CC BY
85
Выпуск 2
УДК 004.42(076.5) А. А. Равин,
канд. техн. наук, доцент, СПГУВК;
В. А. Шишкин,
д-р техн. наук, профессор, СПГУВК
МОДЕЛИРОВАНИЕ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ СУДОВОГО ЦЕНТРОБЕЖНОГО НАСОСА КАК ОБЪЕКТА ДИАГНОСТИКИ SIMULATION OF EXPERIMENTAL STUDIES OF MARINE CENTRIFUGAL PUMP AS A SUBJECT OF DIAGNOSTICS
Рассматривается методика применения компьютерной обучающей программы, предназначенной для практического изучения студентами особенностей центрально-композиционного планирования экспериментальных исследований судового оборудования. Моделируется процесс определения и анализа регрессионной модели, характеризующей влияние частоты вращения, давления смазки подшипника и степени его износа на диагностический параметр — интенсивность вибрации насоса в заданном частотном диапазоне.
The method of application of computerized training program, which is intendedfor practical study of special features of central composite design of experiments in investigation of ship machinery by students, is considered. Process of identification and analysis of regression model, which describes influence of rotation speed, pressure of bearing lubricant and rate of bearing wear on the pump vibration rate as a subject of diagnostics is simulated.
Ключевые слова: планирование экспериментов, обучающая программа, насос, диагностика.
Key words: experimental design, training program, pump, diagnostics.
Введение
В настоящее время в судостроении и, в частности, в судовой энергетике и машиностроении наблюдается возрастание роли, значимости и объемов экспериментальных исследований, обусловленное интенсивным развитием таких научно-технических направлений, как борьба с шумом и вибрацией, разработка диагностического обеспечения оборудования, внедрения физических методов исследования и прогнозирования надежности и ряда других задач, аналитическое решение которых затруднено сложностью, многосвязностью и недостаточной изученностью соответствующих процессов, свойств объектов и характера их взаимодействия.
В связи с этим представляется достаточно актуальной задача приобретения будущими специалистами судостроительной промышленности и флота знаний основных принципов и навыков применения в инженерной практике теории планирования эксперимента, математической статистики и методик экспериментальной апробации проектных решений, необходимых для грамотной организации исследований, проектирования, испытаний и эксплуатации новых образцов судового оборудования [1].
Мировой и отечественный опыт свидетельствует о том, что одним из актуальных направлений повышения качества обучения является использование в учебном процессе компьютеров, оснащенных стандартными или специализированными обучающими программами [2-4]. Обучающими программами принято называть программные продукты, призванные активизировать учебный процесс за счет виртуального моделирования изучаемых объектов. Область применения таких программ в учебном процессе — обеспечение лабораторных работ в режиме диалогового общения студентов с компьютерами [5].
В настоящей статье рассматривается методика применения компьютерной обучающей программы, предназначенной для проведения лабораторной работы в рамках изучения одного из разделов дисциплины «Основы теории планирования экспериментов». В интерактивном режиме взаимодействия с компьютером обеспечивается выполнение следующих этапов экспериментальных работ:
— ввод исходных данных;
— выбор типа математической модели;
— подготовка плана и матрицы эксперимента;
— выбор условий проведения опытов и их выполнение;
— предварительная статистическая обработка результатов;
— выявление грубых промахов;
— вычисление коэффициентов регрессии;
— оценка значимости коэффициентов регрессии;
— оценка адекватности модели и анализ ее свойств;
— применение модели для интерполяции и экстраполяции;
— графическое представление и физическая трактовка результатов.
1. Объект и задачи исследования
В качестве объекта исследования рассматривается судовой центробежный насос с плавной регулировкой частоты вращения (приводной электродвигатель снабжен преобразователем частоты питающего тока), имеющий принудительную систему смазки (рис. 1).
Варьируемые факторы:
Х1 — частота вращения рабочего колеса (об/мин);
Х2 — степень износа подшипника скольжения, то есть зазор (мкм);
Х3 — давление смазки подшипника (бар). Изучаемый отклик: У — уровень сигнала диагностического вибродатчика в заданной частотной полосе (дБ).
Цель эксперимента: определение регрессионной математической модели объекта, характеризующей зависимость диагностического параметра от степени износа подшипника и ука-Рис. 1. Центробежный насос занных выше режимных факторов [6-8].
