Оценка технического состояния футеровочной брони конусных дробилок на основе цифровой диагностики их поверхностей

В технологической цепи переработки полезных ископаемых процесс дробления является одним из самых энергоемких. На современном этапе развития технологии переработки руд широкое применение находят конусные дробилки мелкого и среднего дробления. Эффективность эксплуатации конусных дробилок определяется не только степенью дробления и гранулометрическим составом дробленой руды, но и состоянием футеровочной брони. Процесс изнашивания футеровочной брони является одним из определяющих факторов в изменении качественно-количественных характеристик процесса мелкого дробления. Поэтому контроль текущего состояния футеровки следует рассматривать как важную научно-практическую задачу. Одним из направлений решения этой задачи является получение цифрового изображения текущего состояния поверхностного слоя футеровки с помощью эндоскопического исследования с последующей цифровой обработкой изображения. Использование цифровой обработки изображений в настоящее время значительно расширяются, вытесняя аналоговые методы обработки сигналов изображений. Они решают задачи управления процессами, автоматизации обнаружения и сопровождения объектов, распознавания образов, визуализации, биометрической идентификации, реализуя подход в мониторинге состояния футеровочных броней и прогноза диагностических параметров изнашивания, обеспечивающего повышение эффективности работы конусных дробилок. В этом случае применяется комплексный подход, который включает научный анализ и обобщение ранее опубликованных исследований. Методологическую основу исследований составляют методы системного анализа, идентификации и планирования эксперимента, использование информационных технологий, экспериментальные данные анализировались с применением теории цифровой обработки сигналов для оценки состояния и изнашивания футеровочной брони. Определен подход в контроле изнашивания футеровочной брони конусных дробилок мелкого дробления, реализуемый в рамках проведения мероприятий технического обслуживания и ремонта.

Великанов В. С., Бочков В. С., Дёрина Н. В., Бочкова К. В. Оценка технического состояния футеровочной брони конусных дробилок на основе цифровой диагностики их поверхностей // Горный информационно-аналитический бюллетень. – 2022. – № 11-2. – С. 159–168. DOI: 10.25018/0236_1493_2022_112_0_159.

Великанов Владимир Семенович¹ — д-р техн. наук, доцент, профессор, e-mail: rizhik_00@mail.ru, ORCID ID: 0000-0001-5581-2733,
Бочков Владимир Сергеевич¹ — канд. техн. наук, доцент, зав. кафедрой, e-mail: bochkov.v@m.ursmu.ru, ORCID ID: 0000-0001-6202-4903,
Дёрина Наталья Владимировна — канд. филолог. наук, доцент, Магнитогорский государственный технический университет им. Г.И. Носова, e-mail: nataljapidckaluck@yandex.ru, ORCID ID: 0000-0002-0613-0864,
Бочкова Ксения Викторовна¹ — аспирант, e-mail: bochkov.v@m.ursmu.ru, ORCID ID: 0000-0002-7058-2363,
¹ Уральский государственный горный университет.

Бочков В.С., e-mail: bochkov.v@m.ursmu.ru.

1. Бойко П. Ф. Методы повышения надежности и работоспособности горнотранспортного оборудования и дробильно-размольного оборудования / Методы повышения надежности и работоспособности горнотранспортного и дробильно-размольного оборудования. Сборник материалов международного научно-практического семинара. — Губкин, 2012. — С. 14—17.

2. Zhang L. A., Li X., Yu. J. A review of fault prognostics in condition-based maintenance / Proceedings of SPIE — The International Society for Optical Engineering. 2006. pp. 635—752. DOI: 10.1117/12.717514.

3. Мнацаканян В. У., Бойко П. Ф. Технология восстановления работоспособности эксцентриковых стаканов дробильных агрегатов // Технология машиностроения. — 2011. — № 2. — С. 38—39.

4. Bengtsson M., Hulthén E., Evertsson C. M. Size and shape simulation in a tertiary crushing stage, a multi objective perspective // Minerals Engineering. 2015, vol. 77, pp. 72—77.DOI: 10.1016/j.mineng.2015.02.015.

5. Тарасенко А. А., Чижик Е. Ф., Взоров А. А., Настоящий В. А. Защитные футеровки и покрытия горно-обогатительного оборудования. — М.: Недра, 1985. — 208 с.

6. Sankararaman S., Goebel K. Remaining useful life estimation in prognostics: an uncertainty propagation problem / Proceedings of the 2013 AIAA InfoTech aerospace conference, colocated with the AIAA aerospace sciences-flight sciences and information systems event, Boston, MA, USA, 2013.

