Details

Целью работы является разработка программно-алгоритмического комплекса для оценки технического состояния приводной системы ленточного конвейера и расчета нормированного показателя остаточного ресурса. Предмет исследования – программно-алгоритмические методы оценки состояния приводной системы по диагностическим признакам. Методологическая основа включает имитационное моделирование в MATLAB/Simulink, обработку вибросигнала в Python, выделение спектральных признаков на диагностических частотах и регрессионную оценку степени развития отказов. В аналитическом блоке использована интерпретируемая многоголовая ridge-модель с пороговым определением активных дефектов. В результате разработана имитационная модель ленточного конвейера 1ЛУ120, сформирован набор диагностических сценариев, реализованы алгоритмы обработки сигнала, оценки семи типов отказов и расчета условного RUL. Проверка на независимых тестовых наборах показала, что максимальная ошибка оценки степени развития отказов не превышает 0,05, а активные и неактивные состояния определяются корректно. Полученные результаты могут быть использованы как основа для дальнейшей доработки средств предиктивной диагностики конвейерного транспорта и их адаптации к эксплуатационным данным. Сделан вывод, что предложенный комплекс пригоден для проверки подхода к количественной оценке приводной системы.

The purpose of the work is to develop a software-algorithmic complex for as sessing the technical condition of the drive system of a belt conveyor and calculating a normalized remaining useful life indicator. The subject of the study is software algorithmic methods for assessing the condition of the drive system by diagnostic features. The methodology includes simulation modeling in MATLAB/Simulink, vibration signal processing in Python, extraction of spectral features at diagnostic frequencies, and regression estimation of fault severity. The analytical block uses an interpretable multi-head ridge model with threshold-based detection of active faults. As a result, a simulation model of the 1LU120 belt conveyor was developed, a set of diagnostic scenarios was formed, and algorithms for signal processing, estimation of seven fault types, and calculation of conditional RUL were implemented. Testing on independent datasets showed that the maximum error in estimating fault severity does not exceed 0.05, while active and inactive states are identified correctly. The obtained results can be used as a basis for further development of predictive diagnostic software for conveyor transport and its adaptation to operational data. The work concludes that the proposed complex is suitable for research verification of the approach to quantitative assessment of the drive system condition.