徐光華，梁 霖，張 慶，景敏卿，溫廣瑞，高志勇，金 穎，李文海

（1.西安交通大學(xué)機(jī)械工程學(xué)院，西安 710049；2.西安交通大學(xué)機(jī)械制造系統(tǒng)工程國家重點(diǎn)實(shí)驗(yàn)室，西安 710049；3.西安陜鼓動力股份有限公司，西安 710075）

1 前言

智能動力裝備產(chǎn)品的全生命周期包括產(chǎn)品總裝試車、現(xiàn)場試車、運(yùn)行管理、維護(hù)維修、報(bào)廢等全過程。經(jīng)濟(jì)全球化的今天，動力裝備作為復(fù)雜機(jī)電產(chǎn)品及其配套零部件應(yīng)用到不同行業(yè)、不同企業(yè)，產(chǎn)品全生命周期監(jiān)測診斷、性能優(yōu)化與維修備件服務(wù)支持會涉及到地球的各個(gè)角落。首先，必須采用先進(jìn)、高效的網(wǎng)絡(luò)技術(shù)獲取信息并實(shí)現(xiàn)有效的信息管理，為產(chǎn)品的全生命周期服務(wù)奠定基礎(chǔ)。其次，動力裝備在生產(chǎn)流程中處于核心地位，如果運(yùn)行狀態(tài)劣化、出現(xiàn)異常與故障往往會造成企業(yè)運(yùn)行安全事故，如喘振往往造成壓縮機(jī)的高耗能、低效率運(yùn)行[1]。盡管監(jiān)測診斷技術(shù)已經(jīng)應(yīng)用于動力裝備產(chǎn)品，但無法有效實(shí)現(xiàn)動力裝備全生命周期的監(jiān)測與診斷，特別是復(fù)雜動力裝備的動態(tài)自適應(yīng)監(jiān)測和關(guān)聯(lián)故障診斷成為急需解決的關(guān)鍵技術(shù)。再次，隨著我國制造業(yè)的發(fā)展，提升機(jī)電產(chǎn)品的信息化水平，加快制造服務(wù)業(yè)的發(fā)展已成為動力裝備制造業(yè)轉(zhuǎn)型升級的必由之路。動力裝備作為復(fù)雜機(jī)電產(chǎn)品，其檢修、維護(hù)需要具備完備的專業(yè)知識和專業(yè)的維修技術(shù)，再加上當(dāng)今技術(shù)更新速度較快，動力裝備應(yīng)用企業(yè)在人員和技術(shù)上難以勝任其維護(hù)要求，而基于動力裝備制造企業(yè)的遠(yuǎn)程性能優(yōu)化和維修備件管理服務(wù)成為未來的發(fā)展趨勢，特別是基于服役可靠性和狀態(tài)監(jiān)測的維修決策和備件需求預(yù)測與生產(chǎn)協(xié)同管理，可降低備件和維修成本，支持面向客戶零庫存的目標(biāo)實(shí)現(xiàn)。

本文針對我國動力裝備目前存在的產(chǎn)品全壽命周期監(jiān)測診斷技術(shù)缺乏、智能化水平不高、服務(wù)支持不足三方面急待解決的問題，開展動力裝備全壽命周期監(jiān)測診斷技術(shù)、全生命周期性能優(yōu)化與維修備件服務(wù)支持技術(shù)、全生命周期監(jiān)測與服務(wù)支持系統(tǒng)集成和示范基地建設(shè)三個(gè)方面的研究工作，如圖1所示，推動我國大型動力裝備監(jiān)測診斷系統(tǒng)的產(chǎn)業(yè)發(fā)展、提高其智能化水平，從而最終促進(jìn)大型動力裝備制造服務(wù)業(yè)的產(chǎn)業(yè)化升級。

圖1 智能動力裝備全生命周期診斷與服務(wù)技術(shù)實(shí)現(xiàn)流程Fig.1 Flow chart of diagnosis and service in life cycle

2 智能動力裝備全生命周期診斷與服務(wù)支持系統(tǒng)

構(gòu)建智能動力裝備全生命周期監(jiān)測與服務(wù)支持系統(tǒng)，需要對動力裝備全生命周期監(jiān)測診斷和全生命周期性能優(yōu)化、維護(hù)備件管理兩個(gè)領(lǐng)域展開研究。

2.1 動力裝備全壽命周期監(jiān)測診斷技術(shù)

動力裝備的全生命周期監(jiān)測診斷技術(shù)就是要實(shí)現(xiàn)從裝備制造企業(yè)試車到應(yīng)用廠家全壽命使用過程的監(jiān)測診斷支持，包含以下三個(gè)方面的內(nèi)容。

