基于狀態(tài)監(jiān)測(cè)信息的設(shè)備在線健康預(yù)測(cè)及維護(hù)優(yōu)化研究.pdf

1、隨著現(xiàn)代工業(yè)技術(shù)的發(fā)展,設(shè)備健康預(yù)測(cè)和維護(hù)都直接影響著企業(yè)的生產(chǎn)經(jīng)營(yíng)和經(jīng)濟(jì)效益。設(shè)備的可靠性和維護(hù)效果保證了其正常運(yùn)行,是企業(yè)生存的必要條件。因此,設(shè)備維護(hù)在企業(yè)生產(chǎn)經(jīng)營(yíng)中的作用和地位日益突出,是企業(yè)降低生產(chǎn)成本和保證生產(chǎn)效率的基礎(chǔ)。半個(gè)多世紀(jì)以來(lái),不少學(xué)者針對(duì)設(shè)備的維護(hù)進(jìn)行了許多研究,但是,很少研究健康預(yù)測(cè)對(duì)維護(hù)策略的影響。
　　本文立足于過(guò)去幾十年國(guó)內(nèi)外的設(shè)備健康預(yù)測(cè)和設(shè)備維護(hù)相關(guān)研究的基礎(chǔ)上,分析了設(shè)備的運(yùn)行狀態(tài),描述了設(shè)備

2、的衰退趨勢(shì),實(shí)現(xiàn)了有效的在線健康預(yù)測(cè),為設(shè)備的維護(hù)提供了決策依據(jù)。并且,維護(hù)模型考慮了維護(hù)資源約束與維護(hù)風(fēng)險(xiǎn)。本文首先應(yīng)用隱式半馬爾可夫模型(HSMM, Hidden semi-Markov Model)對(duì)設(shè)備在線運(yùn)行過(guò)程中的健康進(jìn)行識(shí)別與預(yù)測(cè),提出了單監(jiān)測(cè)信息在線健康預(yù)測(cè)方法。其次,基于單監(jiān)測(cè)信息在線健康預(yù)測(cè)方法,建立了多監(jiān)測(cè)信息在線健康預(yù)測(cè)模型和剩余壽命預(yù)測(cè)模型。然后,基于設(shè)備在線健康預(yù)測(cè)和衰退性能的預(yù)測(cè),建立了設(shè)備的集成動(dòng)態(tài)維護(hù)模

3、型和多部件設(shè)備的維護(hù)模型。
　　基于前人的研究成果和大量實(shí)際的工程經(jīng)驗(yàn),本論文在基于設(shè)備衰退機(jī)制的在線健康預(yù)測(cè)及設(shè)備維護(hù)集成研究中主要做了以下三方面的研究工作:
　　(1)針對(duì)單監(jiān)測(cè)信息離線健康預(yù)測(cè)的不足,建立了單監(jiān)測(cè)信息在線健康預(yù)測(cè)模型
　　基于HSMM和SMC的理論,建立了設(shè)備的單監(jiān)測(cè)信息在線健康預(yù)測(cè)模型。提出了一種聯(lián)合多步向前健康識(shí)別算法,用于在線識(shí)別設(shè)備健康狀態(tài)。并且,將在線線識(shí)別的健康狀態(tài)用作壽命預(yù)測(cè)的分析基

4、礎(chǔ)和依據(jù),提出了在線剩余壽命預(yù)測(cè)模型。本文提出的聯(lián)合在線健康模型,是基于HSMM豐富的數(shù)學(xué)結(jié)構(gòu)和SMC的在線特征而來(lái)的,利用健康預(yù)測(cè)對(duì)設(shè)備的性能狀態(tài)進(jìn)行量化,描述設(shè)備的實(shí)際運(yùn)行狀況。
　　為了說(shuō)明方法的有效性,通過(guò)案例分析對(duì)提出的在線健康預(yù)測(cè)方法進(jìn)行驗(yàn)證。結(jié)果顯示提出的方法很好的描述了設(shè)備的健康變化情況。并且,與一步向前識(shí)別算法、多步向前識(shí)別算法和HSMM進(jìn)行了比較分析,說(shuō)明了提出的單監(jiān)測(cè)信息在線健康預(yù)測(cè)模型的有效性和準(zhǔn)確性,為后

