ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Совершенствование технологии технического обслуживания строительной техники с применением методов цифровой диагностики

Авторы

  • Артём Витальевич Лобанов Национальный исследовательский Московский государственный строительный университет, 129337, Россия, г. Москва, Ярославское шоссе, д. 26
  • Леонид Игоревич Елькин Национальный исследовательский Московский государственный строительный университет, 129337, Россия, г. Москва, Ярославское шоссе, д. 26
  • Биймырза Алмазович Сулайманов Национальный исследовательский Московский государственный строительный университет, 129337, Россия, г. Москва, Ярославское шоссе, д. 26
  • Георгий Алексеевич Козырев Национальный исследовательский Московский государственный строительный университет, 129337, Россия, г. Москва, Ярославское шоссе, д. 26
  • Дмитрий Дмитриевич Воробьёв Национальный исследовательский Московский государственный строительный университет, 129337, Россия, г. Москва, Ярославское шоссе, д. 26

Как цитировать

ГОСТ Лобанов А. В., Елькин Л. И., Сулайманов Б. А., Козырев Г. А., Воробьёв Д. Д. Совершенствование технологии технического обслуживания строительной техники с применением методов цифровой диагностики // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 8. С. 249-262. DOI: 10.25726/x3225-8755-3518-n
APA Лобанов, А. В., Елькин, Л. И., Сулайманов, Б. А., Козырев, Г. А. & Воробьёв, Д. Д. (2026). Совершенствование технологии технического обслуживания строительной техники с применением методов цифровой диагностики. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(8), 249-262. https://doi.org/10.25726/x3225-8755-3518-n

Аннотация

Регламентная система технического обслуживания землеройных машин задаёт периодичность операций через среднюю наработку узла до отказа, при рассеянии фактической наработки настолько широком, что один и тот же интервал оказывается запоздалым для части парка и преждевременным для большинства машин. Цифровые каналы контроля – виброизмерение, трибодиагностика рабочей жидкости, термография, телематическая регистрация режимов – снимают это расхождение частично, поскольку нормированные границы вибрационного состояния установлены для стационарного оборудования при постоянном режиме работы, а гидрофицированная строительная машина меняет частоту вращения и давление в контуре в пределах одного рабочего цикла длительностью 20-40 с. Цель работы состояла в количественной оценке того, каким решением достигается прирост эксплуатационной готовности парка: расширением набора измерительных каналов либо нормированием диагностического признака по режиму работы. На авторской модели парка из 42 гусеничных экскаваторов эксплуатационной массой 21-24 т выполнен расчёт наработки узлов по двухпараметрическому распределению Вейбулла с последующим имитационным моделированием методом Монте-Карло (20 000 реализаций) за 2021 год – первое полугодие 2026 года. Приведение среднеквадратичного значения виброскорости к номинальному режиму сокращает коэффициент вариации признака с 26,2 до 1,0%, а смещение порога срабатывания на границу зон B/C с подтверждением вторым физическим каналом даёт минимум удельных затрат 436 руб./мото-ч при доле выявления деградаций 86,1%. Прирост коэффициента технической готовности на 4,5 п. п. сопровождается сокращением удельных затрат лишь на 2,9%, откуда следует, что цифровая диагностика перестраивает структуру ремонтных воздействий в пользу плановых замен по состоянию, а результат складывается преимущественно на стороне доступности машины при почти неизменной себестоимости обслуживания.

Ключевые слова

техническое обслуживание по состоянию строительная техника цифровая диагностика вибрационный контроль трибодиагностика рабочей жидкости распределение Вейбулла коэффициент технической готовности диагностический порог гамма-процентная наработка

Библиографические ссылки

Гаряев А.Н., Железнов М.М., Кудрявцев А.А., Адамцевич Л.А. Применение искусственного интеллекта для мониторинга строительной техники в условиях комплексного освоения и развития территорий // Строительство и архитектура. 2025. Т. 13. № 3. Ст. C0004.

Гаряев А.Н., Железнов М.М. Интеллектуальная обработка данных мониторинга строительной техники в системе управления жизненным циклом объекта // Строительство и архитектура. 2026. Т. 14. № 1. Ст. C0031.

Звягин Л.С. Интеллектуальные информационно-измерительные системы на основе цифровых двойников для предиктивного обслуживания промышленного оборудования // Computational Nanotechnology. 2025. Т. 12. № 4. С. 51-60.

Иванов Н.М., Криков А.М., Немцев А.Е., Федоров А.Г. Интегрированная электронная документация оснащенности пунктов технического обслуживания и технического диагностирования грузовых автомобилей агропромышленного комплекса // Наука в центральной России. 2021. № 4 (52). С. 96-106.

Ишмухаметова Д.Р., Нажмутдинов Р.А. Предиктивное обслуживание оборудования в машиностроении с применением методов искусственного интеллекта // Экономика и предпринимательство. 2025. № 8 (181). С. 1195-1203.

Ларин С.Н., Славянов А.С., Хрусталев Е.Ю. Организация ремонта и обслуживания сельскохозяйственной и строительной техники на отдаленных территориях // Экономика и предпринимательство. 2025. № 3 (176).

Пастухов А.Г., Тимашов Е.П. Реализация технологии контроля узлов механических трансмиссий на основе цифровой термодиагностики // Вестник машиностроения. 2023. Т. 102. № 1. С. 24-29.

Ракитин В.А., Малахов Ю.В., Пашков Д.А. Сервисное обслуживание пневматических шин на самоходные машины для подземных горных работ // Горная промышленность. 2024. № 2. С. 65-69.

Alshboul O., Al Mamlook R.E., Shehadeh A., Munir T. Empirical exploration of predictive maintenance in concrete manufacturing: harnessing machine learning for enhanced equipment reliability in construction project management // Computers and Industrial Engineering. 2024. Vol. 190. Article 110046.

Alsmadi D., Ismail R., Shehadeh A., Alshboul O., Albtoush F. Integrated machine learning algorithms for predictive maintenance of construction equipment // International Journal of Construction Management. 2026. pp. 1-21.

Gericke B.L., Sushko A.E., Gericke P.B., Efremenkov A.B. Digital technologies used in technical diagnostics, assessment of technical condition, maintenance and repair of mining machines and equipment // Journal of Physics: Conference Series. 2021. Vol. 2052. № 1. Article 012016.

Kolar D., Lisjak D., Curman M., Pajak M. Condition monitoring of rotary machinery using industrial IoT framework // Technical Journal. 2022. Vol. 16. № 3. pp. 343-352.

Kuftinova N.G., Ostroukh A.V., Maksimychev O.I., Vasil'ev Yu.E., Pletnev M.G. Predictive diagnostics and maintenance of industrial equipment // Russian Engineering Research. 2022. Vol. 42. № 2. pp. 158-161.

Kurasako A., Akita H., Hagiwara Y., Honda T. Applicability of online oil condition monitoring system to biodegradable hydraulic oil in construction machinery // Tribology Online. 2025. Vol. 20. № 4. pp. 197-205.

Zhou H., Huang X., Wen G., Lei Z., Dong S., Zhang P., Chen X. Construction of health indicators for condition monitoring of rotating machinery: a review of the research // Expert Systems with Applications. 2022. Vol. 203. Article 117297.

Выпуск

Раздел

ПРИКЛАДНЫЕ ИССЛЕДОВАНИЯ

Метрики

40 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

1 2 3 4 5 6 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.

Наиболее читаемые статьи этого автора (авторов)