文/周慶忠 曾慧娥 袁耿林

油料裝備是實施油料保障的必備硬件，油料裝備運行狀態(tài)直接影響油料保障效能。以往對裝備進(jìn)行維修分為預(yù)防性維修(preventive maintenance)和修復(fù)性維修(corrective maintenance)，修復(fù)性維修模式在油料裝備失效后才修理，造成非計劃維修，更為嚴(yán)重的是因油料易燃、易爆、有毒性，這種“事后維修”極可能造成安全事故、環(huán)境污染、經(jīng)濟等損失。預(yù)防性維修模式定期對裝備維修，維修間隔期尤其關(guān)鍵。維修間隔期過長導(dǎo)致“維修不足”，過短則導(dǎo)致“維修過剩”。頻繁的維修不僅會增加維修成本，而且由于維修不當(dāng)、維修差錯等會導(dǎo)致設(shè)備可靠性下降。應(yīng)有針對性地制定油料裝備維修策略，這使得油料裝備維修模式正在向基于狀態(tài)維修（condition based maintenance，CBM）轉(zhuǎn)變。近年來，隨著科學(xué)技術(shù)進(jìn)展和人工智能理論的應(yīng)用，在CBM基礎(chǔ)上發(fā)展起來的增強型基于狀態(tài)的維修（condition based maintenance plus，CBM+）日益引起人們重視。對油料裝備CBM+維修策略進(jìn)行研究，對于油料裝備保障能力的提高，具有重要現(xiàn)實意義和軍事經(jīng)濟效益。

1.油料裝備CBM+概述

油料裝備CBM+屬于主動的預(yù)測性維修，通過在線監(jiān)視裝置（嵌入式傳感器、外部測量設(shè)備或便攜式設(shè)備）對油料裝備運行狀態(tài)進(jìn)行監(jiān)測，獲取裝備運行特征量信息。借助各種智能推理算法（如物理模型、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)融合、模糊邏輯、專家系統(tǒng)等），對裝備性能降低或即將發(fā)生故障等狀態(tài)進(jìn)行實時或近實時、或周期性的先行客觀評估，診斷識別故障的早期征兆，對故障部位、故障程度和發(fā)展趨勢做出判斷，預(yù)測裝備剩余壽命，融合油料裝備資源信息，進(jìn)行維修分析及決策。在盡量不影響使用前提下，規(guī)劃、組織和實施必需的裝備保障和維修活動。

CBM+特點體現(xiàn)為“四性”，即修理的預(yù)知性、針對性、及時性和維修方案的靈活性。CBM+的關(guān)鍵在于維修智能化。維修智能化則聚焦于維修智能決策，它是聯(lián)接裝備狀態(tài)監(jiān)測與裝備維修間的紐帶，是實現(xiàn)提高裝備可用度、優(yōu)化備件存儲、降低維修費用等業(yè)務(wù)目標(biāo)的驅(qū)動器?？梢?，CBM+是衍生的智能維修策略，其涉及技術(shù)、管理、組織、成本核算、資源配置等諸多方面，是一項復(fù)雜的系統(tǒng)工程。它主要通過預(yù)測和物流能力，擴展了傳統(tǒng)故障檢測與隔離以及維修管理能力。預(yù)測能力關(guān)注于哪個部件何時會失效，預(yù)測裝備維修需求。而物流能力則側(cè)重于如何及時協(xié)同整合維修資源，組織、實施維修。這兩種CBM+能力的交集，強化了油料裝備維修一體化保障力量。

2.油料裝備CBM+實施目標(biāo)

油料裝備CBM+實施目標(biāo)是：

（1）利用信息技術(shù)，開發(fā)故障識別診斷與預(yù)測算法模型，完善油料裝備故障智能診斷功能，減少故障識別與故障原因分析的不確定性，預(yù)測裝備性能衰退趨勢和剩余使用壽命，以便提高裝備的完好率和可用性。

（2）實現(xiàn)對油料裝備及其備件的使用、消耗和可用度數(shù)據(jù)的“端對端”可視化。通過油料裝備CBM+系統(tǒng)平臺，實時或近實時地將這些數(shù)據(jù)從維修人員傳輸?shù)礁骷壉Ｕ先藛T，使整個油料裝備保障鏈上相關(guān)部門，共享維修信息，上級決策部門實時獲取油料裝備信息，及時對油料裝備或備件進(jìn)行主動調(diào)配、定購和采辦，以便實現(xiàn)裝備資源優(yōu)化配置。