7. Balaban E., Saxena A., Narasimhan S., Roychoudhury I., Koopmans M., Ott C., Goebel K. Prognostic health-management system development for electromechanical actuators // Journal of Aerospace Computing, Information and Communication. 2015, vol. 12, no. 3, pp. 329—344. DOI: 10.2514/1.I010171.

8. Хурэлчулуун И. Повышение эффективности рудоподготовки на основе применения непрерывного визиометрического анализа гранулометрического состава продуктов дробления и грохочения: Автореф. дис. канд. техн. наук. — М.: НИТУ «МИСиС», 2019. — 22 с.

9. Heng A., Zhang S., Tan A. Rotating machinery prognostics: State of the art, challenges and opportunities // Mechanical Systems and Signal Processing. 2009. vol. 23, no. 3, pp. 724—739. DOI: 10.1016/j.ymssp.2008.06.009.

10. Белов Н. В., Бородина М. Б., Смирнова О. А., Часовских А. С. Анализ отказов элементов конусных дробилок и причин их возникновения // Горный информационно-аналитический бюллетень. — 2021. — № 3. — С. 17—27. DOI: 10.25018/0236-1493-202130-17-27.

11. Панфилова О. Р., Великанов В. С., Усов И. Г. Расчет ресурса деталей структурнофункциональных элементов горных машин // Физико-технические проблемы разработки полезных ископаемых. — 2018. — № 2. — С. 43—51. DOI: 10.15372/FTPRPI20180206.

12. Levchenko G. V., Plyuta V. L., Nesterenko A. M., Svistelnik O. Y., Sychkov A. B. Manufacturing technology for cast inserts of new wear-resistant alloys for combined mill linings // Metallurgist. 2013, vol. 56, no. 9-10, pp. 748—752. DOI:10.1007/s11015-013-9646-8.

13. Князькина В. И., Иванов С. Л. Акустический сигнал как показатель деградационных процессов при техническом обслуживании горных машин // Горный информационно-аналитический бюллетень. — 2022. — № 6-2. — С. 223—236. DOI 10.25018/0236_ 1493_2022_62_0_223.

14. Elattar H. M., Elminir H. K., Riad A. M. Prognostics: a literature review // Complex & Intelleligent Systems. 2016, vol. 2, no. 2, pp. 125—154. DOI: 10.1007/s40747-016-0019-3.

15. Козин В. З., Комлев А. С. Расчет фундаментальной погрешности отбора проб // Горный информационно-аналитический бюллетень. — 2021. — № 11-1. — С. 265—275. DOI: 10.25018/0236_1493_2021_111_0_265.

16. Субботин А. Н. Методы и средства обработки видеоинформации в туманных средах с применением концепции Интернета вещей, туманных вычислений, нейронных сетей, машинного обучения и программных разработок автора статьи // Оригинальные исследования. — 2020. — Т. 10. — № 10. — С. 167—171.

17. Гонсалес Р., Вудс Р. Цифровая обработка изображений. — М.: Техносфера, 2006. — 1072 с.

18. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. — М.: Техносфера, 2006. — 616 с.

19. Миков А. Ю., Посохов И. А., Логунова О. С. Методика обработки изображений металлургической продукции с использованием операций морфологического анализа / Перспективы развития информационных технологий. Сборник материалов III Международной научно-практической конференции. Ч. 1. — Новосибирск: Изд-во НГТУ, 2011. — С. 95—100.

20. Миков А. Ю., Мацко И. И., Логунова О. С. Синтез нейросетевой структуры для обработки изображений металлургической продукции / Перспективы развития информационных технологий. Сборник материалов III Международной научно-практической конференции. Ч. 1. — Новосибирск: Изд-во НГТУ, 2011. — С. 100—105.

21. Посохов И. А., Логунова О. С., Мацко И. И. Выбор схемы классификации шума на изображениях серных отпечатков непрерывнолитой заготовки / Системы автоматизации в образовании, науке и производстве. Труды IX Всероссийской научно-практической конференции. — Новокузнецк: СибГИУ, 2013. — С. 456—461.

22. Посохов И. А., Логунова О. С., Миков А. Ю. Каскадная классификация изображений серного отпечатка поперечного темплета непрерывнолитой заготовки // Электротехнические системы и комплексы. — 2015. — № 4(29). — С. 42—51.

23. Логунова О. С., Мацко И. И., Посохов И. А. Прогнозирование времени обработки изображений детерминированными методами // Программные продукты и системы. 2013. — № 1. — С. 11.