). Работающее масло, загрязненное компонентами, характеризующими
неисправности агрегатов АТС, и помещенное в поле высокого напряжения осо-
бым способом, будет инициировать корону газоразрядного свечения, парамет-
ры которого зависят от свойств загрязняющих компонентов. Основным диагно-
стическим показателем такого метода, является фотометрия длины короны
тлеющего разряда, скользящего по поверхности загрязненного работающего
масла, от величины которой зависит интенсивность светового потока разряда
и значения фиксируемых градаций его яркости.
66

Рисунок 2.4 – Структурная схема высоковольтных электрофизических процессов


при выявлении диагностического параметра

3. Решение вопросов влияния методов экспресс-диагностики на показате-


ли технической эксплуатации АТС (рисунок 2.5).

Рисунок 2.5 – Структурная схема, устанавливающая влияние диагностики


на техническую эксплуатацию автомобиля

Низкая трудоемкость экспресс-методов снижает затраты и время на вы-


полнение анализов масла, что должно сказаться на повышении производитель-
ности процесса диагностирования и расширении номенклатуры диагностируе-
мых агрегатов. Такой подход отразится на повышении информативности диаг-
67
ностирования, т.к. технические отклонения узлов и механизмов будут выяв-
ляться на ранней стадии до наступления отказов, а это скажется на сокращении
времени в ТР. Внедрение экспресс-диагностики агрегатов по ПРМ незначи-
тельно повысит трудоемкость выполняемых видов ТО, однако это компенсиру-
ется сокращением простоев в ремонте. Снижение трудоемкости ТР позволит
повысить коэффициенты технической готовности и использования автопарка, а
также годовую производительность автомобилей и объемов автоперевозок, т.е.
достигается главная цель – повышение эффективности эксплуатации АТС.

2.2 Обоснование выбора диагностического параметра

Изменения свойств работающих масел можно описать математическими


зависимостями через приращение текущего параметра ∆х к первоначальному
значению аргумента х0, т.е. х = ∆х + х 0 [22]. Если полагать, что приращение ∆х
есть загрязняющие компоненты, образующиеся в процессе эксплуатации АТС
относительно исходного состояния свежего масла х0, то величина х будет пока-
зывать текущее значение загрязнения на момент его измерения. Тогда функ-
цию, показывающую интенсивность загрязнения, можно выразить равенством:
f ( x 0 + ∆x ) = f ( x 0 ) + ∆f (∆x ) . (2.1)
Если приборы диагностики будут показывать не абсолютные величины
измерений, а величины приращений аргумента диагностического признака, то
появляется возможность контролировать интенсивность диагностических при-
знаков в зависимости от наработки автомобиля.
Для этого необходимо использовать принцип относительности [9, 199],
который является наиболее фундаментальным физическим законом, и согласно
которому все физические процессы протекают одинаково по отношению
к инерциальной системе отсчета. Согласно принципу относительности резуль-
таты измерений двух одноименных проб масла при прочих равных условиях
будут равны.
В настоящее время промышленностью в подавляющем большинстве вы-
68
пускаются приборы, устройства контроля, датчики измерения состояния и т.п.,
регистрирующие абсолютные величины. В отличие от математических измере-
ний измерительные приборы имеют размерность, которая отражает единичные
или совокупные технические свойства. Единицы измерения таких приборов
выражаются дискретными или интервальными количественными признаками.
Однако абсолютные величины, отражая какой либо уровень измеряемой вели-
чины, не дают полного представления об изучаемом процессе, т.к. не показы-
вают его структуру, соотношение между частями и развитие во времени.
Для этих целей применяются относительные измерения [219, 366], обос-
нованные теорией инженерного эксперимента, согласно которой формулиру-
ются возможности получения максимальных объемов полезных данных при
минимальных затратах времени на обработку и вычисление. Минимизировать
затраты на обработку результатов можно применив теорему Букингема [135,
353], в которой говорится, что «если какое-либо уравнение однородно относи-
тельно размерностей, то его можно преобразовать к соотношению, содержаще-
му набор безразмерных комбинаций величин». Безразмерной комбинацией на-
зывается отношение величин, где размерности сокращаются. Для составления
безразмерной комбинации измерений в нашем случае используются две вели-
чины: работающее (загрязненное) масло и свежее (чистое) масло. Тогда, соот-
ношение двух абсолютных величин с одинаковыми размерностями будет пред-
ставлять собой относительную безразмерную величину, которая называется ко-
эффициентом или индексом. В математике относительное измерение показыва-
ет – во сколько раз изменилась величина, измеряемая в долях или процентах.
Коэффициенты или индексы характеризуют изменения какого-либо про-
цесса во времени, т.е. динамику или временной ряд. Элемент временного ряда
можно выразить формулой:
x t +1 − x t
dx t = , (2.2)
xt
где dxt – относительное изменение в точке t, xt +1 – абсолютное значение анали-
зируемого периода; x t – абсолютное значение прошлого периода.
Обоснуем понятия коэффициента и индекса, которые будут использованы
69
в настоящей работе.
Под коэффициентом следует понимать величину, критериальным значе-
нием которой является единица. Если коэффициент больше единицы, наблюда-
ется рост процесса; равен единице – стабильность; если меньше единицы, имеет
место спад процесса.
Под индексом следует понимать показатель активности или изменения
исследуемого процесса. Если из значения индекса вычесть единицу, получается
темп изменения с критериальным значением равным нулю. Если индекс больше
нуля, наблюдается рост процесса; равен нулю – стабильность; если меньше ну-
ля, имеет место спад процесса.
Если работающее масло рассматривать как бинарную смесь, т.е. свежее
масло плюс загрязнитель, то согласно (2.2) разница xt +1 − xt есть величина, ха-
рактеризующая загрязнение масла. Причем, если причина, вызывающая загряз-
нение не устраняется, то будет наблюдаться рост загрязнителя при последую-
щих отборах проб масла – d ( xt +1 − xt ) / dt . Соответственно, величина dxt по-
кажет интенсивность загрязнения работающего масла в зависимости от неис-
правности идентифицированной загрязнителю, т.е. свойства и качество масла
зависят от технического состояния агрегата, в котором масло работает.
Оценивать работающее масло методами относительного измерения удоб-
но через его отношение к свежему маслу:
Работающее масло
Интенсивность загрязнения = . (2.3)
Свежее масло
Определение 1. Отношение показателей работающего масла к анало-
гичным показателям свежего масла идентичной марки определяет величину
отклонения от эталонного состояния, которая характеризует интенсивность
загрязнения масла и является величиной диагностического параметра.
Интенсивность загрязнения работающего масла можно также выразить
через понятие степени деградации (старения) смазочного масла, т.е. потерей
смазочным маслом исходных свойств из-за увеличения привнесенных концен-
трации загрязняющих компонентов и (или) процессов естественного окисления.
70
В настоящей диссертации такое определение является основополагаю-
щим при разработке новых и совершенствовании существующих электрофизи-
ческих методов экспресс-диагностики.
Под определением в работе понимается: а) новое понятие; б) известное
понятие, с учетом описания выделяющих его свойств, отличительных призна-
ков или уровня значимости для раскрытия материала

2.3 Аналитические исследования электрофизических процессов,


оценивающих параметры работающих масел

2.3.1 Анализ электрофизических свойств жидких диэлектриков

Смазочное масло имеет ничтожно малую электропроводность, в нем нет


свободных электронов, и поэтому оно является диэлектриком [35]. Оценить
возможность использования состояния работающего масла по изменениям его
диэлектрической проницаемости можно, исследовав процессы, протекающие
в жидком диэлектрике, помещенном в электрическое поле. Такие процессы
можно рассматривать как с физико-химической [38, 101, 165, 192, 204, 218, 297,
298, 336 и др.], так и с электротехнической [191, 195, 260, 313, 364 и др.] позиций.
При подготовке теоретических вопросов физики диэлектрических мате-
риалов для возможностей их использования в технических решениях системы
«агрегат – масло», проработаны монографии Г.И. Сканави [297, 298], Б.М. Та-
реева [213, 315], А.Н. Губкина [101], И.М. Майофиса [192], В.И. Минкина [204]
и ряда других исследователей.
Диэлектрическая проницаемость ε показывает во сколько раз сила элек-
тростатического взаимодействия в исследуемой среде меньше силы взаимодей-
ствия в вакууме [298]. Диэлектрическая проницаемость среды показывает,
во сколько раз поле ослабляется диэлектриком, количественно характеризуя
свойство диэлектрика поляризоваться в электрическом поле.
Рассмотрим несколько зависимостей, которые связывают диэлектриче-
скую проницаемость среды с измеряемыми физическими величинами.
71
Напряженность однородного поля в диэлектрике равна [298]:
Е = Q ε =U d , (2.4)
где Q – поверхностная плотность заряда на электродах; U – разность потенциа-
лов (напряжение); d – толщина диэлектрика (расстояние между электродами).
Емкость плоского конденсатора зависит от размеров конденсатора и ди-
электрика, находящегося между его обкладками [298]:
C = ε 0 εS d , (2.5)
где S – площадь электродов; ε 0 – диэлектрическая постоянная.
Эти зависимости являются основополагающими при исследовании ди-
электриков, имеющих однородное состояние.
Однако в процессе эксплуатации работающее масло ухудшает свои свой-
ства, что приводит к образованию коллоидных частиц. Такие частицы включа-
ют в себя как продукты естественного окисления и полимеризации, так и за-
грязнители из внешней среды (воду, топливо, элементы пыли, продукты износа
и т.п.), что в значительной степени изменяет проводимость масла. В этом слу-
чае работающее масло, помещенное в область электрического поля Е при на-
пряжении U, будет характеризоваться параметрами диэлектрической прони-
цаемости ε и проводимости γ.
Сделаем предположение, что свежее масло, имея базовую основу и ком-
плект присадок, однородно. Приобретенные свойства работающего масла
за счет продуктов окисления и загрязнения, свидетельствуют о неоднородности
его состояния.
Жидкие диэлектрики включают целый ряд составных частей, которые
имеют разные электрофизические свойства [92, 93, 94, 95, 123, 204, 244, 245,
246, 369]. Так как многокомпонентная структура диэлектрика с проводимостью
в однородном поле при постоянном напряжении дает достаточно сложное ре-
шение [298], то напряженность поля двухслойного диэлектрика (например, при
наличии воды в работающем масле) распределится в соответствии с проводи-
мостью слоев:
72
( )
E i = Uε i ε j d i + ε i d j . (2.6)

Значения переменных i и j определяют связь с тем или иным слоем ди-


электрика. Соответственно для значения E j формула (2.6) будет аналогичной
при диэлектрической проницаемости ε j .
Рассматривать диэлектрики в электрическом поле целесообразно по ди-
электрической проницаемости, разделив их на два класса: полярные и неполярные.
В настоящее время многие исследования неполярных и слабо-полярных
жидких диэлектриков сводятся к их использованию в технике в качестве изоля-
ционных материалов [10, 116]. Диэлектрическая проницаемость неполярных
жидких диэлектриков находится в пределах 2,0–2,5. К данному классу диэлек-
триков относится основная группа товарных нефтепродуктов (бензины, дизель-
ные топлива, минеральные рабочие и смазочные масла и др.).
Все полярные жидкости (вода, продукты диссоциации масел) обладают
повышенной диэлектрической проницаемостью [298, 337].
В работах [26, 101, 218, 315] отмечается, что прибавление одной непо-
лярной жидкости к другой (например, бензин к маслу) слабо изменяет диэлек-
трическую проницаемость смеси, так как ε неполярных жидкостей очень близ-
ки между собой по величине. А прибавление полярной жидкости (например,
воды), молекулы у которой имеют большой дипольный момент, к неполярной
жидкости (например, к маслу), сильно увеличивает значение ε.
Промежуточные выводы:
1. Диэлектрическая проницаемость находится в прямой функциональной
зависимости к емкости измерительного конденсатора и в обратной зависимости
к напряженности электрического поля. Откуда следует, что методы измерения
электрической емкости способны характеризовать изменения диэлектрических
свойств исследуемой среды.
2. Смазочное масло является неполярным диэлектриком, диэлектрическая
проницаемость которого способна меняться при воздействии на масло поляр-
ным диэлектриком, откуда следует, что любое загрязнение смазочного масла
будет приводить к изменению эффективной диэлектрической проницаемости
статистической масляной смеси.
73
2.3.2 Диэлектрическая проницаемость статистической смеси

В процессе эксплуатации работающее масло претерпевает физические


изменения, которые влияют на его диэлектрическую проницаемость ε.
Анализ работ [101, 298] показывает, что высокая частота и напряжение
электрического поля, при воздействии на неполярный диэлектрик, к которым
относятся нефтяные топлива и смазочные масла, не оказывают влияния на ве-
личину диэлектрической проницаемости среды.
Естественными внешними факторами влияния на работающее масло яв-
ляются температура, давление и влажность. Зависимость ε от этих факторов
имеет существенное практическое значение.
Низкая температура (температура эксплуатации смазочных масел от -30
до +90 ºС) не влияет на процесс поляризации диэлектриков. Нормальное атмо-
сферное давление (700–800 мм рт.ст.) также не увеличивает диэлектрическую
проницаемость масляной среды. [165, 298, 315].
При рассмотрении вопроса по определению зависимости ε от влажности
следует исходить из того, что жидкие диэлектрики, у которых диэлектрическая
проницаемость меньше чем у воды, потенциально считаются гигроскопичными
веществами [298]. Значит ε, при увеличении влажности работающего масла,
будет возрастать.
Практика показывает, что условия эксплуатации различных диэлектриче-
ских материалов, очень часто приводят к образованию смесей с новыми приоб-
ретенными свойствами. Как правило, это двухкомпонентные (или более) смеси,
диэлектрическая проницаемость которых неизвестна. Если композиционные
диэлектрики представляют собой смеси с неупорядоченными компонентами,
то истинное значение диэлектрической проницаемости надо определять между
статистическими значениями смесей. Для этого целесообразно использовать
эмпирические зависимости [165, 297, 298, 315], сведенные в таблицу 2.1.
Здесь ε * − эффективная диэлектрическая проницаемость неоднородного
диэлектрика; ε0 – диэлектрическая постоянная электрического поля в условиях
отсутствия его взаимодействия с веществом; ε1 и ε 2 − диэлектрические прони-
цаемости первого (смазочное масло) и второго (загрязняющее вещество) ком-
понента; v1 + v 2 = 1– объемное долевое содержание первого и второго компо-
нента.
74
Таблица 2.1 – Формулы для расчета эффективной диэлектрической
проницаемости среды сложных статистических смесей

Условия
Зависимость Формула
применения

1 i =m

i =m v
≤ ε* ≤ ∑ vi ε i
i =1 для т компонентов
∑ εi
Винера i =1 i

ε * −1 i = m ε i − 1
= ∑ vi z≠2
ε * + z i =1 ε i + z
lg ε* = v1 lg ε1 + v 2 lg ε 2 для двух компонен-
тов
i =m
lg ε* = ∑ vi lg ε i для т компонентов
Лихтенеккера-Ротера i =1

ρ*
lg ε* = lg ε для вспененного ма-
ρ териала
i =m
Ландау-Лифшица
3
ε* = ∑ vi 3 ε i для т компонентов
i =1

i =m
Беера ε* = ∑ vi εi для т компонентов
i =1

ε * −1 i = m ε i − 1
Лорентца-Лорентца = ∑ vi для неполярных ди-
ε * +2 i =1 ε i + 2 электриков
i=m
3ε *
Бёттхера ∑ε + 2 ε *
=1 для т компонентов
i =1 i

2ε + ε 2 + 2v 2 (ε 2 − ε1 ) для матричного
ε* = ε1 1 расположения час-
Максвелла-Вагнера
2ε1 + ε 2 − v 2 (ε 2 − ε1 ) тиц шарообразной
формы
ε1 и ε2
Парнаса lg ε* = v1 lg ε1 + (1 − v1 ) lg ε 2
мало отличимые
 ε − ε1  для матричного
Релея ε* = ε1 1 + 3v 2 2  расположения час-
 2ε 1 + ε 2  тиц в смеси
ε1 для металлических
Брюггемана ε* =
(1 − v 2 ) 3
частиц ε 2 → ∞
75
Продолжение таблицы 2.1
Условия
Зависимость Формула
применения

Экспериментальная ε* = ε1 (1 + 3v 2 )

ε1ε 2 
ε* = А + А2 + 
2 для хаотически рас-
 положенных частиц
А = [(3v1 − 1)ε1 + (3v 2 − 1)ε 2 ]
1 в смеси
4 
Оделевского
 
  для матричного
ε* = ε1 1 + 
v2
расположения час-
 1 − v2 v2 
+ тиц в смеси
 
 3 ε 2 − ε1 

Выбор формулы (таблица 2.1) для описания диэлектрической проницае-


мости статистической смеси выполнялся при соблюдении двух условий:
1 условие – постулат пропорциональности Винера – значение ε * должно
меняться в одинаковом соотношении с изменением значений ε i всех компонен-
тов смеси. Это условие должно выполняться также и при подстановке соответ-
ствующих абсолютных диэлектрических проницаемостей ε 0 ε i и ε 0 ε * .
2 условие – симметричность в отношении всех компонентов смеси, т.е.
значение ε * не должно меняться в зависимости от изменения того или иного
компонента, характеризуемого индексом i.
Если компоненты смеси одинаковы и значения ε i равны меду собой, то
и ε * смеси совпадает с этим единственным значением. Если смесь состоит из
одного компонента, то m = 1 и v = 1, а значения ε* = ε i .
Для моделирования процессов, оценивающих загрязнения работающего
масла моторным топливом, которое растворяется в смазочной среде, или водой,
которая не образует никаких регулярных структур в масле, выбрана формула
Оделевского для двухкомпонентных статистических смесей, в которой загряз-
няющие компоненты считаются расположенными хаотически:
76

ε1ε 2 
ε* = А + А2 + 
2
. (2.7)
А = [(3v1 − 1)ε1 + (3v 2 − 1)ε 2 ]
1
4 
Для оценки механических примесей в работающем масле, рассматривае-
мых в виде дисперсной фазы в однородной дисперсионной смазочной среде,
выбирается формула Оделевского для матричного расположения частиц в сме-
си, полагая, что загрязняющие частицы не соприкасаются между собой:
 
 
ε* = ε1 1 + .
v2
(2.8)
 1 − v2 v2 
 + 
 3 ε 2 − ε1 
Определение диэлектрической проницаемости матричных систем пред-
ставляет интерес в том случае, если дисперсная фаза в дисперсионной среде,
является диэлектриком: вода, атмосферная пыль, продукты неполного сгорания
топлива, продукты окисления или полимеризации. Если дисперсная фаза явля-
ется проводником, например частицы износа металлических деталей, то фор-
мулы Оделевского применять нельзя, т.к. понятие «диэлектрическая проницае-
мость проводника» не имеет физического смысла. В таком случае для расчета
диэлектрических матриц с проводящими включениями учитывается условие,
что ε 2 → ∞ , тогда можно использовать упрощенную формулу Брюггемана:
ε1
ε* = . (2.9).
(1 − v 2 )3
Определение 2. Эффективная диэлектрическая проницаемость стати-
стической смеси ε* находится в функциональной зависимости от значений ди-
электрических проницаемостей отдельных компонентов ε1 и ε2 и их концен-
траций ν1 и ν2, и оценивает состояние статистической смеси по изменениям
этих компонентов.
Для расчета диэлектрической проницаемости смеси, в ряде случаев, при-
ходится использовать не объемное содержание компонентов смеси v i , а их мас-
77
совое содержание ϑ i . В таком случае, используется арифметическая пропор-
ρ*
циональность v i = ϑ i (где ρ * и ρ – плотность загрязняющего компонента
ρi
и материала среды). Условием применения массовых концентраций является
предположение, что смесь это физическое вещество, и ее компоненты (напри-
мер, частицы износа) не вступают в химическое взаимодействие друг с другом.
Промежуточные выводы:
1. Напряжение и частота электрического поля, а также низкая температу-
ра и нормальное атмосферное давление не оказывают влияния на величину ди-
электрической проницаемости среды статистической смеси.
2. Эффективные диэлектрические проницаемости статистических смесей
смазочных масел загрязненных водой, моторным топливом, продуктами окис-
ления и атмосферной пыли определяются эмпирическими зависимостями Оде-
левского для хаотического и матричного расположения частиц в смеси, с уче-
том постулата пропорциональности Винера.
3. Эффективная диэлектрическая проницаемость статистической смеси
смазочного масла загрязненного металлическими частицами износа определя-
ется эмпирической зависимостью Брюггемана.

2.3.3 Теоретические основы метода колебательного контура

В работах [212, 298, 315 и др.] отмечается сложность расчета диэлектри-


ческой смеси, используя принципы молекулярной теории. Целесообразно эф-
фективную диэлектрическую проницаемость ε* смеси двух диэлектриков опре-
делять, посредством их объемных концентраций и диэлектрических проницае-
мостей.
Оценить эффективную диэлектрическую проницаемость смеси из двух
компонентов можно, используя номограммы [338]. Однако вода редко не реа-
гирует с другими химическими веществами, при этом, имея высокий показа-
тель ε = 81, делает затруднительным использование номограмм.
78
Измерение диэлектрической проницаемости проводится в широком диа-
пазоне частот (от 0 до 1013 Гц), который нельзя охватить одним методом изме-
рения. Метод измерения выбирается исходя из диапазона частот.
Для оценки свойств нефтепродуктов ( ε ≈ 1,9...2,5 ) предпочтительным яв-
ляется измерение значения диэлектрической проницаемости при частоте (102–
108 Гц) и комнатной температуре (~ 20 °С) [364].
Для измерения диэлектрической проницаемости среды при переменном
токе используются методы [21, 133, 185, 191, 249, 260, 338, 364]:
– мостовой метод;
– метод колебательного контура;
– метод фазочувствительного выпрямителя;
– определение диэлектрических потерь по величине затухания;
– методы, основанные на использовании резонансных линий и объемных
резонаторов;
– калориметрический метод.
Наиболее простой измерительной схемой, в которой можно использовать
указанный интервал частот, является схема с колебательным контуром [364].
Собственная частота колебательного контура определяется формулой
Томсона [286]
(
f = 1 2π LC 0 ) (2.10)

и совпадает с питающей частотой f пост = f . Здесь L – индуктивность; С0 – пе-


ременная емкость. Колебательный контур настраивается подбором емкости С0
в резонанс на частоту fпост.
При включении в схему емкость измерительной ячейки См, результи-
рующая емкость возрастет до С 0 + С м , а собственная частота колебательного
контура уменьшается
1
f′= . (2.11)
2π L(C 0 + С м )
В этом случае условие резонанса нарушается.
79
Для восстановления резонанса, уменьшается переменная емкость на ве-
личину емкости подключаемой измерительной ячейки См.
Заполняя измерительную ячейку конденсатора чистым маслом с диэлек-
трической проницаемостью ε, емкость измерительной ячейки примет эталон-
ную величину СЭ. Если в ячейке конденсатора заменить свежее масло рабо-
тающим, то величина емкости ячейки С м будет отличаться величиной измене-
ния диэлектрической проницаемости загрязняющего вещества.
Используя физические основы данного метода, проанализируем возмож-
ность резонансной схемы (рисунок 2.5).

Рисунок 2.5 – Блок-схема измерительного прибора:


1 – опорный генератор; 2 – перестраиваемый генератор;
3 – переменный резистор; 4 – емкостной датчик;
5 – делитель; 6 – детектор; 7 – индикатор

Схема содержит два отдельных генератора: опорный 1 и перестраивае-


мый 2. Опорный генератор имеет стабильную частоту f1. Частота колебаний f2.
на выходе перестраиваемого генератора зависит от величины емкости измери-
тельного датчика 4 См, включенного в колебательный контур. Колебания опор-
ной f1 и перестраиваемой f2 частот смешиваются в делителе 5 (частотном дис-
криминаторе). На выходе делителя появляются колебания разностной частоты:
∆f = f1 − f 2 . (2.12)
Настройка на равенство частот ( ∆f = 0 ) производится переменным рези-
стором 3, включенным параллельно измерительному датчику 4.
В обоих случаях (2.11) и (2.12), измерения частот выполняются по вели-
80
чине сигнала, возникающего при расстройке контура за счет изменения емко-
сти измерительной ячейки. Степень расстройки контура будет определяться
величиной диэлектрической проницаемости загрязняющего компонента, оказы-
вающей влияние на первоначальную частоту контура:
N = ∆f f1 . (2.13)
Основной результат по оценке свойств жидких диэлектриков достигается
следующим образом. Первоначально на поверхность емкостного датчика 4 (ри-
сунок 2.5), находящегося в колебательном контуре, наносится свежее масло.
Затем с помощью переменного резистора 3 выравниваются частоты между пе-
рестраиваемым 2 и опорным 1 частотными генераторами, устанавливая соот-
ношение периодов колебаний опорного и перестраиваемого генераторов со-
гласно формуле:
К 1 f1 = К 2 f 2 , (2.14)
где К1 – частотный коэффициент деления опорного частотного генератора; К2 –
частотный коэффициент деления перестраиваемого частотного генератора.
Затем в колебательном контуре перестраиваемого генератора, на чистую
поверхность емкостного датчика наносится исследуемое работающее масло,
и регистрируется изменение частоты перестраиваемого частотного генератора
в результате изменения электрической емкости датчика. Оценка состояния мас-
ла осуществляется по отклонению частоты импульсов перестраиваемого час-
тотного генератора от эталонного значения, полученного для свежего масла.
Для сравнения частот используется условный показатель импульсов, оп-
ределяемый по формуле:
К1 f1 − К 2 f 2
N= . (2.15)
К1 f1
По условному показателю импульсов оценивается качественный состав
исследуемого масла по установленным диагностическим критериям.
Способ оценки осуществляется следующим образом. Опорный генератор
вырабатывает импульсы с частотой ~ 100 кГц, которые подаются на делитель 5
с коэффициентом деления 60, а с него на схему сравнения, куда также посту-
81
пают импульсы с частотой, поделенной в нашем случае на 256 вторым каналом
делителя с перестраиваемого генератора (возможны и иные значения коэффи-
циентов деления). Частота колебаний на выходе перестраиваемого генератора
зависит от величины емкости измерительного конденсатора (емкостного датчи-
ка), который включен в колебательный контур, и определяет частоту f2 пере-
страиваемого генератора:
f 2 = К R RС м , (2.16)
где R – сопротивление переменного резистора; КR – коэффициент пропорцио-
нальности.
Конструкция емкостного датчика представляет собой плоский пленочный
конденсатор, емкость которого определяется значением диэлектрической про-
ницаемости среды, окружающей обкладки датчика [157]. Емкость конденсатора
от эталонной пробы масла определяется, как сумма емкостей «сухого» и запол-
ненного чистым маслом датчика ( С э = С 0 + С чм ). Рабочая емкость конденсатора
будет определяться суммой эталонной емкости и добавочной емкости от дейст-
вия загрязняющих компонентов ( С м = С э + С з ).
Блок-схема (рисунок 2.10) вырабатывает положительный или отрица-
тельный сигналы:
К1 f1 > K 2 f 2 − положительный сигнал;
(2.17)
K1 f1 < K 2 f 2 − отрицательный сигнал.
Формула (2.15) является моделью оценки свойств работающих масел, оп-
ределяемых в колебательном контуре, через импульсы частот, и соответствует
принципу оценки интенсивности загрязнения (2.3). Обозначим показатель им-
пульсов N через значение индекса качества масла ИКМ и запишем (2.27) в виде:
F1 − F2
И КМ = , (2.18)
F1

где F1 и F2 – тактовая частота опорного и перестраиваемого генераторов, Гц.


С увеличением концентрации загрязняющих компонентов, диэлектриче-
ская проницаемость которых превышает ε работающего масла, наблюдаться
рост емкости измерительной ячейки конденсатора. Однако, с ростом емкости
82
См, наблюдается снижение частоты F2, согласно (2.11), что объясняется обратно
пропорциональной связью емкости и частоты для одноименной пробы масла.
Определение 3. Частота колебательного контура f, от помещенной
в него пробы работающего масла, обратно пропорциональна значениям кон-
центрации ν2 и диэлектрической проницаемости ε2 загрязняющего компонента.
Определение 3 подтверждается зависимостями (2.5), (2.7), (2.8) и (2.10).
Делаем вывод, что наличие загрязняющих компонентов в масле «гасит» частоту
колебательного контура электрического поля и, согласно формуле (2.18), уста-
навливается диагностический параметр.
Определение 4. Индекс качества масла ИКМ определяется расстройкой
частотного колебательного контура N, который увеличивает свое значение
пропорционально росту концентрации ν2 и диэлектрической проницаемости ε2
загрязняющего компонента, при условии, что диэлектрическая проницаемость
ε2 загрязняющего компонента выше диэлектрической проницаемости ε1 свеже-
го масла. Если диэлектрическая проницаемость загрязняющего компонента ε2
ниже данного показателя ε1 для свежего масла, то значение индекса качества
ИКМ масла снижается.
По результатам выполненного аналитического исследования была разра-
ботана имитационная модель оценки степени загрязненности работающего
масла, выраженная через показатель индекса качества масла, которая представ-
лена в виде алгоритма (рисунок 2.6).
Эффективная диэлектрическая проницаемость среды ε* в имитационной моде-
ли рассчитывается в зависимости от концентрации основного загрязнителя. Для
имитации оценки работоспособности масла в модели следует учитывать: сред-
ний радиус загрязняющих частиц r, среднее расстояние между частицами а и
допустимую величину диагностического параметра Сд. Для приближения зна-
чений имитационного моделирования к реальным значениям в модель заклады-
вается коэффициент пропорциональности k, который учитывает выравнивание
опорного и перестраиваемого генераторов и определяется экспериментально.
Для установления тренда зависимости достаточно принять k=1.
83

Рисунок 2.6 – Алгоритм формальной оценки свойств работающего масла,


выраженный через показатель индекса качества масла

Если расчет ведется для загрязнителя жидкой фазы (вода или топливо),
используется формула Оделевского для хаотически расположенных загряз-
84
няющих компонентов (2.7). Когда основными загрязнителями являются части-
цы дорожной пыли, где главным компонентом является кварц, тогда использу-
ется формула Оделевского для матричного расположения загрязняющих ком-
понентов (2.8). Для металлических частиц износа используется формула Брюг-
гемана (2.9).
Индекс качества масла ИКМ сравнивают с двумя диагностическими крите-
риями – нулем и допустимой концентрацией загрязнителя, определенной для
состояния масла, не потерявшего свою работоспособность. Величину допусти-
мой концентрации можно рассчитать теоретически, а также определить лабора-
торным путем или экспериментально, статистическими методами исследования.
При отрицательном значении индекса качества масла делается заключе-
ние о наличии в работающем масле топлива или масла низшей функциональной
группы. При положительном росте значений ИКМ судят о наличии воды в масле
или взвешенных примесей. При неизменяемом положительном значении ИКМ
судят о присутствии в исследуемом масле продуктов износа, окисления или на-
личия масла более высокой функциональной группы. Пригодным к эксплуата-
ции считается работающее масло с неизменяемым положительным значением
ИКМ, величина которого ниже браковочного значения, полученного для загряз-
ненного работающего масла не потерявшего работоспособность.

2.3.4 Теоретические основы метода фотометрии


высоковольтного разряда

2.3.4.1 Обоснование возможностей использования высоковольтного


разряда для целей диагностики

Для диагностики АТС по ПРМ широкое распространение получил эмис-


сионный спектральный анализ с дуговым и искровым источниками света [181,
182, 305]. Высокочастотные индуктивно-плазменные методы имеют перспек-
тивное направление развития, однако опыт их применения недостаточен, и для
диагностики АТС они не используются. Также для диагностики редко применя-
85
ется метод атомно-флуоресцентной спектроскопии [181].
Установки ЭСАМ путем конденсирования искры (или дуги) испаряют га-
зы, которые содержат компоненты смазочной среды, а возбуждаемый спектр
этих компонентов фотофиксируется по длинам волн. Из этого следует, что вы-
соковольтное свечение позволяет определять загрязняющие компоненты сма-
зочной среды путем фотофиксации. Но для этого необходимо оптимизировать
поиск технического решения согласно схеме: смазочная среда → разряд → фо-
тофиксация → компонент загрязнения.
Для реализации такой схемы, была принята гипотеза, что если к поверх-
ности тонкого слоя смазочной среды приложить высоковольтное напряжение,
то на поверхности смазочного слоя, за счет ионизации газов, возникнет свече-
ние, которое будет зависимо от состояния и свойств смазочной среды. Для это-
го необходимо использовать такие методы и средства, которые позволили бы
ионизировать смазочную среду и регистрировать изображение свечения для
дальнейшего декодирования информации газоразрядного свечения.
Получение изображения связано с рядом методов: световая фотография,
использование лучей Рентгена, действие импульсами постоянного тока и фото-
электрическое действие света на полупроводники.
В работе [164] был предложен новый метод фотографирования газораз-
рядного свечения с помощью токов высокой частоты. Развитие газоразрядной
фотографии базируется на научных исследованиях, которые отраженны в рабо-
тах А.П. Бойченко, Е.Т. Протасевича и М.А. Шустова [36, 359–361]. Метод га-
зоразрядной фотографии нашел применение в медицине, криминалистике и де-
фектоскопии материалов органического и неорганического происхождения [277].
Регистрация фотографического изображения газоразрядного свечения ба-
зируется на устройствах [267, 360, 371], которые обеспечивают газовый разряд
в диэлектрическом зазоре, основным элементом которого является исследуе-
мый объект. Если к одному из электродов подвести высоковольтное напряже-
ние (1 кВ) высокой частоты (1 кГц) и приблизить его к заземленному токопро-
водящему предмету, то между электродом и предметом возникнет электриче-
86
ский разряд, который будет сопровождаться свечением воздушной среды.
Согласно работам [10, 36, 77, 90, 113, 153, 202, 265, 270, 273, 360], спектр
излучения разряда определяется химическим составом газовой среды. Опираясь
на опыт многолетних исследований в области газоразрядной визуализации, был
создан целый ряд образцов аппаратуры [262, 276, 289, 321, 361], которые име-
ют единую базовую основу (рисунок 2.7).

Рисунок 2.7 – Схема газоразрядной визуализации

Описание работы схемы газоразрядной визуализации сводится к следую-


щим процессам [321]. Между исследуемым объектом 1 и диэлектрической пла-
стиной 2, на которой размещается объект, подаются импульсы напряжения
от высоковольтного генератора 6. На обратную сторону диэлектрической пла-
стины 2 нанесено прозрачное токопроводящее покрытие. При высокой напря-
женности поля в газовой среде между объектом 1 и пластиной 2 развивается
лавинный или скользящий газовый разряд, параметры которого определяются
свойствами объекта и газовой среды. Свечение разряда с помощью оптической
системы 3 преобразуется в видеосигналы, которые записываются в виде оди-
ночных кадров или AVI-файлов в блок памяти 5, связанный с компьютерным
процессором 4. Процессор представляет собой специализированный программ-
ный комплекс, который позволяет обрабатывать результаты газоразрядной ви-
зуализации.
Анализ методов фотофиксации газоразрядного свечения позволил раз-
вить рабочую гипотезу. Если работающее масло поместить тонким слоем
на изолятор между электродами и создать высокую напряженность электриче-
ского поля, то на поверхности слоя работающего масла образуется газовый раз-
87
ряд в системе «изолятор – масло – загрязняющий компонент – воздушная сре-
да». Фотометрия изменений интенсивности свечения, длины газового разряда
и спектрального состава позволит судить о степени загрязненности работающе-
го масла.

2.3.4.2 Модель формирования информирующего сигнала


с использованием фотометрии газового разряда

В настоящее время существуют лишь приближенные методы решения


проблемы моделирования процессов, происходящих в газовом разряде [350].
Теоретические основы газоразрядного свечения при тлеющем разряде разраба-
тывали Д.А. Рожанский, В.Л. Грановский, Н.А. Капцов, И.Л. Каганов, Ю.П.
Райзер, Г. Ретер, Дж. Мик, Дж. Крэгс и ряд других исследователей [10, 90, 116,
153, 202, 265, 270, 273, 300 и др.]. В работах этих авторов подробно исследуют-
ся физические процессы тлеющего разряда по промежуткам распределения по-
ля между катодом и анодом. Физические процессы свечения рассматриваются,
как правило, в газоразрядной трубке при низком давлении (0,1…1,0 кПа) или
вакууме.
Известно [8, 202, 265], что при тлеющем разряде протекают различные
виды соударений между атомами газа и электронами: упругие, возбуждение
метастабиля, рекомбинация, ионизация и прилипание. Детально вопросы иони-
зирующего излучения с образованием электронной лавины, а также механизм
фотоионизации рассмотрены в [278].
Испускание квантов света имеет случайный характер [265]. Вероятность
испускания пропорциональна интенсивности света, т.е. плотности потока энер-
гии в световой волне. Если тлеющий разряд является источником света, тогда
интенсивность его свечения пропорциональна квадрату амплитуды колебаний
электромагнитного поля:
Iν ~ E 2 ~ B 2 , (2.19)

где В – магнитная индукция.


88
В нашем случае практический интерес представляет интенсивность света
тлеющего разряда, выраженная через значение напряженности электрического
поля [183], которую можно записать формулой:
ε 0 с εµ Е 2
Iν = , (2.20)
2
где ε0 – диэлектрическая постоянная; ε – диэлектрическая проницаемость ве-

щества; с – электродинамическая постоянная (скорость света в вакууме); εµ –


показатель преломления среды; µ – магнитная проницаемость.
Как видно из (2.20) величины диэлектрической и магнитной проницаемо-
сти формируют величину интенсивности свечения. Если в газовый разряд по-
местить загрязняющий компонент с известными диэлектрическими и магнит-
ными проницаемостями, то он будет изменять интенсивность свечения, кото-
рую можно регистрировать фотоэкспозицией.
Фотофиксацию свечения тлеющего разряда можно выполнить с помощью
светочувствительных фотодиодов [87, 258, 370, 376], которые в настоящее вре-
мя широко используются в специализированных аналоговых интегральных
микросхемах ПЗС-матриц. ПЗС-матрица преобразует энергию фотонов в элек-
трический разряд, т.е. фотон поглощается матрицей посредством явления внут-
реннего фотоэффекта [117, 203, 287].
Напряжение на электродах матрицы создает потенциальную яму, в кото-
рой накапливаются электроны, образовавшиеся в данном пикселе матрицы
в результате воздействия света при экспонировании. От интенсивности свето-
вого потока во время экспозиции зависит количество электронов в потенциаль-
ной яме, что соответствует итоговому заряду данного пикселя. Каждый пиксель
растрового изображения хранит информацию только об одном цвете и характе-
ризует данный объект возможной яркостью [88]. Чем интенсивнее световой по-
ток, тем выше итоговый разряд данного пикселя.
Световой поток dФ , падающий на единицу поверхности светочувстви-
тельного слоя матрицы dS пл2 , создает освещенность этого слоя [287]:
89

Rосв = . (2.21)
dS пл2

Способность поверхности матрицы изменять свои физико-химические


свойства под действием света в видимом диапазоне электромагнитного излуче-
ния формирует светочувствительность матрицы, в основе которой лежит целый
ряд широко используемых фотометрических устройств, таких как сканеры, фо-
тоаппаратура, спектроанализаторы и др.
Понять и проанализировать процесс фотофиксации газоразрядного свече-
ния позволяет разработанная дискретно-событийная модель, как система хро-
нологической последовательности событий. Структурная модель формирова-
ния информирующего сигнала исследуемой среды (рисунок 2.8) построена
на логике физических процессов [285–287], которые определяют газоразрядное
свечение и возможность его фотографической регистрации.

Рисунок 2.8 – Структурная модель формирования информирующего сигнала


в газовом разряде посредством фотометрии

Если тонкий слой загрязненного работающего масла поместить в элек-


трическое поле высокого напряжения, то на поверхности слоя масла будут про-
текать процессы ионизации и рекомбинации с испусканием фотонов света, рав-
ного интенсивности излучения. Интенсивность излучения во многом зависит
от величин диэлектрической ε и магнитной μ проницаемости (2.32). Изменение
90
концентрации загрязнителей в среде газового разряда, которое скажется на из-
менении комплексной величины диэлектрической проницаемости, приведет
к изменению интенсивности излучения. В свою очередь интенсивность излуче-
ния формирует электромагнитный поток световой энергии, который попадает
на единичную поверхность фотометра и дает освещенность, необходимую для
протекания процесса фотоэффекта.
Внутренний фотоэффект, образуемый за счет освещенности фотодиода,
перераспределяет фотоэлектроны по энергетическим уровням, в результате че-
го образуются носители свободных зарядов, т.е. электрический ток. Сила тока
пропорциональна падающему световому потоку. Далее ток заряжает цветовой
пиксель, а множество этих пикселей создают аддитивную цветовую модель
RGB процесса газоразрядного свечения. Следовательно, структурные измене-
ния работающего масла в среде газового разряда можно пропорционально вы-
разить через аддитивную цветовую RGB-модель.