Тип эксперимента: активный (условия опытов задаются экспериментатором).
2. Выбор типа математической модели
Обычно в теории планирования рекомендуется выбирать модель в виде полинома, то есть в виде алгебраической суммы факторов и их произведений, помноженных на коэффициенты регрессии. Поскольку нет априорной уверенности в том, что влияние рассматриваемых факторов на сигнал диагностического вибродатчика может быть описано чисто линейной зависимостью, выбираем модель 2-го порядка.
Таблица 1
Состав квадратичной модели
¥=В 0 + вх+ вх2 + вх + + ВДХ, + В2ХХг + ад2 + в27х22 + ВзХз2
линейная часть эффекты взаимодействия факторов квадратичные члены
Выпуск 2
3. Подготовка плана и матрицы эксперимента
Для экспериментального определения коэффициентов квадратичной модели требуются планы, предусматривающие реализацию более двух уровней варьирования факторов. Пригодны планы полного факторного эксперимента с варьированием на 3 уровнях (ПФЭ 3к) либо центральнокомпозиционные планы (варьирование на 5 уровнях).
Таблица 2
Объем испытаний для разных типов планов
Число факторов Число опытов
ПФЭ 3к ЦКП
2 9 9
3 27 15
4 81 25
5 243 43
Сопоставление данных о необходимом количестве опытов при использовании указанных планов (см. табл. 2) позволяет сделать выбор в пользу центрально-композиционного планирования, обеспечивающего большее количество уровней варьирования факторов при меньшем количестве опытов.
Графическое представление ЦКП для 3 факторов и соответствующая матрица планирования приведены на рис. 2 и в табл. 3.
Рис. 2 (слева). Центрально-композиционный план
Хі
а — «звездное плечо» — расстояние «звездных точек» от центра плана
По условию ортогональности матрицы планирования для 3 факторов а = 1,215
Таблица 3
Кодированные значения факторов в матрице ЦКП
№ Хй Х2 Х/Х2 Х/Х, Х2Х, X,2 X2 Х32 Части ЦКП
1 +1 -1 — 1 -1 + 1 + 1 +1 +1 +1 +1 Ядро N = 2к я
2 +1 +1 — 1 +1 -1 + 1 -1 +1 +1 +1
3 +1 -1 + 1 +1 -1 -1 +1 +1 +1 +1
4 +1 +1 + 1 -1 + 1 -1 -1 +1 +1 +1
5 +1 -1 + 1 -1 -1 + 1 -1 +1 +1 +1
6 +1 +1 + 1 +1 + 1 + 1 +1 +1 +1 +1
7 +1 -1 -1 +1 + 1 -1 -1 +1 +1 +1
8 +1 +1 -1 -1 -1 -1 +1 +1 +1 +1
9 +1 +а 0 0 0 0 0 а2 0 0 Звездные точки т = 2к
10 +1 -а 0 0 0 0 0 а2 0 0
11 +1 0 +а 0 0 0 0 0 а2 0
12 +1 0 -а 0 0 0 0 0 а2 0
13 +1 0 0 +а 0 0 0 0 0 а2
14 +1 0 0 -а 0 0 0 0 0 а2
15 +1 0 0 0 0 0 0 0 0 0 Центр
см
X
о
Важным свойством матрицы планирования является ее ортогональность, которая обеспечивает возможность независимой оценки всех коэффициентов математической модели объекта. Ортогональная матрица позволяет после проведения опытов очень просто вычислить любой коэффициент: нужно почленно перемножить столбец матрицы, имеющий одноименный с вычисляемым коэффициентом индекс, и столбец с результатами опытов, сложить эти произведения и сумму разделить на число опытов.
Правило проверки ортогональности матрицы: сумма почленных произведений любых двух столбцов должна равняться нулю. Нетрудно видеть, что для приведенной в табл. 3 матрицы это условие не соблюдается.
Этот недостаток можно устранить следующим образом [1]:
тт-2 ^
— вместо квадратичных переменных X. введем в матрицу новые переменные Л] -х~х},
где — среднее значение квадратичного столбца исходной матрицы;
™ 1=1
— зададим значение звездного плеча а = 1,215.
В результате получим матрицу, представленную в табл. 4.
