Reliability of Machine-Tractor Aggregates Operation

Stanislav N. Shukhanov; Шуханов Станислав Николаевич; Aleksandr V. Kuzmin; Кузьмин Александр Викторович; Petr A. Boloyev; Болоев Петр Антонович

doi:10.15507/2658-4123.030.202001.008-020

Reliability of Machine-Tractor Aggregates Operation

作者: Shukhanov S.N.¹, Kuzmin A.V.¹, Boloyev P.A.²
隶属关系:
1. Irkutsk State Agrarian University named after A. A. Ezhevsky
2. Buryat State University
期: 卷 30, 编号 1 (2020)
页面: 8-20
栏目: Mechanical engineering
##submission.dateSubmitted##: 11.08.2025
##submission.dateAccepted##: 11.08.2025
##submission.datePublished##: 15.08.2025
URL: https://ogarev-online.ru/2658-4123/article/view/304162
DOI: https://doi.org/10.15507/2658-4123.030.202001.008-020
ID: 304162

如何引用文章

全文:

详细
全文:
作者简介
参考
补充文件
统计

详细

Introduction. The development of the agro-industrial complex is impossible without creating innovative techniques and technologies. The key role in technical support of agricultural production processes is played by machine-tractor aggregates. One of their most important operational characteristics is reliability, i.e. the ability to perform specified functions, keeping over time the values of the operational indicators within the required limits.
Materials and Methods. The object of the study is the reliability of machine-tractor aggregates. The methods of mathematical modeling were used for the study. The general patterns were used for special cases, taking into account the prediction of changes in parameters over time. The analytical description of machine-tractor aggregate operation reliability was based on stationary random and correlation functions. Generalized patterns were used to construct mathematical reliability models using the results of predecessor (analogue) tests. Optimal reliability of the machine-tractor aggregate operation was determined on the basis of the mathematical model of object resource.
Results. There are obtained analytical dependences for the prediction of changes in reliability parameters of machine-tractor aggregate operation over time. The methods for creating reliability mathematical models are developed. Conditions affecting the functioning of the research object are determined.
Discussion and Conclusion. The analysis and synthesis of research in this science field and the obtained mathematical models show that to achieve high results it is necessary to decrease the variance of factors affecting the reliability of machine-tractor aggregates.

关键词

operation reliability, machine-tractor aggregate, mathematical modeling, optimization of parameters, tractor

全文:

Введение

Функционирование сельскохозяйственного производства на современном этапе развития предполагает как совершенствование существующих технических средств и технологий [1–3], так и создание новых, работающих на инновационных принципах [4–6]. Одним из наиболее актуальных вопросов в этом ряду проблем является успешная реализация программы научно-технического обеспечения агропромышленного комплекса [7–9], в том числе его автотракторного сопровождения [10–12]. Значительный объем работ при механизации сельскохозяйственных процессов выполняется с помощью машинно-тракторных агрегатов (МТА). Одной из важнейших эксплуатационных характеристик является их надежность, то есть способность выполнять заданные функции, сохраняя во времени значения установленных эксплуатационных показателей в заданных пределах. Поэтому повышение эффективности механизированных процессов в сельском хозяйстве является важной научно-практической задачей [13].

Обзор литературы

Вопросами функционирования МТА занимался ряд ученых, например, А. Н. Важенин, Б. А. Арютов, А. В. Пасин, Р. В. Кошелев, А. И. Новожилов, С. А. Соколов, А. В. Бакланов и Н. Н. Малыгина. Так, в работе А. Н. Важенина для улучшения показателей качества была разработана динамическая модель машинно-тракторного агрегата в различных условиях функционирования производственных процессов [14]. Труд А. В. Пасина и соавторов посвящен обоснованию оптимальной взаимосвязи сезонного расписания и темпов выполнения полевых механизированных работ [15]. Б. А. Арютов и коллеги в ряде исследований обосновали и адаптировали динамическую модель МТА, приспособленную к изменяющимся условиям функционирования технологических процессов в растениеводстве [16; 17]. А. Н. Важенин и коллектив ученых разработали методы повышения эффективности механизированных производственных процессов по условиям их работы в растениеводстве [18–21]. С. Н. Шкрабак в своем исследовании рассматривал надежность технических средств в технологических звеньях поточных линий на заготовке сенажа и силоса, то есть в достаточно узконаправленном аспекте [22]. Решением проблем повышения эффективности эксплуатации тракторов путем обеспечения их работоспособности для различных условий аграрного производства занимался И. Г. Галиев [23]. Однако все выкладки в его исследованиях выполнены применительно для хозяйств Республики Татарстан.