2.3.4.3 Электрофизический подход к выбору модели


скользящего разряда вдоль поверхности твердого диэлектрика

Если при возникновении скользящего разряда увеличить разрядный про-


межуток до 5...10 мм и более, то возникнет коронный разряд. Особенностью
коронного разряда является то, что ионизационные процессы электронами про-
исходят не по всей длине газоразрядного промежутка, а только в небольшой его
части вблизи электрода. Примером короны является газоразрядное свечение
вокруг проводов линии электропередач во время грозы. Защита линий электро-
передач от разрушающих воздействий высокого напряжения обоснована теоре-
тическими [10, 34, 42, 116] и экспериментальными [18, 78, 108, 142] исследова-
ниями, которые положены в основу нового метода диагностики агрегатов АТС.
Разряд, распространяющийся в воздухе вдоль поверхности твердого ди-
электрика (изолятора) в резко неоднородном поле (рисунок 2.9), будет иметь
наибольшую напряженность электрического поля у края короткого электрода 1.
В этом месте возникнет корона в виде полоски свечения (рисунок 2.10).
91
На напряженность электрического поля, распространяемого вдоль по-
верхности диэлектрика, оказывает влияние удельная поверхностная емкость
диэлектрика С0. С увеличением неравномерности поля растет продольная со-
ставляющая напряженности поля Eτ у электрода и создаются условия для воз-
никновения разряда по поверхности диэлектрика. Нормальная составляющая
En «прижимает» перемещающийся под действием электрического поля разряд
к поверхности диэлектрика. Возникает корона скользящего разряда вдоль по-
верхности диэлектрика.

Рисунок 2.9 – Схема развития разряда вдоль Рисунок 2.10 – Фотография короны тлеюще-
поверхности твердого диэлектрика: 1, 2 – го разряда двух проб масла: 1 – свежего; 2 –
электроды; 3 – корона разряда работающего

Светящаяся корона образуется при высокой напряженности электриче-


ского поля и низком разрядном напряжении. Если начальное напряжение
скользящего разряда будет оставаться неизменным и неизменной будет толщи-
на диэлектрика, то напряженность электрического поля, при котором будет
происходить разряд, будет зависеть от диэлектрической проницаемости среды
и проводимости (или сопротивления) тех компонентов, которые будут нахо-
диться на газоразрядной поверхности диэлектрика. Учитывая сказанное, приве-
дем эквивалентную схему комбинированного диэлектрика (рисунок 2.11).
На рисунке 2.11 указаны обозначения: ρ1 = ρV d – сопротивление столба
диэлектрика высотой d с единичной площадью поверхности ( ρV – удельное
объемное сопротивление диэлектрика); ρ2 = ρ S – удельное поверхностное со-
противление диэлектрика.
92

Рисунок 2.11 – Эквивалентная схема комбинированного диэлектрика


на краю электрода

Электрические процессы эквивалентной схемы (рисунок 2.11) базируют-


ся на законах Кирхгофа [154, 197], а теоретические расчеты приведены в рабо-
тах [10, 116, 397]. Согласно этим работам напряжение скользящего разряда
в конструкции с большой поверхностной емкостью диэлектрика определяется
по формуле:
Ен
Uн = thγl , (2.22)
γ
где γ – комплексная величина активной проводимости диэлектрической систе-
мы «объем – поверхность»; l – расстояние между электродами.
Сопротивление ρ 2 стеклянного изолятора равно 1011 Ом, работающего
масла – 1010 … 1012 Ом, воды – 104 Ом, продуктов износа – 1,0·10–7…2,7·10–8
Ом, т.е. компоненты конструкции изолятора и загрязнители на его поверхности
имеют поверхностное сопротивление ρ2 ≤ 1012 Ом. В этом случае при γl > 10 ,
величина thγl ≈ 1 . Согласно работ [9, 48], переходя в формуле (2.22), к модулям

ρ 2 ωε1
комплексных величин, где γ = , получим расчетную формулу напряже-
d
ния скользящего разряда:
d
U н = Ен , (2.23)
ρ 2 ωε1

где ω – угловая частота; ε1 – диэлектрическая проницаемость изолятора.


Если длина разрядного промежутка по поверхности диэлектрика совпада-
ет с длиной скользящего разряда, то происходит перекрытие промежутка. При
93
этом зависимость разрядного напряжения от длины промежутка до 5 см опре-
деляется по эмпирической формуле [25, 297]:
U p = A ⋅ l 0,5 , (2.24)

откуда длина разряда перекрытия вычисляется:


Up
l= , (2.25)
A
где А – постоянная величина, зависящая от толщины диэлектрика d. Для опре-
деления фактической длины разряда вместо значения U p следует подставить

разницу U = U p − U н .

В технике высоких напряжений


[10, 25, 34, 42, 116] имеется практиче-
ский подход для ослабления электри-
ческого поля у острого края одного из
электродов. Идея такого подхода за-
ключается в нанесении полупроводя-
щего покрытия длиной lп с удельным
поверхностным сопротивлением
ρ п << ρ S , где ρ S – удельное поверх-
ностное сопротивление изоляции без
покрытия. Схема конструкции диэлек-
трика с полупроводящим покрытием
Рисунок 2.12 – Схема замещения диэлектри- показана на рисунке 2.12.
ка с частичным полупроводящим покрытием
и распределение напряженности вдоль его Вследствие большой разницы
поверхности
незначительной величины удельного
сопротивления ρп полупроводящего покрытия напряженность Е А вдоль по-
верхности диэлектрика снижается (точка А). В конце покрытия образуется но-
вая область с резко неоднородным полем (точка В). Протекающие по полупро-
водящему покрытию емкостные токи, вызывают падение напряжения вдоль по-
крытия и возникающий скачок напряженности Е В в точке В будет ниже, чем
94
напряженность Е А0 в точке А в случае отсутствия полупроводящего покрытия.
Предполагаем, что загрязняющие металлические компоненты, располо-
женные на поверхности работающего масла помещенного в область высоко-
вольтного разряда, будут подобны полупроводящему покрытию (рисунок 2.12).
Это предположение обосновано первой и третьей теоремами подобия [9, 106].
При отсутствии полупроводящего покрытия значение напряженности,
приложенного в точке А, согласно (2.23), зависит от исходных свойств рассмат-
риваемой конструкции и определяется по формуле:
ρ S ωε1
Е А0 = U н . (2.26)
d
В данной формуле длина разряда будет зависеть от свойств изоляции
твердого диэлектрика, угловой частоты электрического тока и удельного по-
верхностного сопротивления диэлектрика без покрытий.
Полупроводящее покрытие с удельным поверхностным сопротивлением
ρ п снижает напряженность поля в точке А в ρ S / ρп раз, и соответствует:

ρп ωε1
ЕА = Uн . (2.27)
d
У края полупроводящего покрытия в точке В напряженность поля будет
равна:

ρ S ωε1  ρn ωε1 
Е В = 2U н exp − ln  , (2.28)
d  2 d 
где lп – длина полупроводящего покрытия.
Выразим (2.28) через величину разряда:

1 d  ρ ωε  U
exp  n 1 ln  = н . (2.29)
2 ρ S ωε1  2d  ЕВ
Общая длина разряда, в соответствии с напряженностью поля в разряд-
ном промежутке (рисунок 2.12), будет выражаться алгебраической суммой
длины разряда с полупроводящим покрытием к длине разряда за кромкой по-
крытия:
95

d 1 d  ρ ωε 
L= + exp  n 1 ln  . (2.30)
ρn ωε1 2 ρ S ωε1  2d 
Изменение напряженности вдоль поверхности твердого диэлектрика при
наличии полупроводящего покрытия протекает при условии, что Е А ≤ ЕВ . При
подборе удельного поверхностного сопротивления полупроводящего покрытия
ρп , для моделирования процессов газового разряда вдоль поверхности диэлек-
трика, выбираем допустимое напряжение в точке А в воздухе при наибольшем
рабочем напряжении промышленной частоты Е А доп ≤ 10 кВ/см [25]:

2
 Е А доп  d
ρп ≤   , (2.31)
 U н  ωε1
 
где расчетное значение удельного сопротивления не должно превышать
ρп ≤ 108...109 Ом·м.
Под данную категорию диагностических элементов, которые способны
оказать влияние на разряд, подобно полупроводящему покрытию, подходят во-
да и металлические продукты износа. При этом удельное сопротивление метал-
лов ρ Ме п << 10 8...10 9 Ом·м.

2.3.4.4 Формально-логическая модель оценки скользящего разряда


вдоль поверхности твердого диэлектрика

Принимая методологию техники высоких напряжений для защиты изоля-


торов от разрушающего воздействия токов высокого напряжения, как подоб-
ную для оценки свойств работающего масла в среде газового разряда, сформу-
лируем основные этапы газоразрядной диагностики.
Оценка работающего масла по интенсивности свечения выполняется
по схеме (рисунок 2.12), в основу конструкции которой входит газоразрядная
камера, оснащенная верхним прижимным электродом, плоским диэлектриком
(стеклянным изолятором) и нижним электродом. К электродам подводится ток
с частотой импульсного генератора 0,9–1,1 КГц и амплитудой выходных им-
96
пульсов в пределах 40–50 В, что обеспечит достаточную для регистрации ко-
ронного свечения амплитуду высоковольтных импульсов и отсутствие заметно-
го перегрева рабочей зоны при продолжительной работе.
При подаче тока разрядного напряжения Up на электроды, на стеклянной
поверхности диэлектрика будет создаваться электрическое поле Е А0 , которое
будет инициировать разряд. Если напряженность поля зависима от напряжения
и толщины изолятора (2.4), то согласно законам подобия при наличии разряд-
ного напряжения, длина короны газоразрядного перекрытия будет обратно
пропорциональна напряженности электрического поля газовой среды:
d Up
L≈ = . (2.32)
ρ S ωε1 E A0

Если в среду газового разряда внести пропитанный смазочным маслом


лист бумаги, и расположить его на поверхности стеклянного изолятора, то на-
пряженность электрического поля изменится. Поясним такое изменение сле-
дующими положениями.
Толщина общего слоя плоского диэлектрика определяется по формуле:
d = d из + d б , (2.33)
где dиз – толщина изолятора; d б – толщина бумаги. Диэлектрик толщиной d
будет представлять плоский конденсатор из двух слоев: стеклянного изолятора
и бумаги.
Разрядное напряжение Up, подводимое к такому конденсатору, будет по-
стоянно, но напряженность поля в слоях изменится, т.е.:
Еиз dиз + Еб d б = U р , (2.34)

где Еиз dиз = U из – напряжение в изоляторе; Еб d б = U б – напряжение в бумаге.


В начальный момент, когда на электродах появится напряжение, поле
в слоях конденсатора распределится соответственно диэлектрическим прони-
цаемостям:
Еиз / Еб = εб / εиз , (2.35)
где εиз – диэлектрическая проницаемость стеклянного изолятора; εб – диэлек-
97
трическая проницаемость слоя бумаги пропитанного маслом.
Поле скользящего разряда распространяется как в нормальной плоскости
диэлектрика, так и в тангенциальной (рисунок 2.9). Если поле распространяется
перпендикулярно плоскости диэлектрика, то оно создает силы для перемеще-
ния заряда, который будет стремиться переместить электроны заряда к нижне-
му электроду. Таким образом, будет происходить прижатие разряда к плоско-
сти диэлектрика с силой пропорциональной напряженности поля. Эта сила бу-
дет зависеть от величины диэлектрической проницаемости. Для определения
величины напряженности поля решается система уравнений относительно вы-
ражений (2.34) и (2.35), и получается:
Uε б 
Е из =
ε б d из + ε из d б 
. (2.36)
Uε из 
Еб =
ε б d из + ε из d б 

Система уравнений напряженностей полей (2.36) в диэлектрике будет ме-


нять нормальную составляющую, т.е. определять способность притяжения га-
зового разряда к поверхности изолятора. Резкое повышение напряжения может
привести к пробою изолятора. Однако если напряжение между электродами ос-
тается постоянным, то сквозного разрушения изолятора не произойдет. При
этом чтобы учесть величину добавочного слоя диэлектрика и его толщину для
плоскопараллельного перемещения разряда, характеризуемого уравнением
(2.26), следует ввести коэффициент, который позволит оценить влияние допол-
нительного слоя диэлектрика на этот разряд.
Исходя из обратной пропорциональности начального момента, при кото-
ром происходит перераспределение полей, можно выразить одно из полей через
диэлектрические показатели другого и рассчитать общую напряженность элек-
трического поля, при котором начнет протекать разряд:
Еп = kп Еиз . (2.37)
При расчете напряженности поля Еиз стеклянного изолятора, согласно
(2.26), получается результат для газового разряда без дополнительного изоля-
98
ционного слоя. Следовательно, если добавить дополнительный изоляционный
слой из промасляной бумаги, то напряженность поля нормальной составляю-
щей для слоя толщиной d изменится в kп раз, где
kп = εб / εиз + 1 . (2.38)
Стеклянный изолятор с расположенным на нем бумажным носителем
можно представить в виде последовательной схемы замещения двух слоев ди-
электрика (рисунок 2.13).

Рисунок 2.13 – Схема замещения конденсатора, состоящего из двух


последовательно соединенных диэлектриков

Величина ε1 не является алгебраической суммой εиз и εб . Если принять,


что площади поверхностей слоев, над которыми будет протекать плоскопарал-
лельный разряд, одинаковы, то объемные концентрации будут определяться по
формулам:
d из 
v из =
d из + d б 
. (2.39)
dб 
vб =
d из + d б 

Эффективная диэлектрическая проницаемость среды ε1 слоистого ди-


электрика будет определяться по формуле:
ε из ε б
ε1 ≈ . (2.40)
ε из vиз + ε б v б
Длина распространения скользящего разряда в большей степени опреде-
ляется проводимостью электрического тока. Выразим величину проводимости
γ = 1 ρ через удельное поверхностное сопротивление ρ S изоляции без покры-
тия. Величина ρ S будет складываться из удельного поверхностного сопротив-
99
ления бумажного диэлектрика пропитанного маслом ρ б и удельного сопротив-
ления стеклянного изолятора ρиз .
В этом случае слои бумажного и стеклянного изоляторов удобно рас-
сматривать как неоднородный диэлектрик, состоящий из двух параллельно со-
единенных слоев [298]. Если обозначить объемные концентрации загрязняю-
щих компонентов через v S из и v S б (при v S из + v бS = 1 ), тогда их числовые зна-
чения в большей степени будут определяться линейными признаками, т.к. тол-
щина слоя вдоль поверхности изоляции намного меньше толщины бумажного

слоя d S из << d б . Соответственно v S из << v S б , и величина разряда будет опре-


деляться главным образом удельным сопротивлением бумажного диэлектрика.
ρ S = ρ б v бS ≈ ρ б . (2.41)
Протекание процесса разряда по поверхности бумажного и стеклянного
изоляторов, подчиняется параллельной схеме замещения двух диэлектрических
слоев (рисунок 2.14).

Рисунок 2.14 – Схема замещения конденсатора, состоящего


из двух параллельно соединенных диэлектриков

Длина распространения короны в газовом разряде, вплоть до перекрытия,


своими электрофизическими свойствами подобна расстоянию между обкладка-
ми конденсатора в области слабых полей или толщине изолятора в области
сильных полей [10, 297, 298]. Тогда длина короны скользящего разряда, на ос-
новании изложенных сведений, способна при равных условиях проведения экс-
перимента (напряжение, давление, температура – величины постоянные при
параллельных испытаниях) оценивать свойства смазочной среды, которые вы-
ражаются через изменение диэлектрической проницаемости среды загрязняю-
100
щих компонентов, их удельного поверхностного сопротивления и концентра-
ции. Математическую модель, для оценки параметрических изменений сколь-
зящего разряда, можно записать через условную величину его длины в виде:
d из + d б
L=k , (2.42)
ωρ S ε1

где k – коэффициент пропорциональности, учитывающий влияние факторов


конструкции (определяется экспериментально).
Подставив в формулу (2.42) величину диэлектрической проницаемости
среды (2.40) и удельное поверхностное сопротивление (2.41), определяем длину
короны тлеющего разряда, скользящего по поверхности пробы масла:
ε из d из + ε б d б
L=k . (2.43)
ωρ б ε из ε б

Определение 5. Длина короны тлеющего разряда L пропорциональна


значению толщины изоляционного слоя d, на который наносится работающее
масло, и обратно пропорциональна значениям удельного поверхностного со-
противления ρ и диэлектрической проницаемости работающего масла ε, функ-
ционально связанных с концентрацией ν загрязняющего компонента.
Модель (2.43) оценивает состояние внутренней среды бумажного носите-
ля совместно с маслом, которым данная среда пропитана. Если смазочное мас-
ло чистое, и его можно принять за эталон, то распространение разряда будет
происходить согласно числовым значениям диэлектрической проницаемости
бумаги пропитанной смазочным маслом – εб , толщины листа бумаги – d б ,
удельного поверхностного сопротивления листа бумаги пропитанного маслом –
ρб . Значения ω, εиз и dиз являются конструктивными параметрами, которые
в процессе расчета и проведения испытаний не изменяются.
Внедрение в структуру пор чистого листа бумаги пропитанного смазоч-
ным маслом дополнительных загрязняющих компонентов, различной концен-
трации, приведет к изменению диэлектрической проницаемости и удельного
сопротивления данного бумажного носителя.
Изолятор газоразрядной камеры и загрязнители смазочного масла, нахо-
101
дящиеся непосредственно в разряде, имеют только им присущие значения ε и ρ,
которые выбираются по справочным данным [337].
Частицы металла в пропитанном маслом бумажном носителе не оказыва-
ют влияния на диэлектрические свойства масла, т.к. диэлектрическая прони-
цаемость металлов ε → ∞ . Следовательно, если величина диэлектрической про-
ницаемости масла не меняется, тогда для металлов можно принять конвенци-
альное условие ε = 1 [134].
В бумажный носитель, при его пропитке работающим маслом, попадают
загрязнения (частицы пыли и износа) в концентрации, пропорциональной их
наличию в работающем масле. В пористой структуре бумажного носителя эти
частицы располагаются хаотически. Такая постановка вопроса, для решения за-
дач влияния этих частиц на общее изменение диэлектрической проницаемости
работающего масла, достаточно сложна. Поэтому расчет эффективной диэлек-
трической проницаемости аппроксимируется в соответствии с матричной сис-
темой равномерно распределенных включений невытянутой формы в структуре
носителя [389], и при любой объемной концентрации этих включений будет
справедлива формула Оделевского (2.8).

2.3.4.5 Разработка модели газоразрядной оценки


параметров работающего масла

Создание инвариантных условий при параллельных испытаниях одно-


типных объектов, позволяет выявлять превосходство одного объекта по отно-
шению к другому. Если предположить, что одним объектом является эталон,
а другим – исследуемый объект, то отклонение от эталона при их отношении
покажет ту погрешность, которая будет характеризовать состояние исследуемо-
го объекта (2.3), т.е. соответствовать определению 1.
Наиболее эффективно вводить в высоковольтный разряд одновременно
два бумажных пористых носителя. Первый бумажный носитель должен быть
пропитан свежим маслом, и он является эталонным. Второй бумажный носи-
тель пропитывается работающим маслом, отобранным из исследуемого агрега-
102
та автомобиля. Помещение двух носителей с маслом одновременно в газораз-
рядную камеру на единый стеклянный изолятор, при неизменных значениях
давления, температуры, напряжения и частоты, покажет короны скользящих
разрядов, длины которых зависят только от свойств масла и его загрязненности
(рисунок 2.10).
Длина короны скользящего разряда от кромки электрода до границы спа-
да свечения работающего масла может находиться в области ниже некоторого
уровня спада свечения эталонного масла или выше. Это объясняется только на-
личием загрязняющих включений, выраженных через диэлектрическую прони-
цаемость и удельное поверхностное сопротивление. Таким образом, за крите-
рий степени выработки ресурса работающего масла принимается коэффициент
интенсивности свечения КИС. Величина данного критерия является условной,
т.к. не имеет размерности, и выражена отношением длины короны работающе-
го масла L р в среде газового разряда к длине короны эталонного Lэ масла:

L ′р
К ИС р = . (2.44)
L э′
Определение 6. Коэффициент интенсивности свечения КИС является
диагностическим параметром, определяющим степень загрязненности рабо-
тающего масла через отношение длины короны Lp газоразрядного свечения
пробы работающего масла к длине короны Lэ газоразрядного свечения пробы
свежего масла, где численное значение диагностического параметра функцио-
нально связано с диэлектрическими проницаемостями ε и концентрациями ν
загрязняющих компонентов.
Выполненное аналитическое исследование позволило разработать имита-
ционную модель, которая формально дает возможность оценивать работоспо-
собность масла. Алгоритм модели представлен на рисунке 2.15.
Имитационная модель, без учета определяющих конструктивных пара-
метров измерительного прибора и шкалы измерения, отражает только тренды
физических процессов при оценке работоспособности работающего масла. При
этом теоретически установлено, что вода, кварцевая пыль, продукты окисления
103
и полимеризации будут снижать величину КИС, а моторное топливо и металли-
ческие частицы износа – повышать.

Рисунок 2.15 – Алгоритм формальной оценки свойств работающего масла


104
Критическая величина диагностического параметра КИС, превышение ко-
торой повлечет нарушение технического состояния исследуемого объекта, на-
зывается браковочным значением диагностического параметра (Сд). Отработку
критериев диагностирования, применяя аналитически исследованный метод
высоковольтного тлеющего разряда (ВТР), следует выполнить по исходным
данным лабораторных и эксплуатационных испытаний.

2.4 Методы математической обработки экспериментальных данных

2.4.1 Обоснование выбора критериев диагностических параметров

Совокупность диагностических параметров формирует статистическую


базу данных. Результатом статистической обработки экспериментальных дан-
ных, является математическое описание случайных величин в соответствии
с законом распределения f ( x ) . Внешний вид эмпирической кривой распреде-
ления оценивается асимметрией и эксцессом, а расхождение между эмпириче-
ским и теоретическим распределениями, оценивается критерием согласия. Наи-
более простым критерием для проверки гипотезы о виде распределения служит
критерий согласия А.Н. Колмогорова [5, 39, 145].
Информация о неисправности может быть сосредоточена как в одном ди-
агностическом параметре, так и стохастически распределена по нескольким
[259, 304]. За величину диагностического параметра ( с д ), при сосредоточении
информации в одном виде неисправности, принимается пороговое значение
(х0), разделяющее множество состояний объекта на два подмножества – работо-
способное (N1 – количество исправных объектов) и неисправное (N2 – количе-
ство неисправных объектов). Величина диагностического параметра на границе
разделения множества равновероятно относится как к исправному состоянию,
так и неисправному (рисунок 2.16).
Если подмножества N 1 ≅ N 2 , т.е. их плотности распределения мало отли-
чаются друг от друга, то достоверность диагноза в этом случае будет мини-
105
мальной и следует применять другие принципы построения диагностического
алгоритма.

Рисунок 2.16 – Схема статистических распределений плотности


вероятности диагностического параметра для исправного
и неисправного состояний

На рисунке 2.16 показана область, где исследуемые подмножества пере-


секаются N 1 I N 2 . В этом случае функции распределения диагностических па-
раметров имеют область неопределенности, которая затрудняет принятие ре-
шения об отнесении диагностируемого объекта к тому или иному состоянию.
Решение такой задачи можно выполнить, используя теории распознавания со-
стояния объекта и теории статистических решений [28, 73, 98, 274].
Рассмотрим процесс распознавания при наличии одного диагностическо-
го параметра х с двумя состояниями системы: D1 – исправное состояние и D2 –
неисправное (дефектное) состояние, используя основные теоретические поло-
жения монографий И.А. Биргера [33] и А.Л. Горелика, В.А. Скрипкина [86].
Запишем решающее правило, на основании которого принимается реше-
ние о диагнозе:
если х < x 0 , то x ∈ D1 ; если х > x 0 , то x ∈ D2 . (2.45)
Когда области исправного D1 и неисправного D2 состояний пересекаются
(рисунок 2.16), невозможно выбрать значение х0, при котором правило (2.45) не
давало бы ошибочных решений. Соответственно, задача формулируется таким
106
образом, при которой выбор был бы оптимальным, и давал наименьшее число
ошибочных решений.
Вероятность появления ошибок первого рода Рлт (ложная тревога) и вто-
рого рода Рпд (пропущенный дефект) определяется интегрированием распреде-
лений условных вероятностей [33, 86, 354]. Определение условных вероятно-
стей появления ошибок Рлт и Рпд можно рассчитать на основе статистического
материала как опытных вероятностей по формуле [207]:
Р ( Di ) = n i N , (2.46)
где пi – количество диагностируемых объектов, попавших за граничное значе-
ние х0i; N – объем выборки. Тогда имеем Р(D1 ) = Р лт и Р(D2 ) = Р пд .
Распознавание состояния объекта можно проводить в том случае, когда
известны функции плотности распределения диагностического параметра
f ( x D1 ) , f ( x D2 ) и вероятности ошибок Рлт и Рпд. Найденное значение диаг-
ностического параметра х оценивается решающим правилом (2.45). Правило
принятия решения (2.46) применяется при распознавании диагноза состояния
объектов, когда не предусматривается высокая достоверность результатов ди-
агностирования.
Решающее правило (2.45) не учитывает погрешность, которая может ока-
зывать влияние на диагностический параметр х. В этом случае решающее пра-
вило (2.45) в терминологии теории статистических решений становится неус-
тойчивым [33, 105]. Полагая, что диагностический параметр х определяется
с погрешностью δ, пороговое значение х0 можно выразить диапазоном
[(х 0 − δ)...(х 0 + δ)] . В таком случае решающее правило будет состоять из усло-
вий:
x ∈ D1 при x < ( x 0 − δ ) ; x ∈ D2 при x > ( x 0 + δ ) ;
(x0 − δ) < x < (x0 + δ) . (2.47)
Последнее условие выражения (2.4) характеризует зону отказа от распо-
знавания. Определить зону отказа от распознавания можно как через величину
погрешности δ, так и через задание значения доверительной вероятности распо-
107
знавания α (рисунок 2.16).
При попадании значения диагностического параметра х в зону отказа
от распознавания, назначается дополнительное исследование данного парамет-
ра. В нашем случае, это повторный отбор пробы масла из агрегата автомобиля
в течение одной рабочей смены с выполнением диагностического анализа дан-
ной пробы. Отбор проб масла с целью уточнения значения осуществляется
до тех пор, пока не принято однозначное решение о состоянии объекта.
Имея общее множество N экспериментальных значений, можно оценить
величину диагностического параметра, не прибегая к его разделению на классы
состояний объекта. Решению подобных задач посвящен ряд работ [6, 32, 33, 114
и др.], в которых показано правило выполнения подбора теоретического рас-
пределения, которое согласуется с экспериментальным. Однако эксперимен-
тальное распределение может существенно отличаться от теоретического, что
будет приводить к погрешностям некоторых статистических характеристик
распределения. По этой причине более универсальным методом является нахо-
ждение числовых статистических характеристик из экспериментальной плотно-
сти распределения [304, 311].
Получить экспериментальную плотность распределения можно в резуль-
тате исследования агрегатов АТС с разным техническим состоянием. В любой
произвольной группе большинство автомобилей имеют технически исправное
состояние и меньшее количество – технически неисправные. Исправные авто-
мобили окажут влияние на модальное значение оценочного параметра, а неис-
правные – на математическое ожидание и дисперсию, т.к. именно от этих пара-
метров будет зависеть характер закона распределения. Кривая эксперименталь-
ного распределения, построенная с исключением больших и малых значений
оценочного параметра, являющихся следствием нарушений технического со-
стояния механизма, приближается к нормальному закону распределения. Это
обосновано тем, что нормальное распределение является предельным и к нему
приближаются другие законы распределения. В таком случае допустимое зна-
чение диагностического параметра с доверительной вероятностью 0,95 можно
108
определить по формуле [304, 305]:
С доп = М ± 2σ , (2.48)
где М – модальное значение параметра экспериментальной плотности распре-
деления, построенной без учета больших и малых измерений; σ - среднеквадра-
тичное отклонение параметра. Знаки «плюс» или «минус» не равнозначны по
смыслу. Они показывают отклонения в сторону увеличения или уменьшения
от модального значения в зависимости от характера изменения диагностическо-
го параметра.
Достоверность величины диагностического параметра, при использова-
нии такого метода, будет зависеть от количества автомобилей, входящих в ис-
следуемую группу, и от того, насколько исключение больших или малых изме-
рений приблизит экспериментальную кривую к нормальному распределению
[305]. Значения диагностических параметров рассматриваются не в четкой гра-
нице, разделяющей автомобили с разным техническим состоянием, а в вероят-
ностной. Вероятность обнаружения технических неисправностей в механизме
автомобиля тем выше, чем больше отдален оценочный параметр от значения
диагностического параметра. Приближение к вероятностной границе снижает
достоверность обнаружения неисправности.

2.4.2 Обоснование прогнозирования срока службы масла

В порядке подготовки вопроса прогнозирования технической системы


«агрегат – масло» проработаны монографии Соколова А.И., Тищенко Н.Т.
[303–305] и Аметова В.А. [12].
Применение математического метода прогнозирования базируется на не-
прерывном сборе данных ПРМ, полученных при диагностировании АТС до
момента начала прогнозирования. Обработка статистических данных позволяет
определить вид зависимости и построить модель, результаты которой наиболее
близко соответствует имеющейся статистике.
Наиболее часто используется математическая модель прогнозирования
109
[304, 351]:
y = f (a ; x ) + ϕ(b ; x )δ , (2.49)

где f (a ; x ) и ϕ(b ; x ) – некоторые детерминированные функции; x – вектор не-

которых известных параметров; а и b – векторы неизвестных подлежащих оп-


ределению параметров; δ – случайная величина (ошибка, погрешность), соз-
дающая помехи процессу прогнозирования.
Функция f (a ; x ) является детерминированной основой прогнозируемой
величины у и характеризует действительное его значение, если она не подвер-
гается воздействию δ. Функция ϕ(b ; x ) характеризует ограничения, наклады-
ваемые на воздействие случайной величины δ.
Вектор х имеет размерность равную единице, т.е. прогнозируемую вели-
чину ищем в функции только одного известного параметра. Таким параметром
является время: х ≡ t .
Наличие случайной помехи δ не позволяет точно определить величину а.
Как правило, находится лишь приближенная величина а~ , называемая оценкой
детерминированной основы f (а~; t ) , которая является основой прогнозирования.
Точность прогноза может меняться в зависимости от желаемого результа-
та. Известно, что работоспособность механизма характеризуется его степенью
изнашивания [140, 141, 161, 172, 174, 304, 319, 345, 348, 367 и др.]. При износе
изменяется геометрическая форма поверхности детали. Если линейный износ
у детали превышает величину регламентированного допуска в сопряжении,
то это приводит к потере работоспособности узла механизма.
Исходя из этого, алгоритм прогнозирования может быть построен на ос-
новании использования информации, характеризующей интегральный процесс
накопления в системе смазки металла, охлаждающей жидкости (воды), мотор-
ного топлива, абразивного загрязнения от начала эксплуатации узла, механизма
или агрегата автомобиля до момента прогнозирования ресурса. Для прогнози-
рования необходимы следующие данные: концентрация загрязняющего компо-
нента, поступившая в масляную систему в течение к-го срока службы масла С i ;
110
допустимая концентрация загрязняющего компонента, при которой повышается
вероятность отказа C доп ; аналитическое выражение, характеризующее рост
концентрации загрязняющих компонентов, представленное в виде функции
случайной величины С = f (t ) или случайной функцией С (t ) .
В общем виде прогнозирование остаточного срока масла (рисунок 2.17)
по концентрации i-го загрязняющего компонента характеризуется точечным
прогнозом по условиям безопасности t б , точечным прогнозом по среднему до-
пуску t ср , точечным максимально возможным прогнозом t max и интервальным

прогнозом по среднему допуску t ср ± ∆t .

Рисунок 2.17 – Схема прогнозирования срока службы масла

Остаточный срок службы масла можно определить двумя способами:


– по разнице между допустимой и накопленной концентрацией загряз-
няющего компонента в работающем масле:
N
∑ tк N 
t ocm = C доп N1 −  ∑ t к + t 0  ; (2.50)
∑ Ск  1 
1

– с применением математической модели (например, линейной) процесса,


описывающего интенсивность поступления загрязняющего компонента в рабо-
111
тающее масло:
 N 
 C доп − ∑ С к  − a 0
 
=
1
t ocm , (2.51)
a1
где Ск – концентрация загрязняющего компонента, накопленного в масле за к-
ый срок службы масла; t0 – время от начала работы механизма до начала на-
блюдения; N – количество смен масла от начала работы механизма до начала
прогнозирования; а0, а1 – коэффициенты уравнения регрессии.
Построение рабочего алгоритма прогнозирования производится, исходя
из закономерностей процесса накопления загрязняющих компонентов в рабо-
тающем масле, которые связаны с неисправностями агрегатов автомобилей.
Основными узлами, ограничивающими долговечность двигателей по причине
их износа, являются детали ЦПГ и подшипники коленчатого вала. Прирост кон-
центрации охлаждающей жидкости (воды) в масле связан с утечками из систе-
мы охлаждения по причине пробоя прокладки, нарушения герметичности уп-
лотнения нижнего пояса гильзы цилиндра. Прирост концентрации топлива
в работающем масле связан с плохим распылом и уменьшением давления нача-
ла впрыска форсунок дизелей, износом плунжерных пар топливного насоса,
подтеканием сливного трубопровода. Нарушение герметичности агрегата, при-
водящее к росту кремния в масле, происходит из-за неисправной пробки мас-
лоналивной горловины, неработоспособных сапунов, нарушении уплотнений
в системе вентиляции картера, нарушения уплотнений в местах соединения воз-
душных фильтров с корпусом агрегата.

2.4.3 Формализация метода оценки работоспособности


системы «агрегат – масло»

Поскольку имитация связана с решением реальных задач, то на базе пре-


доставляемой диагностической информации, относительно неизвестных пара-
метров, в диссертации разработан формализованный алгоритм оценки работо-
способности системы «агрегат – масло».
112
Все текущие значения исследуемых проб масла имеют случайный харак-
тер и составляют выборку n из генеральной совокупности исходных данных N
наблюдений. Алгоритм определения значений диагностического параметра
включает порядок математических действий [5, 6, 39, 280, 339], определяющих
статистические характеристики, который записывается поэтапно.
1) Определяется количество значений диагностического признака Xi рав-
ное количеству проб масла n. Причем величина диагностического признака со-
ответствует i-у диагностическому параметру концентрации загрязняющего ком-
понента, т.е. С i ≡ X i .
2) Определяется максимальное Xmax и минимальное Xmin значения в вы-
борке n.
3) Рассчитается интервал шага h в общей выборке значений:
X max − X min
h= .
1 + 3.2 × log(n)
4) Разбивается выборка n значений диагностического признака на h ин-
тервалов Х n = X min … Х n +1 = X n + h .
5) Определяется количество значений диагностического признака n X
в каждом интервале.
6) Рассчитается частность РХ для каждого интервала n X :
РХ = nХ n .
7) Рассчитается математическое ожидание диагностического параметра:
МО = ∑ X i PX
8) Выбирается величина начала модального интервала АМ .
9) Выбирается частность модального интервала Р М .
10) Выбирается частность предыдущего модальному интервалу Р М 1 .
11) Выбирается частность последующего модальному интервалу Р М 2 .
12) Рассчитается модальное значение параметра:
PM − PM 1
М = АМ + h .
2 PM − PM 1 − PM 2
113
13) Рассчитаем середины интервалов каждого шага h выборки n
( X n + X n+1 )i
Хi = .
2
14) Рассчитается дисперсия распределения:

D = ∑ ( X i − MO ) PXi .
2

15) Рассчитается среднее квадратичное отклонение:


σ= D.
16) Рассчитается величина диагностического параметра с доверительной
вероятностью 0,95 %:
С доп = М ± 2σ .
Разработанный алгоритм расчета реализован в виде конкретной блок-
схемы, удобной для программирования имитационной модели диагностирова-
ния системы «агрегат – масло» (рисунок 2.18).
Алгоритм прогнозирования срока службы масла включает методы оценки
состояния системы «агрегат – масло», сведения о допустимом состоянии рабо-
тающего масла, при котором масло насыщается загрязняющими компонентами,
и вероятностные модели процессов потери автомобилями работоспособности.
По результатам систематических наблюдений, строится вероятностная
модель оценки ресурса, которую удобно аппроксимировать уравнением регрес-
сии [5, 280, 355]. Рассмотрим этапы получения прогнозируемой наработки Т на
остаточный ресурс, через построение линейной однофакторной модели
Х = a 0 + a1Т , где время работы автомобиля соответствует ее наработке – t ≡ T .
1) Определяются значения диагностического признака X i = ( X 1 , X 2 ,... X n )
и соответствующие им значения наработки Т i = (Т 1 , Т 2 ,...Т n ) , что составляет
общее число измерений n.
2) Определяются статистические параметры показателей:

∑ X ∑X2 ∑ Т ∑ Т 2 ∑ XТ
МО X = ; ; МОТ = ; ; .
n n n n n
114

Рисунок 2.18 – Блок-схема алгоритма диагностирования системы


«агрегат – масло»
115
3) Рассчитается корреляционный момент:

K XТ = (
∑ XТ − МО X МОТ ) .
n
4) Рассчитаются дисперсии зависимой и независимой переменных:

DX =
∑ X2
− МО X2 ; DТ =
∑ Т2
− МОТ2 .
n n
5) Рассчитаются среднеквадратичные отклонения:
σ X = D Х ; σ Т = DТ .

6) Рассчитается коэффициент корреляции:


K XТ
rXТ = .
σ X × σТ
7) Определяется уравнение регрессии исследуемой зависимости:
МОT K XТ K
Х = ( МО X − ) + XT T .
DT DT
8) Оцениваются коэффициенты уравнения регрессии:
МОТ K XТ K
a 0 = МО Х − ; a1 = XT .
DT DT
9) Оценивается текущее значение диагностического параметра:
Х i = a 0 + а1Т i ≤ C доп .
10) Рассчитается остаточный ресурс:
(С доп − Х i ) − a 0
Т ост. р. = .
ai
Разработанная блок-схема алгоритма прогнозирования остаточного ре-
сурса при диагностировании системы «агрегат – масло» показана на рисунке
2.19.
Работоспособность автомобиля, характеризуется работоспособным со-
стоянием всех ее частей. Тогда агрегаты, имеющие замкнутые системы смазки,
как составные части автомобиля, представляют систему с неизвестными техни-
ческими состояниями, оценивать которые можно ПРМ.
116

Рисунок 2.19 – Блок-схема алгоритма прогнозирования остаточного


ресурса системы «агрегат – масло»
117
Систематический отбор проб работающего масла для анализа из каждого
агрегата, через равные промежутки времени, формирует базу данных, которая
позволяет, согласно алгоритмам расчета представленного на рисунке 2.18, рас-
считать допустимые значения диагностического параметра и оценить остаточ-
ный ресурс, при котором система «агрегат – масло» начинают терять работо-
способность.
Например, работоспособность автосамосвала БелАЗ-7547 по ПРМ можно
оценивать техническим состоянием ДВС, ГМП и ГС. Алгоритм представлен-
ный на рисунке 2.18 позволяет для каждого агрегата рассчитать его допустимое
состояние работоспособности. В этом случае для каждого агрегата следует оце-
нивать минимальную наработку остаточного ресурса, когда произойдет такое
накопление загрязняющих компонентов в масле от нарушения технического со-
стояния агрегатов, при котором АТС начинает терять свою работоспособность.
Представленный пример позволяет формализовать алгоритм расчета
по оптимизации выбора остаточного ресурса для трех агрегатов по критерию
наименьшей наработки, т.е. Т ост. min → 0 [166]. Исходными данными этого ал-
горитма являются расчетные значения остаточных ресурсов каждого агрегата,
вычисленные согласно алгоритму рисунка 2.19.
Введем обозначение для понятия «наименьшего», как min, а остаточный
ресурс Тост. будем обозначать Тj, где j есть порядковое обозначение ресурса
ПРМ какого либо агрегата. В результате выполнения сравнений Т1, Т2 и Т3, по-
лучаем три альтернативных варианта выбора решения, в каждом из которых
присутствует одна из трех исходных величин.
В алгоритме (рисунок 2.20) для каждого из списка Т1, Т2 и Т3 записывает-
ся одно условие:
1) если Т 1 < T2 и Т 1 < T3 , то min = T1 ;
2) если Т 2 < T1 и Т 2 < T3 , то min = T2 ;
3) если Т 3 < T1 и Т 3 < T2 , то min = T3 ;
4) выводится min.
118

Рисунок 2.20 – Блок-схема алгоритма расчета минимальной наработки


системы «агрегат – масло»

Разработанный алгоритм данного расчета в виде блок-схемы наглядно


проиллюстрирован на рисунке 2.20. Решение задачи альтернатив позволяет вы-
бирать минимальную наработку Тj = min, которая является основанием для по-
становки АТС на ТО для замены масла или в ТР для устранения неисправности.
Разработанный алгоритм (рисунки 2.18–2.20) можно рассматривать как
имитационную модель, которая позволяет прогнозировать не только остаточ-
ный срок службы масла (по механическим примесям, наличию воды или топли-
ва), но и техническое состояние агрегатов и систем (очистки масла, воздуха,
герметичность и др.) АТС, соответствующими им ПРМ.
119
2.4.4 Формализация метода анализа иерархий при выборе
средств диагностирования

Для решения задач оптимизации выбора выполнена формализация под-


хода к выбору средств диагностирования и их влиянию на структуру производ-
ственного процесса. Для этого проведена проработка монографий Т. Саати
[282–284]. Вопросу оптимизированного выбора средств диагностирования так-
же посвящены работы [59, 62, 190, 296].
Предположим, что рассматривается n видов действия или объектов для
выбора средств диагностирования. При этом высказываются суждения об отно-
сительной важности этих объектов таким образом, что данные суждения долж-
ны носить количественную весовую оценку, ассоциируемую с отдельными ди-
агностическими объектами.
Если дана совокупность исследуемых объектов С1 , С 2 ,..., С n , то количе-
ственные суждения о парах объектов (Сi , С j ) можно представить матрицей раз-

мером n × n :
( )
A = a ij , (i, j = 1,2..., n ) , (2.52)

где значения a ij определяются, исходя из следующих правил.

