基于比例故障率模型的设备状态维修决策

《基于比例故障率模型的设备状态维修决策》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、基于比例故障率模型的设备状态维修决策研究摘要：针对连续监测的易衰退设备，提出了一种以可靠性为中心的维修时机预测方法。该方法首先提取设备运行状态的多种性能退化特征，采用比例故障率模型进行可靠性建模，迹而评估设备运行可靠度。当设备可靠度达到阀值R时，对设备执行预防性维修。基丁•这个维修策略进行维修时机决策，建立了退化特征与维修时机的关系，并结合性能退化特征预测技术，预测了设备的维修时机，从而得到设备到需要进行预防性维修还可运行多长时间。通过算例分析，验证了维修吋机预测方法的有效性和可行性，该方法可以为维修计划和维修备件策略的制定提供决策支持和信息支持。名关键词：比例

2、故障率模型；可靠性；状态维修；维修决策一屮图分类号：TB114.3ResearchonEquipmentCondition-basedMaintenanceDecisionusingProportionalHazardsModelLIShufeng,LIUXiaoping(SchoolofAutomation,BeijingUniversityofPostandTelecommunications,Beijing100876)Abstract:Areliability-centeredmaintenancethresholdpredictingmethodisp

3、roposedforcontinuouslymonitoredequipmentssubjecttodegradation.Multipleperformancedegradationfeaturesofequipmentconditionarecollected,andproportionalhazardsmodelasamodelingtoolisusedforreliabilitymodeling,andthenequipmentreliabilityisestimated.Whenevertheequipmentreliabilityreachesthe

4、thresholdR,apreventivemaintenanceisperformedontheequipment.Basedonthispolicy,maintenancethresholddecision,whichestablishestherelationshipbetweenmaintenancethresholdanddegradationfeatures,ismade;andmaintenancethresholdispredictedcombinedwiththepredictionofperformancedegradationfeature

5、s,andthenthetimetopreventivemaintenanceisobtained,.Anexampleisdemonstratedtoverifythevalidityandfeasibilityofmaintenancethresholdpredicting.Themethodcanbeusedtoprovidedecisionandinformationsupportingforthemaintenanceplan—HK一—■—■——■—■、-a.tF点。CBM根据设备的为前运行状态，积极釆用先进的监测诊断技术、对靠性和寿命评价技术，达到提

6、高设备可靠性、降低运行维修费用、改善运行性能等Id标，从而提高企业参与市场竞争的能力。CBM是基于状态检测中采集到的信息建议维修工作的维修方式⑴。一般来说，CBM包含三个关键阶段〔巩(1)数据采集阶段，即获得设备状态的相关数据；作者简介：李书风(1986・)，女,硕士，主婆研究方向：以可靠性为中心的状态维修决策研究.E-mail:lishufenghvv@sina.com(2)数据处理阶段，即分析阶段1中采集到的数据并进行解释说明；(3)维修决策制定阶段，即基于获取的状态信息和它的分析说明建议冇效的维修策略。随着传感器和信号处理技术的发展，可以提取多种性能退化数

7、据用于设备诊断和评估。基于衰退性能的可靠性建模技术已经得到了广泛的研究并应川于许多工程问题中。其中，比例故障率模型(proportionalhazardsmodel,PHM)能够同时考虑衰退特征和随机冲击等唤失效，且不需要明确定义的失效边界可以将设备运行状态特征与设备本身完好程度即可靠度建立起较为精确的联系，实现设备运行可靠度的有效评估。本文研究问题的关键是应用PHM对设备进行以町靠性为中心的维修时机决策，建立退化特征与维修时机的关系；结合退化特征预测技术，提出设备维修时机预测的方法，从而预测设备从当询时刻到需要进行预防维修还有多长时间(timetopreven

8、tivemaintena