Устройство аксиально поршневого насоса

 

●

 Технические науки 

 

98                                                                                            

№1 2017 Вестник КазНИТУ

 

 

Принцип действия аксиально поршневого насоса 

Работа агрегата основывается на воздействии вращающегося вала на специальный блок цилин-

дров.  При  этом  наблюдается  поступательное  перемещение  поршней  вдоль  оси  этого  блока.  Таким 

образом  совершаются  возвратно-поступательные  аксиальные  движения,  благодаря  которым  агрегат 

получил своё название. Это также актуально для аксиально поршневого насоса нерегулируемого.  

 

 

 

Рис. 2. 

 

Изучая  принцип  работы  аксиально  поршневого  насоса,  можно  увидеть,  что  при  движении 

поршней  в  цилиндрах  последовательно  происходит  всасывание  и  нагнетание.  Соединение  с  напор-

ными и всасывающими линиями осуществляется последовательно через специальные окна в распре-

делительном устройстве. Для избежания возникновения неисправностей, блок цилиндров выполняет-

ся так, чтобы он был плотно прижат к распределительному устройству. Для обеспечения надёжности 

окна  этого  блока  разделяются  при  помощи  специальных  уплотняющих  перемычек.  С  целью  умень-

шения  гидроудара  в  ходе  работы  агрегата  в  указанных  перемычках  специально  делаются  дроссель-

ные канавки. Благодаря этому удается равномерно повысить величину давления рабочей жидкости в 

цилиндрах аксиально поршневой насоса. Цена агрегата соответственно высокая. 

В качестве рабочих камер в агрегатах этого типа используются цилиндры, размещенные вдоль 

оси ротора, т.е. аксиально. Вытеснителями в данном случае являются поршни. 

Схема аксиально поршневого насоса 

По особенностям конструкции все агрегаты можно разделить на две большие группы: 

 

Устройства, оборудованные наклонным диском. 

 

 

 

Рис.3. 

 

 

Агрегаты, оснащенные наклонным блоком цилиндров. 

 

 

 

Рис.4.  

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

99 

 

Первая группа устройств нашла свое применение  в приводах агрегатов, работающих, как пра-

вило, в средних и тяжелых режимах. 

Выпускаемые сегодня аксиально-поршневые насосы собираются по нескольким схемам. 

    В  первую  очередь  стоит  рассмотреть  вариант  с  двойным  несиловым  карданом.  Согласно 

данной схеме достигается равенство углов между осью промежуточного вала и осями ведомого и ве-

дущего вала. Поэтому при работе такого агрегата все его части (ведомый и ведущий вал) функциони-

руют синхронно. В результате чего значительно облегчается работа карданного вала. Ведь он напря-

мую взаимодействует с диском, посредством которого осуществляется передача крутящего момента; 

 

 В конструкции гидронасосов с точечным касанием поршней наклонного диска нет карда-

нов и шатунов, что значительно упрощает их устройство. Но для запуска агрегата его поршни требу-

ется предварительно принудительно выдвинуть из цилиндров и прижать к наклонному диску. По ука-

занной  схеме  производятся  гидромашины  небольшой  мощности.  Например,  Г15-2.  На  сегодняшний 

день именно установки такого типа считаются наиболее популярными. 

Рабочий объем аксиально-поршневых насосов можно рассчитать из следующего выражения: 

 

                                                

                                                     ( 1 ) 

 

где:   z – число поршней 

         d

п

 – диаметр поршня 

         D

ц

– диаметр расположения цилиндров 

          γ – угол наклона диска(блока) 

Для насосов конструкций рис. 3, 4 возможны исполнения с изменяемым рабочим объемом. 

Изменение рабочего объема происходит за чет изменения угла наклона диска или блока (в 

зависимости от конструкции). 

Для аксиально-поршневых насосов необходим механизм синхронизации вращения приводного 

вала и блока цилиндров. Существует четыре основных способа такой синхронизации: 

  синхронизация одинарным (силовым) карданом; 

  синхронизация двойным (несиловым) карданом; 

  синхронизация шатунами поршней (бескарданная схема); 

  синхронизация коническим зубчатым зацеплением. 