2.1.1 基于物聯(lián)網(wǎng)的動力裝備智能信號采集與管理系統(tǒng)

智能動力裝備產(chǎn)品的全生命周期監(jiān)測包括產(chǎn)品的生產(chǎn)、使用、維修處理和回收等全過程的動態(tài)監(jiān)測，涉及產(chǎn)品運(yùn)行狀態(tài)信息的獲取和管理。由智能傳感單元構(gòu)成了傳感器網(wǎng)絡(luò)，通過物聯(lián)網(wǎng)來獲取和管理這些智能動力裝備動態(tài)信息[2]，并提供給遠(yuǎn)程服務(wù)支持系統(tǒng)，完成對產(chǎn)品的動態(tài)監(jiān)測、評估、維護(hù)等服務(wù)?；谖锫?lián)網(wǎng)的動力裝備智能信號采集與管理系統(tǒng)主要目標(biāo)是：第一，研發(fā)基于物聯(lián)網(wǎng)的智能信號采集軟硬件系統(tǒng)，實(shí)現(xiàn)對智能動力裝備的全生命周期的動態(tài)信號采集[3]；第二，研發(fā)基于物聯(lián)網(wǎng)的智能信號采集管理系統(tǒng)，實(shí)現(xiàn)物聯(lián)網(wǎng)上信息采集系統(tǒng)的有效管理并為上層監(jiān)測服務(wù)系統(tǒng)提供可靠和全面的信息支持。

因此，整個(gè)系統(tǒng)分為兩個(gè)層面，如圖2所示。底層是以動力裝備和支持物聯(lián)網(wǎng)的智能傳感軟硬件系統(tǒng)構(gòu)成的動態(tài)信號采集部分，上層是智能信號采集管理系統(tǒng)，包括智能組網(wǎng)軟件、系統(tǒng)管理軟件、動力裝備信息數(shù)據(jù)庫以及為遠(yuǎn)程服務(wù)支持系統(tǒng)提供數(shù)據(jù)的各類數(shù)據(jù)服務(wù)接口。

圖2 基于物聯(lián)網(wǎng)的動力裝備智能信號采集與管理系統(tǒng)Fig.2 System of signal collection and management based on internet of things

2.1.2 動力裝備全生命周期動態(tài)自適應(yīng)監(jiān)測與托管服務(wù)系統(tǒng)

全生命周期監(jiān)測服務(wù)涵蓋了從新的動力裝備試車到其老化報(bào)廢的全過程，在現(xiàn)有局部監(jiān)測技術(shù)的基礎(chǔ)上，充分利用信息融合、自適應(yīng)數(shù)據(jù)建模、非線性特征提取等方法，研究動力裝備整機(jī)性能監(jiān)測技術(shù)、復(fù)雜動力裝備可靠性監(jiān)測技術(shù)、動力裝備非線性喘振過程監(jiān)測以及動力裝備啟停車監(jiān)測技術(shù)。在此基礎(chǔ)上，構(gòu)建如圖3所示的動力裝備全生命周期動態(tài)自適應(yīng)監(jiān)測與托管服務(wù)系統(tǒng)，為生產(chǎn)企業(yè)提供高效的監(jiān)測服務(wù)。

圖3 動力裝備全生命周期動態(tài)自適應(yīng)監(jiān)測與托管服務(wù)系統(tǒng)Fig.3 Dynamical monitoring and hosting service system

2.1.3 復(fù)雜動力裝備的遠(yuǎn)程健康狀態(tài)預(yù)示、評估與故障診斷服務(wù)系統(tǒng)

作為全生命周期監(jiān)測的動力裝備來說，除了能夠有效地實(shí)現(xiàn)對動力裝備進(jìn)行監(jiān)測托管服務(wù)，還應(yīng)該對全生命周期內(nèi)的動力裝備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)健康狀態(tài)評估和預(yù)測，同時(shí)對于運(yùn)行過程中、維修后等情況下出現(xiàn)的亞健康狀態(tài)進(jìn)行診斷分析，以便精確識別運(yùn)行狀態(tài)為后續(xù)裝備的服務(wù)系統(tǒng)提供支持。為此構(gòu)建如圖4所示的復(fù)雜動力裝備的遠(yuǎn)程健康狀態(tài)評估與故障診斷服務(wù)系統(tǒng)，該系統(tǒng)為動力狀設(shè)備提供全生命周期的健康狀態(tài)評估服務(wù)；同時(shí)，為動力裝備提供關(guān)聯(lián)診斷服務(wù)，識別出動力裝備的關(guān)聯(lián)故障。