Среди наиболее значимых в этой области стоит отметить исследования А. И. Новожилова. В одной из статей он приводит разработанные им модели производственного процесса, технологического комплекса по внесению удобрений, а также МТА [24]. В коллективном труде «Статистическая оценка надежности машинно-тракторных агрегатов» рассчитан коэффициент готовности МТА при работе в условиях трех агропочвенных районов Нижегородской области [25]. Получен уточненный коэффициент технической готовности при работе МТА.

Несмотря на значимость перечисленных работ, вопрос надежности машинно-тракторного агрегата в полной мере не рассматривался, поэтому возникла необходимость в решении этой задачи.

Материалы и методы

Объект исследования – процессы надежности работы МТА. При проведении исследований использовались методы математического моделирования. Общие законы применялись для частных случаев с учетом прогнозирования изменения параметров во времени. При аналитическом описании процессов работы надежности МТА необходимо было опираться на стационарные случайные и корреляционные функции. Для построения математических моделей надежности применялись обобщенные закономерности с использованием результатов испытаний предшественника (аналога). Оптимальная надежность функционирования машинно-тракторного агрегата определялась на основе математической модели ресурса объекта.

Результаты исследования

Прогнозирование изменения параметров во времени

Задача прогнозирования параметров процесса изменения технического состояния изделий при эксплуатации состоит в определении их числовых характеристик для будущих моментов времени по результатам сокращенных или незавершенных испытаний [26].

При выборе и обосновании математической модели следует исходить, прежде всего, из физической сущности явлений, приводящих к изменению характеров изделий в процессе эксплуатации. Наиболее часто используемой моделью для описания процессов скорости изменения параметров является стационарная случайная функция:

z(t) = mz(t) + z(t), (1)

где mz(t) – математическое ожидание функции z(t); i(t) – центрированный случайный процесс.

Наглядным примером такого процесса является процесс приращений величин цикловых подач топлива насосом высокого давления. Опыт испытаний показывает, что процесс, характеризующий случайную составляющую скорости изменения параметров многих видов изделий, в подавляющем большинстве случаев является стационарным нормально распределенным случайным процессом с экспоненциальной или экспоненциально-колебательной корреляционной функцией.

Стационарными случайными функциями называются такие, вероятностные характеристики которых не изменяются во времени. К ним, прежде всего, относятся математическое ожидание и корреляционная функция.

Условия стационарности случайной функции можно записать в виде:

m₂(t) = const;

K₂(t, t + τ) = K₂(τ).

При τ = 0 значение корреляционной функции представляет собой дисперсию в сечении случайной функции:

K₂(τ) = D_z(t) = const.

Нормированной корреляционной функцией случайного процесса является функция:

k_z(τ) = K_z(τ) / [D_z(τ)].

Выражение для нормированной экспоненциальной корреляционной функции стационарного случайного процесса можно записать в виде:

k_{z} (τ) = e^{- a [τ]}

. (2)

Оценка математического ожидания случайного процесса по результатам замеров приращений параметров изделий за период испытаний производится по формуле:

\overset{\land}{M} [Δ X (t)] = \frac{1}{N} \sum_{j = 1}^{m} \sum_{i = 1}^{1} Δ x_{j i}

, (3)

где N – общее число замеров величин ∆х_ji, ∆x_ji 1 в эксперименте; 1 – число испытываемых изделий; m – число замеров параметров i-го изделия.

Дисперсия случайного процесса находится из соотношения:

\overset{\land}{D} [Δ X (t)] = \frac{1}{N - 1} \{\sum_{j = 1}^{m} \sum_{i = 1}^{1} Δ x_{j i}^{2} - \frac{1}{N} {[\sum_{j = 1}^{m} \sum_{i = 1}^{1} Δ x_{j i}]}^{2}\} .