Таблица 4
Ортогональная матрица ЦКП для 3 факторов
№ Х2 Х3 Х1 Х2 Х1Х3 Х2Х3 Хн х2н Х1н
1 +1 -1 — 1 —1 +1 + 1 +1 0,27 0,27 0,27
2 +1 +1 — 1 +1 —1 + 1 —1 0,27 0,27 0,27
3 +1 -1 + 1 +1 —1 — 1 +1 0,27 0,27 0,27
4 +1 +1 + 1 —1 +1 — 1 —1 0,27 0,27 0,27
5 +1 -1 + 1 —1 —1 + 1 —1 0,27 0,27 0,27
6 +1 +1 + 1 +1 +1 + 1 +1 0,27 0,27 0,27
7 +1 -1 — 1 +1 +1 — 1 —1 0,27 0,27 0,27
8 +1 +1 — 1 —1 —1 — 1 +1 0,27 0,27 0,27
9 +1 +а 0 0 0 0 0 0,746 —0,73 —0,73
10 +1 -а 0 0 0 0 0 0,746 —0,73 —0,73
11 +1 0 +а 0 0 0 0 —0,73 0,746 —0,73
12 +1 0 —а 0 0 0 0 —0,73 0,746 —0,73
13 +1 0 0 +а 0 0 0 —0,73 —0,73 0,746
14 +1 0 0 —а 0 0 0 —0,73 —0,73 0,746
15 +1 0 0 0 0 0 0 —0,73 —0,73 —0,73
4. Выбор условий проведения опытов
Исходя из заданного диапазона изменения факторов в процессе эксперимента, определим координаты центра плана и интервалы варьирования для рассматриваемых факторов. Значения нижнего и верхнего уровня получим вычитанием или прибавлением к координате центра соответствующих интервалов варьирования. Для получения координат звездных точек будем вычитать или прибавлять звездное плечо, полученное умножением интервала варьирования на а = = 1,215. Полученные значения приведены в табл. 5.
Выпуск 2
Выпуск 2
Таблица 5
Значения факторов на пяти уровнях варьирования
Факторы Размерность 8 3 ¡3 1-Н ТО ^ о & 1 ^ к н -Л К и о <а С <Р О Я СА Ч ^ со « = оо а Нижняя звездная точка «-а» Нижний уровень «-1» Центр плана «0» Верхний уровень «+1» Верхняя звездная точка «+а»
X об/мин 100 122 578 600 700 800 822
Х2 мкм 20 24,3 45,7 50 70 90 94,3
Х3 бар 1 1,22 3,78 4 5 6 6,22
5. Выполнение опытов и предварительная статистическая обработка результатов
Сопоставляя столбцы плана (они выделены жирными линиями в табл. 4) и соответствующие им фактические значения факторов (табл. 5), получим условия проведения опытов. При проведении каждого опыта замер сигнала У будем производить трижды (столбцы У Уъ и Ус в табл. 6). Результаты измерений будут несколько отличаться друг от друга, поскольку в моделирующей программе заложена имитация случайной погрешности измерений, распределенной по нормальному закону.
Предварительная статистическая обработка результатов заключается в вычислении среднего значения Уср и дисперсии В:
У = (У + У. + У)/3, В = [(У - У )2 + (У, - У )2 + (У - У )2]/2
ср. 4 а Ъ с ’ |-у а ср/ 4 Ъ ср/ 4 с ср/ Л
Таблица 6
Условия и результаты опытов
Е
№ оп. Заданные значения факторов Сигнал датчика, дБ Обработка
Х1 об/мин Х2 мкм Х3 бар У а У* У С У ср. Б
1 600 50 4 25,518 24,736 25,166 25,14 0,153
2 800 50 8 29,955 28,843 28,139 28,98 0,838
3 600 90 8 25,688 25,279 24,873 25,28 0,166
4 800 90 4 41,655 40,793 41,152 41,20 0,187
5 600 90 4 29,683 28,462 29,515 29,22 0,438
6 800 90 8 37,082 36,877 37,461 37,14 0,088
7 600 50 8 20,821 20,943 21,356 21,04 0,079
8 800 50 4 32,843 33,406 33,351 33,20 0,096
9 822 70 6 35,456 35,552 34,712 35,24 0,211
10 578 70 6 22,893 22,809 23,718 23,14 0,252
11 700 94,3 6 34,091 34,393 34,536 34,34 0,052
12 700 45,7 6 26,237 26,828 27,635 26,90 0,492
13 700 70 8,43 27,908 27,595 28,437 27,98 0,181
14 700 70 3,56 33,163 32,233 33,424 32,94 0,392
15 700 70 6 30,551 29,427 30,112 30,03 0,321
6. Выявление грубых промахов
Проверка выполняется путем оценки однородности дисперсий с помощью критерия Кох-рэна (С-критерия). Экспериментальное значение критерия определяется по формуле
G_ ^шах -
экс N
¿=1
где в числителе — максимальная из дисперсий (у нас во 2-м опыте Б = 0,838); в знаменателе — сумма всех дисперсий (у нас 3,946).
