Удосконалення технології діагностування вузлів локомотивів у середовищі Інтернету речей

Abstract

UA: Об’єкт дослідження – підшипникові вузли ТЕД тепловоза ЧМЕ3. Мета магістерської роботи – підвищення ефективності діагностування ТЕД тепловоза ЧМЕ3 із інтеграцією в середовищі Інтернету речей. У магістерській роботі досліджено принципи побудови кіберфізичних систем на залізничному транспорті та обґрунтовано дооснащення підшипникових вузлів локомотивів захищеними сенсорними модулями у середовищі Інтернету речей. Наголошено на проблемі перевантаження бездротових каналів зв'язку великими потоками неструктурованих даних і запропоновано трирівневу архітектуру моніторингу з локальною спектральною обробкою сигналів на рівні сприйняття. Розглянуто процеси деградації консистентного мастила через потрапляння вологи та обґрунтовано мультисенсорний підхід для раннього виявлення першопричин пошкодження підшипників. Представлено конструктивну реалізацію безперервного контролю стану мастила із застосуванням ємнісних датчиків відносної вологості та сенсорів температури. Описано алгоритм агрегації параметрів вібрації, температури, вологості та геопросторових координат у єдиний телеметричний пакет для хмарної аналітики депо, прогнозування ресурсу вузлів і створення цифрових двійників.

EN: Object of research – traction motor bearing assemblies of the ChME3 locomotive. The aim of the master's thesis is to improve the efficiency of diagnosing the ChME3 locomotive traction motor with integration into the IoT environment. The master's thesis investigates the principles of building СР systems in railway transport and substantiates the retrofitting of locomotive bearings with ruggedized sensor modules in the IoT environment. The problem of overloading wireless channels with large streams of unstructured data is emphasized, and a three-tier monitoring architecture with local spectral signal processing at the perception level is proposed. The physicochemical processes of grease degradation caused by moisture ingress are examined, and a multisensory approach for the early detection of the root causes of bearing damage is substantiated. A design implementation for lubricant CBM using humidity and temperature sensors with microcontroller temperature compensation is presented. An algorithm is described for aggregating vibration, temperature, humidity, and geospatial coordinate parameters into a unified telemetry packet for depot cloud analytics.