（3）支持不同維修層次、不同類型的維修決策活動，包括維修策略分析、維修方式?jīng)Q策、維修計劃編制與調(diào)整、維修故障分析、送修時機確定及送修單位選擇等，滿足各級人員的要求。

（4）重構(gòu)油料裝備維修業(yè)務(wù)過程，改革傳統(tǒng)的計劃維修機制，強化管理，建立全員規(guī)范化的裝備維修與管理組織機構(gòu)和技術(shù)培訓(xùn)機制。

CBM+的實施，將定期維修轉(zhuǎn)變?yōu)橐暻榫S修，減少維修負(fù)擔(dān)，縮減維修工時，延長裝備運行周期，減少事故的發(fā)生。降低使用與保障費用，減少或消除非計劃性維修，有效地利用維修資源，優(yōu)化庫存控制，縮減保障規(guī)模，提高油料裝備維修保障系統(tǒng)的響應(yīng)能力。

貴州紅粘土發(fā)育于亞熱帶季風(fēng)濕潤氣候地區(qū)，該地區(qū)含有豐富的地表水及地下水系統(tǒng)，碳酸鹽巖首先經(jīng)歷溶蝕-交代作用，溶蝕-交代作用包括巖溶作用、沉淀作用和交代作用。

3.油料裝備CBM+系統(tǒng)功能

從油料裝備CBM+的系統(tǒng)方案論證、研制到實施應(yīng)用來保證其有效性。油料裝備CBM+系統(tǒng)是包含大量軟件、硬件在內(nèi)的復(fù)雜集成系統(tǒng)。為將軟件與硬件產(chǎn)品有效集成為一個有機整體，實現(xiàn)與外部應(yīng)用程序的交互，應(yīng)采用執(zhí)行這些應(yīng)用程序的通用接口和網(wǎng)絡(luò)通信協(xié)議，遵循數(shù)據(jù)交換的標(biāo)準(zhǔn)。在構(gòu)建CBM+系統(tǒng)平臺時，應(yīng)充分考慮系統(tǒng)擴展性，滿足檢測與監(jiān)控工程環(huán)境要求，以便今后對現(xiàn)有在線狀態(tài)監(jiān)控系統(tǒng)或故障診斷系統(tǒng)進(jìn)行升級改造。

在油料裝備CBM+實施中，涉及在役裝備運行狀態(tài)數(shù)據(jù)、維修或保養(yǎng)數(shù)據(jù)、歷史故障數(shù)據(jù)、裝備建檔數(shù)據(jù)和裝備保障供應(yīng)數(shù)據(jù)等多種數(shù)據(jù)，應(yīng)構(gòu)建合適的數(shù)據(jù)庫，將各類數(shù)據(jù)存儲于計算機存儲介質(zhì)中。CBM+需眾多數(shù)學(xué)模型支持，可建立CBM 決策分析功能框架和數(shù)據(jù)結(jié)構(gòu)，利用計算機平臺實現(xiàn)復(fù)雜數(shù)學(xué)模型的運算。根據(jù)不同的維修決策需求，在計算機軟硬件的控制和支持下，調(diào)用相應(yīng)維修數(shù)學(xué)模型，實現(xiàn)維修智能決策。

油料裝備CBM+主要功能模塊有：

（1）油料裝備狀態(tài)數(shù)據(jù)采集模塊數(shù)據(jù)采集由傳感器、便攜式檢測儀器等裝置來完成，實時采集裝備運行工況參數(shù)(如溫度、壓力、流量、速度等)，獲取裝備零部件的工作性能、機械強度、疲勞極限與磨損程度等參數(shù)信號，提供裝備狀態(tài)信息。數(shù)據(jù)采集信息還包括裝備的維修數(shù)據(jù)，如預(yù)防性維修費用、更換費用、停機時間等。

（2）油料裝備狀態(tài)監(jiān)測模塊 該模塊接受來自數(shù)據(jù)采集模塊的裝備狀態(tài)數(shù)據(jù)，將其與期望值相比較，根據(jù)事先限定的域值發(fā)出警報。通過連續(xù)監(jiān)測獲取裝備狀態(tài)變化的預(yù)警參數(shù)，從而獲得故障初期的信息。