С = 0,838/3,946 = 0,21
экс. 77 7
Для определения табличного значения критерия задают следующие координаты:
— уровень значимости а = 1 - 0,95 = 0,05;
— степень свободы /1 = 2 (на единицу меньше числа замеров);
— степень свободы /2 = 15 (количество опытов).
Пользуясь таблицей [1], находим: Стабл = 0,36. Поскольку Сэкс < Стабл , делается вывод об однородности дисперсий и отсутствии грубых промахов.
7. Вычисление коэффициентов регрессии
Усилия, затраченные на создание ортогональной матрицы (раздел 3) были не напрасны: теперь с ее помощью мы можем очень просто вычислить коэффициенты регрессии. Для этого достаточно столбец матрицы с одноименным индексом факторов (табл. 4) почленно перемножить со столбцом средних результатов (табл. 6), произведения сложить и сумму разделить на число опытов (15). Применение этого алгоритма дает следующие результаты:
В0 в В2 В3 В12 В13 В23 вн В22 В33
30,03 4,98 3,06 -2,04 0,98 -0,03 0,04 -0,51 0,40 0,29
8. Оцен^ з^чимости коэффициентов регрессии
Эта процедура выполняется с целью упрощения модели с использованием критерия Стью-дента. Сначала вычислим дисперсию коэффициентов и среднеквадратичное отклонение:
І=1_____
' М2<п~!)
= 0,00293,
= 0,054.
Затем зададим координаты: Р = 0,95 — доверительная вероятность; / = Щ(п - 1) = 15(3 - 1) =30
— степень свободы,
и находим табличное значения критерия Стьюдента [1]: ¿табл = 2,042.
После этого вычислим доверительный интервал коэффициентов регрессии:
Л = г б • = 2,042 • 0,054 = 0,11.
В табл. В ’ ’ ’
Оценка значимости коэффициента выполняется в соответствии с правилом: |В^| > ЛВ ^ коэффициент значимый.
Выпуск 2
Выпуск 2
После сравнения по абсолютной величине с доверительным интервалом признаны значимыми следующие коэффициенты:
В0 в В2 В3 В12 Віі В 22 В33
30,03 4,98 3,06 -2,04 0,98 -0,51 0,40 0,29
Остальные коэффициенты приравнены к нулю. Модель после упрощения имеет вид У = 30,03 + 4,98Х1 + 3,06 Х2 - 2,04Х3 + 0,98ХХ2 - 0,51^ + 0,40Х22 + 0,29Х32.
9. Оценка адекватности модели
Адекватность модели — это ее способность достоверно описывать реальные свойства объекта. Оценка адекватности модели заключается в статистическом сопоставлении результатов, полученных опытным путем (У), и результатов, вычисленных для тех же условий с помощью модели (У мод). Для оценки используем критерий Фишера.
0,5«Х(£-1ГД)2
Дисперсия адекватности: £) =-----—----------- = 0,186,
где 1 — номер опыта; Ь — число незначимых коэффициентов (у нас Ь = 2).
N
. 5Л
Дисперсия эксперимента: $ ~ щп_ ц = 0,132.
Экспериментальное значение критерия Фишера: рэ = ^2 = 1,40.
51
Зададим доверительную вероятность р = 0,95 и степени свободы: /1 = Ь = 2;/ = Щ(п - 1) = 30 и найдем табличное значение критерия Фишера [1]: ^табл = 3,32.
Условие адекватности Рэ < Ртабл соблюдается, следовательно полученная экспериментальным путем математическая модель объекта адекватна.
10. Анализ качества модели
Наличие в модели значимых коэффициентов при эффектах взаимодействия факторов и квадратичных элементах подтвердило справедливость принятой при выборе типа модели и плана эксперимента гипотезы о нелинейном характере влияния рассматриваемых факторов на сигнал вибродатчика.
