Исследование температурных режимов подшипниковых узлов заднего моста автомобиля КамАЗ для обеспечения их контролепригодности

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Рұқсат ақылы немесе тек жазылушылар үшін

Аннотация

Analytical methods have been used to determine the temperature values of the bearing supports of the rear axle of a truck that correspond to normal operating modes. The calculated temperatures of the bearing supports and the maximum operating temperature of the transmission oil were accepted as diagnostic criteria for the technical condition. A dependency was established between the temperature in the friction zone of the input shaft support and the temperature on the surface of the bearing support cover with a coefficient k = 0.42. As a result of thermal imaging observations during the operation of the vehicle, the feasibility of applying digital thermodiagnostics to identify modes differing from the nominal operating modes of the bearing units and the operation of transmission oil has been proven.

Авторлар туралы

E. Timashov

Belgorod State Agricultural University named after V. Ya. Gorin

Email: pastukhov_ag@mail.ru
Belgorod, Russia

A. Pastukhov

Belgorod State Agricultural University named after V. Ya. Gorin

Email: pastukhov_ag@mail.ru
Belgorod, Russia

O. Barmina

Institute of Machine Engineering named after A. A. Blagonravov RAS

Хат алмасуға жауапты Автор.
Email: pastukhov_ag@mail.ru
Moscow, Russia

Әдебиет тізімі

  1. Барыкин А. Ю., Лянденбурский В. В., Тахавиев Р. Х., Самигуллин А. Д. Исследование теплового состояния ведущих мостов грузового автомобиля в дорожных условиях // Мир транспорта и технологических машин. 2020. № 2 (69). С. 3–9. https://doi.org/10.33979/2073-7432-2020-69-2-3-9
  2. Долгушин А. А., Курносов А. Ф., Чернухин Р. В. Исследование теплообмена агрегатов трансмиссии и двигателя грузового автомобиля // Технический сервис машин. 2024. Т. 62. № 2. С. 65–70. https://doi.org/10.22314/2618-8287-2024-62-2-65-70
  3. Девликамов Р. Р. Основные неисправности и диагностика заднего моста автомобиля КАМАЗ // Сурский вестник. 2021. № 1 (13). С. 40–46.
  4. Барыкин А. Ю., Мухаметдинов М. М., Тахавиев Р. Х. Влияние условий эксплуатации на безотказность и долговечность ведущих мостов грузовых автомобилей // Автомобилестроение: проектирование, конструирование, расчет и технологии ремонта и производства: материалы IV Всероссийской научно-практической конференции, Ижевск, 24 апреля 2020 г. Ижевск: Ижевский государственный технический университет имени М. Т. Калашникова, 2020. С. 16–22.
  5. Барыкин А. Ю., Тахавиев Р. Х., Горбачев С. В. Исследование нагруженности ведущих мостов грузового автомобиля КАМАЗ // Интеллект. Инновации. Инвестиции. 2020. № 3. С. 111–118. https://doi.org/10.25198/2077-7175-2020-3-111
  6. Зиганшин Р. А., Захаров Н. С., Зиганшина А. В., Зиганшин А. А. Влияние свойств трансмиссионных масел на надежность специальной нефтепромысловой техники в условиях холодного климата // Наука и бизнес: пути развития. 2013. № 10 (28). С. 35–39.
  7. Габитов И. И., Неговора А. В., Разяпов М. М. Оперативный мониторинг и управление температурными режимами ресурснозначимых агрегатов автотракторной техники // Технический сервис машин. 2021. № 1 (142). С. 89–98.
  8. Ерохин М. Н., Дорохов А. С., Катаев Ю. В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники // Агроинженерия. 2021. № 2 (102). С. 45–50.
  9. Костомахин М. Н., Катаев Ю. В., Петрищев Н. А. и др. Система дистанционного мониторинга технического состояния с функцией контроля соблюдения режимов мобильных энергосредств // Вестник машиностроения. 2022. № 1. С. 67–71.
  10. Костомахин М. Н., Пестряков Е. В., Петрищев Н. А., Саяпин А. С. Повышение контролепригодности и совершенствование средств диагностирования сельскохозяйственной техники // Огарёв-Online. 2023. № 5 (190). Порядковый номер 7.
  11. Щукина В. Н., Девянин С. Н., Казанцев С. П., Матвеев А. И. Проектирование интеллектуальной системы контроля технического состояния парка мобильных машин // Агроинженерия. 2022. Т. 24. № 5. С. 52–56.
  12. Севрюгина Н. С., Апатенко А. С., Голубев И. Г. Цифровые модели контроля и управления безрискового функционирования мелиоративного комплекса // Природообустройство. 2024. № 3. С. 13–20. https://doi.org/10.26897/1997-6011-2024-3-13-20
  13. Зиманов Л. Л., Карагодин В. И., Кондратьев И. В., Лазуренко Н. Н., Миняков А. М., Солнцев А. А. Повышение достоверности диагностирования автомобилей и транспортно-технологических машин с применением искусственного интеллекта // Транспортное дело России. 2024. № 2. С. 189–191.
  14. Тимашов Е. П., Пастухов А. Г. Исследование температурных режимов подшипниковых узлов коробки передач автомобиля КАМАЗ-5320 для обеспечения их контролепригодности // Проблемы машиностроения и надежности машин. 2023. № 4. С. 45–51. https://doi.org/10.31857/S023571192304017X
  15. ГОСТ 18555–94 “Подшипники качения. Динамическая расчетная грузоподъемность и расчетный ресурс (долговечность)”. М.: Стандартинформ, 2009. 19 с.
  16. Пастухов А. Г., Тимашов Е. П. Диагностирование опорных узлов трансмиссии на основе изучения термонагруженности // Сельскохозяйственные машины и технологии. 2023. Т. 17. № 2. С. 61–68. https://doi.org/10.22314/2073-7599-2023-17-2-61-68
  17. Тимашов Е. П., Пастухов А. Г., Тимашова О. В., Крючков А. М. Программа для ЭВМ. РФ 2023661582. Калькулятор температуры в зоне трения радиального подшипника, 2023.
  18. Проектирование трансмиссий автомобилей. Справочник / Под общ. ред. А. И. Гришкевича. М.: Машиностроение, 1984. 272 с.
  19. Lu Y., Lu X., Ye G., He Z., Chen T., Sheng L. Thermal Failure Analysis of Gear Transmission System // J. of Failure Analysis and Prevention. 2024. V. 24. P. 520–537.
  20. Zhou P., Sun L., Zhou G., Ma T., Wang H., Bi W., Ma G., Wang W., Yan X. A New Embedded Condition Monitoring Node for the Idler Roller of Belt Conveyor // IEEE Sensors J. 2024. V. 24 (7). P. 10335–10346. https://doi.org/10.1109/jsen.2024.3363905
  21. Lu R., Liu Sh., Gong Z. et al. Lightweight Knowledge Distillation-Based Transfer Learning Framework for Rolling Bearing Fault Diagnosis // Sensors. 2024. V. 24 (6). P. 1758. https://doi.org/10.3390/s24061758
  22. Han K., Wang W., Guo Ju. Research on a Bearing Fault Diagnosis Method Based on a CNN-LSTM-GRU Model // Machines. 2024. V. 12 (12). P. 927. https://doi.org/10.3390/machines12120927
  23. Santos M. R., Guedes A., Sanchez-Gendriz I. SHapley Additive exPlanations (SHAP) for Efficient Feature Selection in Rolling Bearing Fault Diagnosis // Machine Learning and Knowledge Extraction. 2024. V. 6 (1). P. 316–341. https://doi.org/10.3390/make6010016

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Russian Academy of Sciences, 2025