Если a ij = α , то a ji = 1 α , при α ≠ 0 . Если суждения при выборе одина-

ковые, а С i имеет одинаковую относительную важность с С j , то aij = 1, а

a ji = 1 , то матрица будет иметь вид:

 1 a12 ... a1n 


1 a 1 ... a 2 n 
А =  12 . (2.53)
 ... ... ... ... 
 
1 a1n 1 a 2 n ... 1 

Представив количественное суждение о парах (Сi , С j ) в виде числа a ij ,

задача сводится к n возможным действиям объектов С1, С2 ,..., Сn , которым


должно соответствовать множество числовых весов ω1, ω2 ,..., ωn .
Вес диагностических объектов ω i зависит от числового значения элемен-
120
та сравнения a ij , полученного путем суждения эксперта. Значит, окончатель-

ный выбор решения будет зависеть от четкой формулировки каждого этапа оп-
ределения условий, на которые накладываются искомые веса и решаются отно-
сительно полученных суждений.
Этап 1. Предположим, что имеются некоторые диагностические пара-
метры С1, С2 ,..., Сn , полученные путем физических измерений. Для сравнения
С1 и С 2 определяем числовой вес ω1 и ω 2 каждого из двух сравниваемых диаг-
ностических параметров. Деление ω1 на ω 2 , дает отношение между весами
и суждением о сравнении параметров С1 и С 2 , которое в общем виде выража-
ется элементом сравнения
ωi
= aij , (i, j = 1,2..., n ) . (2.54)
ωj

Выбор диагностического параметра во многом зависит от суждения, в ко-


тором могут закрадываться ошибки. Физические измерения в математическом
смысле также не могут быть точными. Значит, необходимы допуски на откло-
нение.
Этап 2. Рассмотрим i-ю строку матрицы A. Элементами сравнения этой
строки являются аi1, ai 2 ,..., aij ,..., ain . Значения этих величин являются отноше-

ωi ωi ω ω
ниями их числовых весов , ,..., i ,..., i .
ω1 ω2 ωj ωn

Если умножим первый элемент i-й строки матрицы на ω1 , второй – на ω 2


ωi ω ω ω
и т.д., то получим ω1 = ωi , i ω2 = ωi ,..., i ω j = ωi ,..., i ωn = ωi .
ω1 ω2 ωj ωn

В итоге получается строка идентичных элементов ωi , ωi ,..., ωi . Затем, ес-


ли предположить наличие погрешности измерения или ошибки выбора одно-
именного диагностического параметра, то полученная строка представляет ста-
тистическое рассеивание значений вокруг вектора ω i . Таким образом, выраже-
ние (2.54) можно представить в виде ωi = aij ω j , (i, j = 1,2..., n ) , а для каждого
121
фиксированного значения i выражение (2.54) в общем случае можно записать в
виде
1 n
ωi =
n
∑ aij ω j , (i, j = 1,2..., n ) . (2.55)
j =1

Этап 3. Суждения, при выборе диагностических параметров, в различных


экспертных группах могут отличаться, и формула (2.55) может быть недоста-
точно реалистична. При хороших оценках a ij приближается к ω i / ω j . А по-

скольку a ij изменяется (т.е. ω i и ω j могут изменяться, чтобы приспособиться к

a ij ), то будет изменяться решение (2.55), при условии изменения n. Обозначив

n через λ max , вектор i-го веса будет иметь вид

1 n
ωi =
λ max
∑ aij ω j , (i, j = 1,2..., n ) . (2.56)
j =1

Число λ max называется максимальным или главным собственным значе-


нием матрицы A, используемым для оценки согласованности, отражающей
пропорциональность предпочтений.
Отклонения в aij могут вызывать существенные отклонения, как в значе-

нии числа λ max , так и в ω i , при i = 1, 2..., n .


Анализ сложных структур, связанных с большим числом элементов, при-
водит к невозможности воспринимать информацию в полном объеме. В таких
случаях структура преобразуется в систему, которая делится на подсистемы
и т.д. Если предположить, что элементы системы могут группироваться в не-
связанные множества, причем элементы каждой группы находятся под влияни-
ем некоторой другой группы, и в свою очередь оказывают влияние на элементы
другой группы, то считается, что элементы в группах распределены иерархиче-
ски. Каждая группа иерархии составляет уровень или кластер.
Рассмотрим некоторый уровень иерархии для ряда исследуемых элемен-
тов С1 , С 2 ,..., С n . Определим веса их влияния ω1 , ω 2 ,..., ω n на некоторый эле-
мент следующего уровня. На основании матрицы чисел, полученных путем
122
парных сравнений объектов суждений, покажем вектор, соответствующий наи-
большему собственному значению.
Согласно (2.52), матрица A, состоящая из чисел a ij = 1 a ji , может быть

обратно симметричной. Если a ik = a ij a jk , и это суждение справедливо для всех

i, j , k , то матрица A будет согласованной, для нее веса ω1, ω2 ,..., ωn также будут
известны, т.к. они основаны на точных измерениях.
Очевидно, что в соответствии с (2.54) будем иметь
ωi ω j ωi
a ij a jk = ⋅ = = a ik .
ω j ωk ωk

Также справедливо условие и для выражения


ωj 1
a ji = = = 1 aij . (2.57)
ωi ωi ω j

Обоснование подхода к выбору средств диагностирования, в данном слу-


чае, излагается в матричных обозначениях. Матричное уравнение имеет вид
Ax = y , где x = ( x1, x2 ,...xn ) и y = ( y1, y2 ,... yn ) соответствуют краткой записи
системы уравнений
n
∑ aij xi = yi , (i, j = 1,2,..., n) . (2.58)
j =1

Из уравнения (2.54) получаем


ωj
aij = 1, (i, j = 1,2,..., n) , (2.59)
ωi
откуда
n 1
∑ aij ω j ω = n, (i, j = 1,2,..., n) (2.60)
j =1 i

или
n
∑ aij ω j = nωi , (i, j = 1,2,..., n) , (2.61)
j =1

что соответствует идеальному выражению


Aω = nω . (2.62)
123

Формула (2.62) отражает ω, как собственный вектор матрицы A с собст-


венным значением n. Данное уравнение можно расписать поэлементно сле-
дующим образом:
 ω1 ω1 ω1 ω2 ... ω1 ωn   ω1   ω1 
ω ω ω ω ... ω2 ωn   ω2  ω 
А= 2 1 2 2  ×   = n 2  .
 ... ... ... ...   ...   ... 
     
ωn ω1 ωn ω2 ... ωn ωn  ωn  ωn 
Предполагая, что элементы сравнения aij могут быть основаны на не точ-

ных измерениях, например, на ошибочных суждениях, тогда они будут откло-


няться от идеального отношения ω i / ω j , и уравнение (2.62) будет невыполнимо.

Если λ1, λ 2 ,..., λ n есть числа, которые являются собственными значения-


ми матрицы A, и удовлетворяют уравнению Ax = λx , при aii = 1 для всех i,
n
то ∑ λi = n .
i =1

Если будет иметь место идеальное выражение (2.62), то все собственные


значения ω = 0 , кроме одного, равного n. Для этого случая согласованность ха-
рактеризуется критерием n, который является наибольшим собственным значе-
нием A.
В случае если элементы a ij матрицы A незначительно изменятся, незна-

чительно изменятся и их собственные значения.


Из сказанного следует, что если диагональ согласованной матрицы A со-
стоит из единиц, то при малых изменениях в a ij наибольшее собственное зна-

чение λ max остается близким к n, а остальные собственные значения будут


близки к нулю.
Для формулировки задач выбора средств и способов диагностирования,
следует из матрицы парных сравнений исследуемых признаков найти вектор
приоритетов, который будет удовлетворять равенству Aω = λ max ω . Использо-
вание математической нормализации обеспечит единство решения, и поэтому,
124
n
1 n
полагая, что α = ∑ ωi , и заменяя вектор ω на  ω , получим ∑ ωi = 1.
i =1 α i =1

Малые изменения a ij вызывают малые изменения λ max , а отклонения

λ max от n будут являться мерой согласованности, которая позволяет оценить


близость к основной шкале отношений. Показатель близости к согласованности
называется индексом согласованности, и он определяется по формуле:

ИС =
(λ max − n ) . (2.63)
(n − 1)
Если ИС имеет число ≤ 0,1 , то высказанные суждения являются удовле-
творительными [283], т.е. они справедливы для всех уровней иерархии.
Если заданы элементы одного уровня иерархии и один элемент более вы-
сокого уровня, то, выполняя попарно сравнение элементов относительно
их влияния на элемент высшего уровня, числа достигнутого согласия во мнени-
ях помещаются в матрицу, которая определяет собственный вектор с наиболь-
шим собственным значением. Собственное значение показывает упорядочен-
ность приоритетов и является мерой согласованности суждений, указывающей
на значимость выбора.

2.5 Аналитическая оценка влияния методов экспресс-диагностики


на показатели технической эксплуатации автомобилей

2.5.1 Анализ организационных схем диагностирования в структуре


системы технического обслуживания и ремонта автомобилей

Эффективность диагностирования автомобилей зависит от места процес-


са технического диагностирования в структуре системы ТОР, с учетом принци-
пов рациональной периодичности и минимальных затрат на диагностирование
[206, 340].
Диагностика объединяет регламентные контрольные и осмотровые рабо-
ты, из которых складывается вид диагностирования – общее (Д-1) или поэле-
125
ментное (Д-2). Каждый вид диагностики регламентирован нормативной трудо-
емкостью. Диагностирование, по форме организации, выполняется перед тех-
ническим обслуживанием (рисунок 2.21), во время проведения ТО, или после
проведения работ по ТО или ТР. Выбор технологии диагностирования зависит
от принятой структуры производственно-технической базы АТП и технических
особенностей подвижного состава.

Рисунок 2.21 – Упрощенная форма организации диагностирования


при выполнении ТО

Значительный вклад в развитие организации диагностики автомобилей по


параметрам работающего масла внесли М.А. Григорьев [97, 201], В.В. Чанкин
[348], В.А. Сомов [306], Ю.А. Гурьянов [015], Б.И. Ковальский [167], С.В. Кор-
неев [170], А.И. Соколов, Н.Т. Тищенко, В.А. Аметов [13, 303–305] и др. Не-
смотря на такой серьезный задел, организационным вопросам экспресс-
диагностики АТС, с учетом внедрения новых методов и средств, не уделялось
должного внимания.
В работах названных исследователей отражена диагностика, основанная
на стандартных методах ФХАМ и ЭСАМ. Согласно ГОСТ 20911-89 и работ
[201, 279, 324, 340] данные методы для диагностики автомобилей можно соот-
нести с комплексом выполняемых работ, которые удовлетворяют формальным
признакам Д-2. Под формальными признаками понимаем значительную долю
трудоемкости, которая соответствует лабораторному выполнению стандартных
методов ФХАМ по ГОСТ 33-82, ГОСТ4333-87, ГОСТ 11362-96, ГОСТ20684-75,
ГОСТ 2477-65*.
Известно, что для диагностирования большегрузных АТС, диагностика Д-
2 (Д-3) предназначена для проверки технических показателей автомобилей при
ТО-2 (ТО-3) и поиска неисправностей, устранение которых требует ремонтных
работ большой трудоемкости в зоне ТР. Следовательно, существующие на ав-
топредприятиях лаборатории ФХАМ и ЭСАМ, в структуре производства, сво-
126
им комплексом работ соответствуют плановому виду диагностики Д-2 (Д-3).
По существующим нормативам [201, 252] пробы масла для анализа по-
ступают в лабораторию диагностики в соответствии с графиком постановки ав-
томобиля на ТО-2 (ТО-3). При проведении данного вида обслуживания в обяза-
тельном порядке выполняется инструментальная диагностика. Информация
из лаборатории диагностики поступает в зону ТО, дополняя общую информа-
цию, полученную инструментальными методами контроля.
Диагностика АТС по ПРМ, в условиях автопредприятий Кузбасса, осуще-
ствляется в диагностических лабораториях ФХАМ и ЭСАМ, в соответствии с
положениями [251, 252, 253] и руководящим документом РД 37.001.019-84
[201]. Однако ни один из этих нормативных документов не обозначил место
проведения анализов масла структуре системы ТОР, в соответствии с ГОСТ33-
82, ГОСТ4333-87, ГОСТ 11362-96, ГОСТ20684-75, ГОСТ 2477-65*.
Исходя из значительных трудоемкостей определений кинематической
вязкости, температуры вспышки, наличия воды и механических примесей в
масле, щелочности, водородного показателя, диспергирующих свойств [214,
341], и согласно производственной программе выполняемых анализов, все на-
званные регламентированные виды работ соответствуют виду Д-2 (Д-3) при
проведении ТО-2 (ТО-3). Нормативные документы [251, 252] указывают на не-
обходимость выполнения ФХАМ при проведении каждого ТО, не отражая
их места в структуре системы ТОР автомобилей, вступают в противоречие с
основными положениями технической эксплуатации автомобилей [253, 322,
323]. Так, неплановое увеличение трудоемкости работ нарушает ритм техноло-
гического процесса по ТОР, во многом меняя показатели производственной
программы АТП.
Полагаем, что если диагностику выполнять стандартными методами
ФХАМ непосредственно в день проведения работ по ТО, тогда результаты ана-
лиза масла будут поступать в зону ТО к окончанию работ или после выполне-
ния вида обслуживания, что снизит оперативность принятия решения при обна-
ружении неисправности. Такая организация технологии диагностики нерацио-
127
нальная (рисунок 2.22).

Рисунок 2.22 – Нерациональная организация диагностики АТС по ПРМ


в системе ТОР

Трудоемкость диагностики стандартными методами ФХАМ увеличит


нормативную трудоемкость инструментальной диагностики, что отразится на
продолжительности простоя в зоне ТО-1. Например, трудоемкость Д-1 одного
автосамосвала БелАЗ-7555В в ОАО разрез «Шестаки» составляет 1 чел-ч, тру-
доемкость ТО-1 – 15,2 чел-ч. Весь комплекс регламентных работ по ТО-1 про-
водится за 4,5 часа тремя автослесарями. За сутки зона ТО-1 обслуживает 4–5
автомобилей.
При небольшой суточной программе диагностирования по ПРМ (до 4...5
автомобилей), пробы масел не группируются по видам выполняемых анализов,
трудоемкость регламентных анализов возрастает и принимается равной трудо-
емкости одного анализа, выполняемого в соответствии с ГОСТ [304]. Учитывая
время, отведенное на отбор пробы и аналитическую обработку, полное время
на выполнение ФХАМ одной пробы сопоставимо с выполнением комплекса
работ по ТО-1.
В АТП Кузбасса данная проблема решается следующим образом. СКУНА
по ПРМ структурно выносится за пределы системы ТОР, выполняя необходи-
мые анализы масла в соответствии с периодичностью постановки автомобиля
на ТО (рисунок 2.23).
Все стандартные анализы масла, регламентированные методикой [201],
вне зависимости от видов ТО, выполняются за 2–3 суток до постановки АТС
на плановое ТО, а результаты лабораторных анализов обрабатываются ко дню
128
заезда автомобиля на ТО.

Рисунок 2.23 – Традиционная организация диагностики АТС по ПРМ


в системе ТОР

Таким образом, технологические процессы СКУНА по ПРМ функциони-


руют параллельно системе ТОР АТП, и трудоемкости ФХАМ и ЭСАМ не учи-
тываются при расчете годовой производственной программы АТП. Такая орга-
низация технологии диагностирования, несмотря на своевременное поступле-
ние диагностической информации, нерациональная.

2.5.2 Методы организации технологии экспресс-диагностирования

В АТП Кузбасса главным образом диагностируются только ДВС. Диагно-


стирование ГМП, ГС, РМК, РВМ осуществляется выборочно. Многие АТП, ос-
нащенные СКУНА по ПРМ, диагностику агрегатов АТС, кроме ДВС, не вы-
полняют [129].
Расширение функций СКУНА, связанное с системным диагностировани-
ем агрегатов трансмиссий и ГС, приведет к увеличениям количества выполняе-
мых анализов, трудоемкости работ и численности лаборантов, потребуется
расширение лабораторных площадей и специального оснащения.
Эта проблема решается применением методов контроля, которые не ока-
зывают влияния на изменение структуры СКУНА. Технологический процесс
экспресс-диагностики, в организационной структуре СКУНА по ПРМ, может
иметь распределенную форму. Такая организация предполагает комбинирован-
ное распределение технологического взаимодействия между методами экс-
129
пресс-диагностики и стандартными ФХАМ и ЭСАМ по одной из 4-х схем (ри-
сунок 2.24).

Рисунок 2.24 – Методы организации технологии экспресс-диагностирования


со стандартными методами анализа масла

1. Методы экспресс-диагностирования используются при выполнении


анализов всех проб масла, доставляемых в лабораторию диагностики в соответ-
ствии с графиком отбора проб. Одновременно с экспресс-методами выполняет-
ся ЭСАМ по всем пробам масла. Стандартные методы ФХАМ выполняются
в том случае, когда экспресс-диагностика показывает превышения допустимых
значений. Стандартные методы подтверждают результаты экспресс-
диагностики.
2. Методы экспресс-диагностики оценивают свойства работающих масел
без выполнения ФХАМ. Заключение о целесообразности использования масла
и эксплуатации агрегата дается на основании экспресс-метода и ЭСАМ.
3. Методы экспресс-диагностики выполняются по всем пробам работаю-
щего масла без проведения ЭСАМ и ФХАМ. Стандартные методы выполняют-
ся в том случае, когда значения экспресс-методов превышают браковочные
нормы.
4. Методы экспресс-диагностики являются самостоятельными методами
контроля. ЭСАМ и ФХАМ не выполняются. Заключение о целесообразности
использования масла и эксплуатации агрегата делается на основе полученных
результатов.
Выбор комбинированного метода организации технологического процес-
са диагностирования (с 1-го по 3-й), зависит от технических возможностей ла-
130
боратории диагностики, количества диагностируемых автомобилей, их конст-
руктивных и технологических особенностей, применения новых сортов масел и
присадок к ним.
Технологический процесс предусматривает отбор проб масла для анализа
при выполнении контрольно-осмотровых работ перед проведением ТО. Пробы
масла группируются по маркам масел и агрегатов. Затем проводится экспресс-
анализ. Если в диагностических параметрах не выявлено значений выше брако-
вочных норм, то соответствующие стандартные методы анализа выполнять не-
целесообразно из-за нерационального их дублирования, которое влечет увели-
чение общей трудоемкости. Превышение браковочных норм сигнализирует
о необходимости выполнения полного или частичного комплекса стандартных
методов анализа масла.
Разницу в трудоемкости между выполнением стандартных и экспрессных
методов, рекомендуется направить для расширения номенклатуры диагности-
руемых автомобильных агрегатов:
∆Т = (Т Н − Т ЭМ ) ⋅ n ДВС ; (2.64)

∆T TЭМ = ni ; (2.65)
ni = n ГМП + n ГС ; (2.66)
∆Т ⇒ Т ЭМ (n ГМП + n ГС ) , (2.67)
где ∆Т – трудоемкость, полученная за счет сокращения работ стандартными
методами; Т Н – нормативная трудоемкость стандартных методов диагностики;
Т ЭМ – трудоемкость экспресс-методов; n ДВС – количество диагностируемых

двигателей; ni – количество диагностирований i-х агрегатов; п ГМП – количество


диагностирований гидромеханических передач; п ГС – количество диагностиро-
ваний гидравлических систем.
Определение 7. Трудоемкость ∆Т , полученную от сокращения стан-
дартных методов физико-химических анализов масла Т Н , за счет применения
высокопроизводительных методов экспресс-диагностики Т ЭМ , следует рас-
пределять на ранее не диагностируемые агрегаты автомобиля.
131
В зависимости от принятых методов организации СКУНА по ПРМ (рису-
нок 2.24, методы 1–3), отбор проб работающего масла выполняется непосред-
ственно в день постановки автомобиля на ТО, перед проведением контрольно-
осмотровых работ (рисунок 2.25). Анализ пробы работающего масла выполня-
ется параллельно работам инструментального контроля в лаборатории ФХАМ.

Рисунок 2.25 – Схема организации экспресс-диагностики АТС по ПРМ:


управление экспресс-диагностикой;
управление лабораторными методами контроля

4-й метод организации производства диагностических работ (рисунок


2.24) является самостоятельным, когда стандартные методы ФХАМ м ЭСАМ
не выполняются. Развитие самостоятельного направления диагностирования
требует от автомобилей применения качественных смазочных масел. Для опе-
ративного контроля автомобиля пробы работающего масла необходимо отби-
рать из агрегатов с определенной периодичностью, например, кратной полови-
не пробега до ТО-1. Отбор проб работающего масла и их анализ выполняются
непосредственно в зоне инструментально контроля.
Для оценки состояния системы «агрегат – масло» требуется выполнять
систематически отбор проб работающих масел, по результатам которых строят-
ся графики, показывающие динамику изменения диагностического параметра.
В соответствии с нашими наблюдениями, а также по рекомендациям [201, 251],
до замены масла на анализ пробы отбираются не менее двух раз. Наличие ин-
формации об интенсивности старения масла позволяет прогнозировать дату
следующего контроля и дату возможной замены масла по фактическому со-
132
стоянию. Для этого целесообразно применять имитационную модель (рисунок
2.18–2.20), благодаря которой обеспечивается рациональное использование
технического ресурса агрегата и масла. Имитационная модель позволяет рас-
считать пробег автомобиля до ТО, через прогнозирование остаточного ресурса
по критерию наименьшей наработки:
 ( )
С доп ДВС (К ИС ) − (К ИС )i − a 0
 ост. ДВС
t = ;
 a
( )
i
 С доп ГМП ( К ИС − (К ИС )i − b0
)
 ост. ГМП
t = ; t ост.k → min , (2.68)
 b
( )
i
 С доп ГС (К ИС ) − (К ИС )i − c 0
 t ост. ГС = .
 c i

где t ост.k – остаточный ресурс k-го работающего масла.


Определение 8. Эксплуатация автомобиля останавливается тогда, ко-
гда диагностический параметр одного из диагностируемых агрегатов раньше
других достигает допустимой величины Сдоп и минимального значения оста-
точного ресурса t ост .

2.5.3 Технология экспресс-диагностирования и ее место


в производственном процессе автопредприятия

Электрофизические методы контроля, которые положены в основу техно-


логических процессов экспресс-диагностики автомобильных агрегатов по ПРМ,
и в соответствии с основными классификационными признаками [119], форми-
руют структуру экспресс-диагностики в АТП:
– по форме организации работ на производстве, как распределенную, при
которой часть работ может выполняться централизованно (в условиях производства),
а другая часть работ децентрализовано (в отрыве от производственной базы);
– по организационной структуре диагностирования, как комплексную,
при которой универсальными средствами измерения можно оценивать ряд ди-
агностических параметров;
– по периодичности выполнения работ, как плановую, при которой экс-
133
пресс-диагностирование выполняется в обязательном порядке по графику;
– по типу основных средств диагностирования, как мобильную, при кото-
рой портативные средства измерения способны оценивать диагностические па-
раметры в стационарных, цеховых и полевых условиях;
– по последовательности выполнения работ, как предварительную, при
которой экспресс-диагностика проводится до проведения ТОР.
Технологический процесс экспресс-диагностирования, в структуре про-
изводственного процесса АТП, образует законченный производственный цикл
(рисунок 2.26).

Рисунок 2.26 – Схема технологического процесса экспресс-диагностирования:


основная связь;
вспомогательная связь

В общем виде технологические операции показывают последователь-


ность проведения основных и вспомогательных этапов процесса: 1–4 – опера-
ции отбора проб масла из агрегатов и учета необходимых данных; 5, 6 – прове-
дение экспресс-анализов и оценка результата; 7, 8 – лабораторные методы
ФХАМ и ЭСАМ; 9–13 – постановка диагноза, поиск неисправностей и приня-
тие решения об объемах работ по их устранению в зонах ТОР; 14–18 – опера-
134
ции по учету, контролю диагностической информации и управлению произ-
водственными процессами ТОР.
Внедрение экспресс-диагностики является процессом модернизации про-
изводственных процессов ТО. Так как модернизация связана с внедрением
в производство средств экспресс-диагностики, то определение показателей экс-
плуатационной технологичности сводится к установлению удельной оператив-
ной трудоемкости по ГОСТ 21758-81 от использования данных средств:
n τ TO
Т ТО = ∑ i
TO
, (2.69)
i =1 t i

где τ TO TO
i – средняя трудоемкость i-ой операции ТО, чел-ч; t i – средняя перио-

дичность i-ой операции ТО, мото-ч; n – количество всех операций ТО.


Уровень эксплуатационной технологичности осуществляется по удельной
оперативной трудоемкости ТО по ГОСТ 21758-81:
Т ТО
К уТО = зад
, (2.70)
Т ТО
зад
где Т ТО – заданное значение удельной трудоемкости в соответствии с норма-
тивной документацией [79, 252]. Уровень эксплуатационной технологичности
должен удовлетворять условию К уТО ≤ 1 .

Экспресс-диагностика является составной частью СКУНА по ПРМ и оп-


тимально включена в производственные процессы ТОР. Учитывая, что инструк-
ции по эксплуатации и нормативно-техническая документация АТС [4, 158, 159,
250–253] не отражают реального места диагностики по ПРМ в структуре ТОР,
предлагается новая схема проведения производственного процесса ТОР с введе-
нием обязательного предварительного диагностического контроля экспресс-
методами, разработанная для АТС (рисунок 2.27) (приложение Д).
Предварительная экспресс-диагностика (Дэ) проводится в первую оче-
редь, до поступления автомобиля в зону ТО-1 или на посты Д-2 и Д-3.
В случае, когда экспресс-диагностика ПРМ показывает отклонения выше
допустимых норм, агрегат диагностируется лабораторными методами контро-
ля (Дл) с применением стандартных ФХАМ и ЭСАМ, в соответствии с вы-
135
бранной формой организации СКУНА (рисунок 2.24). Информация о текущем
техническом состоянии агрегата поступает непосредственно в зоны ТО-1, ТО-
2, ТО-3 и ПР, где приминается решение о целесообразности выполнения до-
полнительных работ по ТО и ПР или необходимости проведения ТР. Техноло-
гический процесс по ТОР предусматривает выполнение сопутствующих кон-
трольно-диагностических операций на специализированном оборудовании
(Др) непосредственно в производственных зонах.

Рисунок 2.27 – Схема производственного процесса с экспресс-диагностикой АТС

После проведения восстановительных и регулировочных работ выполня-


ется повторный контроль качества регулировок и технических воздействий
по основным и выборочным маршрутам, где задействованы Д-1 и отдел тех-
нического контроля (ОТК) (рисунок 2.27).
Определение 9. Информативность и оперативность диагностирования
автомобильных агрегатов можно повысить, если электрофизические методы
контроля параметров работающего масла применять, как мобильные методы
комплексного экспресс-диагностирования, которые способны обеспечить пла-
новый предварительный контроль в распределенной структуре производст-
венного процесса автотранспортного предприятия.
136
2.5.4 Метод расчета производственной программы
лаборатории физико-химических анализов масла

Исходными данными для расчета производственной программы ФХАМ


являются [304]: перечень и трудоемкость определения показателей качества
масла (Тi), периодичность отбора проб масла для анализа (La), годовой пробег
автомобилей (Lг), агрегаты которых контролирует СКУНА. Периодичность от-
бора проб масла устанавливается из периодичности ТО-1.
Годовое количество анализов определяется по формуле:

Аг = п агр , (2.71)
La
где nагр – число диагностируемых агрегатов. Например, если nагр = 3, то одно-
временно оцениваются ПРМ от ДВС, ГМП и ГС.
Суточная программа выполнения анализов определяется по формуле [304]:
Асут = Аг Д рг , (2.72)

где Дрг – число рабочих дней в году.


СКУНА в обязательном порядке определяет следующие показатели рабо-
тающего масла: негорючие примеси, температура вспышки, водородный пока-
затель и щелочное (кислотное) число. Каждый показатель характеризует нали-
чие загрязняющих компонентов или приобретенных свойств:
– негорючие примеси – частицы износа и атмосферной пыли;
– температура вспышки – моторное топливо, вода;
– водородный показатель и щелочное (кислотное) число – продукты окис-
ления и полимеризации.
Трудоемкость анализа одной пробы работающего масла рассчитывается
по формуле [304]:
i
Т проб = ∑ Ti , (2.73)
z =1

где Тi – трудоемкость i-го показателя масла, определяемая путем хронометража.


Годовая нормативная трудоемкость стандартных методов ФХАМ опреде-
137
ляется по формуле:
Т Н = Т проб Аг . (2.74)

Загрязняющие компоненты, продукты окисления и полимеризации имеют


отличные от свежего масла диэлектрические свойства и электропроводность
[337]. Эти свойства изменяют эффективную диэлектрическую проницаемость
работающего масла (п.2.3). Следовательно, электрофизические методы позво-
ляют контролировать весь обязательный перечень показателей работающего
масла. Трудоемкость экспресс-методов контроля определяется по формуле:
Т ЭМ = К СТ Т Н , (2.75)
где К СТ = Т ЭМ Т Н – коэффициент, показывающий снижение трудоемкости
экспресс-методов за счет их высокой производительности.
Форма организации СКУНА предусматривает предварительный контроль
ПРМ экспресс-методами, а по мере выявлений браковочных значений – выпол-
нение стандартных методов ФХАМ (рисунок 2.24), т.е. в случае отклонений
от нормы, каждая проба масла оцениваются два раза – экспресс-методом и
стандартным методом. Для учета выполнения дополнительных видов работ вы-
полняется корректировка производственной программы СКУНА по ПРМ.
Трудоемкость стандартных методов ФХАМ можно оценить формулой
 n (t ) 
∆Т Н = Р( D2 )Т Н . Здесь P(D2 ) =  2  – вероятность возникновения отказа за
 N 
период наблюдения t, которую можно записать в виде коэффициента а = n / N ,
где а – доля выявляемых отказов экспресс-методами, N – число диагностируе-
мых агрегатов; n – число выявленных неисправностей экспресс-методами; n 2 (t )
– число агрегатов, диагностические параметры которых выходят за браковоч-
ные значения. При этом должно соблюдаться условие: n 2 (t ) n ≈ 1. Тогда трудо-
емкость стандартных методов ФХАМ запишется в виде формулы:
∆Т Н = аТ Н . (2.76)
Общая трудоемкость комплексного контроля СКУНА по ПРМ, с учетом
(2.75), определяется по формуле:
138
Т К = Т ЭМ + ∆Т Н . (2.77)
Технологическая эффективность экспресс-диагностирования запишется
в виде формулы:
К ТЭ = Т К Т Н . (2.78)
Здесь К ТЭ показывает снижение трудовых затрат при выполнении технологи-
ческого процесса.
Оценить повышение производительности труда экспресс-диагностики,
с учетом влияния снижающего фактора от стандартных методов ФХАМ, позво-
ляет формула:
∆П ЭМ тр = [(TЭМ + аTН ) TH ] − (TЭМ TH ) ; (2.79)

Количество работников (лаборантов), необходимое для выполнения про-


изводственной программы, определяется по формуле:
Т ПК
Р лаб = , (2.80)
Д рг t см

где tсм – продолжительность рабочей смены одного лаборанта.


Определение 10. Производительность диагностирования агрегатов по
параметрам работающего масла повышается, если стандартные физико-
химические анализы масла выполняются только при превышении допустимых
значений определяемых экспресс-методами, характеризующих отклонения
в свойствах масла в зависимости от технического состояния агрегатов.

2.5.5 Метод оценки показателей


технической эксплуатации автомобилей

Проанализируем влияние диагностики по ПРМ на показатели интенсифи-


кации работы АТС в условиях эксплуатации. Основным таким показателем яв-
ляется коэффициент технической готовности АТП [257, 322]:
ТИ
К ТГ = , (2.81)
ТИ +ТР
где Тр – время простоя при ремонтах; ТИ – наработка технически исправного ав-
томобиля. При этом Т И = Т П − Т ОРГ , где Т И → Т П . Здесь ТП – полная нара-
139
ботка автомобиля; ТОРГ – простои по организационным причинам.
Основными причинами простоев являются нарушения технического со-
стояния механизмов и агрегатов, которые изменяют фонды рабочего времени
и величину неплановых простоев.
Коэффициент, учитывающий сокращение простоев в ТР от комплексного
применения методов экспресс-диагностики и стандартных методов контроля
по ПРМ, определяется по формуле:
Т р − Т ′р
τ ПР = К ЭД , (2.82)
Тр

где Т р – простои автомобилей до внедрения методов комплексной диагности-

ки; Т ′р – среднее значение простоев автомобилей после внедрения методов

комплексной диагностики; КЭД – коэффициент, учитывающий долю влияния


методов комплексной диагностики на сокращение простоев. Здесь
К ЭД = 1 − К прч , где Кпрч – доля прочих мероприятий на АТП по сокращению

простоев АТС при проведении ТР.


Повышение КТГ зависит от снижения простоев АТС в ремонте:
ТИ
К ТГ =
( (
Т И + Т р − τ ПР Т р
.
))
(2.83)

Главным функциональным назначением АТС является транспортировка


грузов. Количественной мерой выполнения заданных функций в соответствии с
назначением является производительность автомобилей [4, 34, 39], которая оп-
ределяется по формуле:
QСМ = qK q n p , (2.84)

где QСМ – сменная производительность автомобиля; q – грузоподъемность ав-


томобиля; Кq – коэффициент использования грузоподъемности; пр – число рей-
сов за смену.
Коэффициент использования парка КИП является комплексным показате-
лем качества процесса грузоперевозок, определяется по формуле [4]:
140
ТП
К ИП = , (2.85)
ТП + Т ТО + Т Р + Т ОРГ
где ТТО – время простоев при проведении ТО.
Показателем, повышающим время проведения ТО, является добавленная
трудоемкость процесса диагностирования автомобильных агрегатов по ПРМ,
которая не учитывалась при проведении инструментальной диагностики. Фор-
мулу (2.73) можно записать в виде:
ТП
К ИП = , (2.86)
Т И + (Т ТО + τ Д Т ТО ) + (Т Р − τ ПР Т Р ) + Т ОРГ

где τД – коэффициент, учитывающий время выполнения диагностики по ПРМ


при проведении ТО. С учетом (2.65) определяется отношением
ТК
.τД = (2.87)
Т ТО
Годовая производительность списочного автомобиля определяется по
формуле [4]:
QСМ n pаб nСМ
QГ = , (2.88)
К ИП
где nраб – число рабочих дней в году; пСМ – число рабочих смен в сутки.
Повышение эффективности грузоперевозок АТС оценивается отношени-
ем годового объема перевозок при внедрении в производственный процесс экс-
пресс-диагностики QГЭМ по ПРМ к годовому объему перевозок QГ, диагности-
руемого инструментальными методами:
(Q ГЭМ − QГ )
∆П гп = 100% . (2.89)

Определение 11. Методы предварительной диагностики автомобильных
агрегатов по параметрам работающего масла сокращают простои автомо-
билей в текущем ремонте Т р , повышают коэффициенты технической готов-

ности КТГ, использования парка КИП и эффективность грузоперевозок


∆П гп автотранспортного предприятия.
141
Выводы

1. В общетеоретической форме научно обоснованы электрофизические


методы экспресс-диагностики автомобильных агрегатов по ПРМ, позволяю-
щие, при воздействии на работающее масло электрическим полем низкого
и высокого напряжений, оценивать влияние дисперсной фазы загрязняющих
компонентов на дисперсионную смазочную среду.
2. На основе резонансного метода колебательного контура, разработан
диагностический параметр – индекс качества масла, который определяется рас-
стройкой частотного колебательного контура, увеличивающего свое значение
пропорционально росту концентрации и диэлектрической проницаемости за-
грязняющего компонента, при условии, что диэлектрическая проницаемость за-
грязняющего компонента выше или ниже диэлектрической проницаемости све-
жего масла. Диагностический параметр позволяет оценивать свойства рабо-
тающего масла посредством разработанной в форме алгоритма имитационной
модели (рисунок 2.11).
3. Разработан новый метод оценки свойств смазочной среды, который ба-
зируется на фотометрии короны газоразрядного свечения от пробы работающе-
го масла помещенного в область электрического поля высокого напряжения.
Метод обоснован разработанными математическими, структурными и графиче-
скими моделями, которые доказывают зависимость влияния загрязняющих ком-
понентов от напряженности электрического поля и интенсивности газоразряд-
ного свечения, корона которого распространяется вдоль поверхности исследуе-
мой пробы работающего масла. При этом установлено, что длина короны тлею-
щего разряда зависит от толщины изолятора, на который наносится исследуе-
мый слой работающего масла, значений удельного поверхностного сопротив-
ления и диэлектрической проницаемости работающего масла, функционально
связанных с концентрацией загрязняющего компонента.
Диагностическим параметром при фотометрии газоразрядного свечения
установлен коэффициент интенсивности свечения, который определяет степень
142
загрязненности работающего масла отношением длины короны газоразрядного
свечения пробы работающего масла к длине короны газоразрядного свечения
пробы свежего масла. Диагностический параметр позволяет оценивать свойства
работающего масла посредством разработанной имитационной модели (рису-
нок 2.20).
4. Разработанные имитационные модели (рисунки 2.11 и 2.20) отражают
тренды физических процессов и не чувствительны к конструктивным парамет-
рам средств измерения. Значения диагностических параметров имитационных
моделей рассчитываются без учета точности шкал средств измерений.
5. Научно обоснован концептуальный подход для разработки диагности-
ческих критериев статистическими методами исследования и прогнозирования
остаточного срока масла и ресурса агрегата. Концепция реализована в виде ал-
горитма имитационной модели, оценивающей ресурс автомобиля по критерию
наименьшей наработки. Эксплуатация автомобиля останавливается и автомо-
биль направляется в ТО или в ремонт тогда, когда диагностический параметр
работающего масла одного из диагностируемых агрегатов раньше других дос-
тигает допустимой величины и минимального значения остаточного ресурса.
6. Научно обоснован метод анализа иерархий, как наиболее универсаль-
ный математический аппарат для комплексной оценки выбора средств диагно-
стирования.
7. Теоретически обоснована технология экспресс-диагностирования ав-
томобильных агрегатов, на основе разработанных методов электрофизического
контроля, которые рекомендуется применять, как мобильные методы ком-
плексного экспресс-диагностирования, способные обеспечить плановый пред-
варительный контроль в распределенной структуре производственного процес-
са ТО АТП.
8. Теоретически обосновано влияние методов экспресс-диагностики в
системе ТОР на сокращение простоев автомобилей в ТР и на рост коэффициен-
тов: технической готовности, использования парка и эффективности грузопере-
возок АТП.
143
3 МЕТОДИКА ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ

3.1 Общая методика проведения экспериментальных исследований

Материальной и технической базой для функционирования системы ди-


агностирования автомобильных агрегатов по ПРМ является лаборатория диаг-
ностики с применением стандартных физико-химических и спектральных ме-
тодов анализа масел. В лаборатории выполняется контроль пригодности рабо-
тающего масла для дальнейшей эксплуатации.
Исследования проводились с 2006 г. по 2010 г. на базе аккредитованной
лаборатории эксплуатационных материалов кафедры «Автомобили и тракторы»
Томского государственного архитектурно-строительного университета (прило-
жение Е) и в лаборатории диагностики АТП ОАО разрез «Шестаки» группы
предприятий ЗАО «Стройсервис» Кемеровской области.
Лаборатория эксплуатационных материалов ТГАСУ оснащена всем необ-
ходимым лабораторным оборудованием, которое позволяет определять: кине-
матическую вязкость при 50 ºС и 100 ºС, температуру вспышки масла в откры-
том тигле, оценку моюще-диспергирующих свойств, наличие водорастворимых
кислот, общее щелочное число, негорючие примеси, сульфатную зольность,
а также концентрации продуктов износа и загрязнения методом эмиссионного
спектрального анализа масла. Все физико-химические методы и спектральный
анализ масла выполняются по стандартным методикам [213, 341].
Лаборатория диагностики агрегатов АТС по ПРМ АТП разреза «Шеста-
ки», которая в структуре АТП образует СКУНА по ПРМ, оснащена всем необ-
ходимым диагностическим и лабораторным оборудованием, которое позволяет
выполнять как диагностику агрегатов автомобилей по параметрам работающего
масла, так и осуществлять ряд методов инструментальной диагностики, под-
тверждающих результаты анализа масла [53, 295]. Под контролем лаборатории
диагностики находится весь парк автомобилей и спецтехники.
На разрезе «Шестаки» эксплуатируется парк технологического авто-
144
транспорта большой грузоподъемности с гидромеханической трансмиссией Бе-
лорусского автозавода, тракторно-бульдозерная техника и спецтехника на базе
автомобилей. В частности – самосвалы БелАЗ-7547, БелАЗ-7548, БелАЗ-7555В,
а также автосамосвалы КамАЗ-5511, КамАЗ-65115, землеройные машины Т-
130, Т-170, Т-25, Komatsu D-355, автогрейдеры ДЗ-98 и другая спецтехника.
В базовой комплектации самосвалы БелАЗ оснащены силовыми агрега-
тами с замкнутыми системами смазки: ДВС, ГМП, КПП, РВМ, ГС. В группу
КПП также включены коробки отбора мощности, в группу РВМ входят редук-
торы главных передач. Таким образом, автомобиль комплексно рассматривает-
ся как система, через ее силовые агрегаты. Оценивая техническое состояние
каждого агрегата через их «критические» узлы, оценивается работоспособное
состояние всего автомобиля [53, 295].
Работоспособность агрегатов АТС в данной работе планируется оцени-
вать двумя взаимосвязанными этапами. Первый этап характеризует системный
подход к исследованию агрегатов АТС по совокупности ДВС, ГМП и ГС. Дан-
ный этап детально рассматривается в настоящей работе. Второй этап является
перспективным, где к названным агрегатам полагается добавить для исследова-
ний КПП, РВМ, РМК. Второй этап в работе не рассматривается, но по подобию
технических систем он может быть применим в дальнейших исследованиях,
что позволит системно рассматривать АТС с позиций надежности его агрегатов.
В общем балансе трудоемкостей разборочных (48,6 чел-ч) и сборочных
(62,7 чел-ч) работ по замене основных узлов и агрегатов автосамосвалов БелАЗ-
7555, доля трудоемкостей для ДВС, ГМП и ГС составляет 35,7 %. Доля трудо-
емкостей, при замене всех агрегатов с замкнутыми системами смазки, составля-
ет 56,1 % [129].
Двигатели ЯМЗ-240НМ; ЯМЗ-845.10, КТТА 19-С, Д-160, Д-180, ЯМЗ-850
и ЯМЗ-238 эксплуатируются на моторных маслах М-10ДМ и Chevron SAE-
15W40, двигатели КамАЗ 740.10 и КамАЗ 740.30-260 – на моторном масле Ди-
зель Премиум SAE-15W40. В ГМП заливается масло марки А, а в гидравличе-
ских системах используются гидравлические масла МГЕ-46В и ВМГЗ. В ДВС и
145
агрегаты трансмиссии заливаются и другие масла согласно карте смазки реко-
мендованной заводом-изготовителем. Каждое масло имеет стандартные харак-
теристики, по которым оно сертифицируется.
Пробы масла из агрегатов АТС отбираются с периодичностью согласно
расчету (3.3), по результатам анализов проб определяется дальнейшая пригод-
ность масла, и выявляются нарушения в работе агрегатов.
На каждое АТС заводится учетная карточка, в которой отмечаются: ре-
зультаты анализа работающего масла, даты смен масла и пробег при каждой
смене масла, а также техническое состояние каждого исследуемого агрегата,
ведется учет расхода горюче-смазочных материалов.
Результаты анализа свежего масла и топлива регистрируются по мере их
поступления.
Службой диагностики ведется документация по контролю состояния спи-
дометров (мотосчетчиков), журнал дымности, талон токсичности, справка
о работе службы диагностики, составляется отчет лаборатории и технологиче-
ская карта ремонтных работ [53, 295].
Все работы службы диагностики, связанные с контролем качества масла,
не являются экспрессными. Трудоемкость стандартных методов анализа масла
достаточно высока, а минимальное время, затрачиваемое, например, на выпол-
нение работ по определению массы негорючих примесей, составляет не менее
335 чел-мин на 10 проб [304].
В настоящее время большинство существующих лабораторий ФХАМ
широко используют стандартные методы оценки свойств работающих масел.
Такие лаборатории внедрялись в АТП Западной Сибири в конце 20-го века. Се-
годня многие из них успешно работают по тем методикам, которые были пре-
дусмотрены при внедрении [53, 295, 304, 305]. Стандартные методы оценки ра-
ботающих масел являются известными и в настоящей работе они не представ-
лены [214].
Аналитическая глава диссертации показала возможность использования
методов, основанных на электрофизических принципах оценки свойств смазоч-
146
ных масел. Данные принципы базируются на богатой априорной информации,
полученной в результате проработки научной литературы. Теория исследова-
ний подтверждается экспериментальными исследованиями, которые, в свою
очередь, подразделяются на лабораторные и эксплуатационные.
Основной целью лабораторных исследований является установление спо-
собности распознавания диагностических признаков в соответствии с алгорит-
мом диагностирования. Для этого были приготовлены образцы загрязняющих
компонентов в различных концентрациях имитирующих загрязнения работаю-
щих масел. Свежие масла загрязнялись компонентами с известным химическим
составом, приготовленным для выполнения эталонирования метода ЭСАМ
службой диагностики разреза «Шестаки». Свежие масла загрязнялись водой,
моторным (дизельным) топливом Л-0,2-40 (ГОСТ 305-82*), железной и алюми-
ниевой металлической стружкой, а также дорожной пылью различного фракци-
онного состава и дисперсности.
Дисперсность, при приготовлении искусственных загрязняющих компо-
нентов, определялась размером твердых частиц, которые были получены в ре-
зультате их отсева из общего фракционного состава через лабораторные сита
в соответствии с ГОСТ Р 51568-99 (ИСО 3310-1-90).
Загрязнители жидкой фазы (вода, моторное топливо) вводились в свежее
масло посредством шприцевания. Для этого использовались градуированные
шприцы различной емкости (ГОСТ 24861-91).
Контроль объемной концентрации осуществлялся соотношением объема
вводимого загрязнителя к объему свежего масла. Необходимый объем масла
отмерялся с помощью градуированной лабораторной колбы (ГОСТ 1770-74*).
Массовая концентрация загрязнителя определялась путем взвешивания
лабораторного стакана со свежим маслом, стакана в сухом и чистом виде, за-
грязняющего компонента, который впоследствии смешивался с навеской чисто-
го масла. По соотношению масс чистого масла и загрязняющего компонента
определялась массовая концентрация дисперсной фазы загрязнителя в диспер-
сионной смазочной среде. Для проведения взвешивания использовались весы
147
лабораторные аналитические ЛВ120-А 1-го класса точности по ГОСТ 24104-2001.
Смешивание масла с загрязняющими компонентами осуществлялось
в два этапа: механическим способом и ультразвуком.
Полученные пробы масел с загрязняющими компонентами исследовались
на средствах измерений ИКМ-2 и ВТР-1 методами низковольтного и высоко-
вольтного воздействия.
Эксплуатационные испытания проводились по новым экспресс-методам
(подробно рассмотрены в настоящей работе ниже) с использованием приборов
ИКМ-2 и ВТР-1, которые анализировали пробы работающих масел отобранных
из агрегатов автосамосвалов БелАЗ-7547, -7548, -7555 и КамАЗ-5511, -65115
Отбор проб работающего масла выполнялся в условиях разреза «Шестаки»
специальными пробоотборниками, предназначенными для отбора проб масла из
картеров агрегатов в соответствии с требованиями ГОСТ 2517-85. Новые мето-
ды контроля являются дополнительными к существующей программе выпол-
нения анализов стандартными методами, проводимыми службой диагностики
автоуправления. Отбор работающего масла для анализа выполнялся в штатном
режиме согласно план-графику разработанного производственно-техническим
отделом автоуправления. Результаты массового отбора проб были использова-
ны в качестве статистической базы данных для проведения настоящих исследо-
ваний.
Для исследования динамики изменения диагностических показателей
в процессе эксплуатации выбирались группы автомобилей по формуле (3.2).
Результаты этих исследований позволили разработать способы прогнозирова-
ния срока масла и остаточного ресурса агрегатов автомобилей новыми метода-
ми экспресс-диагностики.
Все результаты разработанных новых и усовершенствованных сущест-
вующих методов экспресс-диагностики оценивались корреляционным анализом
с результатами стандартных методов ФХАМ.
Структурная схема экспериментальных исследований представлена на
рисунке 3.1.
148

Рисунок 3.1 – Структурная схема проведения исследований


149
3.2 Методика сбора и обработки статистических данных

Информация, необходимая для обработки данных [30], распределяется по


этапам проведения исследований:
1) Состояние вопроса исследования. На данном этапе оценивается АТС,
как объект исследования, при этом детально прорабатываются вопросы экс-
плуатационной надежности, оцениваются причины потери автомобилями рабо-
тоспособности, выявляются характерные отказы. Снижению отказов противо-
поставляется диагностика, как процесс предупреждения их повторного появле-
ния. Анализ существующих методов диагностирования, выявление проблем ди-
агностики позволяет сформировать цель работы и задачи исследования. Источ-
никами информации являются статистика отказов АТС, обзор и анализ НИР,
монографий, статей, патентов.
2) Теоретические исследования. На этапе теоретических исследований
подтверждается рабочая гипотеза о том, что электрофизические процессы, ко-
торые можно сформулировать в виде математических зависимостей, способны
оценивать изменения в работающем масле, что позволяет разрабатывать новые
и совершенствовать существующие методы и средства экспресс-диагностики
АТС. Теоретические исследования формируют целевую функцию в зависимо-
сти от влияющих факторов, при этом выбирается математический аппарат.
Электрофизические процессы описываются аналитическими формулами и ими-
тационными моделями, а процессы влияния факторов на целевую функцию, ди-
агностический показатель – уравнениями регрессии. Источниками информации
являются значения, получаемые расчетом по теоретическим и эмпирическим
формулам и зависимостям.
3) Экспериментальные исследования. На данном этапе разрабатывается
методика экспериментальных исследований, апробируется диагностический
прибор, осуществляется сбор экспериментальных данных. Методика разбивает
проводимые исследования на лабораторные и эксплуатационные, с учетом
применяемых средств диагностирования, марок масел, диагностируемых агре-
150
гатов и загрязняющих компонентов. Источниками информации являются опыт-
ные и экспериментальные эмпирические данные, значения точности измерений.
4) Анализ и обобщение результатов теоретических и эксперименталь-
ных исследований. На данном этапе осуществляется сравнение эмпирических
зависимостей с основными трендами, полученными расчетом по теоретическим
формулам. Источниками информации являются значения коэффициентов кор-
реляции, детерминации, уровней значимости и ряда других показателей, кото-
рые формируют числовые характеристики исследуемого процесса.
5) Расчет эффективности и опытная апробация разработок. На данном
этапе проводится расчет технологической, экологической и экономической эф-
фективностей от внедрения разработок и полученных результатов. Источника-
ми информации являются эмпирические значения, характеризующие снижения
трудоемкостей, простоев, времени контакта человека с ГСМ и денежных затрат.
Методика сбора данных включает проработку производственно-
технической документации, где также содержится необходимая информация:
– постовые карты ТО с перечнем операций по автосамосвалам БелАЗ-
7555В, БелАЗ-7547, БелАЗ-7548, КамАЗ-5511, КамАЗ-65115 (данные ПТО);
– стоимости видов ТО с указанием нормативной и фактической трудоем-
кости (данные ПТО, ОТиЗ);
– графики отбора проб масла (данные ПТО, СД);
– журналы учета списочного состава АТС по предприятию (данные ПТО);
– журнал производственных показателей АТС (данные ПТО)
– журналы по наработке основных агрегатов (данные ПТО);
– план-график (производственная программа) ТОР АТС (данные ПТО);
– формы заключения о ГСМ (данные СД);
– формы отчета лаборатории диагностики (данные СД);
– отчет экономической эффективности службы диагностики (данные СД);
– лицевые карточки автомобиля (данные ПТО, СД);
– журналы учета неплановых простоев (данные ПТО, ОТиЗ);
– ремонтные журналы;
151
– акты приемки (выпуска) автосамосвалов в ремонт.
В результате сбора статистических данных составляются таблицы экспе-
риментальных исходных данных. Обработка этих данных сводится к задачам:
1) созданию математических моделей исследуемого процесса и определе-
нию их параметров;
2) нахождению условий, обеспечивающих оптимальные свойства иссле-
дуемого процесса (оптимизация процесса).
В первом случае разрабатывается детерминированная модель с извест-
ными параметрами математического уравнения.
Во втором случае зависимость критерия оптимизации от факторов можно
изобразить поверхностью, построенной в многомерном пространстве, в кото-
ром факторы играют роль координат [54].
При отсутствии достаточных данных для разработки детерминированной
модели процесса, модель устанавливается эмпирическим путем. С помощью
эмпирических и полуэмпирических моделей можно решать задачи оптимиза-
ции. Однако наилучшего результата оптимизации процесса дают аппроксими-
рующие регрессионные модели, которые позволяют применять для расчета па-
раметров стандартную процедуру метода наименьших квадратов. Таким обра-
зом, методы планирования эксперимента способны опираться на регрессион-
ный анализ при поиске экстремума функции многих переменных.
При поиске оптимальных условий используется математическая модель
в виде алгебраического уравнения, связывающего критерий оптимизации с воз-
действующими на него факторами:
y = f ( x1 , x 2 ,..., x i ,..., x n ) . (3.1)
где у – функция отклика от независимых переменных хi. Решение критерия оп-
тимизации дает количественное значение.
При обработке статистических данных выявляются вероятностные зако-
номерности и соотношения между случайными факторами. Обработка массивов
статистических данных проводится по методикам, которые подробно рассмот-
рены в теории надежности и диагностики машин [37, 145, 210, 211, 212, 261].
152
Для того чтобы оценить случайные величины закона распределения, дос-
таточно знать их числовые характеристики. Основные числовые характеристи-
ки, это математическое ожидание, мода, среднее квадратичное отклонение,
дисперсия, коэффициент вариации. В п. 2.4.3 представлена разработанная авто-
ром имитационная модель оценки работоспособности агрегатов АТС по ПРМ,
которая в формализованном виде базируется на последовательном расчете ос-
новных значений числовых характеристик.

3.3 Методика планирования эксперимента

В условиях эксплуатации АТС на работающее масло влияет множество


трудно учитываемых факторов. Поэтому диагностирование и прогнозирование
следует выполнять при смешанном планировании, а именно: часть факторов
фиксируется, а часть трудно учитываемых факторов принимается априорно.
В этом случае, возникают погрешности, величины которых могут варьировать-
ся в широком диапазоне. Значит необходимо максимально снизить величину
погрешности единичного измерения, но для этого следует иметь информацию
об оптимальном числе единичных измерений, удовлетворяющих нормативному
классу точности измерения [89].
При принятой доверительной вероятности α, расчет необходимого числа
измерений п выполняется по формуле:
Z β2 ⋅ V 2
n= , (3.2)
δ 2

где Z β – величина, характеризующая достоверность результатов испытания

и зависящая от доверительной вероятности β.


Если сведений о законе распределения работоспособности исследуемых
автомобилей недостаточно, тогда следует использовать результаты исследова-
ний приведенных в работах [11, 13, 32, 304, 305]. При испытании узлов, выход
из строя которых связан с повышенным износом их деталей, доверительная ве-
роятность принимается равной 0,95, что соответствует Z 0,95 = 1,645 . Коэффи-
153
циент вариации V, характеризующий рассеяние экспериментальных данных,
при исследовании изнашивания деталей машин колеблется в преде-
лах 0,27...0,53. При изучении долговечности агрегатов величина ошибки изме-
рения находится в пределах δ = 0,065....0,284.
Количество автомобилей в группах, для проведения эксплуатационных
испытаний по изучению изнашивания деталей агрегатов, должно быть не менее
6...8 единиц.
Количество периодически отбираемых проб масла с каждого агрегата,
при средней ошибке определения концентраций загрязняющих компонентов
в масле δ = 0,4 и коэффициенте вариации V =0,5 [304, 305], составляет 4...5
проб на один агрегат.
Периодичность отбора проб масла, найденная из соотношения заданного
срока службы масла к необходимому количеству измерений п, определяется по
формуле:
t см K
t пер = , (3.3)
n
где tTO – регламентированная периодичность замены масла выполняемая при
плановом ТО; К = 0,6 – коэффициент корректирования пробега [257]. Перио-
дичность отбора проб масла на анализ, для выполнения оценки его качествен-
ных свойств, в среднем составляет 250 ч.
В зависимости от достоверности полученных экспериментальных дан-
ных, можно решать вопрос о необходимости повышения размера выборки, учи-
тывая при этом технические возможности автомобиля находящихся под на-
блюдением.

3.4 Методика построения математических моделей


и проверки их на адекватность

Математическое моделирование, решая задачи диагностирования и про-


гнозирования системы «агрегат – масло» в зависимости от сложности иссле-
дуемого процесса, выполняется по аналитическим или имитационным моделям.
154
Математические зависимости базируются на экспериментальных данных, вы-
ражаются уравнениями множественной регрессии с проведением регрессионно-
го, корреляционного и дисперсионного анализов [5, 115, 131, 132, 168, 187, 219,
280, 316, 317 и др.].
В самом общем виде аналитическая модель исследуемого процесса выра-
жается уравнением множественной регрессии:
y = f ( x , x ,..., x , z , ω) + ε ,
~
1 2 n (3.4)
где ~
y – параметр функции отклика, получаемой на основе обработки экспери-
ментальных данных; x1, x2 ,..., xn – факторы или управляемые переменные; z , ω –
переменные и постоянные, влияющие на функцию отклика, но не поддающиеся
управлению; ε – ошибка аппроксимации или «остаточная» случайная величина
(остаток). В уравнении (3.4) под параметрами функции отклика понимаем зна-
чения свойств работающего масла Y, которые нужно установить в процессе ис-
следований внешних и внутренних факторов Х при использовании агрегата
АТС по назначению.
Уравнения регрессии можно выразить полиномом п-го порядка, степен-
ной, показательной моделью и другими зависимостями [5, 40, 115, 302].
На основании результатов испытаний разрабатывается математическая
модель, которая позволяет установить степень влияния факторов на параметр
функции отклика и наилучшим образом описывает исследуемый процесс. На-
пример, аналитическая модель может быть выражена полиномом:
Y = a 0 + а1 X + а 2 X 2 + ... + а n X n , (3.5)
где Y – теоретическое значение функции; Хj – экспериментальные значения
(факторы); а0 – свободный член, характеризует среднее значение функции от-
клика при нулевых значениях всех факторов; аj – частные коэффициенты рег-
рессии.
Математическая модель проверяется на статистическую оценку значимо-
сти коэффициентов регрессии и адекватность [5, 131, 132, 219, 280].
Статистическая оценка значимости коэффициентов регрессии исключает
155
из математической модели второстепенные эффекты, оказывающие малое
влияние на функцию отклика. Для этого при заданном уровне значимости α
проверяется абсолютное значение коэффициента регрессии аj с величиной до-
верительного полуинтервала разброса случайной величины δ:
> а j − коэффициент незначимый;
δ (3.6)
 ≤ а j − коэффициент значимый.
Из (3.6) имеем, что если значение коэффициента аj превышает значение δ,
то коэффициент считается значимым, в противном случае коэффициент незна-
чим и он исключается из математической модели. Величина полуинтервала оп-
ределяется в соответствии с критерием Стьюдента t α, f и заданного уровня

значимости α (по умолчанию принимается α = 5 %) [131].


Проверка на адекватность показывает соответствие математической мо-
дели изучаемому процессу [5, 115, 131, 168, 280 и др.]. Для этого вычисляется
опытное значение критерия Фишера, которое сравнивается с его теоретическим
значением, взятым при заданном уровне значимости α. Если опытное значение
критерия Фишера Fon меньше теоретического Fт , то модель считается адек-
ватной, в противном случае модель признается неадекватной, т.е.
 < Fт − модель адекватна;
Fon  (3.7)
≥ Fт − модель неадекватна.
Мерой адекватность статистической модели является коэффициент де-
терминации. Он выражается квадратом коэффициента корреляции R2 и показы-
вает насколько велико общее отклонение значений функции регрессии f ( X )
от фактических значений величины Y или долю дисперсии Y, объясняемую пе-
ременными Х. Коэффициент детерминации принимает значения от 0 до 1. Чем
ближе значение коэффициента к 1, тем сильнее зависимость. Модели приемле-
мы, если коэффициент детерминации не меньше 0,5 [132].
Проверка адекватности экспериментальных зависимостей выполняется
путем исследования остаточной случайной величины ε, при проведении дис-
персионного анализа. Математическая модель, выраженная уравнением регрес-
156
сии, считается адекватной если: математическое ожидание каждой остаточной
случайной величины равно нулю; все остаточные случайные величины имеют
одинаковое среднее квадратическое отклонение; остаточные случайные вели-
чины взаимно независимы; каждая остаточная случайная величина распределе-
на по нормальному закону [115]. Две последние статистические характеристики
позволяют наглядно графически оценить адекватность аналитических моделей.
Разработка регрессионных математических моделей и проверка их на
адекватность, при большом числе параметров, в диссертации выполнялась
с использованием стандартного пакета программ «STATISTICA» и MS Excel,
описание которых приводится в работах В.П. Боровикова, А.А. Халафяна, А.А.
Минько и др. [39–41, 205, 339].
Наряду с регрессионными моделями компьютерное обеспечение позволя-
ет разрабатывать имитационные модели. Имитационные модели разрабатыва-
ются в том случае, когда по различным причинам не поддаются разработке ма-
тематические модели. Имитационная модель описывается в общем случае алго-
ритмом [43, 127, 259, 355], который разрабатывается на основе аппроксимации
реальных функциональных действий упрощенных до некоторой степени дета-
лизации. Содержательное описание процесса при разработке имитационной
модели не имеет самостоятельного значения, но служит основой для формали-
зации процесса, которая осуществляется в два этапа: выбора языка для форма-
лизации моделирующего алгоритма и формального описания системы.
В качестве языка формализации выбран универсальный математический
пакт программ MS Excel.
Испытание имитационной модели на адекватность осуществляется в два
этапа: верификацией и валидацией [13, 259, 375].

3.5 Методика оценки безотказности автотранспортных средств

Безотказность АТС, как свойство объекта непрерывно сохранять работо-


способное состояние в течение заданного времени, оценивается стандартными
показателями надежности по ГОСТ 27.002-89. В общем смысле понятие «от-
157
каз» подразумевает нарушение работоспособного состояния объекта. Иссле-
дуемые в работе методы диагностики оценивают работоспособность автомо-
бильных агрегатов по ПРМ через выявление неисправностей, которые являются
причинами отказов. Если обнаруженные неисправности своевременно устра-
няются, то отказов не наступает. Тогда работа агрегатов является безотказной.
Но если хотя бы один из параметров, оценивающий состояние работающего
масла диагностируемого агрегата, достигает предельного значения, то считает-
ся, что агрегат неисправен, т.е. неисправности характеризуют надежность объ-
екта.
Вероятность безотказной работы агрегата АТС в интервале времени от 0
до t, определяется по формуле:
n(t )
P ( D1 ) = P(t ) = , (3.8)
N
где n(t ) - число агрегатов автомобилей в момент времени t, диагностический
параметр которых, не достиг допустимого значения; N – число агрегатов авто-
мобилей в генеральной совокупности (объем выборки). Тогда вероятность на-
ступления отказа P( D2 ) = 1 − Р( D1 ) .
Учитывая, что диагностика по ПРМ выявляет неисправности АТС до на-
ступления отказа, то отсутствие отказов будет характеризовать такое техниче-
ское состояние автомобиля, при котором он будет выполнять заданную работу
в течение длительного периода времени. Функционирование любого объекта
без изменения структуры в течение длительного времени, по определению, на-
зывается стабильностью. Тогда стандартные показатели безотказности можно
косвенно определять через показатель стабильности, который всегда стремится
к нулю – К стаб → 0 , при этом P(t ) → 1 ⇒ P ( D2 ) → 0 .
В настоящих исследованиях безотказность АТС косвенно оценивается по
характеру изменения числовых характеристик диагностического параметра для
группы автомобилей (рассмотрены в п. 2.4.3). В условиях эксплуатации боль-
шинство автомобилей имеют технически исправные агрегаты, содержащие ми-
нимальное количество продуктов износа и загрязнения. Исправные агрегаты
158
оказывают влияние на модальное значение диагностического параметра, экспе-
риментальная плотность которого имеет нормальное распределение, а неис-
правные – на закон распределения [304]. Это дает возможность по величине от-
клонения модального значения М диагностического параметра от его матема-
тического ожидания МО, судить о техническом состоянии группы автомобиль-
ных агрегатов по коэффициенту стабильности:
МО − М
К стаб = . (3.9)
МО
Безотказность автомобильных агрегатов оценивалась путем сравнения
действительных значений Кстаб с нормативными значениями. Исследования
[293, 304] показывают, что при отлаженной системе диагностики по ПРМ зна-
чение коэффициента стабильности не должно превышать 0,12–0,20.

3.6 Обоснование и разработки средств экспресс-диагностики

3.6.1 Средство экспресс-диагностики ИКМ-2

Для решения задач контроля качества работающих масел в условиях АТП


по заданию Ассоциации «Автокадры» (г. Москва) сотрудниками кафедры
«Эксплуатация автомобильного транспорта» МАДИ ТУ (руководитель темы
Л.С. Васильева, исполнитель Ю.А. Будько) и МП «Микротех» (г. Томск), был
разработан прибор-индикатор качества масла (ИКМ-1), в основу которого по-
ложена резонансная схема колебательного контура. Первые испытания прибор
прошел в а/к 1510 «Знаменская» Мособлавтотранс и а/к 1786 Мособлпассажи-
равтотранс в 1991 году. Положительное заключение об эффективности исполь-
зования ИКМ-1 по результатам испытаний было получено в Научно исследова-
тельском институте автомобильного транспорта (НИИАТ). Функциональные
свойства прибора ИКМ-1 и его модификации ИКМ-2 (рисунок 3.2) соответст-
вуют физическим принципам оценки масляной среды, рассмотренной в теоре-
тической части настоящих исследований, что и обосновывает наш выбор дан-
159
ного средства диагностики для проведения экспериментальных исследований.

Рисунок 3.2 – Прибор индикатор качества масла ИКМ-2

Метод экспресс-диагностики, с использованием прибора ИКМ-2, запатен-


тован [308], а целесообразность его применения для диагностики агрегатов
АТС регламентирована нормативным документом [250]. Технические характе-
ристики и последовательность выполнения анализа масла представлена в инст-
рукции по эксплуатации ИКМ-2 [143], а также в приложении Б.
Регистрация результатов измерений ИКМ сопровождается ведением гра-
фиков, которые учитывают наработку автомобиля и работающего масла (мото-
ч или км пробега), долив масла и техническое состояние агрегата АТС.
В зависимости от значения измеряемого показателя ИКМ, масло, подвер-
гаемое анализу, можно отнести к одной из четырех групп (таблица 3.1).

Таблица 3.1 – Группы диагностических признаков прибора ИКМ-2

Виды примесей Группа 1 Группа 2 Группа 3 Группа 4


Кислота +
Вода, ОЖ + +
Продукты сгорания +
Частицы металла + + +
Продукты окисления +
Частицы песка (пыли) +
Топливо + +

1 группа – масло с допустимым содержанием примесей годное для экс-


плуатации. На индикаторе положительное отклонение показаний относительно
160
эталонного масла ниже браковочной нормы.
2 группа – масло непригодное для эксплуатации. Повышенное содержа-
ние допустимых примесей, либо наличие недопустимых примесей. На индика-
торе положительное отклонение показаний относительно эталонного масла
превышает значения браковочной нормы.
3 группа – масло с содержанием топлива непригодное для эксплуатации.
На индикаторе отрицательное отклонение показаний относительно эталонного
масла.
4 группа – масло непригодное для эксплуатации, с содержанием взвешен-
ных примесей, воды, охлаждающей жидкости. На индикаторе наблюдается
дрейф показаний в положительную сторону.

3.6.2 Средство экспресс-диагностики ВТР-1

Совместное сотрудничество кафедр «Автомобили и тракторы» и «Химия»


ТГАСУ с Сибирским физико-техническим институтом при Томском государст-
венном университете (СФТИ ТГУ), позволило разработать новое средство экс-
пресс-диагностики «ВТР-1».
Оценка состояния работающих масел осуществляется на газоразрядной
установке ВТР (аббревиатура слов – Высоковольтный Тлеющий Разряд), кото-
рая представлена на рисунке 3.3. Установка состоит из высоковольтного им-
пульсного трансформатора с блоком управления разрядом, газоразрядной каме-
ры, устройства для видеофиксации оборудованного веб-камерой, процессора
для алгоритмической обработки информации, монитора для работы с про-
граммным обеспечением и контроля газоразрядной визуализации.
Установка включает источник импульсного напряжения до 50 кВ (для че-
го оператор обязан владеть правилами электробезопасности). Напряжение под-
водится к плоскому электроду в газоразрядной камере, покрытому стеклянной
пластиной. Поверх пластины устанавливается заземленный электрод, снабжен-
ный прижимом (рисунок 3.4).
161

Рисунок 3.3 – Установка ВТР-1 для оценки работающего масла


в среде газового разряда

Рисунок 3.4 – Газоразрядная камера с Т-образным прижимным электродом

При включении высокого напряжения между электродами возникает раз-


ряд с областью свечения, простирающейся до 6…8 мм от края заземленного
электрода. Регистрация свечения осуществляется с помощью цифровой USB
веб-камеры вмонтированной в откидной кожух, предотвращающий внешнюю
засветку при фотофиксации разряда.
Исследуемый материал пропитывается работающим маслом и помещает-
ся в область высоковольтного разряда. При этом на геометрию свечения и его
спектральную характеристику оказывают влияние свойства исследуемого мате-
162
риала. Эмпирическим путем установлено [309], что для работающих масел за-
кон спада интенсивности свечения в зеленой области спектра наиболее сильно
зависит от степени выработки ресурса, т.е. от концентрации компонентов, на-
копившихся в процессе работы. Степень выработки эксплуатационных свойств
масла оценивается в сравнении со свежим смазочным маслом, что упрощает
калибровку установки при проведении анализа.
Порядок работы установки следующий. Под заземленный электрод по-
верх стекла укладывается бумажная полоска, пропитанная исследуемым рабо-
тающим маслом. Для сравнительного анализа рядом укладывается полоска бу-
мажного фильтра, пропитанная свежим маслом идентичной марки. Бумажные
полоски имеют размер 15х50 мм.
На электрод под стеклянной пластиной подается высоковольтное им-
пульсное напряжение. Способ помещения жидкого материала в разряд посред-
ством бумажного пористого носителя предотвращает вытеснение исследуемого
материала ионным ветром. Область газового разряда выполняется фотографи-
рованием цифровым способом. Обработка цифровой информации выполняется
с использованием графического редактора MS Photo Editor. В ходе обработки
выделяется зеленая составляющая изображения разряда и повышается ее кон-
трастность до появления дискретных границ в градациях яркости. Показателем
степени выработки ресурса работающего масла служит отношение в расстояни-
ях указанных границ от кромки электрода.
В установке используется веб-камера Logitech с форматом изображения
Mega pixel. Камера по яркости, контрасту, насыщенности устанавливается на
максимуме. При подаче высокого напряжения камера регистрирует изображе-
ние разряда (рисунок 3.5), при этом его видеофиксация занимает 1–2 секунды.
Файл формата jpg с изображением разряда программа заносит в базу дан-
ных. Фиксация изображения осуществляется в пределах указанного времени,
что предотвращает перегрев частей разрядного устройства. Алгоритмическая
обработка выполняется с выводом диалогового окна на мониторе компьютера
(рисунок 3.6).
163

Рисунок 3.5 – Регистрируемое изображение газоразрядного свечения

Рисунок 3.6 – Диалоговое окно на мониторе компьютера

Для внедрения проб смазочного масла в высоковольтный разряд наиболее


эффективным является белый лист бумаги плотностью 80 г/м2. Такая бумага
обеспечивает достаточно быстрое и равномерное внедрение смазочного масла
без искажения спектрально-яркостных характеристик свечения. Внедрение сма-
зочного масла на бумажный пористый носитель осуществляется с помощью ме-
164
тода капельной пробы или погружением в масляную среду с последующим
промакиванием от избытков масла. Первый метод является приоритетным.
Одновременная аппаратная регистрация свечения исследуемой пробы
масла и эталонной устраняет влияние дестабилизирующих факторов, влияю-
щих на точность получения результата, и исключает необходимость в калиб-
ровке.
Цифровой файл, занесенный в базу данных компьютера, с зарегистриро-
ванной информацией содержит три составляющих, соответствующих различ-
ным участкам усредненной спектральной характеристики свечения разряда. Зе-
леная область видимого спектра и ее картина яркости наиболее чувствительна к
присутствию исходных компонентов и компонентов, накопившихся в процессе
работы. Экспериментальными наблюдениями установлено, что распределение
яркости красной и синей составляющих спектра в основном определяется при-
сутствием атмосферных газов и слабо зависит от присутствия компонентов
смазочного масла [309].
Концентрация накопившихся загрязняющих компонентов в работающем
масле влияет на изменение интенсивности свечения по мере удаления от кром-
ки электрода. Если изменение интенсивности свечения одной пробы относи-
тельно другой имеет приблизительно линейный характер, то достаточно досто-
верной численной оценкой является расстояние, на котором яркость свечения
меняется до некоторого заданного уровня. Для оценки свойств масла использу-
ется база данных измерений, сопоставимая с законами спада яркости по мере
удаления от кромки электрода, полученная методами статистического накопле-
ния результатов наблюдений.
Регистрация результатов наблюдений для последующей алгоритмической
обработки включает, визуализацию двумерной картины распределения яркости
на мониторе компьютера, регулировку контрастности изображения до появле-
ния дискретных границ в градациях яркости измерение линейных размеров об-
ластей свечения в направлении, перпендикулярном кромке электрода.
Рассматриваемый метод оценки смазочного масла включает подготовку
165
пробы для анализа, аппаратную регистрацию и алгоритмическую обработку.
Выполнение анализа одной пробы масла занимает с полным перечнем основ-
ных и вспомогательных работ от 3 до 5 минут, что говорит о высокой произво-
дительности метода. При этом низкая интенсивность генерации озона и ульт-
рафиолетового излучения, полное отсутствие выбросов продуктов горения
уменьшают воздействие вредных факторов при выполнении анализов проб ма-
сел в лабораторных и полевых условиях.
Для эффективного использования прибора ВТР-1 необходима системати-
ческая регистрация результатов измерений КИС с построением графиков, кото-
рые учитывают наработку автомобиля и работающего масла (мото-ч или км
пробега), долив масла и техническое состояние агрегата автомобиля.
В зависимости от значения измеряемого показателя КИС, масло, подвер-
гаемое анализу, можно отнести к одной из трех групп (таблица 3.2), отли-
чающихся наличием и концентрацией различных примесей.