Отсутствие резкого превышения свободного члена В0 над коэффициентами регрессии В1 В2 и В3 является признаком достаточной чувствительности модели.
11. Применение модели для интерполяции, экстраполяции и сравнительной оценки
характера влияния факторов на отклик
Адекватность и чувствительность модели позволяют использовать ее для вычисления отклика (значения сигнала диагностического датчика) при произвольном сочетании значений факторов. Для этого нужно заданные значения факторов подставить в регрессионную модель, предварительно приведя их к относительному виду с помощью формулы
х1~х) х= 3 3
АХ,.
где X — заданное значение фактора; X0 — значение этого фактора в центре эксперимента; АХ— интервал варьирования этого фактора.
При этом, если все относительные значения факторов меньше по абсолютной величине, чем звездное плечо а = 1,215, точка находится внутри исследованной области факторного пространства, и процедура вычисления отклика с помощью модели называется интерполяцией. Если это условие не соблюдается — точка находится за пределами исследованной области, и процедура называется экстраполяцией.
Таблица 7
Примеры вычисления отклика по заданным значениям факторов
Значения факторов Отклик У Тип процедуры
заданные относительные
Х = 750 об/мин 'О, о" +
Х2 = 60 мкм т2 = -0,5 30,7 дБ Интерполяция
Х3 = 6 бар Х3 = 0
Х1= 550 об/мин Х = -1,5
Х2 = 95 мкм Х2 = +1,25 23.1 дБ Экстраполяция
Х3 = 7 бар Хз = +0,5
Используя регрессионную модель для определения предполагаемого значения отклика У, необходимо иметь в виду, что интерполяции всегда корректны, поскольку модель, полученная в результате исследования объекта в области эксперимента, используется для оценки его свойств в этой же области. Для экстраполяции это соответствие не соблюдается, поэтому ее достоверность убывает по мере удаления заданного сочетания значений факторов от области эксперимента.
Сравнительный анализ коэффициентов регрессии В1 В2 и В3 позволяет судить о характере влияния соответствующих факторов Х1 ,Х2 и Х3 на отклик У.
Абсолютные значения коэффициентов характеризуют силу влияния соответствующих факторов на величину отклика. Расставив коэффициенты в порядке убывания их модулей (|В1| = 4,98; | В2| = 3,06 и |В3| = 2,04), мы можем предположить, что в исследованной области наибольшее влияние на сигнал оказывает фактор Х1 — частота вращения рабочего колеса. На втором месте стоит зазор в подшипнике и на третьем — давление смазки.
Знаки коэффициентов характеризуют направление влияния факторов. Положительные знаки коэффициентов В1 и В2 и отрицательный знак коэффициента В3 указывают на то, что увеличение частоты вращения рабочего колеса и зазора в подшипнике будет приводить к увеличению сигнала датчика, а увеличение давления смазки — к уменьшению сигнала.
12. Графическое представление и физическая трактовка результатов Графическое отображение функции трех переменных представляет собой некую гиперповерхность в четырехмерном пространстве. Находясь в трехмерном пространстве, мы можем изобразить только различные сечения этой поверхности, характеризующие зависимость отклика от двух факторов при зафиксированном третьем факторе. Например, в табл. 8 и на рис. 3 показано влияние зазора в подшипнике и частоты вращения рабочего колеса на уровень сигнала вибродатчика при давлении смазки 6 бар.
Таблица 8
Зависимость сигнала вибродатчика (У, дБ) от режима и технического состояния насоса
Зазор, мкм Частота вращения, об/мин
500 600 700 800 900
40 15,53 20,57 24,59 27,59 29,57
50 15,58 21,11 25,62 29,11 31,58
60 15,83 21,85 26,85 30,83 33,79
70 16,28 22,79 28,28 32,75 36,20
80 16,93 23,93 29,91 34,87 38,81
90 17,78 25,27 31,74 37,19 41,62
100 18,83 26,81 33,77 39,71 44,63
Выпуск 2
Выпуск 2
40 50 60 70 80
Зазор в подшипнике
90
Х2, мкм
Рис. 3. Зависимость сигнала диагностического датчика от зазора в подшипнике и частоты вращения рабочего колеса (давление смазки 6 бар)
Анализ этих графиков подтверждает представления о свойствах исследованного насоса, полученные в результате анализа коэффициентов регрессии:
— увеличение частоты вращения насоса в области эксперимента сопровождается увеличением его виброактивности, поскольку с увеличением частоты вращения увеличивается интенсивность силового взаимодействия деталей подшипника;
— увеличение зазора в подшипнике также приводит к увеличению виброактивности, которое можно объяснить увеличением амплитуды биения ротора при увеличении зазоров в опорных узлах;
— увеличение давления смазки сопровождается снижением виброактивности, поскольку слой смазки оказывает демпфирующее действие, смягчая соударения деталей подшипника, причем эффективность демпфирования увеличивается с увеличением давления смазки;
— характеристики имеют нелинейный вид, что подтверждает целесообразность применения центрально-композиционного плана.
