復雜機電系統(tǒng)可靠性與維修性綜合及預測方法研究.pdf

1、復雜機電系統(tǒng)是國民經(jīng)濟和國家安全的命脈，伴隨科技進步和現(xiàn)代化大生產(chǎn)的發(fā)展，作為裝備制造業(yè)核心的復雜機電系統(tǒng)正朝著大型化、自動化、復合化以及機、光、電、液和計算機一體化的方向發(fā)展，更新?lián)Q代的周期卻在縮短。由于功能增多、性能提高、負荷加重，必然導致系統(tǒng)發(fā)生故障的概率增大、表現(xiàn)形式復雜化，甚至容易造成重大災難性事故。因此，如何切實有效地提升復雜機電系統(tǒng)的質(zhì)量和可靠性已成為國家發(fā)展戰(zhàn)略中不容忽視的重要命題。
　　本論文立足國家長期發(fā)展戰(zhàn)略

2、需求，從事前分析、事中分析、事后分析三個層面剖析復雜機電系統(tǒng)可靠性和維修性評估中的共性和瓶頸問題，力求將復雜問題簡單化、將理論研究工程化，以多學科知識融合為切入點，面向工程探索新的突破口。在深入研究Weibull過程理論、Markov過程理論、灰色理論、信息熵理論及Bayes方法的基礎上，根據(jù)任何復雜系統(tǒng)都可以等效轉化成由簡單串、并聯(lián)結構組成的基本原則，就復雜機電系統(tǒng)可靠性和維修性綜合理論與預測方法做了系統(tǒng)而深入的研究，已取得了一些有益

3、的成果，并應用于工程實際中。本論文完成了如下研究工作：
　　針對復雜機電系統(tǒng)結構復雜、構成單元壽命分布多樣、難以對整機進行壽命試驗等特點，側重在系統(tǒng)可靠性綜合領域尋找新思路和新方法。本文引入了 Bayes方法，用Beta分布和L?分布擬合單元可靠度的驗后密度；根據(jù)矩相等和信息等價轉換原則，把各單元的試驗信息折算成系統(tǒng)試驗信息，給出了單元為不同分布時的串聯(lián)及串并聯(lián)系統(tǒng)可靠度二項近似Bayes置信限和系統(tǒng)可靠度指數(shù)近似Bayes置信限

4、；分別應用于鉆井泥漿泵與自動平衡記錄儀。又利用信息熵等效的基本原則，求解出基于信息熵法的系統(tǒng)二項、指數(shù)近似置信限；并應用于鉆井泥漿泵。利用上述方法自下而上逐級綜合，最終求解出復雜機電系統(tǒng)可靠度的置信區(qū)間。研究成果適用于方案論證、初設計、樣機研制等階段，可適用于事前分析和事中分析。
　　復雜機電系統(tǒng)可靠性預測是工程迫切急需研究的命題，本文利用Monte-Carlo模擬仿真獲得各單元壽命模擬值，根據(jù)邏輯運算關系，得到系統(tǒng)壽命模擬值，并

5、據(jù)此推斷出系統(tǒng)壽命分布類型，求解系統(tǒng)可靠性測度的點估計和區(qū)間估計。在規(guī)避整機和單元做壽命試驗的情況下，逐級利用各構成單元的可靠性信息，最終求出復雜機電系統(tǒng)可靠性測度的極大似然估計和置信區(qū)間，已應用于風力發(fā)電機組，此方法適用于事前分析?？紤]系統(tǒng)投入運行并采取即時維修，基于 Weibull過程研究了無信息先驗下復雜機電系統(tǒng)未來故障時間Bayes置信限的解析方法，并用數(shù)值例做了驗證，可視為事中預測。又進一步基于灰色理論建立了復雜機電系統(tǒng)未來區(qū)

6、間內(nèi)關鍵部件故障數(shù)的動態(tài)預測模型，利用拓補群中不斷更新的模型對真實值逐步逼近的方法，求解了關鍵部件故障數(shù)的點估計，進行了精度分析，并用于預測風力發(fā)電機組葉片故障數(shù)，同樣屬于事中預測。
　　本文從工程需求出發(fā)探討了復雜機電系統(tǒng)維修性評定方法，當維修時間服從指數(shù)分布、正態(tài)分布、對數(shù)正態(tài)分布、Weibull分布及Gamma分布時，給出了不同分布下的整機維修性測度置信限，可視其為事中或事后分析。又進一步探討了如何利用單元維修數(shù)據(jù)信息進行系

7、統(tǒng)維修性綜合問題，當單元維修時間服從對數(shù)正態(tài)分布時，給出了系統(tǒng)平均維修時間的置信區(qū)間及置信限，可視為事前分析。
　　工程上期望復雜機電系統(tǒng)在運行中不易發(fā)生故障，而一旦故障能快速修復，因此，綜合了可靠性與維修性的系統(tǒng)可用性已成為可靠性和維修性工程中新的研究方向。本文探討了基于整機的指數(shù)故障/指數(shù)維修、Gamma故障/Gamma維修、指數(shù)故障/Gamma維修及 Weibull故障/Gamma維修條件下的復雜機電系統(tǒng)可用性評估方法，分別

8、給出了整機可用性測度的區(qū)間估計，屬于事中或事后分析。在已知串聯(lián)系統(tǒng)各構成單元的故障/維修信息條件下，利用信息等價轉換原理將各單元的故障/維修信息等價轉換成指數(shù)故障/指數(shù)維修信息，分別利用經(jīng)典方法和Bayes方法求解了串聯(lián)可修系統(tǒng)可用度近似置信限，并進行精度分析，已應用于風力發(fā)電機組，屬于事前分析。此外基于Markov過程研究了可修復雜機電系統(tǒng)處于二態(tài)及多態(tài)情況下的可用度估計問題，給出了可用度的點估計，也應用于風力發(fā)電機組，屬于事后分析。