Таблица 3.2 – Группы диагностических признаков прибора ВТР-1

Виды примесей Группа 1 Группа 2 Группа 3

Кислота +
Вода, ОЖ +
Продукты сгорания +
Частицы металла + +
Продукты окисления + +
Частицы песка (пыли) + +
Топливо +

1 группа – масло с допустимым содержанием примесей годное для экс-


плуатации.
2 группа – масло непригодное для эксплуатации, с содержанием взвешен-
ных примесей, продуктов окисления, воды, охлаждающей жидкости.
3 группа – масло непригодное для эксплуатации. Повышенное содержа-
ние недопустимых примесей в виде продуктов износа или топлива.
166
3.7 Технология экспресс-диагностирования
электрофизическими методами контроля

Эксплуатационные испытания электрофизических методов экспресс-


диагностики осуществлялись в соответствии с разработанной технологией ди-
агностирования. При этом весь технологический процесс диагностирования
АТС организуется силами АТП. Средства экспресс-диагностики размещаются в
комплексной лаборатории ФХАМ, где также располагается оборудование для
спектрального анализа масла.
Экспресс-диагностику выполняют слесарь-диагност и лаборант, которые
штатно подчиняются начальнику службы диагностики.
Экспресс-диагностика, по последовательности действий выполняемых
работ, характеризуется как предварительная, т.е. выясняет необходимость про-
ведения более трудоемких стандартных методов лабораторного анализа масла.
Технологический процесс предварительной диагностики автомобильных агре-
гатов по ПРМ осуществляется в следующей последовательности.
1. Автомобиль поступает на пост диагностики Д-1 (Д-2, Д-3) по графику
постановки транспортного средства на соответствующий вид ТО.
2. Слесарь-диагност выполняет отбор пробы масла из установленного
места отбора у агрегата специальным пробоотборником. Пробоотборник пред-
ставляет собой шприц с гибким наконечником, длина которого соответствует
технологическим особенностям агрегата и места для отбора проб. Для ДВС та-
ким местом отбора является трубка для щупа, контролирующего уровень масла;
для ГС – горловина масляного бака; для редукторов и коробок передач – отвер-
стия для контроля уровня масла, а также другие легкодоступные технологиче-
ские отверстия, где возможен оперативный отбор пробы масла. Для экспресс-
анализа достаточным количеством является 0,1 л масла. Пробы масла отбира-
ются в чистую стеклянную (пластиковую) посуду в течение 5...10 минут после
остановки агрегата. Пробы нумеруются и, в соответствии номеру, регистриру-
ются следующие данные: дата отбора пробы, наработка автомобиля и агрегата,
техническое состояние агрегата, марка применяемого масла, сопутствующий
167
вид ТО, пробег от смены масла. Пробы масла доставляются в лабораторию ди-
агностики сразу после отбора.
3. Поступившие в лабораторию ФХАМ пробы масла немедленно подвер-
гаются экспресс-анализам на средствах измерения, оценивающих степень за-
грязненности работающего масла. В наших исследованиях, экспресс-анализы
выполнялись на приборах ИКМ-2 и ВТР-1 и сертифицированных маслах, в со-
ответствии с методиками выполнения анализа согласно инструкциям.
1) Методика выполнения анализ масла на приборе ИКМ-2:
– на датчик прибора наносится несколько капель свежего сертифициро-
ванного масла и регулятором устанавливается нулевое значение показателя на
цифровом табло индикатора измерения;
– свежее масло удаляется с датчика ватным тампоном, смоченным бензи-
ном «Галоша» или чистым неэтилированным бензином насухо;
– на датчик наносится несколько капель работающего масла и нажатием
кнопки измерения устанавливается показание индикатора. На табло индикатора
отображается значение условного показателя качества масла, т.к. оно показыва-
ет величину отклонения диагностического параметра относительно свежего
масла;
– измерение анализируемой пробы масла производится 2–3 раза через 10
секунд;
– если после 2–3 повторных измерений наблюдается резкое увеличение
условного показателя относительно первого измерения и выше браковочного, с
последующей стабилизацией значения, то это свидетельствует о наличии твер-
дых металлических частиц износа. После этого оценивается состояние системы
очистки масла, а также интегральный износ деталей;
– если после 2–3 повторных измерений наблюдается постепенное увели-
чение условного показателя относительно предшествующего измерения и выше
браковочного, с отсутствием стабилизации значения, то это свидетельствует о
наличии воды или охлаждающей жидкости и оценивается техническое состоя-
ние системы охлаждения, герметичность агрегата;
168
– если значение условного показателя принимает отрицательное значе-
ние, то это свидетельствует о наличии топлива в работающем масле и оценива-
ется техническое состояние топливной аппаратуры;
– если значение условного показателя принимает стабильную величину
при последующих измерениях выше браковочного, то это характеризует нали-
чие атмосферной пыли, продуктов неполного сгорания топлива или полимери-
зации окислившегося масла и оценивается техническое состояние системы очи-
стки воздуха, состояние вентиляции картера агрегата.
2) Методика выполнения анализ масла на приборе ВТР-1:
– пробами свежего и работающего масел пропитывают бумажные носи-
тели и одновременно их помещают в газоразрядную камеру прибора на диэлек-
трическую стеклянную пластину, прижимая пробы Т-образным электродом;
– на электрод подается импульсное высоковольтное напряжение, которое
скользит по поверхностям проб свежего и работающего масла и инициирует га-
зоразрядное свечение;
– камера регистрирует изображение разряда в течение 1–2 секунд, обра-
ботка цифровой информации выполняется с использованием графического ре-
дактора MS Photo Editor;
– файл формата jpg с изображением разряда программа заносится в базу
данных, где происходит алгоритмическая обработка данных. В ходе обработки
выделяется зеленая составляющая изображения разряда и повышается ее кон-
трастность до появления дискретных границ в градациях яркости. Показателем
степени выработки ресурса работающего масла, является условный показатель
интенсивности свечения, который численно равен отношению длины свечения
пробы работающего масла к аналогичной длине свежего масла.
Диагностирование технического состояния агрегата осуществляется
по диагностическим параметрам работающего масла путем сравнения с пре-
дельно-допустимыми (браковочными) значениями:
– резкое увеличение значения условного показателя свыше предельно-
допустимой величины, характеризует наличие продуктов износа в масле и оце-
169
нивается техническое состояние систем очистки масла, интегральный износ;
– постепенное увеличение значения условного показателя свыше пре-
дельно-допустимой величины, характеризует наличие топлива в масле и оцени-
вается техническое состояние топливной аппаратуры;
– резкое снижение значения условного показателя ниже предельно-
допустимой величины, характеризует наличие воды или охлаждающей жидко-
сти и оценивается техническое состояние системы охлаждения, герметичность
агрегата;
– постепенное снижение условного показателя ниже предельно-
допустимой величины, характеризует наличие продуктов атмосферного загряз-
нения (пыли) или неполного сгорания в масле (сажи, окисления, полимериза-
ции) и оценивается техническое состояние системы очистки воздуха, герметич-
ность агрегата, состояние вентиляции масляного картера.
4. По результатам экспресс-анализов работающего масла делается заклю-
чение о техническом состоянии автомобильного агрегата и работоспособности
масла в однозначной форме: исправно или неисправно; пригодно или непри-
годно. При выдаче экспресс-методом отрицательного результата, с указанием
диагностического признака (вода, топливо, продукты износа или атмосферного
загрязнения), назначается соответствующий стандартный лабораторный анализ
масла по ГОСТ. В случае, когда один из браковочных показателей достигает
предельного значения, производится смена масла.
5. Информация о диагнозе автомобиля, полученная по результатам экс-
пресс-анализа работающего масла, немедленно поступает в зону ТО. При необ-
ходимости, стандартный метод анализа масла выполняется параллельно основ-
ным видам работ по ТО, а информация, подтверждающая диагноз экспресс-
метода, поступает в зону ТО до окончания вида обслуживания. Это позволяет
корректировать техническое обслуживание до выхода автомобиля из зоны ТО.
6. Результаты, полученные при экспресс-анализах, регистрируются в спе-
циальном журнале. В журнале указываются виды: сопутствующего ТО, диагно-
стируемых агрегатов, марок масла, выявленных дефектов. В журнал заносятся:
170
результаты стандартных методов анализов масла; рекомендации по устранению
неисправностей; сведения по устранению обнаруженных неисправностей; ре-
комендации о мероприятиях, направленных на повышение надежности агрега-
тов.
Журналы регистрации и ежемесячные (квартальные, годовые) отчеты
формируют информационную базу данных службы диагностики. База данных
позволяет анализировать причины снижения эксплуатационной надежности ав-
томобильных агрегатов, намечать мероприятия по устранению этих причин,
корректировать объем необходимых работ (по ТО и ТР) и определять перио-
дичность замены масла.
7. Для общей характеристики работоспособности автомобиля выполняет-
ся прогнозирование остаточного ресурса его агрегатов. При постановке диагно-
за учитывается динамика и характер изменения диагностических параметров за
период наблюдения между отборами проб работающего масла. Значения диаг-
ностических параметров и соответствующие им наработки определяют вид
графической зависимости. Наклон линии графика несет информацию о теку-
щем техническом состоянии агрегата и работоспособности масла, а его сравне-
ние с предельно-допустимым (браковочным) значением, дает величину оста-
точного ресурса агрегата. Резкое уменьшение или увеличение диагностическо-
го показателя указывает на то, что в агрегате наблюдается нарушение техниче-
ского состояния и следует выполнить углубленные физико-химические и спек-
тральные анализы масла с проведением инструментального контроля.
Предварительный контроль работающего масла экспресс-методами, пре-
дусматривает выборочный отборы проб масла из агрегатов между видами ТО
тогда, когда автомобиль находится на обкатке, после ремонта, а также по реко-
мендациям водителей, служб ТО и диагностики. В данном случае пробы масел
из агрегатов автомобилей доставляются из карьеров в лабораторию диагности-
ки, для анализов, водителями автомобилей топливо- или маслозаправщиков,
т.к. службы ГСМ АТП структурно связаны со службой диагностики [251].
171
3.8 Метрологические вопросы обеспечения
метода колебательного контура на приборе ИКМ-2

При измерении прибором ИКМ-2 свойств работающего масла, оценива-


лись три источника возможного появления ошибок (приложение Ж).
1. Чувствительность прибора. Для того чтобы исключить возможность
неправильного отражения измеряемой величины, на измерительную ячейку пе-
риодически наносилось эталонное масло, которое подтверждало правильность
установки, т.е. показывало обнуление индикатора.
2. Неспособность индикатора отражать реакцию прибора. В процессе ра-
боты прибора автономный источник тока (батарея) утрачивает электрическую
энергию, за счет постепенного ослабления химических реакций создающих
ЭДС. Ослабление разности потенциалов способно привести к искажению зна-
чений отображаемых на индикаторе. Для исключения такой погрешности регу-
лярно выполняется контроль технического состояния источника автономного
питания.
3. Неспособность правильно регистрировать показания прибора. Прибор
прост в эксплуатации, имеет один индикатор, отображающий регистрируемые
значения цифровым кодом. Это исключает неоднозначное толкование измеряе-
мых показаний, снимаемых с данного индикатора.
Для исключения случайных ошибок, вносимых внешними условиями,
анализ проб исследуемых масел на приборе ИКМ-2 выполнялся в лаборатор-
ных условиях (п.3.1), при комнатной температуре и атмосферном давлении.
Пробы масел предварительно озвучивались ультразвуком или тщательно пере-
мешивались механической мешалкой. Затем капельная проба наносилась
на датчик измерительной ячейки и оценивалась цифровым кодом на световом
индикаторе прибора.
Случайные ошибки (резко отличающиеся значения), возникающие при
последовательных измерениях постоянной величины, из обработки результатов
исключались.
Систематические ошибки, которые характеризуются отклонением от среднего
172
значения последовательных измерений, оценивались величиной относительной
погрешности δ. Для этого на измерительную ячейку три раза наносился образец
исследуемой пробы масла, и каждый результат на индикаторе отмечается как
отдельное измерение. По результатам трех измерений рассчитывалось среднее
значение одного наблюдения, которое принималось для анализа и оценки
свойств масла. По полученным наблюдениям определялись зависимости, рас-
считывались математические модели и строились графики.
Исследование зависимостей ИКМ от вязкости масла включало десятикрат-
ное измерение парных значений для каждой пробы масла.
По результатам выполненных экспериментальных исследований, относи-
тельная погрешность между измерениями каждого наблюдения, не превышает
δ = ± 12 %, что является достаточным для диагностики АТС [292, 293]. Пример
расчета относительной погрешности по результатам измерений значений ИКМ
приведен в таблице 4.2.
Оценка математических моделей на адекватность выполнена в соответст-
вии с п. 3.4. Принятие или отклонение математических моделей, в выдвигаемых
по умолчанию нулевой Н0 (ложной) или альтернативной Н1 гипотезах, выпол-
няется в соответствии заданного уровня значимости α = 5 %. Вероятность при-
нятия ложной гипотезы характеризует р-величина уровня значимости, которая
рассчитывается для каждой математической модели. Если р-величина меньше
установленного уровня значимости, это означает, что событие с накопленной
вероятностью меньше 0,05 можно признать маловероятным. В этом случае ма-
тематическая модель статистически значимая.
Ряд математических моделей имеет накопленную вероятность р = 0,0000
(например, таблицы 4.1 и 4.3). В данном случае это означает, что числа имеют
пятый или более знак после запятой, исключают ложноположительные реше-
ния и признают такие модели статистически значимыми.
Достоверность выполненных результатов исследований оценивается ря-
дом критериев: точностью, понятностью, стабильностью приведенной инфор-
мации, верификацией, валидацией, непротиворечивостью существующим зна-
173
ниям, публикациями в рецензируемых изданиях.
Эмпирическая оценка свойств работающего масла помещенного в элек-
трическое поле выполнялась с позиции двух теорий: молекулярной [110, 121,
192, 204, 298, 315, 372, 373] и электротехнической [21, 23, 36, 216, 260, 268, 313,
364]. На основании существующих теорий в работе сформулирована концепция
использования диэлектрической проницаемости среды для определения со-
стояния работающего масла. Концепция реализована в качестве методологии
оценки состояния масла [55, 58, 65, 70, 73], и в виде способа для экспресс-
диагностирования технических объектов [308].

3.9 Метрологические вопросы обеспечения


метода газоразрядной визуализации на приборе ВТР-1

Известно [280], что численное значение физической величины получается


путем ее измерения в сравнении с другой величиной такого же рода принятой
за единицу. В наших исследованиях величиной единицы измерения является
безразмерный коэффициент КИС, получаемый отношением длин корон сколь-
зящего разряда исследуемого масла, к свежему (эталонному) маслу той же мар-
ки. В этом случае единицей измерения является условный показатель, отклоне-
ния которого характеризуют реальные физические процессы, такие как омиче-
ское сопротивление разряда, интенсивность его свечения, напряженность элек-
трического поля, в среде которого протекает разряд. Это минимально возмож-
ное количество параметров, достаточное для однозначного определения проте-
кающего процесса. Учитывая, что физическая природа протекания разряда ис-
следуемого и свежего смазочных масел одинакова и состоит из аналогичных
размерностей, то отношение длины разряда по поверхности исследуемого мас-
ла к длине свежего, дает безразмерную условную единицу. Она хорошо согла-
суется с теорией подобия [9], и во многом упрощает эксперимент.
Поставленный эксперимент при достаточно точных измерениях позволил
регистрировать отдельные величины, которые отличались от других. Это дава-
ло повод судить о наличии вероятных ошибок в процессе исследований.
174
Систематические ошибки измерений к началу математической обработки
результатов были выявлены и устранены. В процессе эксперимента создавались
равные условия для всех исследуемых марок масел. Навески при эталонирова-
нии масел загрязняющими компонентами производились на стандартном сер-
тифицированном оборудовании (весы аналитические, сита лабораторные и др.).
Непосредственный процесс получения результатов эксперимента выполнялся
на приборе ВТР-1.
Резко отличающиеся результаты измерений принимались в исследовани-
ях за грубые ошибки, и измерения повторялись. Отдельно «выскакивающие»
значения, выявляемые в базах данных, проверялись в соответствии с методикой
[280], и при необходимости исключались из дальнейшей обработки результа-
тов измерений.
Исследования по оценке ПРМ высоковольтным разрядом проводились
впервые, и, соответственно, были сделаны допущения о наличии случайных
ошибок измерения, вероятность возникновения которых трудно учесть. Ошиб-
ки рассматривались как эффект беспорядочной флуктуации показаний прибора
относительно истинных значений измеряемых величин, которые характеризо-
вали в таком случае погрешность прибора (приложение Ж).
Так как интенсивность свечения газового разряда в любой конкретный
момент времени является величиной случайной, то за период одного измерения
выходного сигнала результат может отклоняться от истинного значения. Со-
гласно теории инженерного эксперимента [353], даже сложные измерительные
приборы при многократных измерениях не дают нормально распределенные
показания измерений. Поэтому для максимально точного измерения текущего
состояния исследуемой среды работающего масла и минимального отклонения
от нормального распределения величины диагностических параметров прини-
мались по пяти измерениям одной пробы масла. Среднее значение пяти изме-
рений дает одно число наблюдений в экспериментальных исследованиях. Вы-
бор по пяти измерениям обосновывается тем, что величина, измеряемая более
четырех раз, в среднем удваивает точность получаемого результата [350, 353].
175
Измерительный преобразователь прибора также оценивался на относи-
тельную погрешность по пяти измерениям в шести идентичных наблюдениях
относительно среднего значения каждого наблюдения. Относительная погреш-
ность рассчитывается по формуле:
γ х = (∆х / х )100 , (3.10)
где ∆х = х − х – абсолютная погрешность измерительного прибора, х – изме-
ренное значение, х – среднее значение, является более полной характеристи-
кой измерительного преобразователя [260].
Средняя относительная погрешность измерений для моторных масел
SAE-15W40 и М-10ДМ по 30 измерениям в шести наблюдениях составила
4,8 %. Величина средней относительной погрешности по пяти измерениям од-
нократного наблюдения для группы моторных масел М-8В, М-10Г2К, М-10ДМ
и SAE-15W40 составила 8,2 %. Естественным является факт увеличения отно-
сительной погрешности измерения с уменьшением числа одноименных измере-
ний. Тем не менее, их средние погрешности измерений одного наблюдения ка-
ждой из исследуемых марок масел не превысили 10 %, что удовлетворяет усло-
виям технической диагностики машин [13, 33, 279, 304, 324, 350]. В пределах
нормативной относительной погрешности находятся также средние значения
измерений, полученные на индустриальных и гидравлических маслах. Для мас-
ла марки А – γ А = 5,2 %, для ВМГЗ – γ ВМГЗ = 4,9 %. Следовательно вопросы
точности результатов измерения, полученные на измерительном преобразова-
теле прибора ВТР-1 не вызывают сомнений.
Научная достоверность настоящей работы включает рассмотрение вопро-
сов достоверности процесса исследования, и достоверности полученных ре-
зультатов.
Приведенные в главе 2 теоретические исследования позволили сформу-
лировать гипотетическую дискретно-событийную модель формирования ин-
формирующего сигнала (рисунок 2.8), которая базируются на богатой априор-
ной информации, описанной в научной литературе по электрофизике [90, 117,
157, 181, 182, 203, 300], физике газового разряда [7, 85, 202, 265, 273, 360], тех-
176
нике высоких напряжений [10, 34, 44, 116], физике диэлектриков [25, 192, 222,
297, 298], фотографическим процессам [36, 352, 359, 361] и другим направлениям.
Возможность использования высоковольтного газового разряда при диаг-
ностировании АТС достоверно подтверждается научно обоснованной методи-
кой, которая базируется на модельном приборном исполнении, разработанных
имитационных (глава 2) и математических моделях (глава 4), построенных
на богатом статистическом материале.
Проверка имитационных и аналитических моделей осуществлялась в два
этапа: верификацией и валидацией [259, 355].
Близость откликов модели и реальной системы при одинаковых условиях
эксперимента устанавливается путем использования статистических выборок.
В настоящих исследованиях базовые имитационные модели (2.44), оцениваю-
щие свойства работающих масел (рисунок 2.15), представляют собой отноше-
ние состояния исследуемой среды к эталонной среде. В таком случае при обра-
ботке результатов удобно использовать понятие тренда, которое позволяет уп-
рощать модели (не учитывать постоянные величины, а использовать лишь неза-
висимые переменные), и показывать направление вектора исследуемого про-
цесса. Найденные решения таких моделей обосновывают теоретические поло-
жения, достоверность которых подтверждается корреляционным, дисперсион-
ным и регрессионным анализами.
Высокие положительные коэффициенты корреляции подтверждают тес-
ную связь теоретических и экспериментальных результатов исследований. Ко-
эффициенты детерминации объясняют хорошие соответствия аналитических
моделей исследуемых зависимостей экспериментальным данным. Оценку адек-
ватности зависимостей между имитационными и экспериментальными значе-
ниями в таком случае устанавливают критерии Фишера, Стьюдента, а также их
уровни значимости.
Большая экспериментальная выборка, основанная на лабораторных и экс-
плуатационных исследованиях, позволила разработать математические модели,
достоверность которых оценивалась проверкой пригодности моделей на их
177
адекватность. Проверка гипотезы об адекватности моделей оценивалась крите-
рием Фишера, проверка значимости коэффициентов уравнений регрессии оце-
нивалась критерием Стьюдента. Также адекватность аналитических моделей
оценивалась мерой близости остаточной случайной компоненты (остатка), обу-
славливающей возможную погрешность при проведении эксперимента, к тео-
ретическим значениям исследуемых параметров.
Программа STATISTICA позволила строить графики остатков на нор-
мальной вероятностной бумаге [39, 40, 41]. Если остатки хорошо ложатся на
прямую линию, то подтверждается предположение о нормальном распределе-
нии ошибок. Такая оценка свидетельствует о достаточно адекватном описании
экспериментальных данных, на основании которых построены математические
модели [74].
После построения математических моделей и проверки их на адекват-
ность проводится этап неформализованных решений, т.е. интерпретации полу-
ченных результатов, с перспективой их дальнейшего внедрения в систему ди-
агностирования автомобильных агрегатов по ПРМ.

3.10 Сравнительная оценка диагностических параметров


средств измерения

Диагностические приборы ИКМ-2 и ВТР-1 относятся к измерительным


техническим средствам, предназначенным для измерения физических величин.
Работающее масло и находящиеся в нем загрязняющие компоненты
по общефизическим законам относятся к механическим системам, т.к. каждый
элемент этой системы можно измерить массой и размером. Смазочная среда,
как система механических величин, преобразована в удобную для исследования
форму, в соответствии со строгими физическими закономерностями:
– эффект изменения электрической емкости при изменении диэлектриче-
ской проницаемости загрязняющих веществ в масле, зависит от расстояния ме-
жду электродами (применяется в ИКМ-2);
– эффект наведения электрического разряда на электроде вблизи диэлек-
178
трика, обладает постоянной поляризацией (применяется в ВТР-1);
– эффект электронной эмиссии, поддерживает видимый разряд (применя-
ется для ВТР-1);
– эффект фотоэлектронной эмиссии, преобразует свет видимого разряда
в электрический сигнал (применяется в ВТР-1).
Очевидно, что физические явления, которые используются для преобра-
зования механических величин в электричестве, у приборов ИКМ-2 и ВТР-1,
не вызывают сомнений. Поэтому, диагностические параметры во многом опре-
деляются качеством изготовления и погрешностью прибора, а также погрешно-
стью результатов измерения [256].
Нормированные метрологические характеристики для средств измерений
ИКМ-2 и ВТР в настоящей работе не рассматриваются, т.к. конструктивная со-
вокупность измерительных преобразователей оценивается методом непосред-
ственной метрологической оценки при проектировании измерительной системы
и конструировании модельного образца прибора. В приборах используются
стандартные серийно выпускаемые электронной промышленностью радиотех-
нические детали и микросхемы. Приборные погрешности определены разра-
ботчиком на стадии изготовления и испытания, и занесены в паспорт каждого
средства измерения. Считаем, что возникающие помехи (шумы) достаточно ма-
лы и приборная погрешность не оказывает влияния на измеряемую величину
диагностического параметра.
При измерении физических величин возникают методические погрешно-
сти, связанные не с прибором, а с методом его использования Методическая
погрешность возникает по той причине, что электрические средства диагности-
рования ИКМ-2 и ВТР-1 измеряют некоторую другую величину (емкость кон-
денсатора, частоту колебательного контура, длину короны электрического раз-
ряда), от которой зависит измеряемый параметр (концентрация загрязняющего
вещества и его диэлектрическая проницаемость) и принимаемый результат
(степень загрязненности).
Основным методом измерения электрических величин является метод
179
сравнения, где приборы ИКМ-2 и ВТР-1 оцениваются по разности между изме-
ряемой величиной и эталоном. Такой метод измерения считается высокоточ-
ным [324]. Методы измерения построены на том же принципе, что и зависи-
мость (2.2), описывающая временной ряд. В этом случае измеряемые приборами
величины и обоснованные диагностические критерии (2.18) и (2.44), тождественны.
В работе выполнен сравнительный анализ средств экспресс-диагностики
ИКМ-2 и ВТР-1 по классическим характеристикам диагностических парамет-
ров – чувствительности, однозначности, стабильности и информативности.
Под чувствительностью диагностического параметра понимаем способ-
ность реагирования на малое воздействие загрязняющего компонента и отра-
жения количественным способом. Пороговая чувствительность, наименьшая
величина при которой можно осуществлять измерение, распределяется сле-
дующим образом (таблица 3.3). Пороговая чувствительность выражена через
концентрацию загрязнителя в масле. Коэффициент корреляции характеризует
тесноту связи между измеряемой величиной и действительным значением ди-
агностического параметра.

Таблица 3.3 – Сравнительная оценка пороговой чувствительности


средств измерения

ИКМ-2 ВТР-1
Вид зависимости Приоритет
% R % R
Вода в масле 0,2 0,95 0,2 0,96 –
Топливо в масле 1,0 0,96 0,1 0,93 ВТР-1
Металл в масле 0,1 0,91 0,1 0,88 ИКМ-2
Кремний в масле 0,15 0,90 0,5 0,96 ИКМ-2

По результатам сравнительной оценки средств измерения ИКМ-2 и ВТР-1,


значения пороговой чувствительности лучшие у ИКМ-2.
Под однозначностью понимаем способность измерительного прибора от-
ражать в своих показателях лишь то свойство, для оценки которого он предна-
значен. Показатели однозначности средств диагностирования ИКМ-2 и ВТР-1,
для сравнительного анализа, представлены в таблице 3.4.
180
Таблица 3.4 – Сравнительная оценка показателей однозначности
средств измерения

ИКМ-2 ВТР-1
Вид зависимости Свойства Приоритет
Основные «Побочные» Основные «Побочные»
Вода в масле + – – Кремний ИКМ-2
Топливо в масле + – – Металл ИКМ-2
Металл в масле – Кремний – Топливо –
Кремний в масле – Металл – Вода –

Приборы ИКМ-2 и ВТР-1, с точки зрения методики диагностирования,


способны при одном измерении в одноименном диагностическом показателе
отражать другие, «побочные» свойства исследуемого масла. Однако если эти
«побочные» свойства создают загрязняющие компоненты, которые также под-
лежат определению, и их диагностические параметры не выходят за пределы
валидности, то измерение считается не однозначным и валидным.
Под валидностью понимается мера соответствия применяемых методов
и полученных результатов истинному состоянию объекта. Мера соответствия
оценивается конвергентной валидизацией, т.е. проверкой ожидаемой связи ме-
жду полученным результатом и другими показателями. Например, если на при-
боре ВТР-1 в процессе измерений загрязненного работающего масла результа-
ты имеют отрицательную динамику выше браковочного значения, то однознач-
но масло выбраковывается. При этом целесообразно провести исследование
масла по другой методике, которая хорошо коррелированна с первой. В данном
случае необходимо дополнительно определить температуру вспышки масла
и массу негорючих примесей. Зависимость К ИС = f(Твсп) имеет коэффициент
корреляции R = 0,88 и К ИС = f (Ме) – R = 0,96. Соответственно, если при из-
мерении свойств масла на приборе ВТР-1 наблюдается положительная динами-
ка выше браковочного значения, то в масле наблюдается присутствие продук-
тов износа и (или) топлива. Таким образом, если результат не однозначен, то
конвергентная валидизация показывает соответствие получаемого результата
ожидаемому значению.
181
Сравнительная оценка однозначности средств измерения показала, что
значение измеряемой величины может нести в себе информацию о двух диаг-
ностических параметрах. Оптимальные значения в этом случае показывает
прибор ИКМ-2, т.к. одновременное обнаружение продуктов износа и абразив-
ного загрязнения характеризуют один физико-химический параметр – негорю-
чие (механические) примеси в масле. По показателям однозначности лучшим
считается прибор ИКМ-2.
Под стабильностью диагностических параметров понимаем способность
средств измерений показывать результаты неизменные при многократном из-
мерении. Стабильность определяется отношением величины изменения иссле-
дуемого параметра к первоначальному эталонному значению. Величиной отно-
сительной нестабильности является относительная погрешность между одно-
именными измерениями, оцениваемыми многократно с определенными интер-
валами времени (через 15 с).
Стабильность результатов измерения для прибора ИКМ-2 составляет
12 % (для механических загрязнений и топлива в масле), для прибора ВТР-1 –
10 %. Разница в 2 % находится в пределах погрешности, поэтому не является
определяющей.
Под информативностью средств измерения понимаем способность, рас-
познавать разные состояния свойств масла, которые рассматриваются с пози-
ции применения их для целей диагностирования агрегатов автомобилей. Распо-
знаваемые свойства масла представлены в таблицах 3.1 и 3.2. По превышению
величины диагностического параметра (2.48), когда дополнительные лабора-
торные методы ФХАМ не показывают отклонений, косвенно оценивается сте-
пень загрязненности работающего масла продуктами окисления.
Выполненный сравнительный анализ средств измерения ИКМ-2 и ВТР-1,
по классическим характеристикам диагностических параметров, показал спо-
собность этими приборами оценивать свойств масла. По результатам чувствительно-
сти и однозначности лучшими характеристиками обладает прибор ИКМ-2.
182
3.11 Сравнительная оценка портативных средств
экспресс-диагностики

Каждое средство диагностирования образует иерархическую систему, ко-


торая может оцениваться критериями выбора по:
– назначению (функциональное, классификационное, универсальное);
– надежности (долговечность, безотказность, ремонтопригодность, со-
храняемость);
– эргономичности (антропометричность, психофизиологичность, психо-
логичность, гигиеничность);
– экологичности;
– безопасности (химическая, механическая, электрическая, электромаг-
нитная, магнитная, радиационная, противопожарная).
Номенклатура перечисленных критериев образует систему служебных
и потребительских свойств оборудования, которые представляют совокупность
технических характеристик, характеризующих технологические возможности
и производственные потребности оборудования [63, 328]. Если технические ха-
рактеристики ряда свойств не могут быть представлены в виде числового зна-
чения, то оценка выполняется качественными понятиями «лучше», «хуже» или
«на уровне». Тогда получить однозначное мотивированное заключение об обо-
рудовании, по совокупности свойств технической характеристики сочетанием
качественных и количественных оценок, не представляется возможным. Здесь
качественные свойства показателей следует перевести в количественные, ис-
пользуя специальные математические методы исследования операций. Для ре-
шения этой проблемы применяется МАИ [282–284].
В работах [59, 62] показана возможность адаптации МАИ для оптимиза-
ции выбора средств диагностирования и отмечено, что оценка иерархической
структуры осуществляется методом парного сравнения элементов и выявлени-
ем коэффициента относительной важности одних элементов по отношению к
другим (п. 2.4.4). При заданных элементах уровня альтернатив (Сi , С j ) строит-
183
( )
ся матрица парных сравнений относительно цели A = a ij . Значения парных

суждений a ij определяют по весу диагностических объектов ωi в зависимости

от числового значения элемента сравнения a ij , полученного путем суждения

эксперта. Затем определяют максимальное или главное собственное значение


λ max матрицы А, которое упорядочивает собственный вектор ω i и является ме-
рой согласованности или пропорциональности предпочтений.
Чем ближе λ max к числу объектов n, тем более согласован результат. От-
клонение от согласованности может быть выражено величиной индекса согла-
сованности (2.63). Если ИС ≤ 0,1 , то высказанные суждения справедливы для
всех уровней иерархии.
Рассматривая служебные свойства диагностического оборудования, соот-
несем их с потребительскими свойствами. Под потребительскими свойствами
понимаем свойства средств диагностирования, которые удовлетворяют потреб-
ностям человека при использовании данного средства по назначению. Под слу-
жебными свойствами понимаем такие свойства средств диагностирования, ко-
торые выражают отношения между его частями для выполнения заданных
функций, заложенных производителем для обеспечения потребностей человека.
Следовательно, если производственные отношения позволяют использовать все
заложенные свойства средств диагностирования по назначению, то потреби-
тельские и служебные свойства являются тождественными.
В работах проф. Ю.А. Васильева [48] и проф. Ю.А. Гурьянова [105] были
заложены концептуальные основы разработки портативных средств экспресс-
диагностирования. В основу такой концепции легли следующие требования:
простота и низкая трудоемкость; возможность использования в полевых и ста-
ционарных условиях; минимальное количество расходных материалов; воз-
можность качественной и количественной оценки показателей; применение
универсальных методов и средств, позволяющих одновременно оценивать не-
сколько параметров; отсутствие потребности в стеклянной лабораторной посу-
де; возможность дублирования состояния диагностических свойств другими
184
методами; возможность достоверного принятия решения по сформированному
комплексу показателей.
Наша позиция аналогична представленной концепции.
Однако авторы данной концепции главным образом рассматривают экс-
пресс-диагностику с использованием портативных комплектов, а не с примене-
нием универсальных малогабаритных мобильных приборов «карманного» ис-
полнения. Разработанные и представленные в работе средства экспресс-
диагностики неравнозначны. Так прибор ВТР-1 имеет портативное исполнение,
а прибор ИКМ-2 – малогабаритное «карманное» исполнение.
В работе [105] проведен анализ возможностей портативных средств, при-
меняемых для оценки качества свежих и работающих масел. Дополнив исход-
ные данные работы [105] приборами ВТР и ИКМ-2, был выполнен анализ слу-
жебных свойств и потребительских предпочтений методом анализа иерархий.
Оцениваемые свойства портативных комплектов приведены в таблицах 3.5, 3.6
и 3.7, а результаты исследований на рисунках 3.7 и 3.8.
В таблице 3.7 приводятся результаты экспертного опроса 25-и студентов
пятого курса специальности 190601.65 «Автомобили и автомобильное хозяйст-
во». Видно, что любой комплект портативных средств экспресс-диагностики
устроил бы небольшой автопарк. Однако дальнейший отказ от предполагаемого
приобретения сводился к большой стоимости или отсутствия данных о стоимо-
сти комплектов. Предпочтение вызвали малогабаритные «карманные» прибо-
ры, в едином корпусном исполнении, которым не требуется специального обу-
чения и анализ можно выполнить по нескольким каплям работающего масла
с масломерного щупа агрегата непосредственно на автомобиле.
Таким образом, МАИ позволяет отчетливо выразить суждения экспертов,
которые представляют группу людей с различными целями и противоречивыми
интересами. Оцениваемые альтернативы характеризует взаимодействие субъек-
тивных и объективных факторов различного типа и степени важности.
185
Таблица 3.5 – Служебные свойства портативных средств
экспресс-диагностики (А)

Применение универсальных методов


Возможность использования в поле-

Отсутствие потребности в фирмен-

Отсутствие потребности в химиче-

Определение однозначного распо-

Достаточный комплекс для поста-


Качественный и количественный
Простота и низкая трудоемкость

вых и в стационарных условиях


Код средства диагностирования

ных расходных материалах

знавания состояния масла


ской стеклянной посуде

новки верного диагноза


анализ
Наименование средств диагностиро-
вания, страна

А-1 А-2 А-3 А-4 А-5 А-6 А-7 А-8


Портативный комплект Главмосавто-
СД-1 - да - - да - - -
транс, РФ
СД-2 Переносной комплект КИ-28085, РФ да да* да - - - - -
СД-3 Переносной комплект КИ-28090, РФ да да* да - - - - -
СД-4 Переносной комплект КИ-28105, РФ да да* - - - - - -
СД-5 Экспресс-лаборатория ВИИТиН, РФ да да* - - да - - -
СД-6 Портативный индикатор ПЭК-М, РФ да да - - - - - -
Лаборатории ЛАМА-5,7 НПП «Ди-
СД-7 да да - - - - - -
поль», РФ
Лаборатории ПЛАМ-1,2,3 ЦНИИ МФ,
СД-8 да да - - да - - -
РФ
Прибор для проверки дизельного масла
СД-9 да да да да да да - -
KOMATSU, Япония
СД-10 Контрольный набор MTU, ФРГ да да да - - - - -
Экспресс-лаборатория KITTIWAKE,
СД-11 да да - - - - - -
США
Экспресс-лаборатория Chevron Lubri-
СД-12 да да - - - - - -
cants, США
Анализатор качества масла Lubrisensor,
СД-13 да да да - да да - -
США
СД-14 Портативный комплект КДМП-3, РФ да да да да да да да да
СД-15 Портативный комплект ВТР, РФ да да да - да да да -
СД-16 Анализатор качества масла ИКМ-2, РФ да да да - да да да да
* - не позволяет определять весь комплекс диагностических параметров
186
Таблица 3.6 – Диагностические показатели масла средств
экспресс-диагностики (В)

Наличие охлаждающей жидкости

Наличие металлических частиц


Код средства диагностирования

Наличие абразивных частиц


Диспергирующие свойства

Механические примеси
Наличие топлива

Щелочное число
Плотность
Вязкость
Наименование средств диагности-
рования, страна

В-1 В-2 В-3 В-4 В-5 В-6 В-7 В-8 В-9


Портативный комплект Главмосав-
СД-1 да* - да - да да* да - -
тотранс, РФ
СД-2 Переносной комплект КИ-28085, РФ - - да* да - - - - -
СД-3 Переносной комплект КИ-28090, РФ - - да* да - - - - -
СД-4 Переносной комплект КИ-28105, РФ да - да* да - да* да* - -
СД-5 Экспресс-лаборатория ВИИТиН, РФ да - да - да да* да - -
СД-6 Портативный индикатор ПЭК-М, да - - да - - да - -
РФ
Лаборатории ЛАМА-5,7 НПП «Ди-
СД-7 да - да да да да* да* - -
поль», РФ
Лаборатории ПЛАМ-1,2,3 ЦНИИ
СД-8 да - да да да да* да - -
МФ, РФ
Прибор для проверки дизельного
СД-9 да да - - - - да - -
масла KOMATSU, Япония
СД-10 Контрольный набор MTU, ФРГ да да да - - - -
Экспресс-лаборатория KITTIWAKE,
СД-11 да - да - - да* да - -
США
Экспресс-лаборатория Chevron Lu-
СД-12 да - да - - да* да - -
bricants, США
Анализатор качества масла Lu-
СД-13 да* да - - - - - - да*
brisensor, США
СД-14 Портативный комплект КДМП-3, да да да - да - да да да
РФ
СД-15 Портативный комплект ВТР, РФ да да - - - - да - да
СД-16 Анализатор качества масла ИКМ-2, да да - - - - да да да
РФ
* - не однозначный показатель
187
Таблица 3.7 – Индивидуальные потребительские свойства средств
экспресс-диагностики (С)

Отсутствие необходимости в обуче-


Время анализа всех проб до 5 мин.

Низкая стоимость (до 5 тыс. руб.)


Использование для парка машин

(с вспомогательными работами)

Единое приборное исполнение


Индивидуальное пользование
Код средства диагностирования

Минимальная навеска пробы

Масса комплекта до 0,5 кг


(с масляного щупа)
5–10 ед.

нии
Наименование средств диагности-
рования, страна

С-1 С-2 С-3 С-4 С-5 С-6 С-7 С-8


Портативный комплект Главмосавто-
СД-1 - - - - - - - -
транс, РФ
СД-2 Переносной комплект КИ-28085, РФ - да - - - - - -
СД-3 Переносной комплект КИ-28090, РФ - да - - - - - -
СД-4 Переносной комплект КИ-28105, РФ - да - - - - - -
СД-5 Экспресс-лаборатория ВИИТиН, РФ - да - - - - - -
СД-6 Портативный индикатор ПЭК-М, РФ - да - - - - - -
Лаборатории ЛАМА-5,7 НПП «Ди-
СД-7 - - - - - - - -
поль», РФ
Лаборатории ПЛАМ-1,2,3 ЦНИИ МФ,
СД-8 - да - - - - - -
РФ
Прибор для проверки дизельного мас-
СД-9 - да - - - - - -
ла KOMATSU, Япония
СД-10 Контрольный набор MTU, ФРГ - - - - - - - -
Экспресс-лаборатория KITTIWAKE,
СД-11 - да - - - - - -
США
Экспресс-лаборатория Chevron Lubri-
СД-12 - да - - - - - -
cants, США
Анализатор качества масла Lubrisen-
СД-13 да да да - да - да -
sor, США
СД-14 Портативный комплект КДМП-3, РФ - да - - - - - -
СД-15 Портативный комплект ВТР, РФ - да да - да да да -
СД-16 Анализатор качества масла ИКМ-2, да да да да да да да да
РФ
188

Рисунок 3.7 – Иерархия оптимизированного выбора средств диагностирования автомобилей


по параметрам работающего масла
189
Сложность невозможности выбора одного комплекта экспресс-
диагностики из предложенных альтернатив, с определенной степенью компро-
мисса, преодолевается построением иерархии проблем.
Цель проблемы фокусируется в выборе наилучшего средства диагности-
рования для исследуемых условий эксплуатации (рисунок 3.7). За целью сле-
дуют наиболее важные критерии служебных свойств, диагностических возмож-
ностей и потребительских предпочтений, где каждый из критериев разделяется
на субкритерии (см. таблицы 3.5–3.7). За субкритериями следует уровень аль-
тернатив, в виде 16 комплектов средств экспресс-диагностики.
Результаты расчета, выполненные по МАИ (п.2.4.4) с использованием
программы СППР «Выбор» [296], представлены в таблице 3.8 и на рисунке 3.8.

Таблица 3.8 – Результаты выбора средств экспресс-диагностирования


Код узла

СД-16
СД-10

СД-11

СД-12

СД-13

СД-14

СД-15
СД-1

СД-2

СД-3

СД-4

СД-5

СД-6

СД-7

СД-8

СД-9
Вес узла

0,044

0,035

0,035

0,040

0,048

0,038

0,045

0,055

0,065

0,043

0,043

0,043

0,089

0,113

0,104

0,159
Общая согласованность иерархии: 0,003

Рисунок 3.8 – Диаграмма результатов сравнительной оценки


средств диагностирования по ПРМ
190
По проведенному ранжированию альтернатив оптимальным прибором,
для целей экспресс-диагностики, определен индикатор качества масла ИКМ-2.
Выбор обосновывается во многом потребительскими свойствами (таблица 3.7),
которые позволили прибору ИКМ-2 1 (код СД-16) набрать наибольший вес в
совокупности парных суждениях, что соответствует максимальному уровню
значимости из рассмотренных альтернатив. Прибор ВТР-1 (код СД-15) имеет
третий уровень значимости из 16-ти альтернативных средств измерения.

Выводы

1. Разработана комплексная методика экспериментальных исследований,


которая базируется на принципах теории диагностирования АТС по ПРМ и
прогнозирования срока службы масла в условиях лаборатории диагностическо-
го контроля с использованием стандартных методов ФХАМ и разработанных
электрофизических экспресс-методов анализа масла.
2. Разработана методика выполнения анализов работающего масла с при-
менением приборов ИКМ-2 и ВТР-1 и проведена сравнительная оценка средств
измерения на чувствительность, однозначность, стабильность и информатив-
ность, которая показала приоритет средства экспресс-диагностики ИКМ-2.
3. Для решения проблемы оптимизированного выбора средств экспресс-
диагностики для заданных условий эксплуатации, обосновано применение
МАИ, который имеет наиболее универсальный математический аппарат для
комплексной оценки малоструктурированных и сложно формализуемых крите-
риев выбора. Метод показал высокую значимость приборов ИКМ-2 и ВТР-1 из
существующих альтернатив.
4. Разработана технология экспресс-диагностики автомобильных агрега-
тов по ПРМ электрофизическими методами контроля. Технологический про-
цесс предусматривает упорядоченную последовательность взаимосвязанных
действий, с момента постановки АТС на диагностику, до принятия решений,
оценивающих соответствие АТС его фактическому техническому состоянию.
191
4 РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ

Глава посвящена результатам проведенного научного исследования, в ко-


торой разработаны новые и усовершенствованны существующие электрофизи-
ческие методы контроля ПРМ, позволившие установить функциональные зави-
симости диагностических параметров от концентраций загрязняющих компо-
нентов в масляной среде и от параметров, определяемых стандартными мето-
дами ФХАМ. При этом установлены числовые значения диагностических па-
раметров работающего масла, и обоснованы методы прогнозирования техниче-
ского состояния агрегатов АТС.

4.1 Лабораторные исследования параметров работающего масла


методом колебательного контура

Существующие лабораторные методы анализа масла, главным образом


предназначены для анализа свежих масел, и не всегда распространяются на ра-
ботающие масла. Ряд исследователей, М.А. Григорьев, Ю.А. Гурьянов, Б.И.
Ковальский, С.В. Корнеев, А.И. Соколов, Н.Т. Тищенко, В.А. Аметов и др. [13,
15, 105, 167, 170, 201, 303, 305 и др.], внесли некоторые дополнения в стандарт-
ные методики и разработали новые, которые позволяют оценивать изменения в
работающих маслах, с учетом изменений технического состояния машин.
Для исследования масла в процессе работы автомобиля требуется прове-
дение большого количества наблюдений в различных условиях эксплуатации,
которые проводятся в течение нескольких лет и сопровождаются большими ма-
териальными затратами. Сокращению времени исследований способствуют ла-
бораторные испытания, которые позволяют уяснить процессы влияния загряз-
няющих компонентов на изменения свойств смазочной среды.
Лабораторные испытания проводились на приборе ИКМ-2 по усовершен-
ствованной методике (п. 3.7), которая позволяет оценить параметры масла в за-
висимости от наличия в нем воды (охлаждающей жидкости), моторного (ди-
зельного) топлива, металлических продуктов износа и атмосферной пыли.
192
4.1.1 Метод исследования подсистемы «вода - масло»

Лабораторные испытания по определению воды были выполнены на мо-


торном масле М-10ДМ. Значение ИКМ оценивалось при концентрациях воды
в масле от 0 до 5 % по объему.
Наличие воды в масле, согласно теории взаимодействия воды с жидкими
диэлектриками в электрическом поле [23, 130, 271, 281, 336], не позволяет опре-
делить значение ИКМ по одному измерению. Повторные измерения через крат-
ковременные промежутки времени dt , покажут текущие значения d (И КМ ) ,
пропорциональные снижению напряженности электрического поля dЕ и увели-
чению эффективной диэлектрической проницаемости масляной смеси dε*.
Оценить значение диагностического параметра ИКМ позволяет экспери-
мент, результаты которого представлены в таблице 4.1, а графические – на ри-
сунке 4.1. Математические оценки зависимостей И КМ (t ) = f ( H 2 O)
и И КМ ( H 2 O) = f (t j ) выполнены с использованием регрессионного и корреля-
ционного анализов.