Выводы
Применение рассмотренной обучающей программы при проведении лабораторной работы в компьютерном классе вуза позволяет решить сразу две задачи:
— привить студентам навыки практического применения теории планирования экспериментов для исследования судового оборудования;
— познакомить их с особенностями диагностирования судового насоса.
Накопленный к настоящему времени в СПбГМТУ и ГУВК опыт применения этой и подобных ей компьютерных обучающих программ свидетельствует о том, что использование активных форм обучения положительно воспринимается студентами и облегчает изучение довольно сложных для усвоения дисциплин, насыщенных формулами, вычислениями и специфическими терминами.
Список литературы
1. Михайлов В. И. Планирование экспериментов в судостроении / В. И. Михайлов, К. М. Федосов. — Л.: Судостроение, 1978.
2. Тыщенко О. Б. Диалог компьютера и студента / О. Б. Тыщенко // Высшее образование в России. — 2000. — № 6.
3. Броневич А. Б. Некоторые психолого-педагогические особенности создания и использования компьютерных обучающих программ в вузе / А. Б. Броневич // Психологическая наука и образование. — 2004. — № 4.
4. Вислобоков Н. Ю. Технологии организации интерактивного процесса обучения / Н. Ю. Вислобоков, Н. С. Вислобокова // Информатика и образование. — 2011. — № 6 (224).
5. Куценко С. М. Моделирующие компьютерные программы в процессе лабораторно-практических занятий студентов вуза / С. М. Куценко. — Казань: КГЭУ, 2004.
6. Баркова Н. А. Введение в виброакустическую диагностику роторных машин и оборудования / Н. А. Баркова. — СПб.: Изд. центр СПбГМТУ, 2003.
7. Варкулевич В. К. Диагностирование электроприводного насосного агрегата без разборки / В. К. Варкулевич. — Владивосток: Морской гос. ун-т, 2003.
8. БАЛТЕХ. Диагностика насосов [Электронный ресурс]. Электрон. дан. Режим доступа: http://www.baltech ^и/саЬа^ .рЬр?са!а^=18
УДК 621.875.5 Е. Н. Андрианов,
канд. техн. наук, профессор, СПГУВК;
А. Н. Иванов,
канд. техн. наук, доцент, СПГУВК
АКТУАЛЬНЫЕ ВОПРОСЫ КОНСТРУИРОВАНИЯ И РАСЧЕТА МЕХАНИЗМОВ
В статье рассмотрены некоторые вопросы построения конструкций механизмов изменения вылеты стрелы портальных кранов, обеспечивающие предсказуемость конструктивно-компоновочных решений, свойств материала, геометрии и прочности реечной передачи.
The article is devoted to some problems of construction of gantry crane boom outreach control mechanisms for prediction of constructive and lay-out decisions, material properties, geometry and durability of a pinion-rack drive.
Ключевые слова: механизм, вылет, кран, конструкции, геометрия, прочность.
Key words: mechanism, boom, crane, constructions, geometry, strength.
ИЗМЕНЕНИЯ ВЫЛЕТА СТРЕЛЫ ПОРТАЛЬНЫХ КРАНОВ
TOPICAL PROBLEMS OF CONSTRUCTION AND DESIGN OF THE GANTRY CRANE BOOM OUTREACH CONTROL MECHANISMS
ЕХАНИЗМ изменения вылета (МИВ) портального крана является одним из основных механизмов, обеспечивающих надежность машины в целом. Его поломка приводит к значительным экономическим потерям, связанным с ремонтом конструкции и просто-
ям в работе крана.
Выпуск 2
