Северодвинское предприятие Севмаш, входящее в Объединённую судостроительную корпорацию (ОСК), успешно отгрузило второй упорный подшипник для универсального атомного ледокола «Ленинград» проекта 22220. Детали производятся по контракту с Балтийским заводом ОСК, который выступает в роли основного заказчика.
Конструкторское бюро Севмаша разработало проект главного упорного подшипника специально для судов этого типа. Кроме того, специалисты верфи создали комплексную программу для проведения испытаний. Габариты изделия впечатляют: высота достигает 2,5 метров, а общая масса в собранном виде составляет порядка 25 тонн. По оценкам предприятия, это одни из наиболее габаритных и сложных изделий технического назначения за всю историю Севмаша.
Для оснащения одного ледокола требуется комплект из трёх подшипников. Первый экземпляр был доставлен в Санкт-Петербург в конце 2025 года. Третий подшипник уже прошёл все этапы стендовых испытаний и находится на финальной стадии сборки. В ближайшие недели он также будет отправлен заказчику, что позволит завершить поставку всего набора для «Ленинграда».
Проект 22220 представляет собой серию универсальных атомных ледоколов, предназначенных для обеспечения навигации в арктических водах.
Читайте ещё материалы по теме:
Сейчас на главной
Попытку незаконного экспорта агрегата пресекла ФСБ по Ленобласти
Чаще всего их используют для оплаты сверхнормативного багажа
120-тонная конструкция установлена за 4 часа
Разработанные полимерные биоматериалы могут стать основой для имплантов
Вес изделия в собранном виде достигает порядка 25 тонн, а его высота — 2,5 метра
Маркетплейс заказывает отечественные компьютеры Kvadra Tau mini для тестирования
В 2025 году выручка компании уменьшилась в 32 раза
Наибольший интерес вызвала продукция, прошедшая апробацию в боевых условиях
Речь идёт о припаркованных автомобилях, на которых рекламируются товары или услуги
Рост аварийных ситуаций вынудил авиакомпании искать альтернативы
X-cross 7 почти раскупили, но X-cross 8 пока можно найти в продаже
Метод для легковесных систем машинного обучения повысит эффективность квантового распределения ключей