Рисунок 4.1 – Зависимости индекса качества масла М-10ДМ


от концентрации воды и времени измерения

Высокие коэффициенты корреляции R свидетельствуют о практически


функциональной зависимости значений ИКМ от концентрации воды и времени
измерения. Коэффициенты детерминации R2 достаточно высоки. Это значит,
193
что построенные регрессии объясняют 89...99 % разброса значений ИКМ относи-
тельно их среднего значения. Математические модели адекватны, т.к. их уров-
ни значимости р → 0 , при этом критерий Фишера Fon < Fт (3.7), что свиде-
тельствует о высокозначимых уравнениях регрессии.

Таблица 4.1 – Математические модели подсистемы «вода – масло»

Вид зависимости Математическая модель R R2 p


И КМ (0) = 0,06 + 0,35 Н 2 О 0,96 0,93 0,0000
И КМ (15) = 0,06 + 0,43Н 2 О 0,99 0,98 0,0000
И КМ (30) = 0,04 + 0,49 Н 2 О 0,98 0,97 0,0000
И КМ (t ) = f ( H 2 O) И КМ (45) = 0,07 + 0,53Н 2 О 0,98 0,96 0,0000
И КМ (60) = 0,05 + 0,59 Н 2 О 0,98 0,97 0,0000
И КМ (75) = 0,13 + 0,61Н 2 О 0,98 0,96 0,0000
И КМ (90) = 0,12 + 0,67 Н 2 О 0,97 0,95 0,0000
И КМ (0,5) = 0,27 + 0,003t 0,96 0,93 0,0004
И КМ (1) = 0,4 + 0,004t 0,99 0,97 0,0000
И КМ ( H 2 O) = f (t j ) И КМ (1,5) = 0,54 + 0,005t 0,99 0,99 0,0000
И КМ (2) = 0,72 + 0,01t 0,99 0,99 0,0000
И КМ (2,5) = 1,04 + 0,01t 0,99 0,99 0,0000
И КМ (0) = 0,06 + 0,72 И КМт 0,97 0,94 0,0063
М-10ДМ: И КМ (15) = 0,06 + 0,87 И КМт 0,99 0,98 0,0009
И КМ (t j ) = f ( И КМтеор ) И КМ (30) = 0,03 + 0,99 И КМт 0,99 0,98 0,0009
И КМ (45) = 0,07 + 1,08И КМт 0,98 0,96 0,0034
И КМ (15) = 0,04 + 1,2 И КМт 0,99 0,97 0,0018

Полученные математические модели и их числовые характеристики дока-


зывают зависимость ИКМ от концентрации воды в масле и времени измерения.
В работе выполнена оценка соответствия экспериментальных данных
И КМ (t j ) с теоретическими значениями И КМ теор . Результаты зависимости
И КМ (t j ) = f ( И КМ теор ) для масла М-10ДМ представлены в таблице 4.1 и на
рисунке 4.2. Средняя относительная погрешность между экспериментальными
и теоретическими значениями составляет δ ср = 16,8 % . Причем погрешность
тем больше, чем больше отклонение от времени измерения, т.е. > 30 с. Следо-
вательно, оптимальным временем для оценки воды в масле является время
194
от 30 секунд и выше.
Точность результата оценивается по одноименным пробам масла, вре-
менным рядом повторных измерений с кратностью равной 15 секунд. Система-
тическая ошибка исследуемого метода биения определяется по формуле:
И КМ ср − И км i
δ= 100 % . (4.1)
И КМ ср

где И КМ ср – среднее значение индекса качества масла.

Рисунок 4.2 – Зависимость И КМ (t j ) = f ( И КМ теор ) для масла М-10ДМ

В таблице 4.2 приведены результаты исследования систематических


ошибок, вносимых средством измерения.

Таблица 4.2 – Результаты исследования систематических ошибок, вносимых


средством измерения

Масло М-10ДМ
Содержание воды в масле, % Количество измерений
1 2 3
0,5 -6,10 12,17 -6,07
1,0 3,72 -4,32 0,60
1,5 -3,27 2,43 0,84
2,0 0,14 0,01 -0,15
2,5 0,08 -5,33 5,25
Среднее по измерению δ i , % -1,01 0,99 0,09
Среднее по наблюдению δ ji , % 0,07
195
Анализ этих результатов показывает хорошую согласованность значений
ИКМ с концентрацией воды в смазочном масле. Все экспериментальные точки
зависимостей И КМ (t ) = f ( H 2 O) (таблица 4.1), при коэффициенте надежности
α = 0,95, находятся в пределах доверительного интервала, рассчитанного с уче-
том коэффициента Стьюдента. Величина систематической ошибки достаточно
мала и не оказывает существенного влияние на экспериментальные исследования.
Определение 12. Величина индекса качества масла ИКМ, характеризую-
щаяся дрейфом значений показателей расстройки частотного колебательного
контура N, изменяется пропорционально росту концентрации воды ν в смазоч-
ном масле и зависит от времени t взаимодействия воды с электрическим по-
лем.

4.1.2 Метод исследования подсистемы «моторное топливо – масло»

Наличие дизельного топлива в работающем масле двигателя АТС, явля-


ется диагностическим признаком. С одной стороны этот показатель характери-
зует неисправность топливной аппаратуры, с другой – показывает ухудшение
вязкостных свойств работающих масел. Задача определения легких фракций
топлива в работающем масле решается, используя метод колебательного кон-
тура. С этой целью был проведен эксперимент, в котором свежее масло М-
10ДМ загрязнялось летним дизельным топливом (ДТЛ) марки Л-0,2-40 (ГОСТ
305-82*), концентрациями Сi, соответствующими насыщению масла топливом
при реальных условиях эксплуатации с неисправной топливной аппаратурой.
Результаты эксперимента представлены на рисунке 4.3, а математические
модели, описывающие зависимость И КМ = f (МТ ) , аппроксимированы линей-
ными уравнениями регрессии (таблица 4.3).

Таблица 4.3 – Математические модели подсистемы


«моторное топливо – масло»
Вид зависимости Математическая модель R R2 p
И КМ дт = f (С ДТЛ ) И КМ дт = 0,019 − 0,0197С дт -0,96 0,92 0,00004
И КМ теор = f (С МТ ) И КМ теор = 0,0003 − 0,0169С мт -1,0 1,0 0,00000
И КМ дт = f ( И КМ теор ) И КМ дт = 0,018 + 1,161И КМ теор 0,96 0,92 0,00004
196

Рисунок 4.3 – Зависимость И КМ i от концентрации МТ

В диапазоне концентраций моторного топлива (МТ) от 0 до 8 % была


проверена сходимость двух параллельных результатов экспериментальных ис-
следований с теоретическими значениями по зависимости И КМ теор = f (С МТ )

(таблица 4.3).
Относительная погрешность, характеризующая отклонение эксперимен-
тального значения от теоретического, указывает на незначительное расхожде-
ние значений с дизельным топливом (δ = -16,57). Такое расхождение позволяет
использовать экспериментальные зависимости для оценки свойств масла за-
грязненного моторным топливом. Подтверждается высокая парная корреляция
между теоретическими и экспериментальными значениями функции
И КМ i = f ( И КМ теор ) (таблица 4.3).

Исследовательский интерес представляют концентрации топлива до 5 %.


Масло М-10ДМ загрязнялось МТ до указанной концентрации. С интервалом
в 15 секунд выполнялись измерения И КМ . Представленные экспериментальные
зависимости описываются математическими моделями, выраженными уравне-
ниями регрессии третьей степени (таблица 4.4).
197
Таблица 4.4 – Математические модели подсистемы «моторное топливо – масло»

Математическая модель R p

И КМ дт (0) = −0,135 + 0,688С дт − 0,32С дт


2
+ 0,037С дт
3
-0,70 0,0001

И КМ дт (15) = −0,19 + 0,788С дт − 0,358С дт


2
+ 0,041С дт
3
-0,70 0,0002

И КМ дт (30) = −0,128 + 0,698С дт − 0,327С дт


2
+ 0,038С дт
3
-0,74 0,00003

И КМ дт (45) = −0,064 + 0,611С дт − 0,293С дт


2
+ 0,034С дт
3
-0,75 0,00002

И КМ дт (60) = −0,068 + 0,61С дт − 0,291С дт


2
+ 0,034С дт
3
-0,75 0,00002

И КМ дт (75) = −0,038 + 0,554С дт − 0,271С дт


2
+ 0,032С дт
3
-0,77 0,00000

И КМ дт (90) = −0,027 + 0,527С дт − 0,254С дт


2
+ 0,029С дт
3
-0,74 0,00003

Измерения ИКМ, с разными концентрациями дизельного топлива в масле,


не показали отклонений связанных с влиянием топлива на свойства масла
в электрическом поле в зависимости от времени t j (таблица 4.3), что подтвер-

ждают значения коэффициентов регрессии зависимости И КМ (t j ) = f (С дт ) .

Погрешность оценивалась по трем наблюдениями. Средняя систематиче-


ская ошибка наблюдений составила δ ji = 5,02 % , что доказывает возможность

использования метода колебательного контура для выявления топливных фрак-


ций в работающем масле.
Определение 13. Величина индекса качества масла ИКМ, характеризую-
щая степень расстройки частотного колебательного контура N, изменяется
обратно пропорционально росту концентрации моторного топлива ν в сма-
зочном масле и не зависит от времени t взаимодействия топлива с электриче-
ским полем.

4.1.3 Метод исследования подсистемы


«механические примеси – масло»

Согласно работам [303–305], для большинства моделей автомобильных


двигателей, негорючие механические примеси заметное влияние на износ дета-
лей начинают оказывать от концентрации 0,1 % и выше. В таком случае рост
198
концентрации негорючих примесей в масле сопровождается ухудшением рабо-
тоспособности системы очистки масла, что является диагностическим призна-
ком. Наличие данного диагностического признака позволяет использовать ме-
тод колебательного контура для оценки качественных свойств масла и техниче-
ского состояния системы очистки масла. Оценить практическое действие за-
грязняющих компонентов на электрофизические свойства чистого масла позво-
ляет эксперимент.
Свежее моторное масло М-10ДМ искусственно загрязнялось крупно дис-
персными частицами кремния и алюминия (~ 100...200 мкм). Частицы были по-
лучены путем фракционного отсева на лабораторных ситах по ГОСТ Р 51568-
99. После тщательного перемешивания, капельная проба загрязненного масла
помещалась на датчик измерительной ячейки прибора, и производился замер
индекса ИКМ. Результаты исследования в виде математических моделей, их чи-
словых характеристик и графиков зависимостей И КМ = f (Si ) и И КМ = f ( Al )
представлены в таблице 4.5 и на рисунке 4.4.

Рисунок 4.4 – Характер изменения И КМ от концентрации Si и Al

Крупные частицы загрязнителей, оседая на датчик измерительной ячейки,


перекрывают межэлектродное пространство, создавая на поверхности датчика
электропроводные мостики, и тем самым, дополнительно к объемной электро-
проводности добавляя поверхностную электропроводность [298]. Значения ем-
199
кости конденсатора измерительной ячейки и разностной частоты колебательно-
го контура стабилизируются в течение 20 секунд, стабилизируя значения ин-
декса ИКМ.
Иначе ведут себя концентрации мелкодисперсных загрязнителей в масле
с диаметром частиц менее 100 мкм.
Проведенный эксперимент на масле Chevron DELO 400 Multigrade SAE-
15W40 (далее SAE-15W40) позволяет выявить новые зависимости.
Масло SAE-15W40 загрязнялось мелкодисперсным порошком металлов
Al и Fe в концентрациях до 0,5 % по объему, что соответствует диагностиче-
ским концентрациям массы негорючих примесей [51, 303–305], и мелкодис-
персной кварцевой пылью концентрацией до 1,5 % Si. Результаты исследова-
ний, в виде математических моделей и их числовых характеристик, сведены
в таблице 4.5 и представлены на рисунках 4.5 и 4.6. Оптимальным временем
для оценки механических примесей в масле, является его стабилизация в тече-
ние от 20 до 30 секунд.

Таблица 4.5 – Математические модели подсистемы «механические примеси – масло»

Вид зависимости Математическая модель R R2 p


Масло М-10ДМ + механические примеси (~ 100...200 мкм)
И КМ ( Si ) = f ( Si ) И КМ ( Si ) = 0,07 + 1,5Si
0,94 0,89 0,0001
И КМ ( Al ) = f ( Al ) И КМ ( Al ) = 0,08 + 11,3 Al
0,99 0,98 0,0000
И КМ ( Al ) = f ( И КМ ( Si )) И КМ ( Al ) = −0,3 + 6,8И КМ ( Si )
0,95 0,89 0,0001
Масло Chevron SAE-15W40 + механические примеси (менее 100 мкм)
И КМ ( Si ) = f ( Si ) И КМ ( Si ) = 0,03 + 0,30Si 0,85 0,71 0,0341
И КМ (0) = 0,02 + 0,36 Al 0,90 0,81 0,0138
И КМ (10) = 0,07 + 0,50 Al 0,85 0,72 0,0316
И КМ (t j ) = f ( Al )
И КМ (20) = 0,06 + 0,91Al 0,97 0,93 0,0018
И КМ (30) = 0,03 + 1,16 Al 0,98 0,97 0,0004
И КМ (0) = 0,02 + 0,43Fe 0,91 0,83 0,0115
И КМ (10) = −0,01 + 0,85 Fe 0,98 0,95 0,0009
И КМ (t j ) = f ( Fe)
И КМ (20) = −0,01 + 1,31Fe 0,97 0,94 0,0014
И КМ (30) = −0,02 + 1,43Fe 0,98 0,96 0,0005
200

Рисунок 4.5 – Характер изменения И КМ от концентраций Al и времени t


в масле SAE-15W40

Рисунок 4.6 – Характер изменения И КМ от концентраций Fe и времени t


в масле SAE-15W40

Математическая модель зависимости И КМ ( Si ) = f ( Si ) показывает слабое


влияние мелкодисперсных частиц пыли на изменение частоты колебательного
контура. Пылевые частицы кремниевых соединений анизотропны, они имеют
гидратный покров, не обладают электропроводностью и магнитными свойства-
ми. Частицы кварца, за счет своей невысокой (ε = 3,5...4,5) диэлектрической
проницаемости и малых размеров, незначительно повышают эффективную ди-
электрическую проницаемость масляной среды. Повышение ИКМ характеризу-
ется изменением углового коэффициента – 0,3Si. Следовательно, колебатель-
201
ный контур малочувствителен к кремниевым частицам, размеры которых
не превышают 100 мкм.
Изменяется чувствительность метода колебательного контура и к концен-
трациям мелкодисперсных частиц металла в масле. Например, определение за-
висимости И КМ (t j ) = f ( Al ) требует анализа углового коэффициента уравнения

регрессии. Для крупнодисперсных частиц Al угловой коэффициент имеет зна-


чение 11,3, а для мелкодисперсных – 2,21, что в 5 раз ниже.
На наш взгляд, такая разница зависит как минимум от двух физических
законов, которые действуют одновременно на элементы дисперсной фазы: се-
диментация частиц металла на активную площадь плоского пленочного кон-
денсатора прибора (у крупных частиц она выше); создание дополнительной по-
верхностной электропроводности, которая превышает объемную (для крупных
частиц она больше) [298].
Графические зависимости (рисунки 4.5 и 4.6) иллюстрируют процесс се-
диментации металлических частиц Al и Fe в масляной среде, находящихся под
действием электрического поля за время dt. Для разных частиц металла одина-
ковой дисперсности, время седиментации и изменения значений ИКМ, имеет
близкие значения.
Определение 14. На величину индекса качества масла ИКМ, характери-
зующую степень расстройки частотного колебательного контура N, влияет
процесс седиментации металлических частиц различной концентрации и дис-
персности.

4.1.4 Метод исследования полидисперсной среды в масле

В процессе эксплуатации машин наблюдаются случаи одновременного


проявления неисправностей топливной аппаратуры и систем охлаждения дви-
гателей, которые отмечаются в работе А.И. Соколова [303]. Тогда в работаю-
щем масле возрастает приток несгоревших топливных фракций и эмульгиро-
ванной воды из системы охлаждения. Для ДВС современных автомобилей этот
202
случай не типичен, однако он представляет научный интерес в связи с возмож-
ностью оценить одновременное влияние моторного топлива и охлаждающей
жидкости на свойства работающего масла.
В настоящих исследованиях был поставлен эксперимент, в котором про-
бы свежего масла Chevron SAE-15W40 и М-10ДМ одновременно загрязнялись
водой (до 2,5 %) и дизельным топливом (до 5 %).
Смазочное масло М-10ДМ, загрязненное водой концентрациями от 0,5 %
до 2,5 %, насыщалось ДТЛ концентрациями от 1 % до 5 %. В зависимостях
И КМ ( Н 2 О) = f (С дт ) (таблица 4.6) наблюдается отсутствие закономерности
в значениях коэффициента корреляции. Уровень значимости р достаточно ве-
лик (более 0,05), что не позволяет опровергнуть нулевую гипотезу, которая
проверяет согласованность между эмпирическими данными. Следовательно,
при добавлении дизельного топлива в масло загрязненное водой, топливо не
оказывает какого-либо значительного воздействия на электрофизические свой-
ства масла.

Таблица 4.6 – Математические модели подсистемы «загрязняющие примеси – масло»

Вид зависимости Математическая модель R p


Масло М-10ДМ(Н2О) + ДТЛ
И КМ (0,5) = 0,1 + 0,001С дт 0,22 0,7177
И КМ (1,0) = 0,5 + 0,011С дт -0,80 0,1024
И КМ ( Н 2 О) = f (С дт ) И КМ (1,5) = 0,8 + 0,023С дт -0,44 0,4547
И КМ (2,0) = 0,8 + 0,04С дт 0,85 0,0663
И КМ (2,5) = 1,0 + 0,016С дт 0,87 0,0566
Chevron SAE-15W40(ДТЛ) + Н2О
И КМ (1,0) = 0,03 + 0,42 Н 2 О 0,98 0,0004
И КМ (2,0) = 0,01 + 0,44 Н 2 О 0,99 0,0000
И КМ (С дт ) = f ( Н 2 О) И КМ (3,0) = −0,02 + 0,49 Н 2 О 0,99 0,0000
И КМ (4,0) = −0,01 + 0,43Н 2 О 0,99 0,0000
И КМ (5,0) = −0,03 + 0,44 Н 2 О 0,99 0,0000

Обратная задача ставилась в эксперименте, где масло Chevron SAE-


203
15W40 разбавлялось дизельным топливом, а затем в загрязненное масло добав-
лялась вода. В зависимостях И КМ (С дт ) = f ( Н 2 О) наблюдаются близкие
по значению угловые коэффициенты (≈ 0,4) насыщения водой масла при парал-
лельных испытаниях с различной концентрацией топлива. Рисунок 4.7 иллюст-
рирует «пучок» линейных зависимостей, подтверждающих равнозначность фи-
зических процессов при наведении электрического поля в исследуемых пробах
масла. Выявленные зависимости имеют теоретическое обоснование, где ди-
электрическая проницаемость воды (ε = 81) влияет в большей степени на эф-
фективную диэлектрическую проницаемость смазочного масла (ε = 2,4...2,5),
по отношению к влиянию на масло дизельного топлива (ε = 2,05).

Рисунок 4.7 – Характер изменения ИКМ от воздействия воды на масло


М-10ДМ разбавленное дизельным топливом

При выявлении диагностического признака «вода в масле», обязательным


условием является контроль механизмов топливной аппаратуры, диагностиче-
ские признаки которого могут быть «блокированы» преобладающим диагно-
стическим признаком.
Определение 15. На величину индекса качества масла ИКМ, характери-
зующую степень расстройки частотного колебательного контура N, при од-
новременном загрязнении смазочного масла водой и моторным топливом раз-
личными концентрациями, вода оказывает основное влияние.
204
4.1.5 Анализ диагностических возможностей
метода колебательного контура

Эксплуатационные испытания, оценивающие диагностические возможно-


сти метода колебательного контура и выполненные в соответствии с п.п. 3.1–
3.7, позволили выявить новые зависимости продуктов износа и атмосферного
загрязнения на изменение параметров работающего масла.
Пробы работающего масла М-10ДМ и SAE-15W40 отбирались из двига-
телей КДМ-130, Д-180.111, ЯМЗ-8501, Cummins КТА19-С440, ЯМЗ-238НД3.
По результатам измерений ИКМ и ЭСАМ были получены экспериментальные
зависимости, представленные в таблице 4.7, а для проб масла М-10ДМ, проил-
люстрированные на рисунках 4.8–4.11.

Таблица 4.7 – Математические модели подсистемы «механические примеси – масло»

Вид зависимости Математическая модель R p


Масло М-10ДМ
Ме = f (Si ) Ме = 30,3 + 1,53Si + 0,032Si 2 0,96 0,0000
Fе = f (Si ) Fе = 7,71 + 1,79 Si − 0,005Si 2 0,95 0,0000
Al = f (Si ) Al = 7,27 − 1,03Si + 0,024Si 2 0,86 0,0000
И КМ = f (Ме) И КМ = 0,09 + 8,77 Ме + 110,4 Ме 2 0,94 0,0000
И КМ = f (Si ) И КМ = 0,12 − 0,001Si + 0,00008Si 2 0,90 0,0000
И КМ = f (Fe) И КМ = 0,13 − 0,002 Fe + 0,00005 Fe 2 0,85 0,0000
И КМ = f ( Al ) И КМ = 0,09 + 0,01Al − 0,00003 Al 2 0,92 0,0000
Chevron SAE-15W40
Ме = f (Si ) Ме = −9,03 + 6,25Si + 1,96Si 2 0,92 0,0000
Fе = f (Si ) Fе = −18,37 + 10,16 Si − 0,68Si 2 0,91 0,0000
Al = f (Si ) Al = −0,97 + 0,72 Si + 0,0144 Si 2 0,88 0,0000
И КМ = f (Ме) И КМ = 0,07 + 14,87 Ме − 173,84 Ме 2 0,91 0,0000
И КМ = f (Si ) И КМ = 0,05 + 0,012 Si + 0,002 Si 2 0,92 0,0000
И КМ = f (Fe) И КМ = 0,08 + 0,003Fe − 0,0003Fe 2 0,88 0,0000
И КМ = f ( Al ) И КМ = 0,08 + 0,022 Al − 0,0022 Al 2 0,91 0,0000
205

Рисунок 4.8 – Зависимости Ме от загрязне- Рисунок 4.9 – Зависимости ИКМ от загрязне-


ния кремнием ния кремнием

Рисунок 4.10 – Зависимости ИКМ от загрязне- Рисунок 4.11 – Зависимости ИКМ от загрязне-
ния продуктами износа ния Fe

Наблюдается очевидное влияние Si на износ металлических деталей, где


коэффициент корреляции равен 0,96 и 0,84 для масел М-10ДМ и SAE-15W40,
соответственно. Значение Ме (аббревиатура слова «металл») включает в себя
концентрации химических элементов-индикаторов износа Fe, Al, Cr, Ni, Cu, Pb,
Sn, полученных ЭСАМ от одной пробы масла.
Наибольшая масса металла поступает в масло от изнашивания гильз ци-
линдров (индикатор элемент Fe) и поршней (индикатор элемент Al), повышая
общую концентрацию механических примесей в масле. Поэтому была выпол-
нена отдельная оценка влияния кремния на износ гильз цилиндров и поршней.
В зависимостях Fе = f (Si ) и Al = f (Si ) (таблица 4.7) наблюдается достаточно
высокий коэффициент корреляции (0,85–0,95), характеризующий в трибосоп-
ряжениях наличие абразивно-механических процессов изнашивания.
206
Эксплуатационные испытания подтверждают результаты лабораторных
исследований (п. 4.1.3), которые устанавливают способность загрязняющих ме-
таллических частиц повышать значение индекса ИКМ. Факт повышения ИКМ
подтверждается ростом концентраций металла в масле, определенного методом
ЭСАМ. Установлена корреляционная зависимость между концентрациями ме-
таллов в маслах М-10ДМ и индексом ИКМ (таблица 4.7). Выявленные зависимо-
сти И КМ = f (Si ) и И КМ = f (Fe) доказывают наличие взаимной связи между
исследуемыми показателями, на примере конкретных химических элементов Si
и Fe, характеризующих загрязнение масла и износ деталей машин.
Рисунок 4.12 иллюстрирует зависимости, отражающие способность оце-
нивать изменения состояний работающего масла М-10ДМ методом колебатель-
ного контура от роста концентраций продуктов износа. Для этого сравниваются
результаты ЭСАМ с показаниями ИКМ при определенной наработке Т двигате-
лей КДМ-130 и Д-180.111. Результаты сравнения приведены в таблице 4.8 в ви-
де линейных уравнений регрессии.
а) б)

Рисунок 4.12 – Характер изменения диагностических показателей


ИКМ и Ме от наработки Т:
а) двигатель КДМ-130; б) двигатель Д-180.111

Изменение величины ИКМ зависит от роста концентрации Ме, и характе-


ризуются угловым коэффициентом уравнения регрессии. В нашем примере они
0,002Ме. Свободный член уравнения в каждом конкретном случае выражает
исходное техническое состояние агрегата. Таким образом, чем больше величи-
207
на свободного члена уравнения, тем хуже техническое состояние АТС. Основ-
ными причинами ухудшения является остаточное загрязнение масла механиче-
скими примесями, водой или продуктами окисления.

Таблица 4.8 – Зависимости изменения диагностических показателей


от наработки агрегата

Вид зависимости Математическая модель R R2 p


Масло М-10ДМ, двигатель КДМ-130
Ме = f (Т ) Ме = 44,72 + 1,35Т 0,99 0,99 0,0003
И КМ = f (Т ) И КМ = 0,11 + 0,002Т 0,89 0,79 0,0448
И КМ = f (Ме) И КМ = 0,03 + 0,002Ме 0,90 0,81 0,0384
Масло М-10ДМ, двигатель Д-180.111
Ме = f (Т ) Ме = 83,98 + 0,3Т 0,87 0,77 0,0097
И КМ = f (Т ) И КМ = 0,12 + 0,0006Т 0,90 0,81 0,0055
И КМ = f (Ме) И КМ = −0,03 + 0,002 Ме 0,97 0,94 0,0003

Угловые коэффициенты зависимостей Ме = f (Т ) и И КМ = f (Т ) для дви-


гателей КДМ-130 и Д-180.111 характеризуют интенсивность поступления про-
дуктов износа в масляную систему. Интенсивность загрязнения двигателя
КДМ-130 выше в среднем в 4 раза, чем у Д-180.111.
Несмотря на наличие тесной корреляционной связи между рассмотрен-
ными выше продуктами износа, метод колебательного контура не способен
значением индекса ИКМ отличать одни химические элементы от других, по ана-
логии метода ЭСАМ. Рассматриваемый метод, в качестве диагностического па-
раметра, способен определять наличие общей концентрации металлических
продуктов износа, что ограничивает возможности данного метода.
Определение 16. Величина индекса качества масла ИКМ, характеризую-
щая степень расстройки частотного колебательного контура N, зависит
только от интегральной концентрации металлических продуктов износа и не
позволяет дифференцировать отдельные химические элементы-индикаторы
износа в загрязненной смазочной среде.
Величину изменения вязкости масла методом колебательного контура
208
можно определить по косвенным признакам. Известно [51, 303], что вязкость
моторного масла в процессе работы двигателя изменяется в двух противополо-
женных направлениях. С одной стороны вязкость уменьшается за счет разбав-
ления масла топливом и водой. С другой стороны вязкость масла увеличивается
за счет процессов окисления и полимеризации. Присутствие воды и моторного
топлива в масле оценивается определением температуры вспышки масла.
В работе выполнен эксперимент по определению процентного содержа-
ния воды в масле М-10ДМ и сопоставлению полученных результатов с темпе-
ратурой вспышки масла Твсп и индексом качества масла ИКМ. Результаты экспе-
римента позволили выявить новые зависимости, которые представлены в таб-
лице 4.9 и на рисунке 4.13.

Таблица 4.9 – Зависимости изменения концентраций жидких загрязнителей


от температуры вспышки масла

Вид зависимости Математическая модель R p


Масло М-10ДМ + Н2О
И КМ = f (Т всп ) И КМ = 16,3 ⋅ ехр(-0,03Т всп ) -0,80 0,0366
Н 2 О = f (Т всп ) Н 2 О = 48,4 ⋅ ехр(-0,04Т всп ) -0,80 0,0315
Масло М-10ДМ + ДТЛ

И КМ = f (Т всп ) И КМ = −0,84 + 0,008Т всп − 0,00002Т всп


2
0,92 0,0004
С ДТЛ = f (Т всп ) С ДТЛ = 35,65 − 0,32Т всп + 0,0007Т всп
2
-0,98 0,0000

Характер изменения показателей индекса ИКМ и концентрации воды


в масле идентичный. В определяющей части уравнений коэффициенты, возво-
димые в степень, численно достаточно близки, что делает подобными и распре-
деление переменных в исследуемых зависимостях. Тогда для обратной зависи-
мости Т всп = f ( Н 2 О) , где с ростом концентрации воды в масле будет снижать-
ся температура, при которой происходит качественная оценка наличия воды,
будет подобна зависимости Т всп = f ( И КМ ) . Первые проявления воды в масле,
при ее концентрации в 5 %, отмечаются уже при 60 ºC, что зафиксировано
на графиках (рисунок 4.13).
Результаты экспериментальных исследований, проведенных по определе-
209
нию взаимосвязи между ИКМ и температурой вспышки, характеризующей нали-
чие топлива в масле М-10ДМ, представлены в таблице 4.9 и на рисунке 4.14.

Рисунок 4.13 – Взаимосвязь показателя ИКМ, Рисунок 4.14 – Взаимосвязь показателя ИКМ,
воды и температуры вспышки дизельного топлива и темпера-
Твсп туры вспышки Твсп

С ростом концентрации моторного топлива в масле наблюдается обратно


пропорциональное снижение значений Твсп, которое хорошо коррелируют с пе-
реходом индекса ИКМ в отрицательный диапазон шкалы измерений, что соот-
ветствует основным теоретическим принципам подобия [9].
Определение 17. Система измерения метода колебательного контура
подобна применяемым в диагностике системам измерений физико-химических
параметров работающего масла, т.к. сохраняется равенство отношений из-
меряемых величин при изменении концентраций загрязняющих компонентов.
Температура вспышки масла не является диагностическим показателем,
который оценивает вязкость масла, однако, ее снижение хорошо коррелирует
с ростом концентрации легких фракций топлива в масле, что приводит к умень-
шению вязкости.
Если выполнить обнуленение шкалы измерения прибора ИКМ-2 относи-
тельно дизельного топлива с вязкостью ν20=3...8 мм2/, то последующие нанесе-
ния на датчик исследуемых проб масел будут оцениваться по шкале измерений
относительно свойств дизельного топлива.
Оценить метод колебательного контура для его возможного использова-
ния в определении вязкости масла, позволяет выполненный эксперимент, ре-
210
зультаты которого приведены в таблице 4. 10 и на рисунке 4.15.

Таблица 4.10 – Диагностические параметры ИКМ и вязкости, разных марок масел

Марка масла

Shell Rimula D
Г/М марка А

ЛУКОЙЛ
МГЕ-46В

М-10ДМ

Tсп-15K
М-8Г2К

15W-40

15W-40
ВМГЗ
Показатели

Индекс ИКМ ср 0,3 0,4 0,4 0,4 0,5 0,6 0,7 0,9
2
Вязкость ν100, мм /с ~ 3,0 6,0 6,5 8,5 10,5 14,4 14,4 15,0

Рисунок 4.15 – Зависимость вязкости масел от показателя ИКМ

В эксперименте оценивались вязкости гидравлических (ВМГЗ, МГЕ-46В,


марка А), моторных (ЛУКОЙЛ 15W-40, М-10ДМ, М-8 Г2К; Shell Rimula D
SAE 15W-40) и трансмиссионных (Tсп-15K) масел. Для достоверности экспе-
римента, каждая проба масла одного наблюдения оценивалась десятикратным
измерением ИКМ относительно дизельного топлива. По результатам наблюде-
ний между ИКМ и вязкостью масел построен график, который имеет полиноми-
альный характер (рисунок 4.15):
И КМ = −0,09 + 0,19ν 100 − 0,024ν 100
2
+ 0,001ν 100
3
. (4.2)
Зависимость И КМ = f (ν 100 ) можно аппроксимировать уравнением рег-
рессии:
211
И КМ = 0,14 + 0,04ν 100 . (4.3)

Здесь числовые характеристики имеют значения: r = 0,9 , r 2 = 0,82 , p = 0,0021 .


Исходя из полученных эмпирических зависимостей, можно сделать вы-
вод, что значения индекса ИКМ располагаются в некоторой последовательности
в соответствии с кинематической вязкостью масел:
– от 0,3 до 0,4 – гидравлические, маловязкие масла (ν100< 8 мм2/с);
– от 0,4 до 0,7 – моторные масла (ν100 = 8...14 мм2/с);
– от 0,7 и выше – трансмиссионные масла (ν100 > 14 мм2/с).
Полученная эмпирическая градация является условной. Однако метод ко-
лебательного контура при отсутствии вискозиметров позволяет соотнести неиз-
вестную марку масла к одной из эксплуатационных групп по классу вязкости.
Этому есть теоретическое обоснование [23, 192, 204, 290]. Под кинематической
вязкостью ν100 масла понимается появление касательного напряжения внутрен-
него трения τ в процессе переноса dϑ / dn кластеров углеводородных молекул
плотностью ρ, относительно друг друга, т.е. τ = η(dϑ dn ) и ν = η ρ . Здесь ϑ
есть скорость деформации жидкой среды, а под плотностью понимается коли-
чество молекул п определенной молекулярной массы М в единице объема V.
Тогда вязкость будет зависеть от молекулярного состава среды. Молекулярный
состав характеризуется формой молекул, расстоянием между ними и межмоле-
кулярными силами.
Производство товарных нефтепродуктов связано с деструкцией нефти
во время перегонки и разложением ее на дистилляты. В свою очередь нефтяные
дистилляты характеризуются числом n молекул в единице объема V, т.е. их
можно рассматривать с позиции концентрации Сi веществ. Тогда следует, что
если при одинаковой температуре, давлении и в одинаковых объемах, будут
находиться одинаковые углеводородные соединения с одинаковой молекуляр-
ной массой, но с разным числом молекул, то плотности таких веществ будут
различными. Если концентрация молекул высокой молекулярной массы в объ-
еме мала, то будет мала и эффективная диэлектрическая проницаемость ε, т.к.
концентрация способных к поляризации диполей в данном объеме вещества
212
также будет мала [192].
Малая величина ε, согласно (2.5), будет уменьшать емкость конденсатора
C, между обкладками которого размещаются пробы исследуемых масел. Сни-
жение C в колебательном контуре приведет к росту собственной частоты f
(2.11), и, как следствие, к снижению условного показателя импульсов N (2.15)
и индекса ИКМ (2.18).
На основе эмпирических и теоретических исследований доказана воз-
можность косвенного определения эксплуатационной группы масел по вязко-
сти нефтепродукта относительно солярового дистиллята.
Определение 18. Индекс качества масла ИКМ позволяет условно соотне-
сти исследуемый нефтепродукт к одной из эксплуатационных групп по классу
вязкости, в том случае, когда за эталонное значение, относительно которого
выполняется измерение, принимается нефтепродукт с минимальной величиной
его диэлектрической проницаемости.

4.2. Лабораторные исследования параметров работающего масла


методом высоковольтного тлеющего разряда

4.2.1. Метод исследования подсистемы «вода – масло»

Теоретическое обоснование метода высоковольтного тлеющего разряда,


для оценки степени загрязненности работающего масла в зависимости от кон-
центраций воды и других охлаждающих жидкостей, подтверждается лабора-
торными испытаниями, с установлением эмпирических зависимостей. Лабора-
торные испытания проводились на моторном масле SAЕ-15W40 с концентраци-
ей воды до 5 %. В основу методик расчета положены регрессионный и корре-
ляционный анализы.
Исследования подсистемы «вода – масло» позволили выявить новую за-
висимость КИС от концентрации воды в масле:
К ИС = 0,746 − 0,455 Н 2 О + 0,207 Н 2 О 2 ; (4.4)
213
В уравнении связь между переменными оценивалась р-уровнем стати-
стической значимости. Функциональная зависимость КИС = f (Н2О) (рисунок
4.16), выражена полином второй степени и связана нормальным распределени-
ем. Расчетные числовые характеристики сведены в таблицу 4.11.

Рисунок 4.16 – График зависимости КИС масла SAE-15W40 от концентрации воды

Таблица 4.11 – Числовые характеристики подсистемы «вода – масло»

Числовые характеристики статистических значений


Число наблюде-

Уровень значи-
детерминации
Коэффициент

Коэффициент

Стандартное

Стандартная
корреляции

отклонение

критерия
мости F-
Функциональная ошибка
ний

зависимость

N R R2 σ S pF
КИС = f (Н2О) 6 0,96 0,92 0,16 0,065 0,02

Рассмотрим физические изменения интенсивности свечения тлеющего


разряда в зависимости от концентрации воды в моторном масле.
Микроскопические капельки воды, растворенные в смазочном масле, по-
мещенные в сильное электрическое поле, искажают его. Кроме того, электриче-
ское поле Е тем более искажается, чем больше концентрация воды в масле, ко-
торая изменяет диэлектрическую проницаемость и электропроводность масла и
воздуха. При высокой частоте электрического поля и большой диэлектрической
214
проницаемости воды существенное влияние на процесс поверхностного разряда
оказывают емкостные токи, протекающие на границе диэлектрик – воздух.
Эмульгированная вода, находящаяся в моторном масле в малых концентрациях
до некоторого критического уровня увеличивает напряженность поля за счет
своей диэлектрической проницаемости, что уменьшает длину газоразрядной
короны.
С ростом концентрации воды в масле проявляются свойства, способст-
вующие увеличению электропроводности загрязненной масляной смеси [10, 49,
116, 297, 310]. Кластерная и растворенная вода в масле, начиная с концентра-
ции 1,0 %, приобретает электролитические свойства, что влияет на рост значе-
ний КИС.
На рисунке 4.17 показано, что увеличение концентрации воды
до 1,0…1,2 % приводит к снижению интенсивности свечения до 0,5. Задаваясь
допустимыми 0,1 % и предельными 0,5 % значениями концентрации воды в
системах смазки агрегатов машин, диагностический диапазон интенсивности
свечения составляет 0,70…0,50.
Вышесказанное свидетельствует о возможности использования газораз-
рядной визуализации при оценке степени загрязненности моторного масла во-
дой, тосолами и антифризами, а также другими водосодержащими продуктами
до 1,0 % данного загрязняющего компонента.
Определение 19. Коэффициент интенсивности свечения КИС изменяется
обратно пропорционально концентрациям воды в смазочном масле до 1,0 %,
и позволяет оценивать наличие воды в смазочной среде в диапазоне измерения
значений от 0,7 до 0,5 условных единиц.

4.2.2 Метод исследования подсистемы «моторное топливо – масло»

Моторное топливо является недопустимым компонентом работающего


масла в агрегате машины. Продукты неполного сгорания топлива в конце срока
службы масла могут достигать 1…5 % и даже 10 % от объема смазки [13, 97,
303], что естественно ухудшает качество моторных масел. Наличие топлива
215
в масле является диагностическим признаком, характеризующим работоспо-
собность топливной аппаратуры по ее отклонению от исправного технического
состояния.
В лабораторных исследованиях был поставлен эксперимент, в котором в
масла SAE-15W40 добавлялось моторное топливо (дизельное топливо Л-0,2-40
(ГОСТ 305-82)) в концентрациях по объему до 3,5 %, что позволяет моделиро-
вать состояние двигателей с неисправной топливной аппаратурой. Результаты
эксперимента проиллюстрированы на рисунке 4.17, а уравнение, описывающее
эту зависимость, имеет полиномиальный характер.