（3）油料裝備狀態(tài)評估模塊 主要功能一是智能狀態(tài)故障診斷，分析裝備狀態(tài)信息，根據(jù)故障特征，識別癥狀，查明隱患和初期異常，鑒定和定位故障根源。二是設(shè)備性能衰退趨勢預(yù)測，通過預(yù)告與設(shè)備性能衰退相關(guān)癥狀信息，來實現(xiàn)有計劃的維修活動。當(dāng)某裝備或其某部件被診斷為初始故障源后，通過內(nèi)嵌智能預(yù)測模型，評定缺陷部件的剩余壽命和失效程度，預(yù)測裝備剩余壽命等。

4.油料裝備CBM+建模分析

油料裝備CBM+智能決策的關(guān)鍵在于建模分析，建立油料裝備狀態(tài)信息與其運行性能間的關(guān)系，如剩余壽命預(yù)測模型（比例風(fēng)險模型、卡爾曼濾波模型、隨機劣化過程模型等）和不同目標(biāo)下維修決策模型。

4.1 比例風(fēng)險模型

油料裝備故障通常表現(xiàn)為多衰退特征，伴隨有裝備內(nèi)部隨機過程產(chǎn)生的輸出、裝備外部因素產(chǎn)生的輸出（如振動、溫度等），其壽命一般服從Weibull分布。故采用Weibull比例風(fēng)險模型，建立裝備故障率與裝備運行狀態(tài)參數(shù)和服役時間t的關(guān)系。

裝備故障率函數(shù)為：

式中：Z為協(xié)變量，表征裝備運行狀態(tài)；γ為回歸參數(shù)，反映協(xié)變量Z對裝備故障率的影響；γ.Z是協(xié)變量的線性組合，綜合反映裝備運行狀態(tài)信息。β和η分別為描述Weibull分布的形狀參數(shù)和尺度參數(shù)。

4.2 維修決策模型

對油料裝備運行狀態(tài)進(jìn)行評估，預(yù)測其剩余壽命后，可根據(jù)不同的決策目標(biāo)，調(diào)用相應(yīng)維修決策模型，得到裝備最優(yōu)維修策略。

（1）基于可用度的維修決策模型軍用油料裝備對裝備的戰(zhàn)備完好率和裝備可用性有嚴(yán)格的要求。對于這類保障任務(wù)性維修，將裝備可用度最大作為其維修決策目標(biāo)。在實際應(yīng)用中，以裝備平均可用度TAV(t)來表征可用度。

裝備平均可用度TAV(t)為：

式中，Tw(t)表示某一給定時間t內(nèi)能工作的時間；TF(t)表示某一給定時間t內(nèi)不能工作的時間。

（2）基于風(fēng)險的維修決策模型 某些關(guān)鍵油料裝備，其失效后果嚴(yán)重，易造成安全事故。對于這類安全性、可靠性要求高的裝備維修，則以風(fēng)險度作為裝備的維修決策目標(biāo)。

基于Weibull比例風(fēng)險模型，對應(yīng)的狀態(tài)歷史衰退特征至?xí)r間t時，裝備的可靠度函數(shù)為：

根據(jù)歷史故障數(shù)據(jù)，給出裝備失效可接受水平ε，求解該裝備的預(yù)防性維修間隔期TPM的表達(dá)式為：

（3）基于費用的維修決策模型 現(xiàn)代油料裝備結(jié)構(gòu)和技術(shù)復(fù)雜，發(fā)生故障后的修復(fù)費用大，考慮維修經(jīng)濟性，以裝備單位時間內(nèi)平均費用最小為維修決策目標(biāo)。基于Weibull比例風(fēng)險模型，最優(yōu)的預(yù)防性維修間隔TPM為：

式中，CPM為預(yù)防性維修成本，CCM為事后維修成本，β為描述Weibull分布的形狀參數(shù)。

采集油料裝備部件在運行狀態(tài)特征數(shù)據(jù)，組成數(shù)據(jù)樣本。應(yīng)用極大似然參數(shù)估計法（Maximum Likelihood estimate，MLE），求解出模型參數(shù)γ、β和η的估計值，從而求解故障密度和可靠度等指標(biāo)，得到推薦的最優(yōu)預(yù)防性維修間隔期TPM。

5.結(jié)語

油料裝備增強型基于狀態(tài)維修策略，能有效克服傳統(tǒng)維修模式存在裝備過修或失修問題，其今后研究焦點將聚集于裝備的健康預(yù)測和對裝備維修智能決策支持。油料裝備CBM+的實施，將使油料裝備維修向敏捷化、智能化發(fā)展，對于提高我軍油料裝備的維修保障能力，實現(xiàn)信息化條件下油料保障的快速感知與響應(yīng)具有重要意義。