      

Hасосы аксиально-поршневые  регулируемые (изделия серии H и S) 

 

 

 

Рис. 5. 

 

Агрегаты из этой серии, обустроенные наклонным диском, нередко устанавливаются на объем-

ных  водоводах,  где  в  системе  кроме  наноса  имеется  гидромотор.  Оба  работают  по  закрытой  схеме. 

Кроме  того,  такой  нанос  устанавливается  в  дорожных  уплотнителях,  комбайнах  и  автоматических 

бетоносмесителях. Ими легко управлять, и они имеют небольшие габариты. Поток рабочей жидкости 

при  повороте  наклонного  диска  вращается  в  противоположные  стороны,  что  обуславливает  работу 

устройства 

Благодаря  наличию  гидрораспределителя  в  виде  модуля  имеется  возможность  присоединять 

системы управления (СУ) следующих типов: 

    Электрическая трехпозиционная СУ (ER). Эта система применяется для привода по трехпо-

зиционной системе (это позиции: вкл. – выкл. – вкл); 

 

●

 Технические науки 

 

100                                                                                            

№1 2017 Вестник КазНИТУ

 

 

   Гидравлическая СУ (HD).  Представляет собой своеобразный рычаг управления. Она подает 

гидравлические сигналы всем механизмам агрегата, благодаря чему наклонный диск удерживается в 

нужном положении. Данная СУ используется в агрегатах сложной компоновки; 

   Гидромеханическая СУ (МН). Обеспечивает поддержание наклонного диска в необходимом 

положении, благодаря чему осуществляется работа насоса в заданном режиме; 

   Электрическая  СУ  (EP).  Данная  система,  изменяя  силу  тока  на  нескольких  пропорциональ-

ных магнитах, позволяет обеспечить плавное изменение рабочего объема агрегата. 

 

ЛИТЕРАТУРА 

[1] Лепешкин А. В., Михайлин А. А., Шейпак А. А. Гидравлика и гидропневмопривод: Учебник, ч.2. 

Гидравлические машины и гидропневмопривод. / под ред. А. А. Шейпака. — М.: МГИУ, 2003. - 352с. 

[2] Схиртладзе А. Г., Иванов В. И., Кареев В. Н. Гидравлические и пневматические системы. — Издание 

2-е, дополненное. М.: ИЦ МГТУ «Станкин», «Янус-К», 2003 г. — 544 с. 

[3] Т.М.Башта.  Объемные  насосы  и  гидравлические  двигатели  гидросистем.  -М.:  Машиностроение, 

1974г.-179с. 

[4] http://remgidro.ru/aksialno-porshnevye-nasosy-ustrojstvo-princip-raboty/.html  

[5] Богомолов А. И., Михайлов К- А. Гидравлика. М., Госстрой издат,1973.463 с. 

[6] Гийон М. Исследование и расчет гидравлических систем. Машиностроение, 1964. 369 с. 

 

Елемесов К.,  Толымбеков Е.К. 

АРПМ  пайдаланып  гидравликалық  Тау-кен машиналары жетілдіру. 

Түйіндеме.    Бұл  мақалада    кен  машиналар  гидрожелісінде  қолданылған  аксиал  роторлы-

поршеньді машиналардың жұмысы туралы өзекті тақырып қарастырылған. Оның жұмыс істеу прин-

циптері, сызбалары  туралы қысқаша мәліметтер жазылған.  

Негізгі сөздер:  гидравликалық машиналар, күрделі констукция, аксиалды қозғалыстар, көлбеу 

дискі, улкен емес қуат. 

 

K. Elemesov. E.K.Tolymbekov 

Improving hydraulic mining machines using ARPM 

Summary.    The  work  is  dedicated  to  the  actual  topic,  namely  hydraulic  mining  machines  using 

ARPM. Describes the rotary axial piston pump, a circuit diagram, working principle, drawings. 

