故障预测与维修决策

《故障预测与维修决策》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、《装备维修保障技术》课程结业论文（2011级）题目：故障预测与维修决策学生姓名XXX学号XXX专业机械工程学院名称机电工程与自动化学院指导老师XXX2013年5月11日目录一＞概述1二、故障预测方法12.1基于统计分布的故障预测2_2.2模型的寿命预测方法3三、故障模型预测33.1建立模型43.2参数估计53.2.1常规算法63.2.2其他估计算法63.3估计结果9四、维修决策分析104.1建立费用优化模型114.2结果分析13五、课程学4心得与作业体会17一、概述基于状态的视情维修方法是随着状态监控技术的广泛应用而兴起的一种新的维修策略。相对于

2、事后维修和计划维修来说，后荠很难预防灾难性的故障，而且常常引起不必要的停机、存在引入维修损坏的风险。因而视情维修主要是定时维修的改进，不仅根据系统运行的时间而且根据系统当前的运行状态来决定是否进行维修，还根据故障前的各种迹象判断维修活动，这样在一定程度避免维修过剩和维修不足。二、故障预测方法目前，有多种方法可以应用于故障预测。根据复杂程度、预测能力和适用范围，这些方法大致可以分为三类：基于统计分布的方法、数据驱动的方法和基于模型的i>系统应用甩网图I故障预测力法分类各个预测方法的特点如表1所示。表I寿命预测A法特性表基于统计分布数据驱动基于模型工

3、程模型不需要有利需要失效数据需要不需要有利过去操作状态有利不需要需要当前状态有利需要需要确定的故障模式不需要需要需要维修历史记录有利不需要有利传感器不需要需要需要预测精度一般较高高2.1基于统计分布的故障预测由于危险程度低，或者故障发生率低，或者缺少足够的传感器来监测状态，导致无法使用先进预测模型，在此情况下，基于统计分布的故障预测方法也许是唯一可供选择的方法。利用故障历史数据，拟合统计失效分布（如威布尔分布、指数分布）等等，当可靠度达到某一个预先设定的值时，便认为该设备失效。基于可靠度统计分布的故障预测方法如图2所示。图2基于可靠度统计分布的预

4、测方法2.2模型的寿命预测方法模型分为两类：（1）物理模型，通过研究物理、化学和生物作用机理获得；（2）回归数据模型，通过分析输入、输出和状态参数之间的关系获得，如卡尔曼状态估计模型、ARMA模型、隐马尔科夫模型。如果能够建立确切的模型，预测精度将大大提高，误差大大减小。基于模型的预测方法如图3所示。图3基于模型的故障预测方法综上所述，由于已经给定了装备在使用过程屮能承受的应力水平与时间的相关数据，因此本文采用基于统计分布的故障预测方法，具体选用的则是基于概率的预测技术中的威布尔比例危险模型（WPHM）。三、故障模型预测视情维修的关键是建立系统运

5、行状态与系统寿命或可靠度的关系模型。在本文中，我们采用D.R.Cox提出的比例故障率模型来建立运行状态与故障率之间关系,根据费用、任务可靠度等0标，结合当前状态进行维修决策。在所有可用的可靠性计算的分布当中，威布尔分布是唯一可用于工程领域的。在1937,WaloddiWeibull教授（1887—1979）创造性的提出了该种分布，它是用于失效数据分析分布中应用最广泛的分布之一，也用于寿命数据分析，因为系统或部件的寿命周期的测量也需要分析。综上所述，由于己经给定了装备在使用过程中能承受的应力水平与时间的相关数据，因此木文采用基于统计分布的故障预测方

6、法，具体选用的则是基于概率的预测技术中的威布尔比例危险模型（WPHM）。3.1建立模型用威布尔分布比用对数正态分布往往能更准确地描述结构疲劳寿命或腐蚀损伤的概率分布，物理意义更加合理。在以损耗为特征的机械零件寿命评估中，采用3参数威布尔分布比采用2参数威布尔分布拟合精度更高。因此，3参数威布尔分布在强度与环境研究领域及机械零件磨损寿命评价中得到越来越广泛的应用。故本次作业先考虑模型是否符合威布尔分布。用Matlab屮wblplot命令对A1-A39的数据进行威布尔分布模拟，模拟图如下所示：图4威布尔分布概率图图中，Y轴上的值是从1%〜99%的概率

7、值，轴上各点之间的距离是不均匀的。威布尔概率图的X、Y轴上的点于点之间的距离是百分比的变化而不是点的变化。正如对数的刻度一样，1〜2间的距离是100%的增加，与2〜4间的距离相同，但那是兄一个100%的增加。对数比例只是为一些相似级数作铺垫，除了对问题有更深的洞察力，最直观的是对确认分布方法有利，该方法可更好的将数据集构成一条直线。从上图也可以看出，已绘制的数据点落在直线附近，因此图5所示威布尔概率图便认为是合理的，符合威布尔分布的特征，所以初步确定该装备的寿命曲线服从威布尔分布。因为该装备的寿命受到所承受剪切应力的影响，所以确定该装备的故障模型

8、为服从威布尔分布的比例故障模型，乂称威布尔回归模型。该模型的寿命概率可以表示为：/；(x)：单独考虑时间变量时的寿命概率，在本模型中即为