ВведениеЭксплуатация судового валопровода связана с различными нагрузками на его элементы. Часть из них достаточно хорошо изучена и рассматривается на этапе проектировочных расчетов (например, передаваемый крутящий момент, силы тяжести валов, гребного винта и закрепленных на валах деталей, сила упора гребного винта, гидродинамические моменты и др.). Другая часть нагрузок связана с работой гребного винта, создающего систему нагрузок относительно корпуса судна. К такого рода нагрузкам относятся инерционные силы от масс гребного винта и вала при качке судна при волнении, усилия на гребном винте при работе в изменяющемся потоке воды, усилия от механической и гидродинамической неуравновешенности, усилия от деформации корпуса судна и соответствующие деформациям смещения центровки валопровода. Действующие на валопровод нагрузки являются факторами, непосредственно влияющими на его техническое состояние. Совокупность воздействия таких факторов с течением времени приводит к отказу судовой энергетической установки или пропульсивного комплекса. Одной из особенностей существенной части действующих на гребной вал нагрузок является их стохастический характер, что приводит к усложнению прогнозирования технического состояния валопровода и его узлов. Статистические данные о поломках [1–3] не всегда обладают достаточной полнотой для использования моделей вероятностных методов и методов статистического анализа [4, 5]. В связи с этим разработка и совершенствование методов прогнозирования отказа валопровода в условиях малого количества входных статистических данных и изменяющихся режимов работы является актуальной задачей как для вновь проектируемых судов, так и для находящихся в эксплуатации. В работе [6] приведен сравнительный анализ возможностей и функциональных особенностей наиболее применимых методов прогнозирования технического состояния судового энергетического комплекса. В настоящей работе проведена оценка эффективности существующих методов прогнозирования технического состояния и отказа для элементов судового валопровода, а также сформулированы предложения по их адаптации. Статистические и экстраполяционные методыСтатистический метод прогнозирования применим в случае обобщения опыта эксплуатации путем составления представительной выборки статистических данных, характеризующих надежность оборудования, например наработки на отказ. Средняя наработка демпферов крутильных колебаний на отказ обычно составляет порядка 60 тыс. ч, но в практике эксплуатации также нередки случаи сохранения демпфирующих свойств до 90 тыс. ч. Согласно имеющимся данным для судов типа «Альпинист», где с двигателем 8NVDA2U установлен силиконовый демпфер В-710 фирмы STE, только при наработке более 100 тыс. ч демпфер находится в зоне, в которой износ может иметь нелинейный характер [7]. Повышенная надежность демпфера в таком энергетическом комплексе обусловлена проектным уменьшением работы в резонансных режимах, в том числе и в режиме прогрева. Функции распределения вероятности отказа f1(t) и f2(t) имеют следующий вид (рис. 1).  Рис. 1. Зависимости вероятности отказа от времени наработки: f1(t) – усредненные значения наработки; f2(t) – для судов типа «Альпинист»Fig. 1. Dependences of the probability of failure on the operating time: f1 (t) - average operating time; f2 (t) - for “Alpinist” type vessels Построение функций распределения вероятности позволяет определить вероятность безотказной работы в заданный период времени, а также решать обратную задачу определения времени наработки на отказ при заданной вероятности безотказной работы. Следует отметить, что статистические методы эффективны только в условиях массового типового производства изделий или узлов с относительно небольшим регламентированным сроком службы. В частности, для валопроводов серийных речных судов широко распространены типовые шариковые и роликовые подшипники качения. Но для большинства элементов судового валопровода характерны мелкосерийные либо уникальные изделия. Выборка в этом случае не будет достаточно представительной, а с учетом дисперсии между усредненными данными и определенными по каждому проекту – расчет индивидуального ресурса существенно усложняется.Рассмотренный в работах [6, 8] метод экстраполяционного прогнозирования может быть применим в случае устойчивого процесса изменения параметров работы валопровода. Основой метода является выбор параметра, который может наиболее точно охарактеризовать техническое состояние объекта. Для подшипников качения диагностическим параметром может считаться уровень вибрации в направлениях воспринимаемой нагрузки, а для подшипников скольжения – величина радиального зазора. В случае принятия радиального зазора контролируемым параметром возможно снятие показаний с измерительного прибора в кормовой крышке сальника, где замеряемая величина является показанием зазора между подшипником и гребным валом. На рис. 2 приведен установленный в кормовой сальник измерительный инструмент.   Рис. 2. Измерение параметра просадки гребного вала: 1 – стержень; 2 – шкала; 3 – контрольная риска;4 – контакт с поверхностью вала; ∆ – величина зазораFig. 2. Measuring the propeller shaft sagging parameter: 1 - rod; 2 - scale; 3 - control mark;4 - contact with the shaft surface; ∆ - clearance size Организация экстраполяционного метода возможна в рамках деятельности судового механика, обязанного следить за величиной выработки кормового дейдвудного подшипника. Накопление выборки результатов измерений значений Δ происходит в заданные временные интервалы в процессе эксплуатации валопровода (рис. 3).    Рис. 3. Построение аппроксимирующих функций для прогнозанаступления предельного состояния дейдвудных подшипниковFig. 