生产设备故障周期的预测方法研究

《生产设备故障周期的预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、生产设备故障周期的预测方法研究1引言   随着科学技术的发展，企业生产设备的技术含量也有了长足的进步，现代设备正向大型自动化、集成化方向发展，设备结构越来越复杂。功能越来越强大，设备在过程中就更加容易出现故障。在生产过程中，如何有效地避免设备发生故障是企业进行设备管理的重点，这对保证企业安全生产和提高企业经济效益具有重要意义。因此在设备的维护过程中，如何对设备故障周期进行科学地预测，从而确定点检计划周期，做到防范于未然，成为当前设备维护管理中的重大课题。2故障周期预测方法   故障周期的预测的内容

2、十分丰富，由于故障的复杂性、随机性、开放性、模糊性以及火灾信息的不完善性，没有单纯的预测方法能满足预测决策工作的需要。目前已发展了许多预测方法，不同的预测方法适用于不同的情况。在实际应用中应做具体分析，针对具体问题选择最有效的预测方法进行预测分析。本文讨论应用最为广泛的两种时间序列预测法，即移动平均法和指数平滑法在故障周期预测中的应用。   2.1移动平均法   移动平均法是一种根据时间序列资料，逐项推移，依次计算包含一定项数的时序平均值，以反映长期趋势的计算方法。因此当时间序列的数值由于受周期变

3、动和随机波动的影响起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展趋势(即趋势线)，然后依趋势线分析预测序列的长期趋势。   移动平均法包括简单移动平均法(也称为一次移动平均法)和趋势移动平均法。当时间序列没有明显的趋势变动时，使用一次移动平均就能够准确地反映实际情况，直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时，用一次移动平均数来预测就会出现滞后偏差，需要进行修正。修正的方法是在一次移动平均的基础上再做二次移动

4、平均，利用移动平均滞后偏差的规律，找出曲线的发展方向和发展趋势，建立直线趋势的预测模称为趋势移动平均法。设一次移动平均数为Mi(1)，则二次移动平均数的计算公式为：       再设时间序列Y1，Y2，…，Yi，从某时期开始具有直线趋势，且认为未来时期亦按直线趋势变化，则可设此直线趋势预测模型为：       式中：t为当前时期数；T为由当前时期数t到预测期的时期数，即t以后模型外推的时间；Yt+T为第t+T期的预测值；at为截距；bt为斜率。at、bt又互称为平滑系数。   根据移动平均值可得截

5、距和斜率的计算公式为：       在应用移动平均法时，移动平均项数N的选择十分关键，它取决于预测目标和实际数据的变化规律。   2.2指数平滑法   移动平均法的预测值实质上是观测值的加权和，且对不同时期的数据给予相间的加权限，这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。根据平滑次数不同，指数平滑法分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。其基本思想是：预测值是以往观测值的加权和。且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。  

6、 当时间序列没有明显的趋势变动时，使用第f周期一次指数平滑就能直接预测第t+1期之值。但、当时间序列的变动出现直线趋势时，用一次指数平滑法来预测仍存在着明显的滞后偏差。因此，也需要进行修正。修正的方法是在一次指数平滑的基础上再作二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，建立直线趋势预测模型，故称为二次指数平滑法。   设一次指数平滑为Si(1)，则二次指数平滑Si(2)的计算公式为：       其中a为加权系数，且0＜a＜1。若时间序列Y1，Y2，…，Yi从某时期开始具有直线

7、趋势，且认为未来时期亦按此直线趋势变化，则与趋势移动平均类似。可用如下的直线趋势模型来预测：       式中：t为当前时期数；T为由当前时期数t到预测期的时期数；Yt+T为第t+T期的预测值；at为截距；bt为斜率。at、bt计算公式为：   3应用实例   例如根据设备点检管理系统中活套系统故障的记录，通过分析故障发生的时间，计算连续时间的故障周期如表1第1、2列所示，分别用采用移动平均法和指数平滑法来预测下次发生故障的周期。表1故障周期及移动平均法预测值   使用移动平均法对该故障形势进行预

8、测。移动平均的项数选择N＝4。利用一次移动平均计算公式计算结果如表1所示。由表中

9、阿以看出，该故障的发牛周期具有比较明显的线性趋势。目此，要进行预测还必须先作二次移动平均，在一次移动挈均的基础上再进行移动平均。利用二次移动平均计算公式求出实际值。利用截距和斜率的计算公式，求a9、b9：       由此可预测，在t＝10设备故障周期为：       同样利用上面港套系统故障记录，利用一次指数平滑和二次指数平滑进行预测。由于时间序列变化波动不大，所以可以选择在0.3～0.5之间选择a