Оценка значений корреляционной функции случайного процесса производится по формуле:

{\overset{\land}{K}}_{Δ x} (t, t^{'}) = \frac{1}{m l m - 1} \{\sum_{i = 1}^{m l m} Δ x_{i} (t) Δ x_{i} (t^{'}) - \frac{1}{m l m} [\sum_{m = 1}^{m l} Δ x_{i} (t) \sum_{i = 1}^{m l} Δ x_{i} (t^{'})]\}

(4)

Рассчитанные таким образом значения корреляционной функции образуют матрицу:

|K_{i j}| = |\begin{matrix} K_{11} & K_{12} & K_{13} & K_{14} & \dots & K_{m 1} \\ K_{32} & K_{22} & K_{23} & K_{24} & \dots & K_{m 2} \\ K_{53} & K_{43} & K_{33} & K_{34} & \dots & K_{m 3} \\ \dots & \dots & \dots & \dots & \dots & \dots \\ K_{m 1} & K_{m 2} & K_{m 3} & K_{m 4} & \dots & K_{m m} \end{matrix}|

(5)

где K_ij = K_Δx(t,t´) = M[Δ_x(t)Δ_x(t´)] – корреляционный момент случайных величин_Δx(t) и _Δx(t´).

Корреляционная матрица симметрична относительно главной диагонали, поэтому на практике обычно заполняют лишь половину матрицы:

|K_{i j}| = |\begin{matrix} K_{11} & K_{12} & K_{13} & K_{14} & \dots & K_{m 1} \\ K_{22} & K_{23} & K_{24} & \dots & K_{m 2} \\ K_{33} & K_{34} & \dots & K_{m 3} \\ \dots & \dots & \dots & \dots & \dots & \dots \\ K_{m m} \end{matrix}| .

По главной диагонали этой корреляционной матрицы стоят дисперсии случайных величин. В ряде случаев возникает необходимость вычисления нормированной корреляционной матрицы системы m случайных величин.

|K_{i j}| = |\begin{matrix} 1 & K_{12} & K_{13} & K_{14} & \dots & K_{m 1} \\ 1 & K_{23} & K_{24} & \dots & K_{m 2} \\ 1 & K_{34} & \dots & K_{m 3} \\ \dots & \dots & \dots \\ K_{m m} \end{matrix}| (6)

где k = K_ij / (σ_iσ_j) – коэффициент корреляции случайных величин функции:

Δ x (t), Δ x (t^{'})

Для стационарной случайной функции Δx(t) матрица записывается в виде:

|K_{i j}| = |\begin{matrix} 1 & K_{Δ x 1} & K_{Δ x 2} & K_{Δ x 3} & \dots & K_{Δ x m} \\ 1 & K_{Δ x 1} & K_{Δ x 2} & \dots & K_{Δ x - 1} \\ 1 & K_{Δ x 1} & \dots & K_{Δ x m - 2} \\ \dots & \dots & \dots \\ 1 \end{matrix}|

где K_Δx1,K_Δx2 ,…, K_Δxm – коэффициент корреляции случайных величин функции Δx(t) для дискретных:

τ₁ = Δt, τ₂ = 2Δt, τ₃ = 3Δt, τ_m = mΔt.

Если нормированная корреляционная функция случайного процесса представляет собой экспоненту:

K_Δx(τ) = e-a/τ,

то значение

α

при известных корреляционных функциях находится из соотношения:

a = \ln {\overset{\land}{k}}_{Δ x} (τ) / τ

Пример.

При испытании 14 топливных насосов замерены приращения величин цикловых подач топлива, интервалы наработки Δt₁ = t₁ – t₀ = Δt₂ = t₂ – t₁= 1000 м/ч отражены в таблице 1 [26].

Таблица 1 Приращения величин цикловых подач топлива

Table 1 Increments in cyclic fuel feeds

Интервал наработки / Operating time interval

Приращения (%) величин цикловых подач топлива Δx_qу образцов насосов / Increments (%) of values of cyclic fuel supply Δx_qу for pump sample

Δt, м/ч / Δt, m/h

0–1000

+0,7

–1,8

+0,8

+0,3

+1,2

–0,4

+0,3

–1,9

+2,2

+2,5

+1,4

+1,6

0,0

1000–2000

–0,7

–1,6

+1,0

+1,6

+0,6

–0,3

+0,5

+0,4

+1,9

+1,2

–0,7

+1,2

–0,7

Требуется определить числовые характеристики случайного процесса, исходя из гипотезы его стационарности.

