Исследование надежности шахтных вентиляторов на основе теории марковских процессов

Обложка

Цитировать

Полный текст

Аннотация

Важнейшую роль в аэрологических системах играет безотказность шахтных вентиляторных установок, надежность которых определяется комплексом различных геологических, горнотехнологических и конструктивных факторов, преимущественно стохастического характера. Задача определения количественных показателей надежности шахтных вентиляторных установок решается с применением различных математических методов моделирования случайных процессов. В работе рассматривается возможность использования теории марковских процессов для разработки методики расчета эксплуатационной надежности шахтных вентиляторных установок на примере вентилятора шахтного центробежного главного проветривания ВШЦ-16. Показана ограниченность применимости марковских процессов к анализу теории надежности по условию стохастической независимости отказов. Использование модели однородных марковских процессов имеет свои границы, т.к. интенсивности переходов между отдельными состояниями системы далеко не всегда являются постоянными величинами. В этом случае невозможно составить систему дифференциальных уравнений с зависящими от времени коэффициентами. При наличии стохастической зависимости в потоках отказов механических систем применение теории марковских процессов возможно, но в этих случаях наилучшим инструментом для анализа надежности является численный метод статистических испытаний Монте-Карло.

Об авторах

П. В. Вяткин

АО «АМЗ «Вентпром»

Email: vyatkinpv@ventprom.com
ORCID iD: 0009-0001-2477-4436

Н. Г. Валиев

Уральский государственный горный университет

Email: Niyaz.Valiev@m.ursmu.ru
ORCID iD: 0000-0002-5556-2217
SPIN-код: 3886-5864

Д. И. Симисинов

Уральский государственный горный университет

Email: 7sinov@m.ursmu.ru
ORCID iD: 0000-0001-6095-0073
SPIN-код: 6285-0395

Е. Б. Волков

Уральский государственный горный университет

Email: gmf.tm@ursmu.ru
ORCID iD: 0000-0002-8313-3137
SPIN-код: 4878-2380

Список литературы

  1. Ahaiev R., Prytula D., Kliuiev E., et al. The determination of the influence degree of mining-geological and mining-technical factors on the safety of the degassing system. In: E3S Web of Conferences. II International Conference Essays of Mining Science and Practice. 2020;168:00040. https://doi.org/10.1051/e3sconf/202016800040
  2. Матерова Е. С., Аксенова Ж. А., Никифоров А. А. и др. Потенциал развития горнодобывающего сектора России. Уголь. 2024;(12):41–46. http://dx.doi.org/10.18796/0041-5790-2024-12-41-46
  3. Баловцев С. В. Оценка схем вентиляции с учетом горно-геологических и горнотехнологических условий отработки угольных пластов. Горный информационно-аналитический бюллетень. 2019;(6):173–183. https://doi.org/10.25018/0236-1493-2019-06-0-173-183
  4. Chen Y., Liu R., Liu C., et al. Influence of blade installation angle spanwise distribution on the energy characteristics of mining contra-rotating axial flow fan. Scientific Reports. 2025;15(1):6444. https://doi.org/10.1038/s41598-025-90797-4
  5. Каледина Н. О., Малашкина В. А. Индикаторная оценка надежности функционирования шахтных вентиляционно-дегазационных систем. Записки Горного института. 2021;250:553–561. https://doi.org/10.31897/PMI.2021.4.8
  6. Odeyar P., Apel D. B., Hall R., et al. A review of reliability and fault analysis methods for heavy equipment and their components used in mining. Energies. 2022;15(17):6263. https://doi.org/10.3390/en15176263
  7. Ушаков В. К. Проблема надежности и эффективности шахтных вентиляционных систем. Горный информационно-аналитический бюллетень. 2015;(4):240–248.
  8. Кашников А. В., Круглов Ю. В. Определение параметров проветривания рабочей зоны рудника на основе нечеткой логики. Горный информационно-аналитический бюллетень. 2023;(5):68–82. https://doi.org/10.25018/0236_1493_2023_5_0_68
  9. Райншке К. Модели надежности и чувствительности систем. М.: Мир; 1979. 452 с. (Ориг. вер.: Reinschke K. Zuverlässigkeit und verfügbarkeit technischer systeme: theorie – praxis – berechnung. Berlin: VEB Verlag Technik; 1973. 392 s. (In German))
  10. Петроченков А. Б., Бочкарёв С. В., Ромодин А. В., Елтышев Д. К. Планирование процесса эксплуатации электротехнического оборудования с использованием теории марковских процессов. Электротехника. 2011;(11):20–24.
  11. Agbinya J. I. Markov Chain and its applications. In: Applied Data Analytics – Principles and Applications. 1st ed. New York: River Publishers eBooks; 2022. 15 p. https://doi.org/10.1201/9781003337225-1
  12. Ssempijja M. N., Namango S., Ochola J., Mubiru P. K. Application of Markov Chains in manufacturing systems: a review. International Journal of Industrial Engineering and Operational Research. 2021;3(1):1–13. https://doi.org/10.22034/ijieor.v3i1.26
  13. Wang Y., Xie B., E Sh. Adaptive relevance vector machine combined with Markov-chain-based importance sampling for reliability analysis. Reliability Engineering & System Safety. 2022;220:108287. https://doi.org/10.1016/j.ress.2021.108287
  14. Розанов Ю. А. Введение в теорию случайных процессов. М.: Наука; 1982. 128 с.
  15. Игнатов В. А., Маньшин Г. Г., Костановский В. В. Элементы теории оптимального обслуживания технических изделий. Минск: Наука и техника; 1974. 192 с.
  16. Овчаров Л. А. Прикладные задачи теории массового обслуживания. М.: Машиностроение; 1969. 324 с.
  17. Мюллер П., Нойман П., Шторм Р. Таблицы по математической статистике. М.: Финансы и статистика; 1982. 272 с. (Ориг. вер.: Müller P., Neumann P., Storm R. Tafeln der mathematischen statistik. Berlin: VEB Deutscher Verlag der Wissenschaften; 1979. 272 s. (In German))
  18. Проников А. С. Надежность машин. М.: Машиностроение; 1978. 592 с.
  19. Русский Е. Ю. Исследование вибрационной надежности роторов осевых вентиляторов главного проветривания шахт. Интерэкспо Гео-Сибирь. 2017;2(2):121–125.
  20. Копачев В. Ф. Обоснование срока службы вентиляторов главного проветривания в условиях переменной нагрузки. Известия высших учебных заведений. Горный журнал. 2020;(6):102–108. https://doi.org/10.21440/0536-1028-2020-6-102-108
  21. Копачев В. Ф., Копачева Е. А. Исследование влияния переходных процессов на технические показатели рудничных систем производства и транспортирования сжатого воздуха. Горный информационно-аналитический бюллетень. 2025;(1–1):106–119. https://doi.org/10.25018/0236_1493_2025_11_0_106
  22. Ушаков В. К. Математическое моделирование надежности и эффективности шахтных вентиляционных систем. М.: Горная книга; 2003. 181 с.
  23. Потапов В.Д., Призов А.Д. Имитационное моделирование производственных процессов в горной промышленности. М.: Высшая школа; 1981. 191 с.
  24. Jones G. L., Qin Q. Markov chain Monte Carlo in practice. Annual Review of Statistics and Its Application. 2022;9(1):557–578. https://doi.org/10.1146/annurev-statistics-040220-090158

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».