Рисунок 4.17 – Графики зависимости КИС масла SAE-15W40


от концентрации моторного топлива

Результаты выполненного эксперимента позволили выявить новую зави-


симость КИС =f(МТ) в виде полиномиальной модели:
К ИС = 0,739 + 0,144 МТ + 0,096 МТ 2 − 0,022 МТ 3 . (4.5)
Модель адекватна, ее расчетные числовые характеристики сведены в таб-
лицу 4.12.

Таблица 4.12 – Числовые характеристики подсистемы


«моторное топливо – масло»
Числовые характеристики статистических значений
Функциональная
зависимость N R R2 σ S pF
КИС = f (МТ) 6 0,93 0,87 0,24 0,099 0,02
216
Диэлектрическая проницаемость моторного топлива в 1,2 раза ниже ди-
электрической проницаемости моторного масла. Тогда разбавление смазочного
масла моторным топливом будет снижать эффективную диэлектрическую про-
ницаемость масляной смеси.
Теоретические исследования показывают, что если уменьшить диэлек-
трическую проницаемость изолятора, покрытого пористым носителем смазоч-
ного масла с моторным топливом, то это приведет к уменьшению напряженно-
сти электрического поля (2.26) и, соответственно, к увеличению длины короны
разряда (2.32). Рост короны разряда наблюдается при концентрациях 1,5...2,0 %
и мало изменяется при 3,5 % моторного топлива в масле, характеризуется на-
сыщением топливом и изменением дисперсной масляной среды.
Принимая во внимание, что не существует норм концентраций моторного
топлива в работающем масле, для диагностирования состояния топливной ап-
паратуры двигателей, из практических соображений [304], считаем, концентра-
ция моторного топлива до 0,5 % характеризует диагностический параметр. Ин-
тенсивность свечения данной концентрации моторного топлива в масле соот-
ветствует значению 0,9.
Определение 20. Коэффициент интенсивности свечения КИС изменяется
пропорционально концентрациям моторного топлива в смазочном масле
до 2,0 %, и позволяет оценивать наличие топлива в смазочной среде в диапазо-
не измерения значений от 0,8 до 1,5 условных единиц.

4.2.3 Метод исследования подсистемы «кремний – масло»

Для оценки абразивного износа деталей необходимо располагать сведе-


ниями о содержании кремния в работающем масле, который характеризует тех-
ническое состояние системы очистки воздуха и уплотнений картера. С этой це-
лью были выполнены исследования, которые оценивали чувствительность ин-
тенсивности свечения при тлеющем разряде к концентрации кремния в масле
SAE-15W40. Лабораторные исследования имитировали загрязненные пробы
217
масла, содержащие частицы кремния с дисперсным составом до 100 мк, при
различной их концентрации.
Результаты данных исследований выявили новую зависимость КИС = f(Si),
которая представлена на рисунке 4.18 и в виде полиномиального уравнения
регрессии:
К ИС = 0,798 + 0,112 Si − 0,523Si 2 + 0,174 Si 3 . (4.6)

Рисунок 4.18 – График зависимости интенсивности свечения


от концентрации кремния в масле SAE-15W40

Расчетные числовые характеристики сведены в таблицу 4.13.

Таблица 4.13 – Числовые характеристики подсистемы «кремний – масло»

Числовые характеристики статистических значений


Функциональная
зависимость N R R2 σ S pF
КИС = f (Si) 8 0,96 0,93 0,16 0,057 0,001

Электрическая прочность, характеризующая явление разряда, во многом


зависит от электрической прочности твердого диэлектрика, вдоль которого
происходит распространение данного скользящего разряда. Анализируя эмпи-
рическую зависимость (4.6) относительно теоретически обоснованных моделей
(2.43) и (2.44), делаем вывод – с ростом диэлектрической проницаемости масла
( ε Si = 3,9…4,5) и удельного поверхностного сопротивления ( ρ Si = 1016 Ом·м)
пористого носителя насыщенного мелкодисперсным кремнием (кварцевой пы-
лью), длина короны разряда снижается.
218
Такое снижение является подобным наличию воды в работающем масле,
которая до некоторого критического значения также снижает показатель интен-
сивности свечения газового разряда от 0 до 1,0 % воды. При этом снижение
происходит до величины КИС = 0,5.
Кварц является хорошим изолятором благодаря высокому сопротивлению
и имеет большую электрическую прочность. Известно [116], что если сопро-
тивление велико, а ток соответственно мал, то разряд оказывается неустойчи-
вым и быстро гаснет. Таким образом, с ростом концентрации кварцевой пыли в
работающем масле будет происходить рост сопротивления на поверхности изо-
лятора, что способствует неустойчивому поведению свечения газового разряда.
Диагностическим признаком массы механических примесей при анализе
моторного масла является ее концентрация 0,1 %. Задаваясь концентрацией
0,1 % для содержания кремния в масле, наблюдаем нечувствительность метода
к данной концентрации. Чувствительность тлеющего разряда к наличию крем-
ния в масле проявляется при 0,5 %, и соответствует 0,75. При 1,0 % кремния
КИС = 0,56, что близко значению такой же концентрации воды в масле.
Из приведенных результатов можно сделать вывод, что чувствительности
для определения кремния в работающем масле данному исследуемому методу
недостаточно. Однако данный метод целесообразно использовать для оценки
степени загрязненности нефтяных эмульсий.
Определение 21. Коэффициент интенсивности свечения КИС малочувст-
вителен к малым концентрациям (до 0,5 %) кремния в масле, что ограничивает
диагностические возможности метода, а присутствие кремния оценивается
интегрально, по общей загрязненности масла.

4.2.4 Метод исследования подсистемы «металл – масло»

В работах [50, 51, 81, 171, 174, 221, 320, 345 и др.] показано, что при ра-
боте двигателей, агрегатов трансмиссий, силовых агрегатов АТС механические
примеси в работающем масле имеют органические и неорганические частицы.
219
Первые образуются в результате процессов окисления и полимеризации угле-
водородных молекул масла, а неорганические частицы состоят из продуктов
износа металлических поверхностей и загрязнений, проникших в масло извне.
В работе [51] показано, что механические примеси примерно распределены
следующим образом: одна четвертая часть это окислы железа, вторая – крем-
ниевые соединения. А вторая половина примесей включает иные продукты из-
носа неорганического происхождения и органические окислы полимеризован-
ных частиц.
Размеры частиц металлических продуктов износа в большинстве случаев
составляют 3…20 мк, но могут достигать сгустков сплошной структуры
до 0,02…0,05 мм [51, 333].
Для выявления чувствительности метода к различным концентрациям ме-
таллов, были проведены лабораторные исследования, имитирующие загрязне-
ние работающего масла SAE-15W40 окислами железа и алюминия с размером
частиц до 100 мк в концентрациях до 0,5 % по массе.
Исследования позволили выявить новые зависимости КИС = f(Fe),
КИС = f(Al), которые проиллюстрированы графически на рисунке 4.19, и пред-
ставлены в виде полиномиальных моделей:
– для Fe: К ИС = 0,747 + 1,056 Fe − 1,901Fe 2 ; (4.7)

– для Al: К ИС = 0,783 − 0,790 Al + 3,316 Al 2 . (4.8)

Рисунок 4.19 – Графики зависимостей интенсивности свечения от


концентрации металла в масле SAE-15W40
220
В работающем масле продукты износа находятся хаотически без факти-
ческого разделения по химическим элементам, тогда интенсивность свечения
работающего масла, насыщенного элементами продуктов износа, должна отра-
жать их средние значения. Вычисляя математические ожидания величин КИС
от Fe и Al, получаем функцию КИС = f(Ме) (рисунок 4.19), которая описывается
новой зависимостью:
К ИС = 0,771 + 0,49 Ме + 0,821Ме 2 . (4.9)
В таблицу 4.14 сведены расчетные числовые характеристики, необходи-
мые для дальнейшего анализа.

Таблица 4.14 – Числовые характеристики подсистемы «металл – масло»

Числовые характеристики статистических значений


Функциональная
зависимость N R R2 σ S pF
КИС = f(Fe) 6 0,94 0,87 0,073 0,029 0,045
КИС = f(Al) 6 0,85 0,73 0,190 0,077 0,031
КИС = f(Ме) 6 0,88 0,78 0,098 0,040 0,020

Коэффициенты корреляции свидетельствует о тесной связи концентраций


продуктов износа в масле и показателем газоразрядного свечения КИС. Коэффи-
циенты детерминации не ниже чем на 73 % объясняют разброс значений КИС
относительно концентрации металлов в работающем масле при построении рег-
рессии относительно среднего значения. Модели адекватно описывают экспе-
риментальные данные, что подтверждается хорошей сходимостью наблюдае-
мых значений диагностических параметров КИС с их теоретически предсказан-
ными значениями, по результатам которых строились эмпирические модели.
Проведенные исследования были ограничены концентрацией 0,5 % ме-
талла в работающем масле. Ограничение соответствует положению РД
37.001.019-84 [201], где предельные значения диагностического параметра, оп-
ределяемые ЭСАМ, для Fe составляют 0,005 %, для Al – 0,002 %. Продукты из-
носа в масле по массе негорючих примесей [303] диагностируются концентра-
цией 0,1 %.
221
Известно [337], что удельные электрические сопротивления деталей ма-
шин из металла имеют значения 10-7…10-8 Ом·м. Тогда загрязненность рабо-
тающего масла частицами металла целесообразно рассматривать через элек-
тропроводность масла. При приложении к загрязненному маслу высокого на-
пряжения возникает ток, который эмитирует газоразрядное свечение на границе
воздух–изолятор. При постоянном значении напряжения, длина короны разряда
зависит только от напряженности поля и наличия полупроводящего покрытия
(2.28), где покрытие образуют металлические частицы износа в масле, осевшие
в структуру бумажного носителя на поверхности изолятора.
Подставив в эмпирическую модель (4.9) предельные значения концентра-
ций, определяемых методом ЭСАМ (CFe = 0,005 % – КИС = 0,75; СFe = 0,01 % –
КИС = 0,76), видим, что значения коэффициента КИС находятся в пределах слу-
чайной ошибки (δ = 1,3 %), и поэтому он не может являться диагностическим
параметром, выявляющим отдельные концентрации химических элементов.
Исследуемый метод ВТР не способен заменить ЭСАМ.
Подставляя в модель (4.9) концентрации металлов, соизмеримые с пре-
дельными концентрациями массы негорючих примесей (СМe = 0,1 %), получаем
КИС = 0,83. Данный показатель способен оценивать отклонения КИС от значения
свежего масла, исключает систематические и случайные ошибки. Поэтому ме-
тод может быть рекомендован для диагностики агрегатов АТС по интегральной
концентрации металлических продуктами износа в работающем масле.
Определение 22. Коэффициент интенсивности свечения КИС изменяется
пропорционально интегральным концентрациям металлических продуктов из-
носа в смазочном масле в диапазоне значений выше 0,8 условных единиц и не
позволяет дифференцировать отдельные химические элементы-индикаторы
износа в загрязненной смазочной среде.

4.2.5 Метод исследования полидисперсной среды в масле

В двигателях внутреннего сгорания, а также в других агрегатах АТС с


замкнутой системой смазки, работающее масло под воздействием высоких тем-
222
ператур в присутствии воздуха подвергается окислению, разложению и поли-
меризации. Масло также загрязняется продуктами износа, дорожной пылью,
водой, разжижается топливом. Процессы старения и внешнего загрязнения
имеют собственные различия, но они протекают сопряженно, поэтому их целе-
сообразно рассматривать совместно.
Процесс естественного старения масла в условиях лабораторных испыта-
ний выполнить представляется достаточно затруднительно, так как требуется
специальная аппаратура и методы испытаний. Поэтому была выполнена имита-
ция старения масла путем его комплексного загрязнения, которое, как указыва-
лось ранее, нередко протекает совместно в агрегатах АТС.
Лабораторным путем масло SAE-15W40 искусственно загрязнялось водой
и дизельным топливом в различных концентрациях: обводнялось до 2,5 %; раз-
жижалось топливом до 5 %. Исследования позволили выявить новые зависимо-
сти, которые проиллюстрированы графически на рисунках 4.20 и 4.21, и пред-
ставлены в виде эмпирических полиномиальных моделей. Числовые характери-
стики зависимостей сведены в таблицу В.1.
Зависимость КИС(ДТ) = f(Н2О) показывает характер изменения КИС при
обводнении масла SAE-15W40 загрязненного дизельным топливом:
– для 1 % ДТ: К ИС = 0,182 + 0,259 Н 2 О − 0,057 Н 2 О 2 ;

– для 3 % ДТ: К ИС = 0,31 + 0,097 Н 2 О − 0,014 Н 2 О 2 ; (4.10)

– для 4 % ДТ: К ИС = 0,104 + 0,527 Н 2 О − 0,123Н 2 О 2 ;

– для 5 % ДТ: К ИС = −0,04 + 1,017 Н 2 О − 0,2637 Н 2 О 2 .


Зависимость КИС(Н2О) = f(ДТ) показывает характер изменения КИС при
загрязнении обводненного масла SAE-15W40 дизельным топливом:
– для 0,5 % Н2О: К ИС = 0,32 − 0,038 ДТ + 0,013 ДТ 2 ;

– для 1,0 % Н2О: К ИС = 0,46 − 0,087 ДТ + 0,024 ДТ 2 ; (4.11)

– для 1,5 % Н2О: К ИС = 0,57 − 0,185 ДТ + 0,048 ДТ 2 ;

– для 2,5 % Н2О: К ИС = 0,56 − 0,119 ДТ + 0,033 ДТ 2 .


223

Рисунок 4.20 – График зависимости КИС от концентрации воды


при различной концентрации дизельного топлива
в масле SAE-15W40

Рисунок 4.21 – График зависимости КИС от концентрации дизельного


топлива при различной концентрации воды
в масле SAE-15W40

Действие топлива и воды, в представленных выше эмпирических зависи-


мостях, учитывают взаимную компенсацию величин их диэлектрической среды
относительно их концентрации в масле SAE-15W40. Рассматривая физическую
модель интенсивности свечения (2.43) относительно концентрации загрязняю-
224
щих компонентов (2.8), с учетом их взаимно исключающего присутствия, на-
блюдаем следующий процесс. Диэлектрическая проницаемость у воды (ε = 81)
больше чем у смазочного масла (ε = 2,5), а у дизельного топлива (ε = 2,0) мень-
ше чем у масла. Тогда рост концентрации топлива в масле снижает его диэлек-
трическую прочность. В свою очередь, рост концентрации воды в масле не
приводит к увеличению диэлектрической прочности смазочного масла за счет
ее высокой диэлектрической проницаемости. Увеличение концентрации воды
приводит к возникновению токопроводящих зон, и, следовательно, к увеличе-
нию интенсивности свечения [54, 74].
Уровень значимости ослабевает при одновременно больших концентра-
циях воды и топлива в масле ( р = 0,16 ). При одновременном загрязнении масла
5 % ДТ и 2,5 % Н2О коэффициент детерминации имеет невысокое значение
(R2 = 0,53), что свидетельствует о нарушении связи между водой и топливом.
По этой причине исследуемый метод теряет чувствительность к диагностиче-
скому параметру, т.е. результат измерения невозможно трактовать однозначно
по характеру загрязнения работающего масла. В таком случае не выясняя
структуры загрязнителей, следует оценить интегральную полидисперсность
компонентов в масле относительно допустимых показателей [54, 57, 66, 74].
Определение 23. На величину коэффициента интенсивности свечения
КИС, при одновременном загрязнении смазочного масла водой и моторным топ-
ливом различными концентрациями, вода оказывает преобладающее воздейст-
вие.

4.2.6 Анализ диагностических возможностей


метода высоковольтного тлеющего разряда

Согласно теории техники высоких напряжений, электрическая прочность


диэлектрика при высоковольтном разряде, и влияние структурных компонентов
материалов, из которых состоит диэлектрик, оцениваются по опытным данным
или по эмпирическим зависимостям [10, 116, 298].
Рассмотрим результаты эксперимента, которые позволили выявить новые
225
зависимости между интенсивностью свечения КИС масел SAE-15W40, SAE-
10W30, М-10ДМ, ВМГЗ, марки А и концентрациями химических элементов-
индикаторов в данных марках масла, приготовленных к эталонированию для
спектрального анализа и внесенных в высоковольтный разряд (таблица В.2).
Оптимальным статистическим подходом к выявлению взаимосвязей случайных
величин являлось использование корреляционного анализа.
Для масла SAE-10W30 были выявлены новые зависимости К ИС = f (Ме) ,
определены их числовые характеристики (таблица В.1) и построены математи-
ческие модели, которые выражены полиномами второй степени:
К ИС Ме = 1,337 − 0,683Ме + 0,011Ме 2 . (4.12)

К ИС Fe = 1,540 − 0,033Fe + 0,0002 Fe 2 



К ИС Si = 0,477 − 0,004 Si + 0,0013Si 2 

−6
К ИС Al = 0,345 + 0,016 Al − 4,7 ⋅10 Al 
2

К ИС Pb = 0,394 + 0,032 Pb − 0,0002 Pb 2  . (4.13)

К ИС Ni = 1,197 + 0,011Ni − 0,0008 Ni 2 

К ИС Cu = 1,103 + 0,028Cu − 0,0004Cu 2 

К ИС Cr = 1,612 + 0,004Cr − 0,0022Cr 2 

Несмотря на достаточно высокие коэффициенты корреляции и детерми-


нации по многим зависимостям, модели считаются малозначимыми, т.е. при
использовании моделей (4.12) и (4.13), есть вероятность появления ошибки при
определении величины интенсивности свечения по концентрациям продуктов
износа. Это доказывает то, что металлы влияют на величину разряда инте-
грально, однако по значению К ИС определить химический состав загрязните-
лей данным способом нельзя.
При оценке влияния химических элементов на коэффициент К ИС , уро-
вень значимости многофакторной модели К ИС = F ( Fe, Si, Al, Cr, Cu, Pb) опре-
делялся пошаговой регрессией методом включений, где на каждом шаге в мо-
дель включалась независимая значимая переменная, пока уравнение не стало
226
удовлетворительно описывать исходные данные [41]:
К ИС = 0,377 + 0,037 Si − 0,017Cr + 0,002Cu + 0,003Ni . (4.14)
Из данного уравнения элементы Fe, Al и Pb исключены как незначимые,
притом, что существует высокая корреляционная зависимость (таблица В.1).
Проанализируем зависимость К ИС от концентраций химических элемен-
тов износа и загрязнений для других марок масел. Многофакторные модели но-
вых зависимостей, описанные множественной регрессией и полученные поша-
говым методом включения, имеют вид:
– для SAE-15W40:
К ИС = 0,671 + 0,003Ni − 0,002Cu + 0,002 Al + 0,0004 Fe ; (4.15)
– для М-10ДМ:
К ИС = 1,007 − 0,007Cu − 0,001Fe − 0,009 Ni + 0,0007 Pb ; (4.16)
– для ВМГЗ:
К ИС = 0,659 + 0,002 Si + 0,005 Al + 0,001Cu − 0,00004 Pb ; (4.17)
– для масла А:
К ИС = 1,417 − 0,005 Al − 0,006Si − 0,03Sn + 0,009 Pb . (4.18)
Рассчитанные F-критерии и уровни их значимости для представленных
моделей свидетельствуют о том, что модели мало значимы и имеют достаточно
низкую меру уверенности в истинности описываемых процессов. Обобщение
наблюдаемых результатов свидетельствует о случайном характере выборки,
полученном по результатам исследований. Следовательно, судить по интенсив-
ности свечения работающего масла о концентрациях конкретных химических
элементов-индикаторов в масляной среде, нецелесообразно.
Тем не менее, выполненный анализ данных позволяет судить о наличии
систематических связей, которые представлены в виде коэффициентов корре-
ляции (таблица В.2). Коэффициенты корреляции имеют довольной большой
разброс. Соотношение высоких корреляционных связей (от 1,0 до 0,5) к низким
(менее 0,5), между зависимыми и независимыми переменными исследуемых
марок масел, соответствует пропорции: 3/4 химических элементов в масле спо-
227
собны влиять на распространение разряда; 1/4 часть химических элементов ма-
ло влияет на распространение разряда.
Полученные результаты подтверждают определение 22 (п. 4.2.4) о невоз-
можности распознавания отдельных химических элементов, несмотря на нали-
чие тесной корреляционной связи. Загрязненность масла следует оценивать по
интегральной концентрации в нем химических элементов.
Научный интерес представляет исследование зависимости между К ИС
и фракционным составом исследуемых масел, который может характеризовать-
ся параметрами исходной вязкости нефтепродукта.
Смазочные масла по своей структуре являются натуральными или синте-
тическими полимерами [49, 169, 173, 174]. Если говорить о нефтяных маслах,
то масляные фракции имеют сложную смесь углеводородов парафинового,
нафтенового, ароматического рядов, и углеводородов смешанного типа, кото-
рые имеют сложное строение, различное число циклов, отличаются длиной
и структурой боковой цепи. Учитывая длинные боковые ответвления, нафтено-
парафиновые углеводороды имеют высокую молекулярную массу, что повыша-
ет вязкость нефтепродукта. Ароматические углеводороды за счет невысокой
молекулярной массы и коротких боковых связей отличаются малой вязкостью.
Естественно, что структура углеводородных молекул и вязкость нефтепродук-
тов будет напрямую зависеть от их диэлектрических свойств.
Синтетические масла, обладая стойкостью к ионизации, имеют стабиль-
ные диэлектрические свойства. Такая стабильность, как для синтетических, так
и для минеральных нефтяных масел повышается с увеличением молекулярной
массы и отсутствием в структуре молекул свободных электронов. Наличие
в молекулах смазочных масел ковалентных связей позволяет распределять за-
ряды между атомами равномерно, следовательно, молекулы таких масел имеют
неполярные связи. Кроме того, симметрия в углеводородных молекулах групп
атомов по отношению к углероду придает молекулам компенсируемый диполь-
ный момент, т.е. дипольный момент равен нулю.
Для того чтобы возникла проводимость, благодаря которой протекает
228
разряд, необходимо, чтобы ионы, образованные вследствие диссоциации, были
достаточно подвижны. Такому процессу может способствовать присутствие
полярной двойной связи при наличии неполного электрического заряда. Двой-
ные связи имеются в ароматических углеводородах. Наличие в масле посто-
роннего полярного вещества может разорвать связь в молекуле, образуя ионы.
Учитывая, что в смазочных маслах имеются комплекты присадок различной
химической природы, которые способны нарушать молекулярную прочность
при высоких напряжениях, то тип и строение базовых углеводородов в большей
степени будут характеризовать их основные электроизоляционные свойства.
Анализируя сказанное, делаем вывод, что от размеров молекул углеводо-
родов зависит вязкость исходных веществ. Низшие молекулы хорошо диссо-
циируют, что снижает их диэлектрическую проницаемость и приводит к увели-
чению электропроводности, и, как следствие, способствует распространению
разряда по поверхности диэлектрика. Крупные углеводородные молекулы, имея
в большей степени неполярные связи, будут препятствовать распространению
газового разряда по поверхности диэлектрика, что хорошо подтверждается вы-
явленной зависимостью вида К ИС = f (ν 100 ) , проиллюстрированной на графи-
ке рисунка 4.22, и представленной в виде эмпирической модели:
К ИС = 0,98 − 0,023ν 100 . (4.19)

Рисунок 4.22 – График зависимости К ИС от вязкости масла


229
Определение 24. Коэффициент интенсивности свечения КИС обратно
пропорционален значениям вязкости ν100 нефтепродукта, если за начало сис-
темы измерения вязкости принимается нефтепродукт с минимальной величи-
ной его диэлектрической проницаемости, что позволяет исследуемый нефте-
продукт условно соотнести к соответствующему классу вязкости.

4.2.7 Анализ результатов эксплуатационных испытаний


работающего масла методом высоковольтного тлеющего разряда

Для выявления зависимостей коэффициента КИС от показателей масла,


определяемых методами ФХАМ и ЭСАМ, проводились сравнительные экс-
плуатационные испытания, согласно общей методике эксперимента (п.3.1).
Метод ВТР апробировался на 17 автосамосвалах БелАЗ-7548, двигатели кото-
рых работали на масле М-10ДМ. Результаты измерений метода ВТР сравнива-
лись с результатами ФХАМ и ЭСАМ.
Диспергирующие свойства (ДС) масел оценивают возможность удержи-
вания нерастворимых в масле веществ (продуктов износа, частиц нагара, про-
дуктов неполного сгорания топлива и т.п.) во взвешенном состоянии. Следова-
тельно, чем выше ДС масла, тем большее количество взвешенных загрязняю-
щих частиц, возможно, будет находиться в масле.
Эксплуатационные испытания позволили выявить новую зависимость
КИС = f(ДС), которая получена путем проведения корреляционного, дисперси-
онного и регрессионного анализов, с получением математической модели и
проверкой ее на адекватность:
К ИС = −0,702 + 0,45 ДС . (4.20)
Результаты числовых характеристик зависимости К ИС = f(ДС) представ-
лены в таблице 4.15 и проиллюстрированы на рисунке 4.23.
Зависимость К ИС = f(ДС) можно описать следующими физическими про-
цессами. Высокие моюще-диспергирующие свойства характеризуют способ-
ность работающего масла удерживать без выпадения в осадок большую кон-
230
центрацию нерастворимых веществ. На поверхности частиц загрязнений обра-
зуется оболочка из углеводородных радикалов, которая препятствует коагуля-
ции этих частиц и соприкосновению их друг с другом. Полярные молекулы
моющих присадок придают частицам одноименные заряды, благодаря которым
частицы отталкиваются. Это способствует уменьшению вероятности загряз-
няющим частицам объединиться в крупные агрегаты и выпасть в осадок. Соот-
ветственно, такие частицы в работающем масле постоянно будут находиться
в виде мелкодисперсной фазы.

Рисунок 4.23 – График зависимости К ИС от диспергирующих свойств масла

Таблица 4.15 – Числовые характеристики функциональной зависимости КИС


от физико-химических параметров масла

Числовые характеристики статистических значений


Значение F-критерия
Стандартная ошибка

Уровень значимости

Уровень значимости
Значение t-критерия
Число наблюдений

детерминации
Коэффициент

Коэффициент
корреляции

F-критерия

Стьюдента

t-критерия
Фишера

Функциональная за-
висимость для масла
М-10ДМ

N R R2 S F pF t pt
К ИС = f(ДС) 14 0,81 0,66 0,60 23,06 0,0004 6,83 0,000

К ИС = f(Твсп) 16 0,88 0,78 0,18 50,11 0,0000 8,76 0,000


231
По мере выработки моюще-диспергирующих присадок и потерей маслом
моющего потенциала, в работающем масле размеры дисперсной фазы увеличи-
ваются за счет слипания загрязняющих частиц в крупные конгломераты. Есте-
ственным условием для распространения разряда и интенсивности свечения ко-
роны является высокая концентрация загрязнителей [10, 116]. Соответственно,
по этой причине наблюдается высокая корреляционная зависимость между ве-
личиной ДС и интенсивностью свечения ВТР. Делаем вывод, что увеличение
интенсивности свечения косвенно подтверждает потерю в работающем масле
своего моющего потенциала.
Определение 25. Коэффициент интенсивности свечения КИС пропорцио-
нален значениям метода определения моюще-диспергирующих ДС свойств неф-
тепродуктов, т.к. потеря моющего потенциала работающего масла приводит
к росту концентраций загрязняющих компонентов, инициирующих свечение ко-
роны при высоковольтном разряде.
Вода в масле является диагностическим признаком. Из группы 17 иссле-
дуемых автомобилей БелАЗ-7548 среднее значение воды составляло 0,2 %, что
может быть результатом конденсата. И только у 5-и автомобилей было выявле-
но более 1 % содержание воды в картерном масле двигателей, что является
следствием нарушения системы охлаждения.
Неисправные форсунки, плохое смесеобразование, постоянная работа
ДВС на холостых оборотах и ряд других причин вызывают повышенное содер-
жание моторного топлива в работающем масле, которое поступает в картер че-
рез маслосъемные и компрессионные кольца за счет насосного действия колец.
Это приводит к разбавлению работающего масла легкими фракциями топлива и
снижению вязкости масла, масляная пленка изменяет свою консистенцию и пе-
рестает защищать зоны, подверженные высоким нагрузкам (например, поршне-
вые кольца) и процесс износа деталей ЦПГ ДВС усиливается.
Для оценки изменения свойств масла М-10ДМ при его разбавлении ди-
зельным топливом в эксплуатации сравнивались два массива результатов экс-
периментальных данных: температура вспышки масла и интенсивность свече-
232
ния этих проб при высоковольтном разряде.
Эксплуатационные испытания позволили выявить новую зависимость
К ИС = f(Твсп), которая получена путем проведения корреляционного, дисперси-

онного и регрессионного анализа, а также испытанием математической модели


на адекватность. Числовые характеристики данной зависимости представлены
в таблице 4.15, а график – на рисунке 4.24, в качестве модели в виде полинома:
К ИС = −13,727 + 0,164Т всп − 0,0004Т всп 2 . (4.21)

Рисунок 4.24 – График зависимости К ИС от температуры вспышки масла

На рисунке 4.24 показано уравнение регрессии, характеризующее линей-


ный тренд между исследуемыми параметрами. Температура вспышки рабо-
тающего масла не должна быть ниже 200…210 °С [49]. При снижении темпера-
туры вспышки экспериментально установлен рост короны высоковольтного
разряда. Такая закономерность является естественным следствием того, что мо-
торное масло, разбавленное дизельным топливом, насыщается легкими дистил-
лятами, диэлектрическая проницаемость ( ε = 2,0...2,2 ) которых ниже, чем у
масла [337]. Чем ниже температура вспышки масла, тем больше концентрация
топлива в масле и выше величина К ИС .
Рабочий диапазон температуры вспышки (215…235 °С) характеризуется
номинальными значениями К ИС = 0,7…1,1. Этот интервал соответствует све-
жим и рабочим маслам без изменения структуры дисперсионной среды.
233
Высокие значения температуры вспышки, как правило, свидетельствуют
о насыщении рабочего масла продуктами окисления и полимеризации. Такие
загрязнители (сажа, смола, лаки, шламы) имеют повышенную диэлектрическую
проницаемость ( ε ≥ 3,0 ). Упорядоченность молекул в продуктах полимериза-
ции, образованных путем естественного окисления, отличается хаотичностью.
Вследствие этого физические свойства веществ по всем направлениям одинако-
вы, т.е. они изотропны. Известно, что изотропные вещества являются хороши-
ми изоляционными материалами [192]. По этой причине с ростом полимериза-
ции работающего масла наблюдается рост температуры вспышки, а интенсив-
ность свечения разряда снижается. На графике (рисунок 4.24) от 235 °С и выше
К ИС снижается от 0,7 до 0,5.
Эмпирическая модель (4.21) адекватно описывает зависимость
К ИС = f(Твсп), которая хорошо коррелированна. Следовательно, при отсутствии

посторонних факторов величиной К ИС можно описывать изменение фракци-


онного состава исследуемого моторного масла.
Определение 26. Коэффициент интенсивности свечения КИС обратно
пропорционален значениям метода, определяющим температуру вспышки Твсп
масла, т.к. снижение температуры вспышки сопровождается ростом кон-
центрации моторного топлива в масле, которое инициирует свечения короны
при высоковольтном разряде.
Согласно Положению о СКУНА ПРМ [251] и Положению о ТО, диагно-
стировании и ремонте карьерных автосамосвалов БелАЗ [129], служба диагно-
стики предприятий угольных разрезов Кузбасса выполняет комплекс ФХАМ и
ЭСАМ. Метод оценки массы негорючих (механических) примесей, характери-
зующий состояние общей загрязненности работающего масла и оценивающий
работоспособность системы очистки масла, достаточно трудоемок [399]. Вы-
полняя метод ЭСАМ, который выявляет продукты износа и атмосферного за-
грязнения и более детально отражает степень загрязненности масла, СКУНА
массу негорючих примесей не определяет. Это также объясняется экономией
трудовых ресурсов с целью исключения дублирующего анализа. По этой при-
234
чине, были выявлены корреляционные зависимости между КИС, массой него-
рючих примесей и методом ЭСАМ.
При проведении эксплуатационных испытаний на масле М-10ДМ по на-
блюдениям за подконтрольной группой автосамосвалов БелАЗ-7548, зависимо-
стей между К ИС и отдельными химическими элементами-индикаторами износа
(Fe, Al, Cr, Ni, Cu, Pu) и атмосферного загрязнения (Si) выявлено не было.
Не удалось установить корреляционную связь для группы подконтрольных ав-
томобилей по сумме концентраций химических элементов (Ме) каждого на-
блюдения общей выборки. Коэффициент корреляции для 102 наблюдений со-
ставил r = 0,02 , что характеризует полное отсутствие связи между параметрами
К ИС и Ме. Разброс концентраций Ме в исследуемых наблюдениях составлял

от Меmin = 0,004 % до Меmax = 0,059 %. Учитывая, что методика определения


массы негорючих примесей оценивает количество металлических продуктов
износа деталей в пробах работающего масла, то идентичная по массе концен-
трация продуктов загрязнения определяемых методом ЭСАМ, сравнивается
со значениями массы негорючих примесей.
Было установлено, что величина К ИС становиться чувствительной к кон-
центрации Ме от 0,02 % и выше. В зависимости К ИС = f(Ме) для таких концен-
траций коэффициент корреляции r = 0,67 . Для 0,03 % Ме коэффициент корре-
ляции составляет r = 0,75 , для 0,04 % – r = 0,89 , свыше 0,05 % – r = 0,96 .
Результаты эксплуатационных исследований доказывают малую чувстви-
тельность метода ВТР к конкретным химическим элементам. И если наблюда-
ется некоторая корреляционная зависимость между химическими элементами
в лабораторных условиях (п. 4.2.4), то условия эксплуатации предполагают слу-
чайную выборку проб масел. Такие пробы содержат в себе скрытую информа-
цию о состоянии дисперсной фазы загрязнителя и дисперсионной среды рабо-
тающего масла, обусловленных множеством факторов, полное декодирование,
которой единственным анализом может быть затруднена или невозможна. Тем
не менее, значение параметра К ИС становиться чувствительным к конгломера-
235
ции химических элементов от концентрации 0,04…0,05 %. Рост концентрации
металла в масле сопровождается ростом величины К ИС (где
К ИС = 0,246 + 13,766Ме ), что подтверждает основные положения теории рас-
пространения разряда в газовой среде [10, 116].
Следовательно, выявлена способность метода ВТР, оценивать концентра-
ции металлических загрязняющих компонентов, которые в работающем масле
сопоставимы с браковочными концентрациями массы негорючих примесей.
Определение 27. Система измерения метода высоковольтного тлеюще-
го разряда подобна применяемым в диагностике системам измерений физико-
химических параметров работающего масла, т.к. сохраняется равенство от-
ношений измеряемых величин при изменении концентраций загрязняющих ком-
понентов.

4.3 Разработка диагностики автомобильных агрегатов


методом колебательного контура

4.3.1 Разработка диагностических нормативов для оценки


технического состояния автомобильных агрегатов

В настоящее время диагностирование агрегатов автомобилей базируется


на информации, в основу которой положены рекомендации ГОСТ 25044-81. Но
данный стандарт не охватывает систему требований, которые бы позволяли их
использовать при оперативном управлении надежностью агрегата на базе ин-
формации, заключенной в пробах работающего масла.
Техническое состояние агрегатов автомобилей оценивается непосредст-
венно по экспериментальной плотности распределения диагностических пара-
метров, полученной по результатам исследования группы однотипных автомо-
билей с разным техническим состоянием. Для получения диагностической ин-
формации выполнялся массовый отбор проб масел из двигателей автосамосва-
236
лов БелАЗ-7547, БелАЗ-7548, БелАЗ-7555, КамАЗ-5511, КамАЗ-65115 и других
технологических и специальных машин. Диагностические нормативы разраба-
тывались согласно имитационной модели (п. 2.4.3).
Результаты исследований по обобщенным выборкам N группы агрегатов
эксплуатируемых на моторном масле SAE-15W40 представлены в таблице 5.1
и проиллюстрированы на примере рисунка 4.16. Здесь V есть коэффициент ва-
риации от среднего значения экспериментальной выборки.

Таблица 4.16 – Числовые характеристики распределения диагностического


параметра ИКМ масла Chevron SAE-15W40

Числовые характеристики нормативных значений


Диагностируемый
агрегат N МО М D σ V Сдоп

KTTA 19-C 612 0,21 0,20 0,013 0,11 0,53 0,4

Cummins 6СТ 8.3-215 28 0,18 0,20 0,01 0,10 0,55 0,4

Концентрация загрязняющих компонентов в масле


Металлические продукты
44 0,013 0,005 0,0003 0,016 0,15 0,037
износа, %

Проверим полученные диагностические параметры допустимого Сдоп зна-


чения ИКМ на соответствие с допустимыми нормами диагностического пара-
метра Ме, определяемого методом ЭСАМ (рисунок 4.10). Воспользуемся зави-
симостью И КМ = f (Ме) для масла Chevron SAE-15W40 (таблица 4.7) и, подста-
вив в уравнение предиктор 0,037, решим его:
И КМ = 0,07 + 14,87 ⋅ 0,037 − 173,84 ⋅ 0,037 2 = 0,38 .
Значение И КМ = 0,38 хорошо согласуется с нормативом допустимой ве-
личины диагностического параметра Сдоп(ИКМ) = 0,4, полученного из плотности
распределения случайной величины экспериментальной выборки.
Оценить меру точности полученных допустимых значений Сдоп(ИКМ)
разными методами можно посредством значения относительной погрешности,
показывающей долю отклонения расчетной величины относительно значения,
237
полученного при статистической обработке результатов измерений. По резуль-
татам расчета δ = 5 % вполне удовлетворяет целям диагностики.