Решение.

Оценку математического ожидания находим, подставляя табличные значения величин в формулу (2):

m_Δx = 11,8/28 = 0,4214.

Для оценки дисперсии процесса воспользуемся формулой:

D_Δx = 1/(28 – 1)[40,56 – (1/28)11,8²] = 1,318.

Величина среднеквадратического отклонения определяется так:

σ Δ x = \sqrt{1,318} = 1,148

Значение корреляционной функции для τ = 1000 м/ч рассчитывается по формуле:

K_Δx (t, t') = (1/14·2 – 14 – 1)×[9,9 – (1/14·2 – 14)·6,9·4,9] = 0,575.

Соответствующее значение нормированной корреляционной функции находим как частное:

K_Δx (τ) = K_Δx (t, t') / D_Δx = 0,575 / 1,318 = 0,436.

Величина коэффициента в формуле (5) находится из соотношения (6):

a = ln 0,436/1000 = –0,83·10^–3.

Таким образом, выражение для корреляционной функции рассматриваемого процесса можно записать в виде:.

K_{Δ x} (τ) = 1,318 \cdot e^{- 0,83 \cdot 10^{- 3}}

Полученные в результате расчета оценки моментных функций процесса приращений параметра для последующих расчетов удобно представить в виде ряда:

m_Δx(t) D_Δx(t) σ_Δx(t) K_Δx1 K_Δx2 K_Δx3 K_Δx4 K_Δx5 .

0,4211,3181,1480,4360,1900,0820,0360,016

Совокупность показателей m_Δх, D_Δх, К_Δх(τ) процесса с количественной стороны характеризует закономерности изнашивания и старения изделий и создает реальные возможности для прогнозирования моментных функций процессов изменения параметров аппаратуры в процессе эксплуатации.

Прогнозирование моментных функций m_x(t), D_x(t), _Kx (t, t´) случайного процесса изменений параметра x(t) может быть успешно выполнено на основе ранее полученных оценок этих параметров. Так, для непрерывных процессов прогнозируемые значения моментных функций находятся интегрированием выражений (1) и (2):

m_{x} (t_{n}) = \int_{0}^{t_{n}} m_{Δ x} (t) d t

, (7)

D_{x} (t_{n}) = \int_{0}^{t_{n}} \int_{0}^{t_{n}} K_{Δ x} (τ) d t d t

, (8)

K_{x} (t_{m}, t_{n}) = \int_{0}^{t_{n}} \int_{0}^{t_{n}} K_{Δ x} (τ) d t d t

. (9)

Для дискретных процессов прогнозируемые значения математического ожидания случайной функции x(t) определяются по формуле:

mx(tn) = m_Δx(t)tn, (10)

где t_n – время, для которого рассчитываются прогнозируемые характеристики процесса x(t).

Дисперсия процесса x(t) для прогнозируемых дискретных t_n определяется по известной корреляционной матрице (9) функции приращений параметра.

Учитывая, что:

D_{x} (t) = D [\sum_{i = 1}^{n} Δ x_{i}]

. (11)

Применяя теорему о дисперсии суммы случайных величин, получим следующие соотношения:

D_x(t) = D_Δx, (12)

D_x(t₂) = D_{Δx $\sum |\begin{matrix} 1 & k_{Δ x 1} \\ k_{Δ x 1} & 1 \end{matrix}|$} (13)

D_x(t₃) = D_Δx

\sum |\begin{matrix} 1 & k_{Δ x 1} & k_{Δ x 2} \\ k_{Δ x 1} & 1 & k_{Δ x 1} \\ k_{Δ x 2} & k_{Δ x 1} & 1 \end{matrix}|

(14)

В общем виде формулу для определения дисперсии процесса изменения параметра во времени можно представить в виде:

D_{x} (t_{n}) = D_{Δ x} \sum_{i = 1}^{n - 1} \sum_{j = 1}^{n - 1} c_{K}

. (15)

где D_Δx – дисперсия функции приращений параметра во времени; с_к – элементы нормированной корреляционной матрицы функции приращений.