Key words: hydraulic machines, complex structure, axial movement, swash plate, a small capasity. 

 

 

 

УДК 004.032.26 

 

Б.С.Ахметов

1

, В.И. Горбаченко 

2

, О.Ю. Кузнецова 

2

, Ж.М.Алибиева

1

 

(

1

Казахский национальный исследовательский технический университет им. К. И. Сатпаева,  

2

Пензенский государственный университет) 

 

НЕЙРО-НЕЧЕТКАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ 

ДИАГНОСТИКЕ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ 

 

Аннотация.  Разработана система поддержки принятия решения при диагностике синдрома эндогенной 

интоксикации.  Предложен  новый  способ восстановления  пропущенных значений в  обучающих данных,  обеспе-

чивающий сохранение характера статистического распределения анализов. Разработана система поддержки при-

нятия  решений  на  основе  каскадной  нейро-нечеткой  сети  ANFIS  (адаптивной  сети  нечеткого  вывода).  Разрабо-

танная система позволяет на сокращенном наборе анализов диагностировать хроническую почечную недостаточ-

ность у больных в терминальной стадии с ошибкой 1 % и у больных в ранней стадии ХПН с ошибкой 10 %. 

Ключевые слова: хроническая  почечная недостаточность, система поддержки принятия решений, ней-

ро-нечеткая сеть, ANFIS, каскадная сеть, нечеткий вывод, база знаний. 

 

Введение  

Синдром эндогенной интоксикации (СЭИ) распространен в клинической практике и характери-

зуется  накоплением  в  тканях  биологических  продуктов,  представляющих  собой  результат  реаги-

рования  на  повреждающий  фактор  [1].  Задача  ранней  диагностики  СЭИ  является  на  сегодняшний 

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

101 

 

день актуальной в связи с частым развитием хронической (ХПН) и острой почечной недостаточности, 

тяжестью течения и высокой летальностью. Известно, что летальность при тяжёлой форме ХПН со-

ставляет более 40% и существенно не меняется последние 30 лет [1].  

В настоящее время получают распространение системы поддержки принятия решений, исполь-

зующие  формальные  методы  диагностики  и  помогающие  врачу  принять  решение.  Популярными 

формальными  методами  диагностики  являются  нейросетевые  методы  [2–4].  Нейронные  сети  имеют 

возможность  обучаться  и  обобщать  накопленные  знания,  но  не  дают  ответа  на  вопрос,  как  получен 

результат.  От  указанного  недостатка  свободны  системы  с  нечетким  выводом,  позволяющие  объяс-

нить получаемый с их помощью результат и закладывать в систему опыт врачей-экспертов [5]. Ней-

ро-нечеткие  сети объединяют в себе достоинства нейронных сетей и систем нечеткого вывода. Ней-

ро-нечеткие  сети  осуществляют  вывод  на  основе  аппарата  нечеткой  логики,  а  параметры  сетей 

настраиваются с использованием алгоритмов обучения нейронных сетей [6–8].  

Целью  настоящей  работы  является  разработка  нейро-нечеткой  системы  поддержки  принятия 

решений при диагностике синдрома эндогенной интоксикации.  

Материалы и методы 

1. Предпроцессорная обработка данных 

В  Пензенской  областной  клинической  больнице  им. Н.Н. Бурденко  были  собраны  данные  из 

реальных историй болезней. Выборка содержала 84 истории болезни пациентов в терминальной ста-

дии хронической почечной недостаточности и 40 историй болезни с ранней стадией хронической по-

чечной  недостаточности.  А  также  в  выборку  вошли  124  наблюдения  здоровых  доноров  отделения 

переливания крови. 

