Selection and study of methods for implementing a diagnostic model for compressor stations of the rocket and space complex

Cover Page

Cite item

Full Text

Abstract

The article considers a compressed air system as an object of diagnosis, which is part of a complex of compressor equipment for the production, storage, and distribution of gases for spaceports providing launch vehicles. A model for diagnosing a reciprocating compressor as the main device for the production of compressed air is selected, based on the analysis of characteristic malfunctions. Vectors of the state of the elements of the compressed air system have been developed based on a variety of structural parameters characterizing the technical condition of the diagnostic object. It is proposed to use wavelet analysis to process the diagnostic parameters obtained by analyzing the indicator diagrams of the stages of a reciprocating compressor.

About the authors

Aleksandr V. Burakov

JSC «Compressor»

Author for correspondence.
Email: 47otdel@compressor.spb.ru
ORCID iD: 0000-0002-3553-2854
SPIN-code: 8501-1234
Scopus Author ID: 57210981312

Head of the Central Design Bureau

Russian Federation, Saint Petersburg

Rostislav R. Khotsky

808 Military Representative Office of the Russian Defense Ministry

Email: 47otdel@compressor.spb.ru
ORCID iD: 0009-0002-7064-1279
SPIN-code: 5240-0228

Deputy Head

Russian Federation, Saint Petersburg

Leonid G. Kuznetsov

JSC «Compressor»

Email: office@compressor.spb.ru
SPIN-code: 3819-4361
ResearcherId: A-8766-2018

Doctor of Technical Sciences, Professor, General Designer

Russian Federation, Saint Petersburg

References

  1. Naumchik I. V., Dzitoyev M. S., Pomoshnik M. V. Vliyaniye velichiny vrednogo prostranstva na integral’nyye kharakteristiki porshnevogo kompressora sistemy gazosnabzheniya v sostave startovogo kompleksa [The influence of the amount of harmful space on the integral characteristics of the piston compressor of the gas supply system as part of the launch complex]. Izvestiya Tul’skogo gosudarstvennogo universiteta. Tekhnicheskiye nauki. News of the Tula State University. Technical Sciences. 2023. No. 5. P. 553–558. doi: 10.24412/2071-6168-2023-5-553-554. EDN: IYXRVH. (In Russ.).
  2. Larkin V. V., Begunov M. L., Nikolayev S. G. [et al.] Ob aktual’nosti razrabotki perspektivnoy sistemy kontrolya tekhnicheskogo sostoyaniya slozhnykh tekhnicheskikh sistem na osnove prediktivnoy diagnostiki [On the relevance of developing a promising system for monitoring the technical condition of complex technical systems based on predictive diagnostics]. Modeli i metody razvitiya tekhnologiy mashinostroyeniya v usloviyakh tsifrovizatsii ekonomiki Rossii. Models and Methods of Mechanical Engineering Technology Development in the Conditions of the Russian Economy Digitalisation / Ed. by A. A. Popovich. Saint Petersburg, 2022. P. 201–206. EDN: CGOYAP. (In Russ.).
  3. GOST RV 0015-301–2020 Sistema razrabotki i postanovki na proizvodstvo voyennoy tekhniki. Postanovka na proizvodstvo izdeliy. Osnovnyye polozheniya [System of development and commissioning of military equipment. Setting up the production of products. The main provisions]. 42 p. (In Russ.).
  4. Kuznetsov L. G., Burakov A. V., Gribanov D. A., Khotskiy R. R. Metodika rascheta trudoyemkosti razrabotki sudovykh kompressornykh stantsiy s ispol’zovaniyem analoga na osnove ranzhirovaniya tekhnicheskikh kharakteristik [Method for calculating the labor intensity of the development of ship compressor stations using an analogue based on the ranking of technical characteristics]. Morskoy Vestnik. 2023. No. 2 (86). P. 65–67. EDN: TLHLQH. (In Russ.).
  5. GOST 20911–89. Tekhnicheskaya diagnostika. Terminy i opredeleniya [Technical diagnostics. Terms and definitions]. Moscow, 2009. 12 p. (In Russ.).
  6. Borisevich M. A. Osnovnyye napravleniya i zadachi mekhanizatsii i avtomatizatsii vosstanovleniya slozhnykh tekhnicheskikh sistem [Main directions and tasks of mechanisation and automation of complex technical systems reconstruction]. Problemy nauki. Problems of Science. 2022. No. 3 (71). P. 32–37. EDN: GMNERY. (In Russ.).
  7. Men’shikov D. S. Razrabotka modeli prognoza signalov predvestnikov neispravnostey gazoperekachivayushchikh agregatov [Development of a model for prediction of signals of harbingers of malfunctions in gas-compressor units]. Mezhdunarodnyy tekhniko-ekonomicheskiy zhurnal. International Technical and Economic Journal. 2022. No. 5-6. P. 36–44. doi: 10.34286/1995-4646-2022-86-5/6-36-44. EDN: BWPSAX. (In Russ.).
  8. Atanov I. V., Kapustin I. V., Gritsay D. I., Kulayev E. V. Neispravnosti kompressorov kholodil’nogo oborudovaniya [Malfunctions of compressors of refrigeration equipment]. Agrarnaya Nauka i Proizvodstvo v Usloviyakh Stanovleniya Tsifrovoy Ekonomiki Rossiyskoy Federatsii i Mirovogo Soobshchestva. Stavropol, 2021. P. 14–21. EDN: YSLLHJ. (In Russ.).
  9. Sokerina O. V., Khazin M. L., Volegov S. A. Analiz prichin neispravnosti klapanov porshnevykh kompressorov [Analysis of the causes of malfunction of piston compressor valves]. Tekhnologicheskoye Oborudovaniye Dlya Gornoy i Neftegazovoy Promyshlennosti. Yekaterinburg, 2024. P. 385–388. EDN: ICNDXV. (In Russ.).
  10. Manoylina S. Z., Artem’yev V. N., Zaytsev N. A. Osnovnyye neispravnosti sovremennykh porshnevykh kompressorov i sposoby ikh ustraneniya [The main malfunctions of modern reciprocating compressors and ways to eliminate them]. Tendentsii Razvitiya Tekhnicheskikh Sredstv i Tekhnologiy v APK. Voronezh, 2023. P. 182–188. EDN: ELOQAO. (In Russ.).
  11. Dyldin G. P., Makarov V. N. Nasosy i kompressory [Pumps and compressors]. Moscow, 2023. 183 p. ISBN 978-5-4497-2260-7. EDN: JMLNZB. (In Russ.).
  12. Savvon Ya. V., Prikhod’ko M. G., Evdokimov E. A. Neispravnosti sistemy smazki kompressorov [Compressor lubrication system malfunctions]. Nauka. Novoye Pokoleniye. Uspekh. Krasnodar, 2022. P. 293–295. EDN: YIJIIV. (In Russ.).
  13. Kotlov A. A. Parametricheskiy analiz samodeystvuyushchikh klapanov porshnevykh kompressorov metodami matematicheskogo modelirovaniya [A parametric analysis of self-acting valves of reciprocating compressors using mathematical modeling methods]. Izvestiya vysshikh uchebnykh zavedeniy. Mashinostroyeniye. BMSTU Journal of Mechanical Engineering. 2019. No. 5 (710). P. 27–35. doi: 10.18698/0536-1044-2019-5-27-35. EDN: DYSHCP. (In Russ.).
  14. Oskoma A. A. Statisticheskiy metod diagnostirovaniya kompressorov vozdukha vysokogo davleniya, kak effektivnyy sposob povysheniya bezopasnosti ikh ekspluatatsii [Statistical method of the high-pressure air compressor diagnostics as an effective way to improve safety of their operation]. Problemy Bezopasnosti na Transporte. Problems of Transport Safety. Saint Petersburg, 1997. P. 5–13. (In Russ.).
  15. Kudryavtseva I. S., Naumenko A. P., Demin A. M., Odinets A. I. Veroyatnostno-statisticheskiy kriteriy otsenki sostoyaniya po parametram vibroakusticheskogo signala [Probabilistic and statistical criterions for assessing the condition by vibroacoustic signal parameters]. Dinamika sistem, mekhanizmov i mashin. Dynamics of Systems, Mechanisms and Machines. 2019. Vol. 7, no. 2. P. 113–122. doi: 10.25206/2310-9793-7-2-113-122. EDN: EYLIAI. (In Russ.).
  16. Khodyrev A. I., Shakhov A. V. Matematicheskoye modelirovaniye neispravnostey stupeni porshnevogo kompressora v tselyakh tekhnicheskogo diagnostirovaniya [Mathematical simulation of reciprocating compressor stage defects for technical diagnosis]. Territoriya Neftegaz. Neftegaz Territory. 2020. No. 1-2. P. 46–54. EDN: FSNQDW. (In Russ.).
  17. Oskoma A. A., Surikov D. G. Formirovaniye modeli diagnostirovaniya SKAV-7,5 na osnove vektora ego diagnosticheskikh parametrov [Model for diagnosing SKAB-7.5 on the basis of the vector for its diagnosing parameters]. Vestnik Mezhdunarodnoy akademii kholoda. Journal of International Academy of Refrigeration. 2021. No. 4. P. 30–37. doi: 10.17586/1606-4313-2021-20-4-30-37. EDN: AUQLDG. (In Russ.).
  18. Ravin A. A. Diagnosticheskoye obespecheniye sudovogo energeticheskogo oborudovaniya: problemy i resheniya [Diagnostic support of marine power equipment: problems and solutions]. Saint Petersburg, 2016. 436 p. EDN: CFMONC. (In Russ.).
  19. Burakov A. V., Khotskiy R. R., Zuyev P. Yu., Abramov A. I. Razrabotka sistem upravleniya, obespechivayushchikh diagnostiku s primeneniyem robastnogo metoda dlya perspektivnykh sudovykh porshnevykh kompressorov [Development of control systems providing diagnostics using a robust method for advanced marine reciprocating compressors]. Morskoy Vestnik. 2024. No. 3 (91). P. 33–37. EDN: KCVSKY. (In Russ.).
  20. Ventsyulis L. S., Konovalov P. N., Rybalko V. V. Diagnostirovaniye korabel’nykh KTEU I GTEU [Diagnostics of the shipboard Boiler Turbine Power Plants and Gas Turbine Power Plants]. Saint Petersburg, 1995. 336 p. (In Russ.).
  21. Ramazanov R. M., Ramazanov M. I., Gubaydullin K. Zh. Diagnostirovaniye sostoyaniya truboprovodnykh obvyazok kompressornykh stantsiy [Diagnostics of compressor station piping systems condition]. Dostizheniya Nauki i Obrazovaniya. 2020. No. 2 (56). P. 5–10. EDN: BVPYXA. (In Russ.).
  22. Krasnov A. Yu. Statisticheskiye metody v inzhenernykh issledovaniyakh [Statistical methods in engineering research]. Saint Petersburg, 2022. 119 p. (In Russ.).

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

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».