基于狀態(tài)監(jiān)測信息的設備在線健康預測及維護優(yōu)化研究.pdf

1、隨著現(xiàn)代工業(yè)技術的發(fā)展,設備健康預測和維護都直接影響著企業(yè)的生產(chǎn)經(jīng)營和經(jīng)濟效益。設備的可靠性和維護效果保證了其正常運行,是企業(yè)生存的必要條件。因此,設備維護在企業(yè)生產(chǎn)經(jīng)營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。半個多世紀以來,不少學者針對設備的維護進行了許多研究,但是,很少研究健康預測對維護策略的影響。
　　本文立足于過去幾十年國內(nèi)外的設備健康預測和設備維護相關研究的基礎上,分析了設備的運行狀態(tài),描述了設備

2、的衰退趨勢,實現(xiàn)了有效的在線健康預測,為設備的維護提供了決策依據(jù)。并且,維護模型考慮了維護資源約束與維護風險。本文首先應用隱式半馬爾可夫模型(HSMM, Hidden semi-Markov Model)對設備在線運行過程中的健康進行識別與預測,提出了單監(jiān)測信息在線健康預測方法。其次,基于單監(jiān)測信息在線健康預測方法,建立了多監(jiān)測信息在線健康預測模型和剩余壽命預測模型。然后,基于設備在線健康預測和衰退性能的預測,建立了設備的集成動態(tài)維護模

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

4、礎和依據(jù),提出了在線剩余壽命預測模型。本文提出的聯(lián)合在線健康模型,是基于HSMM豐富的數(shù)學結構和SMC的在線特征而來的,利用健康預測對設備的性能狀態(tài)進行量化,描述設備的實際運行狀況。
　　為了說明方法的有效性,通過案例分析對提出的在線健康預測方法進行驗證。結果顯示提出的方法很好的描述了設備的健康變化情況。并且,與一步向前識別算法、多步向前識別算法和HSMM進行了比較分析,說明了提出的單監(jiān)測信息在線健康預測模型的有效性和準確性,為后

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

6、應HSMM,來處理多監(jiān)測信息的在線健康預測問題。對于自適應HSMM,利用最大似然線性回歸訓練對輸出概率分布和駐留概率分布進行自適應訓練,處理多監(jiān)測信息之間的差異性,進行有效的多監(jiān)測信息在線健康預測。結合失效率理論,提出了多監(jiān)測信息在線剩余壽命預測模型。
　　為了說明方法的有效性,通過案例分析對提出的多監(jiān)測信息在線健康預測方法進行驗證。在案例分析中,與單監(jiān)測信息在線健康預測相比,多監(jiān)測信息在線健康預測在設備健康狀態(tài)識別、診斷、預測和

7、計算復雜性方面,具有更好的有效性和準確性。也為后續(xù)設備維護的研究,提供了基礎。
　　(3)針對傳統(tǒng)維護模型的不足,建立了基于在線健康預測的集成動態(tài)維護模型
　　首先,針對傳統(tǒng)的設備維護模型的不足,集成維護模型考慮了設備的衰退性能(退化和老化信息),集成了設備的診斷信息和預測信息,并且,以總的維護成本(故障成本、維護成本和資源成本)和總維護時間為目標,建立了基于在線健康預測的兩層集成動態(tài)維護模型。在模型中,同時考慮了備件和維修

8、人員的雙約束條件。并且,針對小修和大修的維護方式,引入了維護風險因子。
　　其次,基于集成動態(tài)維護模型,針對多部件設備的特點,建立了多部件設備的維護模型。多部件設備的維護決策包括性能衰退、維護方式和維護費用三部分內(nèi)容,在性能衰退方面,通過在線診斷信息和預測信息得到設備故障率變化趨勢;在維護方式方面,定義小修、大修和更換三種維護方式;在維護費用方面,考慮了故障成本、維護成本、資源成本和停機成本四部分,在每次維護活動的費用模型基礎上,

9、建立了多階段的總費用率模型。
　　最后,為了說明模型的有效性,通過案例分析對集成維護模型進行驗證。根據(jù)案例分析可知,與定期維護模型和純動態(tài)維護策略相比,集成動態(tài)維護模型具有更好的有效性和準確性。并且,通過對多部件設備的維護模型分析可知,與周期性維護模型相比,提出的多部件設備維護模型在總費用率、生命周期維護活動次數(shù)和設備利用率方面,具有很好的有效性。
　　本文的三個研究內(nèi)容相互之間聯(lián)系緊密,形成了一個系統(tǒng)性的設備維護決策框架。