Полученная выборка содержит пропуски.  Анализ статистических методов заполнения пропус-

ков  [9]  показал  целесообразность  использования  кластерного  анализа.  Выборка  делилась  на  класте-

ры,  объединяющие  пациентов  со  сходными  симптомами.  Экспериментально  установлено,  что  таких 

кластеров три. В отличие от известных подходов [10], в каждом кластере пропуски по каждому пока-

зателю заполнялись как дискретные случайные величины, распределенные по эмпирическому закону 

статистического  распределения  присутствующих  данных.  Данный  способ  позволяет  учесть  особен-

ности вероятностного распределения лабораторных анализов пациентов, исключая искажения харак-

тера распределения анализов. 

Следующим шагом является отбор показателей для диагностики. Исследованы способы выбора 

информативных показателей, основанные на корреляционном анализе между показателями и резуль-

татом  (болен-здоров).    Так  как  законы  распределения  исследуемых  показателей  отличаются  от  нор-

мального,  то  использовались  непараметрические  характеристики —  коэффициенты  ранговой  корре-

ляции Спирмена и Кенделла [11]. С помощью t-критерия Стьюдента и критерия МаннаУитни) [11] 

выбирались показатели, средние значения которых существенно различаются у больных и здоровых 

пациентов.  Для  диагностики  были  отобраны  лабораторные  показатели,  информативность  которых 

подтверждена  большинством  статистических  методов  и  маркерами  эндогенной  интоксикации  [1].  В 

результате  выбраны  показатели:  общий  белок,  мочевина,  креатинин,  альбумины  и  билирубин.  Ис-

пользование сокращенного набора анализов позволяет упростить сеть. 

Далее  формировались  обучающие  и  тестовые  выборки.  Обе  выборки  делились  на  две  равные 

части — обучающее множество и тестовое множество. 

2. Разработка каскадной нейро-нечеткой сети 

Центральным элементом нечеткой системы является база правил. Сложность системы зависит 

от  количества  правил  [8].  Максимальное  количество  правил  равно 

d

N

n



,  где 

N

 —  количество 

правил, 

n

 —  количество  лингвистических  термов,  описывающих  входные  данные, 

d

 —  размер-

ность векторного входа системы. В ходе предпроцессорной обработки было выделено 

5

d 

 входных 

переменных (признаков): общий белок, альбумины, мочевина, креатинин и билирубин, которые обо-

значим 





1

2

3

4

5

,

,

,

,

x x x x x

.  Каждая  входная  переменная  может  принимать  значения  "Высокий  уро-

вень", "Средний уровень" или "Низкий уровень", т. е. 

3

n 

. Выходами системы являются признаки 

"здоровый",  который  кодировался  значением  выхода 

1

y 

,  и  признак  "больной",  который  кодиро-

вался значением выхода 

1

y  

. Тогда максимальное количество правил равно 

5

3

243

N 



. Такое 

количество правил сильно  усложняет  обучение системы. Предлагается иерархическое  каскадное по-

строение системы нечеткого вывода из простейших двухвходовых правил. Тогда каскадная база пра-

вил состоит из трех слоев. Первый слой содержит два двухвходовых правила, на которые поступают 

 

●

 Технические науки 

 

102                                                                                            

№1 2017 Вестник КазНИТУ

 

 

четыре из входных признаков. Второй слой содержит одно правило, входами которого являются вы-

ходы  правил первого  слоя.  Третий  слой  содержит  одно  правило,  входами  которого  являются  выход 

второго  слоя  и  не  использованный  входной  признак.  Количество  правил  каскадной  сети  равно 

2

4 3

36

N  



, что в 6,75 раза меньше первоначального размера базы правил.  

Для построения каскадной нейро-нечеткой сети требуется выполнить следующие шаги [6]: 

Шаг  1.  Определяется  показатель  эффективного  размера  адаптивной  нейро-нечеткой  сети  для 

определенного размера данных:    









2

8

2

1

d

d

d

P

d







 

где 

d

 – размерность векторного входа нейронной сети, 

2

d 

; 

P

– число групп данных или 

размер обучающей выборки для настройки нейро-нечеткой сети. 