5、續(xù)內(nèi)容的發(fā)展提供了分析依據(jù)和基礎(chǔ)。
　　(2)針對(duì)單監(jiān)測(cè)信息健康預(yù)測(cè)的不足,建立了多監(jiān)測(cè)信息在線健康預(yù)測(cè)模型
　　為了提高在線健康預(yù)測(cè)的精確度,基于單監(jiān)測(cè)信息在線健康預(yù)測(cè)方法,提出了多監(jiān)測(cè)信息在線健康預(yù)測(cè)模型。為了降低模型的計(jì)算復(fù)雜性,對(duì) HSMM的基本算法進(jìn)行了修正,提出了修正的前向-后向算法、Viterbi算法和Baum-Welch算法,計(jì)算復(fù)雜性從O((MD+M2)T)降低到O((D+M2)T)。在此基礎(chǔ)上,建立了自適

6、應(yīng)HSMM,來(lái)處理多監(jiān)測(cè)信息的在線健康預(yù)測(cè)問(wèn)題。對(duì)于自適應(yīng)HSMM,利用最大似然線性回歸訓(xùn)練對(duì)輸出概率分布和駐留概率分布進(jìn)行自適應(yīng)訓(xùn)練,處理多監(jiān)測(cè)信息之間的差異性,進(jìn)行有效的多監(jiān)測(cè)信息在線健康預(yù)測(cè)。結(jié)合失效率理論,提出了多監(jiān)測(cè)信息在線剩余壽命預(yù)測(cè)模型。
　　為了說(shuō)明方法的有效性,通過(guò)案例分析對(duì)提出的多監(jiān)測(cè)信息在線健康預(yù)測(cè)方法進(jìn)行驗(yàn)證。在案例分析中,與單監(jiān)測(cè)信息在線健康預(yù)測(cè)相比,多監(jiān)測(cè)信息在線健康預(yù)測(cè)在設(shè)備健康狀態(tài)識(shí)別、診斷、預(yù)測(cè)和

7、計(jì)算復(fù)雜性方面,具有更好的有效性和準(zhǔn)確性。也為后續(xù)設(shè)備維護(hù)的研究,提供了基礎(chǔ)。
　　(3)針對(duì)傳統(tǒng)維護(hù)模型的不足,建立了基于在線健康預(yù)測(cè)的集成動(dòng)態(tài)維護(hù)模型
　　首先,針對(duì)傳統(tǒng)的設(shè)備維護(hù)模型的不足,集成維護(hù)模型考慮了設(shè)備的衰退性能(退化和老化信息),集成了設(shè)備的診斷信息和預(yù)測(cè)信息,并且,以總的維護(hù)成本(故障成本、維護(hù)成本和資源成本)和總維護(hù)時(shí)間為目標(biāo),建立了基于在線健康預(yù)測(cè)的兩層集成動(dòng)態(tài)維護(hù)模型。在模型中,同時(shí)考慮了備件和維修

8、人員的雙約束條件。并且,針對(duì)小修和大修的維護(hù)方式,引入了維護(hù)風(fēng)險(xiǎn)因子。
　　其次,基于集成動(dòng)態(tài)維護(hù)模型,針對(duì)多部件設(shè)備的特點(diǎn),建立了多部件設(shè)備的維護(hù)模型。多部件設(shè)備的維護(hù)決策包括性能衰退、維護(hù)方式和維護(hù)費(fèi)用三部分內(nèi)容,在性能衰退方面,通過(guò)在線診斷信息和預(yù)測(cè)信息得到設(shè)備故障率變化趨勢(shì);在維護(hù)方式方面,定義小修、大修和更換三種維護(hù)方式;在維護(hù)費(fèi)用方面,考慮了故障成本、維護(hù)成本、資源成本和停機(jī)成本四部分,在每次維護(hù)活動(dòng)的費(fèi)用模型基礎(chǔ)上,

9、建立了多階段的總費(fèi)用率模型。
　　最后,為了說(shuō)明模型的有效性,通過(guò)案例分析對(duì)集成維護(hù)模型進(jìn)行驗(yàn)證。根據(jù)案例分析可知,與定期維護(hù)模型和純動(dòng)態(tài)維護(hù)策略相比,集成動(dòng)態(tài)維護(hù)模型具有更好的有效性和準(zhǔn)確性。并且,通過(guò)對(duì)多部件設(shè)備的維護(hù)模型分析可知,與周期性維護(hù)模型相比,提出的多部件設(shè)備維護(hù)模型在總費(fèi)用率、生命周期維護(hù)活動(dòng)次數(shù)和設(shè)備利用率方面,具有很好的有效性。
　　本文的三個(gè)研究?jī)?nèi)容相互之間聯(lián)系緊密,形成了一個(gè)系統(tǒng)性的設(shè)備維護(hù)決策框架。