Рисунок 4.16 – Гистограмма и плотность распределения значений


ИКМ масла SAE-15W40 для двигателя KTTA 19-C

В случае отсутствия допустимых норм Сдоп(ИКМ), следует руководство-


ваться значениями для другой спецтехники, эксплуатирующейся на соответст-
вующей марке масла в подобных условиях.
Результаты исследования групп агрегатов, эксплуатирующихся на мотор-
ном масле М-10ДМ, позволили выявить новые зависимости в виде гистограмм
и графиков плотностей распределения, которые проиллюстрированы на рисун-
ках 4.17–4.19, а их числовые характеристики представлены в таблице 4.17.
Диагностические параметры ИКМ, полученные путем расчета уравнений
регрессии И КМ = f (Ме) для масла М-10ДМ (таблиц 4.7), хорошо согласуются
с результатами допустимых значений функции распределения случайной вели-
чины (таблица 4.17). Подставляя в уравнение регрессии предиктор 0,037, полу-
чаем следующее решение:
И КМ = 0,09 + 8,77 ⋅ 0,37 + 110,4 ⋅ 0,37 2 = 0,57 .
Значение И КМ = 0,57 находится в зоне допустимых значений 0,5 и 0,6,
которые определены из экспериментальной плотности распределения, и имеет
относительную погрешность 15 и 5 %, что допустимо для технических систем.
238

Рисунок 4.17 – Гистограмма и плотность распределения значений


ИКМ масла М-10ДМ для автосамосвалов БелАЗ-7547

Рисунок 4.18 – Гистограмма и плотность распределения значений


ИКМ масла М-10ДМ для автосамосвалов БелАЗ-7548

Рисунок 4.19 – Гистограмма и плотность распределения значений


ИКМ масла М-10ДМ для автосамосвалов БелАЗ-7555
239
Таблица 4.17 – Числовые характеристики распределения диагностического
параметра ИКМ

Числовые характеристики нормативных значений


Диагностируемый
агрегат N МО М D σ V Сдоп

Моторное масло М-10ДМ

ЯМЗ-240НМ 100 0,40 0,34 0,07 0,27 0,64 0,8

ЯМЗ-240НМ2 451 0,29 0,25 0,058 0,24 0,83 0,6

KTTA 19-C 25 0,22 0,2 0,01 0,10 0,45 0,4

ЯМЗ-8501 43 0,20 0,2 0,027 0,15 0,75 0,5

Д-180 24 0,25 0,3 0,023 0,15 0,60 0,5

ЯМЗ-238НДЗ-1 23 0,25 0,2 0,038 0,19 0,76 0,6

Моторное масло Дизель Премиум SAE-15W40

КамАЗ-740.10,-740.30-260 85 0,33 0,2 0,078 0,28 0,8 0,8

Методика по определению точности диагностической информации [382],


позволяет использовать представленные в таблицах 4.16 и 4.17 нормативы до-
пустимых значений диагностического параметра ИКМ для оценки технического
состояния агрегатов АТС. Значения Сдоп имеют относительные погрешности, не
превышающие предельных значений погрешностей, полученных методом
ЭСАМ (20,0 %), что позволяет метод колебательного контура использовать для
оценки объектов высокого уровня надежности, работа которых связана с безо-
пасностью людей, т.е. наземного транспорта [293].
Анализ допустимых значений диагностического параметра для двух ма-
рок масел позволяет сделать выводы.
Моторное масло не оказывает влияния на допустимую величину диагно-
стического параметра при идентичных условиях эксплуатации. Автосамосвалы
Белаз-7555 с двигателями KTTA 19-C эксплуатируются как на масле М-10ДМ,
так и на Chevron SAE-15W40. В обоих случаях расчетные величины Сдоп, опре-
240
деляемые из плотности распределения, имеют равные значения 0,4.
На величину Сдоп оказывает влияние техническое состояние двигателя.
Двигатели KTTA 19-C американского производства имеют загрязненность мас-
ла меньше, чем двигатели ЯМЗ-240НМ2 отечественного производства. Это
подтверждается результатами ЭСАМ и результатами настоящих исследований.
При относительно близких значениях математического ожидания ~ 0,20...0,25,
среднеквадратичное отклонение величины диагностического параметра выше у
двигателей отечественного производства, чем у импортного производства. Со-
ответственно, степень загрязненности масла у отечественных двигателей выше,
что напрямую связано с их техническим состоянием.
Автосамосвалы БелАЗ-7548 постепенно выводятся из эксплуатации. Их
двигатели ЯМЗ-240НМ имеют значительную наработку и большинство после
КР. Поэтому автосамосвалы с изношенными двигателями имеют более высо-
кую допустимую норму диагностического параметра ИКМ .
АТС с импортными двигателями имеет значения диагностических пара-
метров более жесткие, чем для двигателей отечественного производства. Сред-
неквадратичное отклонение у двигателей Cummins 6СТ 8.3-215 и KTTA 19-C
показывает меньшее рассеяние (0,10...0,11) значений случайной величины ИКМ
относительно их математического ожидания. Соответственно, если степень за-
грязненности масла меньше, то уровень надежности двигателей выше.
Техническое состояние агрегатов АТС и свойств работающих масел яв-
ляются поведенческие признаками, которые доступны для непосредственного
визуального наблюдения в зависимости от нарушающих воздействий и откло-
нений в структуре исследуемого объекта.
При отклонении значений ИКМ в отрицательную сторону на индикаторе
появляется знак «–», т.е. диагностический параметр характеризует наличие то-
плива (более легких фракций) в масле, согласно п. 4.1.2.
При появлении постепенного дрейфа значений диагностического пара-
метра ИКМ при повторных включениях прибора ИКМ-2, диагностируется нали-
чие охлаждающей жидкости в масле, согласно п. 4.1.1.
241
4.3.2 Обоснование прогнозирования срока службы масла

Применение метода колебательного контура, для получения информации


об остаточном сроке работающего масла и состоянии автомобильных агрегатов,
базируется на алгоритме, представленном на рисунке 2.19. Метод прогнозиро-
вания включает вероятностные модели процессов изнашивания, за счет чего
происходит одна из основных потерь исходных свойств работающих масел.
Прогнозировать износ можно количеством металла в масле, которое оп-
ределяется методом ЭСАМ. Метод достаточно хорошо исследован и по этой
причине ЭСАМ с успехом применяется как диагностический способ оценки из-
носа во многих крупных АТП [20, 304, 305, 326].
Тесная корреляционная связь между результатами ЭСАМ и ИКМ, и выяв-
ленные новые закономерности (таблица 4.7) дают возможность осуществлять
прогнозирование ресурса АТС через прогнозирование срока службы работаю-
щего масла, используя метод колебательного контура и прибор ИКМ-2.
Текущее значение изменения диагностического параметра подчиняется
условию:
( И КМ ) i = a 0 + а1t i ≤ C доп ( И КМ ) , (4.22)
где a0 и а1 – коэффициенты уравнения регрессии.
Остаточный срок службы масла АТС определяется с использованием мо-
дели:
(С доп ( И КМ ) − (И КМ )i ) − a 0
t ост = . (4.23)
a1
Прогнозирование работоспособности АТС по зависимости (4.22), пред-
полагает, что постепенное изменение технического состояния агрегатов, под-
чиняясь нормальному закону распределения, постепенно изменяет свойства
масла, при этом доля внезапных отказов мала. Коэффициент аi характеризует
скорость изменения исходных свойств масла от влияния на масло различных
эксплуатационных факторов. Модель (4.23) позволяет определять не только ос-
таточный срок масла, но и управлять техническим состоянием агрегата через
устранение причин, влияющих на ухудшение состояния работающего масла.
242
В таблице 4.18 приводятся примеры расчета остаточного срока масла для
ряда двигателей технологического транспорта (рисунки 4.20–4.23).

Таблица 4.18 – Прогнозирование остаточного срока службы масла

Наработка Остаточ-
Допус- По-
двигателя за Коэф. ный срок
тимое греш-
период на- Математическая модель корре-
значе- t ост , ность
блюдения ti, ляции
ние мото-ч δ, %
мото-ч
Двигатель Д-180, масло М-10ДМ, шасси № 5
И КМ = 0,12 + 0,0006 ⋅ t 0,90 0,5 -267
700 7,4
Ме = 89,98 + 0,43 ⋅ t 0,87 0,037 -230
Двигатель Д-160, масло М-10ДМ, шасси № 1
И КМ = 0,11 + 0,0021 ⋅ t 0,89 0,5 -312
445 10,7
Ме = 44,72 + 1,45 ⋅ t 0,99 0,037 -252
Двигатель ЯМЗ-8501, масло М-10ДМ, шасси № 10
И КМ = −0,017 + 0,0005 ⋅ t 0,96 0,5 338
730 -6,6
Ме = −15,8 + 0,33 ⋅ t 0,83 0,037 386
Двигатель Cummins 6СТ 8.3-215, масло Chevron SAE-15W40, шасси № 25
И КМ = 0,0017 + 0,0003 ⋅ t 0,93 0,4 432
890 -12,4
Ме = −17,14 + 0,28 ⋅ t 0,89 0,037 554

Результаты прогнозирования остаточного срока работающего масла срав-


нивались с результатами прогнозирования агрегата по общей концентрации ме-
таллов в масле, определяемых методом ЭСАМ. Из таблицы 4.18 видна сходи-
мость результатов. Погрешность двух методов не превысили 12,4 %, что удов-
летворяет требованиям диагностики [293], и позволяют по интегральной за-
грязненности масла прогнозировать техническое состояние агрегата АТС.
Шасси № 1 и № 5 имеют высокие скорости поступления продуктов изно-
са в масло, поэтому их остановка для выяснения причины должна была выпол-
нена раньше на 250 мото-ч. Как следствие, шасси № 1 (двигатель Д-160) было
остановлено с постановкой на ремонт по причине неисправностей системы
очистки воздуха и цилиндро-поршневой группы, шасси № 5 (двигатель Д-180)
– с неисправностями в системе очистки воздуха.
Показательны примеры прогнозирования срока службы масла, выполнен-
243
ные по некоторым моделям автомобилей БелАЗ (таблице 4.20).

Рисунок 4.20 – Прогнозирование срока масла Рисунок 4.21 – Прогнозирование срока масла
двигателя Д-180, шасси № 5 двигателя Д-160, шасси № 1

Рисунок 4.22 – Прогнозирование срока масла Рисунок 4.23 – Прогнозирование срока масла
ДВС ЯМЗ-8501, шасси № 10 ДВС Cummins 6СТ 8.3-215,
шасси № 25

Автосамосвал шасси № 25 (БелАЗ-7555) на 01.03.2007 г. имел расчетный


остаточный срок масла 91 мото-ч. После остановки автомобиля 07.03.2007 г. и
проведения дополнительного ЭСАМ, было обнаружено содержание свинца и
меди выше допустимой нормы, что послужило основанием для замены вкла-
дышей коленчатого вала.
Автосамосвал шасси № 279 (БелАЗ-7555) на 01.03.2007 г. имел расчетный
остаточный срок масла 95 мото-ч. После остановки автомобиля и дополнитель-
ного проведения ЭСАМ было обнаружено повышенное содержание кремния и
железа, что послужило основанием для ревизии системы очистки воздуха.
У автосамосвала шасси № 59 (БелАЗ-7548) на интервале пробега в ~200
244
мото-ч наблюдалось резкое снижение значений ИКМ (рисунок 4.24). Такое сни-
жение характеризовалось разбавлением работающего масла топливом, что под-
твердил результат температуры вспышки масла (160 ºС), после остановки авто-
мобиля для ремонта.
Автосамосвал шасси № 65 (Бе-
лАЗ-7547) по результатам прогнозиро-
вания методом ИКМ имел наработку по
остаточному сроку масла выше рас-
четной на 188 мото-ч. После остановки
автомобиля и проверки работающего
масла методом ЭСАМ, было выявлено
содержание металлов сверх норматив-
Рисунок 4.24 – Прогнозирование срока масла
ного значения (Fe = 75 г/т, Pb = 30 г/т, БелАЗ-7548, шасси № 59
Cu = 159 г/т), что характеризовало из-
нос ЦПГ двигателя ЯМЗ-240НМ2.

Таблица 4.20 – Прогнозирование остаточного срока службы масла

Наработка Остаточ-
Допус-
двигателя за Коэф. ный срок
тимое
период на- Математическая модель корреля-
значе- t ост ,
блюдения ti, ции
ние мото-ч
мото-ч
Автосамосвал БелАЗ-7555, двигатель KTTA 19-C, масло Chevron SAE-15W40, шасси № 25
355 И КМ = −0,023 + 0,001 ⋅ t 0,92 0,4 91
Автосамосвал БелАЗ-7555, двигатель KTTA 19-C, масло Chevron SAE-15W40, шасси № 279
585 И КМ = 0,03 + 0,0005 ⋅ t 0,96 0,4 95
Автосамосвал БелАЗ-7548, двигатель ЯМЗ-240НМ, масло М-10ДМ, шасси № 59
И КМ = −0,3 + 0,0045 ⋅ t −
855 -0,91 0,5 –
− 9,8 ⋅ 10 −6 ⋅ t 2 + 6,01 ⋅ 10 −9 ⋅ t 3
Автосамосвал БелАЗ-7547, двигатель ЯМЗ-240НМ2, масло М-10ДМ, шасси № 65
485 И КМ = 0,027 + 0,0015 ⋅ t 0,96 0,5 -188

Прогнозирование изменения качественных свойств работающего масла,


отражает процессы старения масла. Прогнозировать снижение вязкости масла
245
за счет разбавления его водой и топливом от неисправностей топливной аппа-
ратуры и системы охлаждения нецелесообразно. Повышение ИКМ, при отсутст-
вии явных нарушений технического состояния агрегатов АТС, объясняется про-
цессами окисления и полимеризации масла при срабатывании присадок.

4.4 Разработка диагностики автомобильных агрегатов


методом высоковольтного тлеющего разряда

4.4.1 Разработка диагностических нормативов для оценки


технического состояния автомобильных агрегатов

Возможность диагностировать работоспособность системы «агрегат –


масло» методом ВТР базируется на взаимосвязи между состоянием механизма
и состоянием масла, смазывающего этот механизм. Оценка пригодности мо-
торных масел осуществлялась по результатам эксплуатационных испытаний, в
условиях которых выполнен массовый отбор проб масел М-10ДМ и Chevron
SAE-15W40 из двигателей автосамосвалов БелАЗ-7548 и БелАЗ-7555.
Используя вероятностно-статистический метод оценки и закон нормаль-
ного распределения, рассчитаны значения числовых характеристик для группы
масел исследуемых автомобилей. Подход к расчету допустимых значений Сдоп
диагностического параметра обоснован в п. 2.4.1.
Практика эксплуатации АТС показывает [304], что информация о неис-
правности автомобилей часто сосредотачивается в одном главном (преобла-
дающем) параметре. В таком случае за величину диагностического параметра
принимается допустимое значение С доп , разделяющее все множество состояний
объекта на два подмножества – исправное (N1) и неисправное состояния (N2). В
общем случае пересечение подмножеств дает пороговую границу, которую
следует принимать за величину диагностического норматива.
На рисунке 4.25 показана гистограмма КИС общей выборки N для масла
246
SAE-15W40 с явно выраженными двумя зонами. Область раздела этих зон при-
мерно соответствует значению КИС = 1,3. Для того чтобы оценить это значение
как величину диагностического параметра, выборка была разбита на два под-
множества, и каждое подмножество было оценено графически их плотностями
распределения и числовыми характеристиками. Результаты исследований пред-
ставлены в таблице 4.21 и на рисунке 4.26.

Таблица 4.21 – Числовые характеристики распределения диагностического


параметра КИС масла Chevron SAE-15W40

Параметры кривой Nn МО М D σ Сmin Сmax

Общая выборка N 75 1,122 1,464 0,175 0,419 0,626 2,302


Выборка N1 51 0,877 0,858 0,052 0,227 0,404 1,312
Выборка N2 38 1,797 1,464 0,164 0,405 0,654 2,272

Рисунок 4.25 – Гистограмма статистических значений КИС масла SAE-15W40

Работоспособность АТС можно оценивать его исправным состоянием


(выборка N1). Автомобиль может быть неисправным, но при этом выполнять
свои заданные функции, т.е. быть работоспособным. Такие автомобили вклю-
чены в выборку N2. В данной выборке находятся автомобили как в исправном
состоянии (не прошедшие плановые виды ТО, находящиеся в периоде прира-
ботки деталей после ремонта, на стадии окончания нормального износа или
247
предаварийного состояния), так и в аварийном состоянии. Следовательно, вы-
борка N2 в зоне минимальных значений будет соответствовать исправному со-
стоянию, а в зоне максимальных значений – неисправному.

Рисунок 4.26 – Плотности распределения значений КИС для масла SAE-15W40

Оптимальным для целей диагностики будет усреднение допустимых ве-


личин в зоне минимальных значений КИС для выборок N1 и N2. Это даст сред-
ний диагностический параметр – С доп min = 0,529 . Снижение величины данного

диагностического параметра приводит к неисправностям систем охлаждения


и очистки воздуха. В этом случае рекомендуется выявить причину ухудшения
технического состояния, после чего АТС следует направить на ТО или в ре-
монт.
Диагностический параметр в зоне максимальных величин КИС будет ха-
рактеризоваться допустимым значением, превышение которого недопустимо,
по причине вероятного ухудшения технического состояния – Сдоп max = 1,312.
При достижении данного значения автомобиль считается исправным и направ-
ляется на ТО.
Однако диагностика выявляет и такое техническое состояние АТС, кото-
рое сразу позволяет автомобили направлять в ремонт без его постановки на ТО.
Такое состояние, при котором автомобиль способен еще некоторое время вы-
полнять транспортную работу, характеризуется повышенными износами со-
248
пряжений деталей или скрытыми отказами. Как правило, это автомобили, зна-
чения диагностических параметров которых, на этапе предыдущего контроля,
были близки к допустимым значениям, но не превышали их.
В работе были проанализированы диагностические значения ПРМ пре-
вышающие допустимую величину с позиций технического состояния агрегатов.
Такие значения условно разбиты на группы с предельными и критическими
техническими состояниями. При достижении предельного значения Спр = 1,792
двигатель рекомендуется направить в текущий ремонт, при достижении крити-
ческого значения Скр = 2,272 – в капитальный ремонт.
Допустимые и критические значения диагностических параметров опре-
деляются для каждой выборки методом двух сигм (2.48). Допустимое значение
также соответствует точке пересечения двух плотностей распределения для ав-
томобилей с различным техническим состоянием (рисунок 4.26), что графиче-
ски подтверждает эмпирический расчет.
Предельное значение рассчитывается как среднее значение максималь-
ных величин диагностического параметра двух выборок N1 и N2. Величина
Спр = 1,792 близка математическому ожиданию МО = 1,797 выборки N2, кото-
рая, по сути, делит общую плотность распределения на зоны, где в первом слу-
чае двигателям необходимы профилактические воздействия, а во втором случае
– ремонт.
В таблице 4.21 показаны числовые значения общей выборки N измерений
КИС для масла SAE-15W40. Видно, что ряд числовых характеристик выборки N
примерно соответствует числовым характеристикам выборки N2. Близкими яв-
ляются величины верхнего (максимального) и нижнего (минимального) уров-
ней диагностических параметров. Однако общая плотность распределения (ри-
сунок 4.26) не дает полного представления о возможном распределении значе-
ний КИС, потому что в общей выборке, содержатся автомобили с разным техни-
ческим состоянием. Значение верхнего диагностического параметра КИС выяв-
ляет только аварийное состояние автомобиля.
Оценка технического состояния АТС по нормативам диагностических па-
249
раметров КИС на масле М-10ДМ приведена в таблице 4.22. По результатам ста-
тистических наблюдений построена гистограмма (рисунок 4.27), которая харак-
теризуется явно выраженной зоной N1 и менее выраженной – N2. Граница раз-
дела двух зон характеризуется пороговым значением, численная величина ко-
торого ориентировочно равна 1,3.

Таблица 4.22 – Числовые характеристики распределения диагностического


параметра КИС масла М-10ДМ

Параметры кривой Nn МО М D σ Сmin Сmax

Общая выборка N 266 0,892 0,918 0,142 0,377 0,164 1,672


Выборка N1 226 0,767 0,918 0,055 0,235 0,448 1,388

Выборка N2 40 1,600 1,588 0,045 0,212 1,164 2,012

Рисунок 4.27 – Гистограмма статистических значений КИС масла М-10ДМ

Настоящими исследованиями были установлены числовые характеристи-


ки графических плотностей распределения для общей выборки N, и для выбо-
рок N1 и N2 (рисунок 4.28). Числовые характеристики позволили рассчитать но-
вые значения диагностических параметров согласно условиям технической
эксплуатации АТС.
250

Рисунок 4.28 – Плотности распределения значений КИС для масла М-10ДМ

Минимальное значение диагностического параметра С min = 0,164 по об-


щей выборке измерений N теряет физический смысл, т.к. корона газового раз-
ряда стремится к нулю. Газовый разряд блокируется высокой концентрацией
загрязнителей с высокой диэлектрической проницаемостью среды. Этим за-
грязнителем может быть кремний (элементы дорожной пыли), который попада-
ет в масло по причине негерметичности агрегата, либо неработоспособной сис-
темы очистки воздуха. По этой причине в области минимальных значений КИС
оптимальным считается норматив диагностического параметра, рассчитанный
для выборки N1, т.е. С доп. min = 0,448 .
Диагностический параметр КИС принимает допустимое значение
Сдоп = 1,388. Предельное Спр = 1,70 и критическое Скр = 2,012 значения имеют
физический смысл, при котором технические состояния автомобилей такие же,
как и для масла SAE-15W40. Допустимое значение соответствует постановке
АТС на обслуживание, предельное или критическое значение – для ремонта.
Расчетная величина допустимого значения диагностического параметра
Сдоп = 1,388 соответствует пересечению двух кривых КИС (N1) и КИС (N2) плот-
ностей распределения КИС автомобилей с различным техническим состоянием.
Предельное значение диагностического параметра Спр = 1,70 рассчитыва-
лось как средняя величина одноименных значений в выборках N1 и N2. Оно
251
близко к значению диагностического параметра 1,672 общей выборки N и к МО
выборки N2. Это дополнительно подтверждает тот факт, что данный параметр
условно делит выборку N2 на две области – исправных и неисправных автомо-
билей находящихся в эксплуатации.
Критическое значение Скр = 2,012, как диагностический норматив, опре-
деляется по выборке N2, и характеризуется аварийным состоянием АТС.
Анализ одноименных числовых характеристик КИС для масел М-10ДМ
и SAE-15W40 позволяет выявить хорошую сходимость результатов расчета ди-
агностических параметров в диапазонах нижнего и верхнего уровней значений.
Необходимость в назначении диапазонов объясняется тем, что эксперимен-
тальные значения КИС имеют величину третьего порядка после запятой, а по-
вторные измерения каждого наблюдения дают отклонения пропорциональные
ошибке метрологического измерения, т.е. колебания значений нескольких из-
мерений относительно среднего в пределах одного наблюдения [293].
В таблице 4.23 приведены нормативные значения диагностических пара-
метров для моторных масел.

Таблица 4.23 – Диагностические параметры КИС для моторных масел

Параметры Сдоп min Сдоп mах

Нормативные значения 0,45…0,55 1,30…1,40

Значения Сдоп для масел М-10ДМ и Chevron SAE-15W40 являются тем


критерием, превышение которого связано с повышенной загрязненностью ра-
ботающего масла продуктами износа деталей, возможной негерметичностью
агрегатов, износом уплотнений, неисправной системой очистки масла, загряз-
ненными фильтрами, повышенной концентрацией топлива в масле, неисправ-
ными (неотрегулированными) топливными форсунками и т.п.
Результаты КИС хорошо согласуются со значениями метода ЭСАМ. На-
пример, коэффициент корреляции между КИС и химическим элементом Fe
в масле Chevron SAE-15W40 составляет 0,88 [58, 74].
252
В п. 4.2.7 впервые установлено, что с ростом концентрации металла
в масле М-10ДМ, растет и коэффициент парной корреляции функции
КИС = f (Ме). По результатам 180 измерений ЭСАМ была рассчитана допусти-
мая концентрация металла в масле, которая составила Сдоп min = 0,046 %. Начи-
ная от 0,04 % металла в масле, чувствительность КИС к загрязнителям такого
рода возрастает. Это характеризуется парным коэффициентом корреляции
r = 0,89 и величинам КИС более 1,2…1,3.
Высокие значения КИС соответствуют высоким значениям диспергирую-
щих свойств и низким значениям температуры вспышки масла.
Балл ДС численно характеризует способность масла удерживать продук-
ты износа и загрязнений во взвешенном состоянии и противостоять слипанию
частиц. Увеличение балла ДС показывает способность масла к образованию
конгломераций загрязнителями. Коэффициент корреляции зависимости
КИС = f(ДС) (рисунок 4.23) достаточно высок – r = 0,81 , поэтому считаем уве-
личение КИС косвенным признаком выработки диспергирующих и моющих
присадок в работающем масле.
Между результатами эксплуатационных испытаний, определяющих тем-
пературу вспышки масла и КИС, прослеживается тесная корреляционная связь.
В зависимости КИС = f(Твсп) (рисунок 4.24) коэффициент корреляции равен 0,88,
что позволяет наблюдать рост величины КИС при снижении Твсп. Например, на
масле М-10ДМ в эксплуатации наблюдалось снижение температуры вспышки
от 185 до 135 °С при соответствующем увеличении КИС от 1,5 до 1,6.
Допустимая величина диагностического параметра КИС соответствует
200 °С температуры вспышки масла. Соответственно, при отсутствии иных оп-
ределяющих факторов рост КИС косвенно подтверждает рост концентраций то-
плива в работающем масле по снижению температуры вспышки.
КИС ниже минимально допустимого значения диагностического парамет-
ра характеризуется высоким содержанием воды и (или) кремния.
По результатам эксплуатационных испытаний корреляционной зависимо-
сти между КИС и Н2О установить не удалось, по причине малой выборки кон-
253
центраций воды в пробах работающего масла, и, соответственно, недостаточно
адекватной модели результатов эксперимента. При этом лабораторные иссле-
дования (п. 4.2.1) подтверждают снижение КИС при увеличении концентрации
воды до 1,0 %. Лабораторные исследования показывают высокий коэффициент
корреляционной зависимости КИС = f (Н2О) – r = 0,85 . Следовательно, метод
ВТР позволяет определять концентрацию воды в масле, которая удовлетворяет
целям диагностики.
Снижению интенсивности свечения газового разряда в масляной среде
способствует рост концентрации кремния, попадающего в масло в виде дорож-
ной пыли. Зависимость между величинами КИС и Si в условиях эксплуатации
АТС на масле SAE-15W40 выражается тесной корреляционной связью –
r = 0,79 [74]. Метод ВТР позволяет косвенно определять наличие кремния в
масле, по состоянию общей загрязненности масла механическими примесями.
В процессе эксплуатационных испытаний автосамосвалов БелАЗ-7548
и БелАЗ-7555 были разработаны браковочные показатели КИС для гидравличе-
ского масла марки А и для гидравлических масел ВМГЗ и МГЕ-46В масла, при
достижении которых происходит увеличение изнашивания деталей гидро-
трансформаторов и гидросистем.
Известно [11, 13, 14], что ряд отказов ГМП связан как с нарушениями
гидравлической системы (утечки, перетекания масла из одной полости в дру-
гую, и, как следствие, падение давления), так и механической (изнашивание,
осадкообразование). Утечки возникают вследствие негерметичности гидро-
трансформатора, что влечет «подсос» воздуха с элементами дорожной пыли.
Элементы пыли способствуют абразивному износу деталей гидротрансформа-
тора, воздух способствует образованию продуктов окисления, которые в свою
очередь, по мере выработки присадок, усиливают коррозионный износ деталей.
Согласно выполненным теоретическим и экспериментальным исследова-
ниям, кремний и продукты окисления будут снижать, а металлические продук-
ты износа повышать интенсивность свечения высоковольтного тлеющего раз-
ряда. Это было положено в основу расчета значений диагностических парамет-
254
ров определяемых методом ВТР по маслу марки А при оценке технического со-
стояния гидротрансформаторов.
По результатам статистических наблюдений КИС были рассчитаны число-
вые характеристики и нормативы диагностических параметров (таблица 4.24),
построены гистограммы (рисунок 4.29) и плотности их распределения (рисунок
4.30).

Таблица 4.24 – Числовые характеристики распределения диагностического


параметра КИС масла марки А

Параметры кривой Nn МО М D σ Сmin Сmax

Общая выборка N 54 0,664 0,652 0,026 0,160 0,332 0,972

Выборка N1 18 0,505 0,493 0,003 0,052 0,389 0,597

Выборка N2 36 0,744 0,708 0,016 0,128 0,452 0,964

Рисунок 4.29 – Гистограмма статистических значений КИС масла марки А

Статистические наблюдения общей выборки N позволяют отметить два


явно выраженных экстремума, которые находятся в интервалах 0,4…0,6 и
0,6…1,1. По результатам данных наблюдений формировались выборки N1 и N2,
и для каждой выборки рассчитывались числовые характеристики (таблица
4.24), а также строились плотности распределения (рисунок 4.30).
255

Рисунок 4.30 – Плотности распределения значений КИС масла марки А

При разработке нормативов диагностирования проводилась работа по ап-


проксимации допустимых значений КИС на масле марки А. За Сmax диагности-
ческого параметра верхнего уровня значений (КИС от 0,7 и выше) принимается
среднее значение одноименных величин общей выборки N и выборки N2. За ди-
агностический параметр Сmin нижнего уровня значений (КИС менее 0,7) прини-
мается среднее значение минимальной величины выборки N2 и максимальной
величины N1.
(C max (N ) + C max (N 2 ))
С max = ; (4.24)
2
(C min (N 2 ) + C max (N1 ))
С min = . (4.25)
2
После подстановки значений в формулы (4.24) и (4.25), полученный ре-
зультат округляем до величины удобной для практического использования. До-
пустимые значения диагностического параметра КИС для диагностирования
гидротрансформаторов работающих на масле марки А имеют значения –
С доп max = 1,0 и С доп min = 0,5 .

Особенностью работы масла в гидротрансформаторах является то, что


масло выполняет три функции – рабочие, смазывающие и охлаждающие. Ана-
логичными свойствами обладают и гидравлические масла при работе в гидро-
системах.
256
ГС АТС представляет собой замкнутый контур, что позволяет диагности-
ровать ее работоспособность по параметрам рабочей жидкости (масла), которая
циркулирует в данной системе. В связи с тем, что ГС АТС может располагаться
в нескольких разрозненных рабочих органах, объединяемых только гидравли-
ческим баком, то при диагностировании возникают сложности с количествен-
ной оценкой состояния таких отдельных подсистем на базе информации, за-
ключенной в пробах работающего масла. Например, гидросистема автосамо-
свалов БелАЗ функционально располагается в тормозной системе, рулевом
управлении и в системе подъема платформы. Большая разветвленность гидро-
линий, сложность узлов и агрегатов гидросистем таких автомобилей [158, 159],
осложняет интерпретацию получаемых результатов диагностирования.
В настоящее время в научной и практической литературе наблюдается
дефицит публикаций, которые смогли бы описать решение такой проблемы при
минимальных издержках производства. В большей степени существующие ра-
боты сводятся к поиску решений повышения надежности гидросистем за счет
контроля чистоты рабочей жидкости, и в меньшей степени они сводятся к по-
иску изменений состояния работающих масел в зависимости от изменения тех-
нических свойств отдельных узлов гидросистем. Такую оценку технического
состояния гидросистем целесообразно выполнять методом ЭСАМ, по измене-
нию химических элементов-индикаторов износа и загрязнения [31, 275].
Практика АТП Кузбасса показывает, что СКУНА, выполняющая оценку
ГС по ПРМ, анализирует пробы масла, отобранные из гидробака. Следователь-
но, ЭСАМ дает в большей степени интегральную оценку суммарной загрязнен-
ности, а его элементы-индикаторы указывают только направление поиска воз-
можного отказа. Невозможность постановки точного диагноза способствует
нежеланию развивать диагностику гидросистем методом ЭСАМ, и оценка ра-
бочей жидкости сводится к определению ее чистоты или (и) определению мас-
сы негорючих примесей.
В этой связи использование метода ВТР для интегральной оценки техни-
ческого состояния ГС по ПРМ становится весьма актуальной. Отметим ряд
257
причин, по которым возникают отказы: загрязненность масла атмосферной пы-
лью по причине разгерметизации системы, износ деталей, окисление, обвод-
ненность масла. Соответственно, те диагностические параметры, по которым
осуществлялась оценка моторных масел, должна соответствовать диагностиче-
ским параметрам для гидравлических масел. Придерживаясь такого направле-
ния в исследованиях, были разработаны диагностические нормативы КИС по ре-
зультатам статистических наблюдений. В качестве исходных данных принима-
лись гидравлические масла ВМГЗ и МГЕ-46В отобранные из гидробака авто-
мобилей БелАЗ-7548 и БелАЗ-7555. Результаты расчета выявленных числовых
характеристик и диагностические параметры приведены в таблице 4.25, а гра-
фическое исполнение плотностей распределения – на рисунке 4.31.

Таблица 4.25 – Числовые характеристики распределения диагностического параметра


КИС гидравлических масел

Параметры кривой Nn МО М D σ Сmin Сmax

Общая выборка N 60 1,091 1,041 0,215 0,464 0,113 1,969

Выборка N1 (ВМГЗ) 30 1,083 0,783 0,273 0,522 -0,261 1,827

Выборка N2 (МГЕ-46В) 30 1,099 1,107 0,165 0,406 0,295 1,919

Рисунок 4.31 – Плотности распределения значений КИС гидравлических масел


ВМГЗ и МГЕ-46В
258
Гидравлическое масло ВМГЗ производят по ТУ 38.101479-86 с использо-
ванием маловязкой низкозастывающей минеральной нефтяной основы, выраба-
тываемой посредством гидрокаталического процесса и загущенной полимета-
акрилатной присадкой. ВМГЗ содержит противоизносную, антиокислительную
и антипенную присадку.
Масло МГЕ-46В (ТУ 38 001347-83) предназначено для гидрообъемных
передач. Его вырабатывают на базе индустриальных масел с натуральной осно-
вой и комплектом антиокислительных, противоизносных, депрессорных
и антипенных присадок. Масло обладает высокой стабильностью эксплуатаци-
онных (вязкостных, противоизносных, антиокислительных) свойств, не агрессивно
к материалам, применяемым в гидроприводе.
Гидравлическое масло, функционально передающее механическую энер-
гию от ее источника к месту использования, обладает высокой подвижностью,
что связано с эффективностью отвода тепла от нагретых частей гидросистемы.
Поэтому гидравлические масла имеют небольшую вязкость, что обеспечивает
подвижность масла при низких температурах. Подвижность объясняется низ-
кой молекулярной массой углеводородов.
Легкие ароматические углеводороды обеспечивают хорошую подвиж-
ность нефтепродуктов, но, являясь естественными окислителями, они наиболее
агрессивны по отношению к резинотехническим изделиям и при производстве
гидравлических масел ароматические углеводороды удаляют очисткой [83, 192, 193].
Для гидравлических масел очень важен показатель химической стабиль-
ности, т.к. масло постоянно контактирует с металлическими деталями и рези-
новыми уплотнениями. Жидкие алкановые углеводороды с содержанием от 5
до 10 атомов углерода, составляющие основу масла, имеют невысокую вяз-
кость, не вызывают вредного влияния на резиновые изделия, но легко окисля-
ются под действием кислорода, повышая кислотное число масла [49, 192].
Нафтеновые углеводороды увеличивают вязкость масла, и одновременно
обеспечивают его низкотемпературные свойства, что является важным показа-
телем работоспособности гидросистем в зимних условиях. Однако увеличение
259
доли в масле нафтеновых углеводородов, приводит к снижению устойчивости
масел к окислению. С увеличением молекулярной массы молекул нафтеновых
компонентов стабильность масла в окислительной среде уменьшается [83]. В
процессе окисления в маслах резко возрастает количество изомеров, образуют-
ся спирты и карбоновые кислоты, которые имеют значения диэлектрических
проницаемостей среды (ε ≈ 27…37) на порядок выше этого показателя для све-
жего масла. Следовательно, даже при отсутствии загрязняющих элементов
с высокой диэлектрической проницаемостью среды (вода, кремний) термически
активное работающее масло способно понижать величину коэффициента КИС за
счет процессов собственного окисления и полимеризации. А также повышать
значение КИС за счет коррозионного разрушения металлов, частицы которых
циркулируют в работающем масле.
Делаем вывод, что гидравлические масла на нефтяной основе способны
в процессе эксплуатации, по мере выработки присадок, изменять свои струк-
турные свойства без внесения извне загрязняющих компонентов, что отражает-
ся на изменении его диэлектрических показателей.
Основываясь на представленном анализе и по результатам расчетов, для
гидравлических систем были назначены допустимые нормативные значения
диагностического параметра КИС для различных уровней эксплуатации:
– Сmin = 0,30 – нижний уровень ( С доп → 0 ) КИС условий эксплуатации, ха-
рактеризующий процессы окисления масла, загрязнения водой и элементами
дорожной выли (кремнием и кварцем);
– Сmax = 1,80 – верхний уровень ( С доп → ∞ ) КИС – загрязнение масла про-
дуктами износа.
Допустимые значения диагностического параметра не являются величи-
нами постоянными. Нормативное значение диагностического параметра будет
зависеть от роста выборки экспериментальных данных, т.е. ( N n → ∞ ) . С увели-
чением выборки наблюдений N → max, величина норматива Сдоп становиться
более точной. Такому тождеству подчиняются и определения диагностических
параметров всех марок исследуемых масел.
260
Метод ВТР позволяет диагностировать систему «агрегат – масло» по со-
стоянию общей загрязненности масла или преобладающего загрязняющего
компонента. Впервые разработанные диагностические нормативы двух уровней
информации о работоспособности трибосистем при периодическом отборе проб
масла, перед постановкой автомобиля на ТО, позволяют оценивать:
1) ДВС по моторному маслу:
– при C i ≥ С доп max – состояние системы очистки масла, состояние трибо-

сопряжений, состояние топливной аппаратуры;


– при C i ≤ С доп min – состояние системы охлаждения, состояние системы

очистки воздуха, герметичность уплотнений и соединений, отложение осадков


в фильтроэлементах.
2) ГМП по маслу марки А:
– при C i ≥ С доп max – состояние трибосопряжений, состояние системы очи-

стки масла;
– при C i ≤ С доп min – герметичность уплотнений и соединений, отложение

осадков в фильтроэлементах.
3) ГС по маслу ВМГЗ:
– при C i ≥ С доп max – состояние трибосопряжений и состояние системы

очистки масла;
– при C i ≤ С доп min – герметичность уплотнений и соединений, отложение

осадков в фильтроэлементах.
4) Критерии эксплуатационных показателей масла:
– при C i ≥ С доп max – механические примеси, продукты износа, разбавле-

ние легкими дистиллятами нефтепродуктов (бензином, дизельным топливом,


пересортица масла), снижение вязкости, рост диспергирующих свойств;
– при C i ≤ С доп min – наличие воды, дорожной пыли, углеродистых про-

дуктов (сажи, шламов, лаков), выработка противоокислительных присадок,


рост кислотности, рост вязкости.
261
При достижении работающим маслом в автомобильных агрегатах допус-
тимых нормативов (таблица 4.26) диагностического параметра Сдоп, масло сле-
дует заменить, а при его превышении следует дополнительно выполнить диаг-
ностику агрегата по предлагаемой схеме (рисунок 4.32).

Таблица 4.26 – Значения диагностического параметра КИС

Диагностируемый агрегат / масло Cmin Cmax


KTTA19-C, ЯМЗ-240НМ2 / Chevron SAE-15W40, 0, 5 1,3
М-10ДМ
ГМП / Марка А 0,5 1,0

ГС / ВМГЗ, МГЕ-46В 0,3 1,8

Рисунок 4.32 – Схема уровней оценки диагностических параметров,


определяемых методом ВТР
262
Известно, что возникновение отказов автомобильных агрегатов носит
сложный причинно-следственный характер, обусловленный сложностью конст-
рукции механизма и многофункциональностью масла. Поэтому метод ВТР, ко-
личественно оценивающий степень загрязненности масла на базе установлен-
ных закономерностей, способствует повышению долговечности и безотказно-
сти агрегатов при минимальных издержках используемого метода. Но такое по-
вышение долговечности возможно в том случае, когда под контролем находят-
ся все агрегаты, имеющие замкнутые системы смазки. Постановка автомобиля
на ТО или для ремонта производится тогда, когда проба масла какого либо аг-
регата достигла величины браковочного значения раньше, чем пробы других
агрегатов.
Рекомендацией к использованию метода ВТР для целей диагностики яв-
ляется его применение в лабораториях ФХАМ, как предварительного метода
оценки показателей качества масла и технического состояния автомобильных
агрегатов. При превышении нормативных значений диагностического парамет-
ра Сдоп следует выполнить комплекс стандартных методов оценки работающего
масла в соответствии с рабочей программой производственного процесса служ-
бы диагностики.

4.4.2 Обоснование прогнозирования срока службы масла

Прогнозирование срока службы масла осуществляется в зависимости от


технического состояния его агрегатов. Наиболее часто по работающему маслу
оценивается износ деталей методом ЭСАМ [304, 305]. Такое прогнозирование
базируется на корреляционной связи между металлом, линейно снятым в про-
цессе износа с поверхностей деталей, и его концентрацией, циркулирующей в
работающем масле, и регистрируемой спектральным анализом. Наличие корре-
ляционной связи между концентрацией металла в масле, определяемой ЭСАМ,
и показателем КИС, показывает приемлемость метода ВТР для прогнозирования
срока службы масла по механическим примесям.
263
Применение метода ВТР, для получения информации о степени загряз-
ненности масла механическими примесями функционально связанными с изно-
сом, имеет свои особенности.
Во-первых, поскольку в основе ВТР лежит интегральный принцип оценки
изменения КИС масла с различным содержанием металла, то задача назначения
допустимого износа заключается в определении массы металла G доп Ме , соот-

ветствующей допустимой величины Сдоп ( К ИС ) , при котором велика вероят-


ность наступления отказа.
Во-вторых, определение массы металла G доп Ме обуславливается стохас-

тичностью процесса изнашивания. При одинаковых условиях эксплуатации од-


нотипные конструкции автомобилей с равной вероятностью способны потерять
работоспособность, когда предельное значение износа достигается либо одной
деталью, либо несколькими деталями с размерами близкими к предельному со-
стоянию. Поэтому величина допустимого износа должна находиться в заданном
диапазоне вероятности безотказной работы автомобиля [304].
В-третьих, чувствительность метода ВТР должна обеспечивать однознач-
ность текущих результатов КИС, соответствующих текущим значениям массы
металла G Ме . К малым концентрациям металла метод ВТР малочувствителен.
Чувствительность метода ВТР проявляется с ростом концентрации металла
в масле от 0,03...0,05 % и выше, когда начинает расти коэффициент корреляции
(от 0,67 до 0,96) между Ме и КИС (п. 4.2.7).
Исходя из этих особенностей, прогнозирование может быть выполнено
с использованием информации полученной методом ВТР, корреляционно ха-
рактеризующий процесс накопления металла в масле с начала наблюдения за
агрегатом до момента прогнозирования технического состояния системы «агре-
гат – масло». Для прогнозирования необходимы следующие данные: текущее
значение (КИС)i на момент i-го отбора пробы в течение срока службы масла; до-
пустимое нормативное значение Сдоп (КИС), которое соответствует допустимому
значению количества металла, снятого с поверхностей деталей прежде, чем
264
произойдет отказ; аналитическое выражение прогнозирования, представленное
функцией случайной величины К ИС = f (t ) .
Допустимое значение Сдоп (КИС) можно получить расчетным путем (п.
2.4.3) или экспериментально (п. 4.4.1). Расчетный путь более трудоемок, т.к.
в соответствии с эпюрой износа поверхности и сложности геометрической фор-
мы детали, а также с учетом допускаемых браковочных норм следует вычис-
лить объем снятого металла. Далее этот объем следует перевести в концентра-
цию от объема масляной среды и, затем, через комплексную величину прово-
димости, рассчитать длину короны скользящего разряда, а после соотношения
этой длины к длине разряда свеж