Аналогичным путем определяются все корреляционные моменты процесса x(t_n). С учетом того, что:

x (t_{n}) = \sum_{i = 1}^{n} Δ x_{i} (t)

, (16)

K_x(t_m ,t_n) = M{[x(t_m) – m_x(t_m) – m_x(t_m)][x(t_n) – m_x(t_n)]}. (17)

Ниже приведены расчетные формулы при определении первых 15 корреляционных моментов процесса для дискретных t = 2000, 3000 ,..., 6000 м/ч [26]:

1. K_x(t₁,t₂) = D_Δx(1+k₁),

2. K_x(t₁,t₃) = D_Δx(1+k₁+k₂),

…

4. K_x(t₂, t₃) = D_Δx(2+3k₁+k₂),

5. K_x(t₁,t₆) = D_Δx(1+k₁+…+k₅),

6. K_x(t₂,t₃) = D_Δx(2+3k₁+k₂),

7. K_x(t₂,t₄) = D_Δx(2+3k₁+2k₂+k₃),

…

9. K_x(t₂,t₆) = D_Δx(2+3k₁+2k₂+2k₃+2k₄+k₅),

10. K_x(t₃,t₄) = D_Δx(3+5k₁+3k₂+k₃),

11. K_x(t₃,t₄) = D_Δx(3+5k₁+4k₂+2k₃+k₄),

12. K_x(t₃,t₅) = D_Δx(3+5k₁+4k₂+3k₃+2k₄+k₅),

13. K_x(t₄,t₅) = D_Δx(4+7k₁+5k₂+3k₃+k₄),

14. K_x(t₄,t₆) = D_Δx(4+7k₁+6k₂+4k₃+2k₄+k₅),

15. K_x(t₅,t₆) = D_Δx(5+9k₁+7k₂+5k₃+3k₄+k₅).

Методы построения математических моделей надежности

Известно, что скорость изнашивания пропорциональна мощности трения:

γ = α F v

(18)

где

α

– коэффициент; F – сила трения; v – относительная скорость скольжения трущихся тел.

Для повышения эффективности математической модели надежности при прогнозировании необходимо при их построении привлекать обобщенные физические закономерности, определяющие процесс исчерпания ресурса.

Преимущества построения математических методов надежности состоят в том, что данные, используемые для расчета обобщенных закономерностей, могут быть реально оценены на этапе проектирования, и на их основе можно построить методику расчета надежности с использованием результатов испытаний предшественника (аналога).

Рассмотрим процесс механического изнашивания. Износ, отнесенный к одному циклу, записывается в виде [26]:

γ₁ =aA^m1 при A₁A₁₀, (19)

где A₁ – работа трения за один цикл; m – показатель степени (определяется экспериментально); А₁₀ – граничное значение работы трения за цикл.

Определим коэффициент

α

. Износ за n циклов:

U_{n} = γ_{_{1}} n = a A^{m_{1}} n

. (20)

Введем предельный износ U_пр. Тогда мера повреждения:

D'_n = U / U_пр = aA^m1n / U_пр. (21)

Введем базу испытаний N'o и предельную работу трения А₁₀, которые следует определить экспериментально. Тогда при D_n = l:

a / U_пр = 1 / N'₀A^m₁₀,

D'_n = A^m₁n / A^m₁₀N'₀. (22)

Под n = N следует понимать число циклов, при котором достигается предельное состояние.

Оптимизация надежности

На основе математической модели ресурса объекта

t = φ(x₁, x₂, …) (23)

определяем оптимальную надежность, которая обеспечивается минимальным отклонением параметров объекта от желаемого значения.

В качестве функции, характеризующей отклонение возможной надежности от желаемой, введем математическое ожидание квадрата разности показателей:

δ² = M[(z_m–z)²], (24)

где z_m – желаемое значение показателя надежности; z – возможное его значение. Преобразуем выражение, введя среднее значение z_cp:

δ² = M[(z_m–z)²] = … = (z_m–z_ср)²+D_z. (25)

Пусть показатель надежности связан с факторами следующим выражением:

z = a₀ + a₁z₁ + a₂z₂ + a₃z₃ + … . (26)

Тогда:

z_ср = a₀ + a₁z_ср1 + a₂z_ср2 +…, (27)

D_z = a_²1D_z1 + a²₂D_z2 + …, (28)

δ² = [z_cрт– (а₀+а₁z_ср1+…)]²+ a²₁+D_z1+D_z2+…. (29)

Как видим, для достижения результатов необходимо уменьшать дисперсии факторов, влияющих на надежность работы машинно-тракторных агрегатов.

