Ваш браузер устарел и не обеспечивает полноценную и безопасную работу с сайтом.
Установите актуальную версию вашего браузера или одну из современных альтернатив.
На сегодняшний день в составе передвижных заправочных средств ракетно-космических комплексов (РКК) используются автоцистерны с емкостями различной вместимости, а также транспортно-заправочные контейнеры, контейнер-цистерны и малые переносные емкости. Передвижное емкостное заправочное оборудование используется для транспортировки и временного хранения, для подготовки высококипящих специальных жидкостей по температуре и газосодержанию (дегазации), при заправке баков ракет-носителей, разгонных блоков, а также космических аппаратов.
Вектором совершенствования передвижного емкостного заправочного оборудования для РКК является использование полуприцепов-цистерн, автоцистерн [1] или автотопливоперевозчиков, предназначенных для транспортировки и временного хранения светлых нефтепродуктов или жидких продуктов для химической промышленности. Создание типоразмерного ряда автоцистерн (АЦ) для РКК может быть достигнуто посредством кластерного анализа существующих передвижных агрегатов.
Кластерный анализ используется в качестве классификационного метода с целью разбиения множества исследуемых агрегатов с емкостным оборудованием по выделенным основным характеристикам на однородные группы или кластеры. К основным характеристикам отнесены габаритные размеры (рабочий объем), материал цистерны, допустимое давление, количество люк-лазов, наличие стороннего теплообменного оборудования, количество секций, наличие (отсутствие) диафрагм снижения колебаний жидкости. Кроме того, учитывается расположение выдающего патрубка, так как цистерна может быть наполнена как верхним, так и нижним наливом при помощи стороннего насоса. При выборе комплектности основного технологического оборудования, размещаемого на АЦ также учтены нормативные требования [2, 3].
Исследование включает в себя сбор исходных данных и первичный анализ характеристик автоцистерн, кодирование категориальных признаков и приведение данных к одному диапазону путем нормализации, используя функцию MinMaxScaler библиотеки Scikit-learn.
Кластерный анализ проводился по методу k-средних [4] с использованием языка Python в рабочей среде PyCharm, начиная со случайного выбора центров кластеров. Затем вычислялись расстояния между центрами кластеров и данными для каждой АЦ, присваивая кластеру ближайшие к нему точки. Предыдущий шаг повторяется до достижения минимального суммарного расстояния элементов внутри кластера до его центра. В результате расчета были получены кластеры, значительно отличающиеся друг от друга, но содержащие схожие характеристики АЦ. Это является обоснованием качественного разбиения агрегатов с емкостным оборудованием на группы.
В дальнейшем серийные образцы с базовым сертифицированным емкостным оборудованием требуемого типоразмера могут быть доработаны в части комплектации и использованы в качестве перспективных или модернизируемых АЦ для РКК. Кластеризация автоцистерн по основным характеристикам способствует быстрому созданию типоразмерного ряда подвижного емкостного оборудования для заправки баков потребителей различных объемов на РКК, а также сокращению затрат на разработку и эксплуатацию АЦ.