3. Building approximating functions for predicting the limiting state of stern tube bearings Предложен вариант применения метода для прогнозирования износа резинометаллических подшипников гребного вала. Опыт эксплуатации таких подшипников свидетельствует о том, что предельно допустимый износ в эксплуатации в море наступает в среднем через 15 тыс. ч, в речных бассейнах – через 4 тыс. ч, а в водоемах, загрязненных абразивными частицами, – через 2 тыс. ч. На рис. 3 представлены временные ряды при регистрации замеров радиального зазора каждые 200 ч. Построенные линии тренда на основе эмпирических данных позволяют получить сглаженную последовательность результатов измерений без влияния случайных отклонений измеряемого параметра, а формирование аналитического описания с функцией от времени позволяет рассчитать остаточный ресурс дейдвудных подшипников.Аппроксимирующие функции износа резинометаллических дейдвудных подшипников для валов диаметром до 400 мм при эксплуатации в речных и загрязненных абразивными частицами бассейнах, соответственно, имеют вид:                                         Последующая экстраполяция аппроксимирующей функции на предстоящий период эксплуатации позволяет прогнозировать наступление предельного состояния. При предельно допустимом зазоре Δmax = 5 мм наработка на отказ составит 2 160 ч – для функции Δ1(t) и 4 150 ч – для функции Δ2(t).Следует также отметить, что результат данного метода прогноза будет достоверным только при сохранении режима эксплуатации объекта. Соответственно, если исключить случаи подплавления неметаллических дейдвудных подшипников, ударной нагрузки на гребной вал или продолжительной работы на мелководье, то данный метод может быть применим к системе судового валопровода. Предложения по адаптации причинно-следственного методаАльтернативой экстраполяционным методам, основанным на гипотезе о постоянстве действия нагрузок и накопления повреждений, является причинно-следственный метод [6, 9]. Основой метода является индивидуальная регистрация нагружений, позволяющая применять гипотезу линейного суммирования повреждений. В рамках этой гипотезы накопление эксплуатационных повреждений подчиняется принципу суперпозиции, а расчет расхода ресурса можно производить в процессе работы механизма. Реализация алгоритма подсчета и суммирования нагружений различна для механизмов и зависит от величины контролируемых параметров, характеристик долговечности и полноты получаемого массива данных. Предложена принципиальная схема системы прогнозирования отказа судового валопровода на основе регистрации и анализа параметров колебаний (рис. 4). Внедрение такой системы на судне позволит реализовать причинно-следственный метод. Система состоит из аппаратной части и информационной системы для интерпретации получаемых данных.   Рис. 4. Основные компоненты системы прогнозирования отказа судового валопровода:1 – первичные преобразователи; 2 – блок обработки и передачи данных; 3 – блок питания;4 – датчик износа подшипника; 5 – стационарный приемный блокFig. 4. Main components of the system for predicting the ship shafting failure: 1 - primary converters;2 - data processing and transmission unit; 3 - power supply unit; 4 - bearing wear sensor; 5 - stationary receiving unit В качестве первичных преобразователей в системе используются одноэлементные фольговые тензорезисторы, позволяющие выполнять измерения методом динамического тензометрирования, а также трехосевые датчики вибрации. Данный метод позволяет изучать действительные условия работы валопровода, определять фактические внешние нагрузки и закономерности их появления, измерять деформации, напряжения, параметры вибрации и определять количественные показатели надежности валопровода при нормальной эксплуатации и специальных режимах работы, например при резонансе колебаний. Получаемый массив экспериментальных данных будет качественно схож с данными торсиографирования при испытаниях судовых энергоустановок на крутильные колебания, но подход к обработке данных предлагается дополнить. Регистрацию нагрузок на валопровод необходимо вести с начала его эксплуатации, а поскольку не для всех видов нагрузок доказана возможность линейного суммирования повреждений, построенная регрессионная модель может быть сравнима с базовой S-N-диаграммой для материала вала. Работа алгоритма представлена на фрагменте тензограммы поперечных колебаний судна проекта ВКМ-3 (рис. 5).Детерминированный характер прогноза обеспечивается регистрацией только тех уровней нормальных напряжений, которые приводят к разрушению вала от многоцикловой усталости. Для этого под каждый конкретный случай устанавливаются пороговые значения допускаемого σдоп и максимального σmax уровня напряжений, сигнализирующего от отказе системы или величине нагрузок уровня малоцикловой усталости (рис. 5, а). Таким образом, на всем протяжении межремонтного периода можно производить регистрацию областей значимых величин напряжений, превышающих σдоп. Использование предложенных теоретических положений позволит в каждой области значимых циклов нагружения (рис. 5, б) производить оценку темпа расходования ресурса путем непосредственного подсчета циклов. Накопление данных об эксплуатационных нагрузках позволяет сформировать регрессионную модель, на основе которой возможен прогноз изменения технического состояния системы. t, ct, c                                                  а                                                                                                         б Рис. 5. Теоретическая основа алгоритма подсчета и регистрации нагрузок:а – расположение области действия подсчета циклов нагружения на тензограмме колебаний;б – подсчет значимых циклов нагруженияFig. 5. Theoretical basis of the algorithm for calculating and registering loads: a - location of the areaof calculating loading cycles on vibration tensogram; б - calculating significant loading cycles ЗаключениеСовершенствование и адаптация рассмотренных в настоящей работе методов позволяет решать задачу повышения надежности судового валопровода. Рассмотренные методы прогнозирования технического состояния могут быть применены для оценки остаточного ресурса элементов судового валопровода и снижения вероятности отказа. Дальнейшее проведение исследовательских работ по направлению прогнозирования отказа систем со стохастическими параметрами позволит повысить надежность эксплуатируемых и вновь проектируемых судовых энергетических комплексов.