Обсуждение и заключение

Путем определения числовых характеристик по результатам испытаний решена задача прогнозирования параметров изменения технического состояния изделий при эксплуатации. При этом использовались стационарные случайные функции. В качестве примера приведены результаты испытания топливных насосов. Предложены методы получения аналитических зависимостей, описывающих собственно надежность. Эффективность математической модели надежности при прогнозировании можно повысить с помощью привлечения при их построении обобщенных физических закономерностей, определяющих процесс исчерпания ресурса. Для оптимизации надежности необходимо уменьшить дисперсии факторов, влияющих на надежность работы МТА.

作者简介

Stanislav Shukhanov

Irkutsk State Agrarian University named after A. A. Ezhevsky

编辑信件的主要联系方式.
Email: shuhanov56@mail.ru
ORCID iD: 0000-0003-2134-6871

Village Molodezhnyy, Irkutsk Oblast 664038

俄罗斯联邦, Village Molodezhnyy, Irkutsk Oblast 664038

Aleksandr Kuzmin

Irkutsk State Agrarian University named after A. A. Ezhevsky

Email: kuzmin_burgsha@mail.ru
ORCID iD: 0000-0002-5669-2232

Professor of Technical Service and General Engineering, ChairD.Sc. (Engineering)

俄罗斯联邦, Village Molodezhnyy, Irkutsk Oblast 664038

Petr Boloyev

Buryat State University

Email: vestnik_mrsu@mail.ru
ORCID iD: 0000-0002-3940-1296

Professor of Engineering Chair, D.Sc. (Engineering)