Шаг 2. Определяется структура каскадной нейро-нечеткой сети, состоящая из узлов и слоев по 

системе (1). Количество слоев и узлов в каждом слое определяется по следующим формулам, пока не 

выполнятся условия 

0

k

t 

 и 

1

k

m 

: 

0

1

1

1

2

2

2

3

1

1

1

2

3

,

,

,

,

k

k

k

k

m

t

m

t

t

m

t

t

m

t

t

m

m

m

m

d

d

d

d





























,  (1) 





1

2

0

,

,...,

,  

k

M

m m

m

m

l





, 

где 

k

 – количество слоев в диагностической системе; 

k

m

 – число,  округленное до меньшего 

целого  от деления 





k

m d

 и  определяющее количество  узлов в  k-слое; 

1

k

k

k

t

m

dm







– остаток 

от  деления, определяющий количество незадействованных признаков в k-слое, переходящих на сле-

дующий слой.  

Таким образом, создается сходящаяся каскадная структура, в которой выходы узлов слоя явля-

ются входами для следующего слоя. Структура сети включает входной (нулевой) слой с внешними n-

признаками и последующими k-слоями, каждый слой имеет m узлов. В качестве узла выступает адап-

тивная нейро-нечеткая сеть с заданным количеством входов d. 

Шаг 3. Для j-узла l-слоя формируются обучающая группа: 





1

2

, ,

,

,...,

,

1... ,

1...

,

1... .

l

d

l

l j i

y

x x

x

l

k j

m i

p









                        (2) 

 При формировании групп используются следующие правила: 

 

признаки объединяются в группу, если они «не предсказывают» друг друга, т.е. когда они 

имеют 

наименьшие 

значения 

корреляции, 

которую 

вычисляют 

по 

формуле;           















2

2

,

i

i

xy

i

i

x

x

y

y

r

x

x

y

y

















 

где  

i

x

 – значения, принимаемые в выборке

X

,

i

y

– значения, принимаемые в выборке

Y

, 

x

  – 

средняя по 

X

, 

y

  – средняя по 

Y

. 

 

каждый признак (диагностический или внутренний) используется только в одной группе и 

только один раз; 

 

признаки (диагностические или внутренние), не вошедшие в группу в верхнем слое, участ-

вуют в соревновании на образования группы на нижних слоях. 

Шаг 4. Аналогично шагам 2 и 3 формируются последующие слои, учитывая, что выходы узлов 

предыдущего  слоя  являются  внутренними  признаками  и  участвуют  в  формировании  обучающих 

групп для последующих слоев.  

Шаг  5.  Из полученных  узлов  и  слоев  собираем  каскадную  нейро-нечеткую  сеть.  Работа  полу-

ченной сети оценивается по выходу последнего слоя. 

Структура  сети  состоит  из  3  слоев,  на  вход  первого  поступает  вектор  из  5  диагностических 

признаков. Количество узлов в каждом слое согласно (1) определяется соотношениями: 

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

103 

 

1

2

3

5 1

2,

2

2 1 1

1,

2

1 1 0

1,

2

m

m

m













 











 











 

т.е. 





2,1,1

M 

. 

Для  выбора  признаков,  подаваемых  на  входы  правил,  выбирались  наименее  коррелированные 

признаки  (значения  коэффициентов  корреляции  для  таких  признаков  выделены  жирным  шрифтом  в 

таблице 1).  В  результате  получается  следующее  разбиение  входных  признаков  на  группы: 









 

3

4

2

5

1 3,1

1,1

1,2

 

,

,  

,

,  

x x

x x

x

.  

 

Таблица 1. Значения корреляции для входных показателей 

 

 

x

1

 

x

2

 

x

3

 

x

4

 

x

5

 

x

1

 

1 

 

 

 

 

x

2

 

-0,14 

1 

 

 

 

x

3

 

0,38 

-0,27 

1 

 

 

x

4

 

0,56 

-0,38 

жүктеу/скачать 28,19 Mb.

Достарыңызбен бөлісу: