Оптимизация финишной обработки трансмиссионного вала картофелеуборочного комбайна

Специфика картофелеуборочного комбайна включает разнесенный в пространстве привод его агрегатов от внешнего двигателя в условиях стохастического характера работы. Это усложняет нагруженность его элементов, в том числе трансмиссионных валов, и создает предпосылки для снижения их долговечности, увеличивая количество усталостных отказов. Противодействие указанному процессу оказывает обработка трансмиссионных валов, направленная на уменьшение концентрированных дефектов. (Цель исследования) Разработка целевой функции для управления процессом финишной обработки трансмиссионных валов картофелеуборочного комбайна по критерию максимизации выхода годных при контроле концентрированных дефектов. (Материалы и методы) Для реализации метода требуется оборудование с возможностью программного управления по каналу технического зрения. В схеме управления используются математический аппарат описания дискретных и непрерывных случайных величин, марковские процессы с дискретным временем и непрерывным пространством состояний, метод наибольшего правдоподобия, а также методы численной оптимизации в многофакторном пространстве. (Результаты и обсуждение) Получены формулы для расчета вероятностей успешного и неудачного исходов финишной обработки по критерию наличия концентрированных дефектов. Представлены результаты апробации предложенного алгоритма для прогнозных оценок выхода годных изделий предлагаемым методом на основании промежуточных замеров характеристик дефекта в процессе обработки. Предложена схема использования полученных результатов в производственном процессе изготовления трансмиссионного вала картофелеуборочного комбайна. (Выводы) Предложен алгоритм управления финишной обработкой трансмиссионного вала на основании прогнозной оценки вероятности изготовления изделия, удовлетворяющего техническим условиям совместно по геометрии и чистоте поверхности. В качестве целевой функции рассмотрена прогнозная вероятность получения поверхности с заданной чистотой при отсутствии дефектов, превышающих допустимое значение. Решение задачи достигается подбором соответствующих технологических параметров.

1. Сорокин А.А., Пономарёв А.Г. Конструктивные схемы картофелеуборочных комбайнов в аграрном секторе России // Сельскохозяйственные машины и технологии. 2013. N6. С. 22-25. EDN: RVTBIX.

2. Успенский И.А., Рембалович Г.К., Костенко М.Ю., Безносюк Р.В. Оценка перспективной технологической схемы картофелеуборочного комбайна // Известия Нижневолжского агроуниверситетского комплекса. 2018. N1 (49). С. 262-269. DOI: 10.32786/2071-9485-2018-01-262-269.

3. Бышов Н.В., Борычев С.Н., Рембалович Г.К. и др. Математическая модель технологического процесса картофелеуборочного комбайна при работе в условиях тяжелых суглинистых почв // Вестник Рязанского государственного агротехнологического университета им. П.А.Костычева. 2014. N4 (24). С. 59-64.

4. Бышов Н.В., Борычев С.Н., Успенский И.А. и др. Технологическое и теоретическое обоснование конструктивных параметров органов вторичной сепарации картофелеуборочных комбайнов для работы в тяжелых условиях // Вестник Рязанского государственного агротехнологического университета им. П.А. Костычева. 2012. N4(16). С. 87-90. EDN: PLVONF.

5. Бобрышов А.В., Лиханос В.А. Расчет максимальных динамических нагрузок в трансмиссиях машинно-тракторных агрегатов // SWorld. 2014. Т. 4. N3. С. 24.

6. Королев А.Е. Безотказность картофелеуборочных комбайнов // NovaUm.Ru.2017. N10. С. 38-40. EDN: YNDSNI.

7. Овчинникова Н.И., Боннет В.В., Косарева А.В. Диагностирование технического состояния приводов картофелеуборочного комбайна // Аграрный научный журнал. 2021. N9. С. 95-97. DOI: 10.28983/asj.y2021i9pp95-97.

8. Годжаев З.А., Сапьян Ю.Н., Колос В.А., Горшков М.И. Расход и потери горюче-смазочных материалов в мобильной сельскохозяйственной технике // Сельскохозяйственные машины и технологии. 2017. N2. С. 9-14. DOI: 10.22314/207375992017.2.914. EDN: YODAPN.

9. Лобачевский Я.П., Миронов Д.А., Миронова А.В. Основные направления повышения ресурса быстроизнашиваемых рабочих органов сельскохозяйственных машин // Сельскохозяйственные машины и технологии. 2023. Т. 17. N1. С. 41-50. DOI: 10.22314/2073-7599-2023-17-1-41-50.

10. Денисов В.А., Славкина В.Э., Алехина Р.А., Касимов Р.М. Повышение долговечности деталей экстерьера сельскохозяйственной техники с использованием композиционных материалов // Технический сервис машин. 2023. Т. 61. N4(153). С. 90-96. DOI: 10.22314/2618-8287-2023-61-4-90-96. EDN: VHLKIM.

11. Arola D., Williams C.L. Estimating the fatigue stress concentration factor of machined surfaces. International Journal of Fatigue. 2002. Vol. 24. N9. 923-930. DOI: 10.1016/S0142-1123(02)00012-9.

12. Барсуков Г.В., Кожус О.Г., Винокуров А.Ю. Исследование абразивной способности искусственных и природных абразивов, обеспечивающих производительность гидроабразивного резания // Фундаментальные и прикладные проблемы техники и технологии. 2018. N2. С. 34-40. EDN: UXZGMJ.

13. Lavrinenko V.I. Current advances in the development of abrasive tools and Investigation of diamond abrasive machining processes (Materials science approach). Review. Journal of Superhard Materials. 2018. Vol. 40. 348-354. DOI: 10.3103/S1063457618050064.

14. Отений Я.Н., Никифоров Н.И., Журавлев А.И. Комбинированная обработка длинных валов // СТИН. 2006. N6. С. 36-39.

15. Сковородин В.Я., Антипов А.В. Влияние финишной отделочно-антифрикционной обработки валов на амплитудные параметры шероховатости поверхности // Научное обеспечение развития АПК в условиях импортозамещения. 2018. С. 387-391.

16. Неменко А.В., Никитин М.М. Управление качеством изделия при обработке металлов резанием // Современные технологии: проблемы и перспективы. 2019. С. 117-120. EDN: TQCRLW.

17. Kobayashi H., Mark B., Turin W. Probability, random processes and statistical analysis. Cambridge University Press, 2012. 813.

18. Cappe’ O., Moulines E., Ryde’n T. Inference in hidden Markov models. Springer, 2005. 652.

19. Wang B., Zhao W., Du Ya. et al. Prediction of fatigue stress concentration factor using extreme learning machine. Computational Materials Science. 2016. Vol. 125. 136-145. DOI: 10.1016/j.commatsci.2016.08.035.

20. Syusyuka E.N. Possibility of applying X-ray methods to control the surface quality of a shaft line after finishing. Journal of Physics: IOP Publishing. 2021. Vol. 2061. N1. 012022. DOI: 10.1088/1742-6596/2061/1/012022.

21. Ragavanantham S., Kumar S.S., Shyam M.S. Optimisation of shutter speed in machine vision technique for monitoring grinding wheel loading. Applied Mechanics and Materials. 2015. Vol. 766. 878-883. DOI: 10.4028/www.scientific.net/AMM.766-767:878-883.