俄罗斯联邦, 24a Smolin St., Ulan-Ude 670000

参考

Shuhanov S.N. Interaction Elements of Particles of Grain Lots with Air during the Work of Tape Thrower. Agrarian Scientific Journal. 2015; 12:58-59. (In Eng.)
Samoilenko D., Marchenko A., Cho H.M. Improvement of Torque and Power Characteristics of V-Type Diesel Engine Applying New Design of Variable Geometry Turbocharger (VGT). Journal of Mechanical Science and Technology. 2017; 31(10):5021-5027. (In Eng.) DOI: https://doi.org/10.1007/s12206-017-0950-2
Ovchinnikov A.S., Mezhevova A.S., Novikov A.E., et al. Energy and Agrotechnical Indicators in the Testing of Machine-Tractor Units with Subsoiler. ARPN Journal of Engineering and Applied Sciences.2017; 12(24):7150-7160. Available at: http://www.arpnjournals.org/jeas/research_papers/rp_2017/jeas_1217_6597.pdf (accessed 10.02.2020). (In Eng.)
Butenko A.F., Asaturyan A.V. To the Basis of an Use Efficiency of a Combined Belt Grain Thrower.Mezhdunarodny tekhniko-ekonomicheskiy zhurnal = The International Technical-Economic Journal. 2018;(1):80-86. Available at: http://www.tite-journal.com/fileadmin/fail/tite-journal_1_2018/Butenko.pdf (accessed 10.02.2020). (In Russ.)
Nuralin B., Bakushev A., Janaliev M., et al. Constructive-Regine Parameters of Rotor-Brush Cleaner for Tuberous Foots Dry Cleaning. Journal of the Brazilian Society of Mechanical Sciences and Engineering.2018; 40(2). 113 p. (In Eng.)
Piven V.V. Determination of the Extent of Fraction in Air Separation of Grain Material. Journal of Physics Conference Series. 2018; 1059(1):012001. (In Eng.) DOI: https://doi.org/10.1088/1742-6596/1059/1/012001
Altukhov S.V., Shukhanov S.N. Analysis of Hydrodynamic Characteristics of Sprays of Nozzles of ICE. Traktory i selkhozmashiny = Tractors and Agricultural Machinery. 2018; (3):3-6. Available at:https://mospolytech.ru/storage/f033ab37c30201f73f142449d037028d/files/Traktory_i_selhozmashiny_No3_2018.pdf (accessed 10.02.2020). (In Russ.)
Shukhanov S.N., Kuzkin A.Yu., Skutelnik V.V., et al. Elements of Interaction of Gear Drives of Mechanical Transmissions of Auto-Tractor Machinery. Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta = Orenburg State Agrarian University Bulletin. 2018; (1):107-109. Available at: https://orensau.ru/images/stories/docs/izvestia/2018/Izvestia_1_69.pdf (accessed 10.02.2020). (In Russ.)
Druzyanova V.P., Dondokov Y.Zh., Osmonov O.M., et al. Mathematical Model of Biogas Treatment Process with a Zeolite Filter. International Journal of Civil Engineering and Technology. 2018;9(9):280-288. Available at: https://www.researchgate.net/publication/328272717_Mathematical_model_of_biogas_treatment_process_with_a_zeolite_filter (accessed 10.02.2020). (In Eng.)
Boloyev P.A., Druzyanova V.P., Petrov N.V. Experimental Test Bench for the Study of a Power Plant with a Biogas Internal Combustion Engine. Traktory i selkhozmashiny = Tractors and Agricultural Machinery. 2019; (1):3-8. (In Russ.) DOI: https://doi.org/10.31992/0321-4443-2019-1-3-8
Druzyanova V.P., Semyonova O.P., Solovyov G.A. Procedures for Development and Justification of Filter Parameters for Biogas Cleaning To Use It in Internal Combustion Engines. Remont. Vosstanovlenie.Modernizatsiya = Repair. Restoration. Modernization. 2019; (1):11-14. Available at: http://www.nait.ru/journals/number.php?p_number_id=2869 (accessed 10.02.2020). (In Russ.)
Shukhanov S.N., Skutelnik V.V., Malomyzhev O.L. Technique of Carrying Out Heat Tests of Units of Transmission of the Autotractor Machinery of Agro-Industrial Complex. Mezhdunarodnyy tekhniko-ekonomicheskiy zhurnal = International Technical-Economic Journal. 2019; (3):77-83. (In Russ.)DOI: https://doi.org/10.34286/1995-4646-2019-66-3-77-83
Shukhanov S.N., Kuzmin A.V., Boloev P.A. Modeling of the Working Processes of the Machine-Tractor Units of Agro-Industrial Complex. Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta= Orenburg State Agrarian University Bulletin. 2019; (1):74-75. Available at: https://cyberleninka.ru/article/n/modelirovanie-rabochih-protsessov-mashinno-traktornyh-agregatov-agropromyshlennogo-kompleksa (accessed 10.02.2020). (In Russ.)
Vazhenin A.N., Aryutov B.A., Pasin A.V. Dynamical Model MTA (Machine-and-Tractor Unit) with Account for Conditions of Its Functioning. Traktory i selskohozyaystvennyie mashiny = Tractors and Agricultural Machinery. 2007; (9):21-23. (In Russ.)
Pasin A.V., Aryutov B.A., Koshelev R.V, et al. Seasonal Schedule and Pace of Execution of Field Mechanized Works. Mekhanizatsiya i elektrifikatsiya selskogo khozyaystva = Mechanization and Electrification of Agriculture. 2007; (11):2-4. (In Russ.)
Aryutov B.A., Novozhilov A.I., Pasin A.V., et al. Increasing Effectiveness of Production Processes in the Plant Industry. Tekhnika v selskom khozyaystve = Machinery in Agriculture. 2007; (6):50-51. (In Russ.)
Aryutov B.A., Pasin A.V., Baklanov A.V. Procedures for Multi-Criteria Optimization of Production Processes in Crop Production. Vestnik Federalnogo gosudarstvennogo obrazovatelnogo uchrezhdeniya vysshego professionalnogo obrazovaniya “Moskovskiy gosudarstvennyy agroinzhenernyy universitet imeni V.P. Goryachkin” = Bulletin of the Goryachkin Moscow State Agroengineering University. 2007;(3):61-65. (In Russ.)
Vazhenin A.N., Pasin A.V., Aryutov B.A. Optimal Seasonal Duration of Field Mechanized Works.Vestnik Federalnogo gosudarstvennogo obrazovatelnogo uchrezhdeniya vysshego professionalnogo obrazovaniya “Moskovskiy gosudarstvennyy agroinzhenernyy universitet imeni V.P. Goryachkin” = Bulletin of the Goryachkin Moscow State Agroengineering University. 2007; (3):67-69. (In Russ.)
Vazhenin A.N., Aryutov B.A., Pasin A.V. Traffic Control for Machine and Tractor Units. Traktory i selkhozmashiny = Tractors and Agricultural Machinery. 2008; (2):28-29. (In Russ.)
Vazhenin A.N., Aryutov B.A., Pasin A.V., et al. Streamlining of Production Processes in Crop Production. Mekhanizaciya i ehlektrifikaciya selskogo hozyajstva = Mechanisation and Electrification of Agriculture. 2008; (6):9-11. (In Russ.)
Vazhenin A.N., Aryutov B.A., Pasin A.V., et al. Optimization of Technical Equipment for Plant Production in View of Operation Requirements. Vestnik Federalnogo gosudarstvennogo obrazovatelnogo uchrezhdeniya vysshego professionalnogo obrazovaniya “Moskovskiy gosudarstvennyy agroinzhenernyy universitet imeni V.P. Goryachkin” = Bulletin of the Goryachkin Moscow State Agroengineering University. 2008; (3):72-76. Available at: https://cyberleninka.ru/article/n/optimizatsiya-tehnicheskoy-osnaschennosti-proizvodstvennyh-protsessov-v-rastenievodstve-s-uchetom-usloviy-ih-funktsionirovaniya (accessed 10.02.2020). (In Russ.)
Shkrabak S.N., Bechin A.V. Optimization of the Machine and Tractor Unit Operation in the Process Links of the Flow Lines. Selskiy Mekhanizator = Rural Mechanic. 2007; (5):40-41. Available at:http://selmech.msk.ru/507.htm#_ТЕХНИКЕ_–_ДОЛГИЙ_ВЕК (accessed 10.02.2020). (In Russ.)
Galiev I.G., Iskhakov I.R., Shamsutdinov A.R., et al. Management Operability of Equipment from the Conditions of Agricultural Production. Vestnik Kazanskogo GAU = Vestnik of Kazan State Agrarian University. 2010; (3):86-88. Available at: http://www.vestnik-kazgau.com/images/archive/2010/3/23_galiev.pdf (accessed 10.02.2020). (In Russ.)
Novozhilov A.I. To the Rationale of Intensive Methods of Efficiency Increasing of Use of Mechanized Technological Complexes. Vestnik Saratovskogo gosagrouniversiteta im. N.I. Vavilova = Vavilov Saratov State Agrarian University Bulletin. 2011; (7):52-55. Available at: http://agrojr.ru/index.php/asj/issue/view/135/2011_7 (accessed 10.02.2020). (In Russ.)
Novozhilov A.I., Aryutov B.A., Tikhonov A.A. Statistical Evaluation of Reliability Machine Tractor Units. Vestnik Ulyanovskoy gosudarstvennoy selskohozyaystvennoy akademii = Ulyanovsk State AgriculturalAcademy Bulletin. 2011; (2):108-110. Available at: https://vestnik.ulsau.ru/upload/iblock/923/vestnik-2011-2(14).pdf (accessed 10.02.2020). (In Russ.)
Nikolaenko A.V., Khvatov V.N., Sergeev V.N. Justification of Values of Optimal Operational Tolerances for Adjustment Parameters of Fuel Diesel Engines of Agricultural Tractors. Dvigatelestroenie =Engine Building. 1983; (7):45-48. (In Russ.)

补充文件

附件文件

动作

1. JATS XML

下载

用户名
密码
记住我

忘记您的密码?	注册

用户名
密码
记住我

忘记您的密码?	注册

卷 35, 编号 2 (2025)

卷 35, 编号 2 (2025)

Reliability of Machine-Tractor Aggregates Operation

全文:

详细

关键词

全文:

Введение

Обзор литературы

Материалы и методы

Результаты исследования

Обсуждение и заключение

作者简介

Stanislav Shukhanov

Aleksandr Kuzmin

Petr Boloyev

参考

补充文件