圖4 復(fù)雜動力裝備的遠(yuǎn)程監(jiān)測診斷服務(wù)系統(tǒng)Fig.4 Remote monitoring and diagnosis system

2.2 動力裝備全生命周期性能優(yōu)化與維修備件服務(wù)支持技術(shù)

2.2.1 動力裝備轉(zhuǎn)子遠(yuǎn)程及現(xiàn)場全息動平衡快速響應(yīng)與平衡服務(wù)支持系統(tǒng)

失衡是動力裝備轉(zhuǎn)子常見的故障，本文以計(jì)算機(jī)網(wǎng)絡(luò)為信息傳輸媒介，研究遠(yuǎn)程轉(zhuǎn)子平衡中的關(guān)鍵技術(shù)，建立以動力裝備企業(yè)為中心的遠(yuǎn)程轉(zhuǎn)子平衡服務(wù)支持系統(tǒng)（見圖5）。主要內(nèi)容如下：a.以全息譜為核心，充分利用遠(yuǎn)程監(jiān)測診斷系統(tǒng)中的穩(wěn)態(tài)運(yùn)行數(shù)據(jù)和瞬態(tài)起停車數(shù)據(jù)，實(shí)現(xiàn)對平衡前失衡故障的確診；b.充分利用遠(yuǎn)程監(jiān)測數(shù)據(jù)庫中同類型設(shè)備的歷史平衡數(shù)據(jù)，提取同類型機(jī)組平衡配重影響共性特征；c.基于人工智能方法，研究動力裝備轉(zhuǎn)子和軸系的平衡配重方案優(yōu)化技術(shù)；d.利用共享和個(gè)性化修正的平衡數(shù)據(jù)特征，不斷計(jì)算和預(yù)測動力裝備當(dāng)前的失衡量，實(shí)現(xiàn)動力裝備轉(zhuǎn)子失衡量的在線估計(jì)。

圖5 轉(zhuǎn)子遠(yuǎn)程及現(xiàn)場動平衡快速響應(yīng)與信息服務(wù)系統(tǒng)Fig.5 Fast response and information service system of balancing for rigid rotor

2.2.2 基于狀態(tài)驅(qū)動的裝備維修管理與支持系統(tǒng)

大型動力裝備是集電子系統(tǒng)、機(jī)械系統(tǒng)、動力系統(tǒng)為一體的綜合復(fù)雜系統(tǒng)，對于大型裝備的維護(hù)支持保障不是一個(gè)部門所能完成的，而是需要使用單位、裝備主制造廠、輔制造廠協(xié)同工作，形成響應(yīng)迅速的維護(hù)鏈，需要開發(fā)一個(gè)以主動預(yù)防為核心的具有快速響應(yīng)的大型動力裝備維修管理與支持保障系統(tǒng)[4]。如圖6所示，宏觀層上利用面向裝備綜合狀態(tài)驅(qū)動的維修決策技術(shù)，實(shí)現(xiàn)維修計(jì)劃的制定和評估；計(jì)劃調(diào)度層上進(jìn)行面向敏捷維護(hù)鏈的維護(hù)資源計(jì)劃管理，實(shí)現(xiàn)對維修資源的優(yōu)化調(diào)度及維修計(jì)劃的管理；執(zhí)行層上采用以電子維護(hù)手冊為核心的數(shù)字化綜合維修支撐技術(shù)，為現(xiàn)場維護(hù)活動提供有效支持；同時(shí)構(gòu)建面向大型裝備維護(hù)綜合數(shù)據(jù)中心，為實(shí)施裝備維修服務(wù)提供支撐環(huán)境。

圖6 狀態(tài)驅(qū)動的維修管理與支持系統(tǒng)Fig.6 Maintenance management and support system

2.2.3 面向零庫存的全壽命備件服役需求預(yù)測與生產(chǎn)協(xié)同保障服務(wù)系統(tǒng)

在流程工業(yè)中，為保障大型動力設(shè)備的正常運(yùn)轉(zhuǎn)，存在著大量的零備件庫存，占用了大量資金，需要結(jié)合備件供應(yīng)企業(yè)共建有效的庫存管理體系及管理方法。另一方面，對于零備件制造商而言，通過建立最優(yōu)化“零庫存”體系使顧客能及時(shí)方便地獲得零備件，提高顧客響應(yīng)速度[5]。為此，本系統(tǒng)以客戶備件“零庫存”為主要構(gòu)架，實(shí)現(xiàn)對于備品備件需求的精確預(yù)測并降低企業(yè)備件生產(chǎn)成本。圖7顯示了以備件服役壽命預(yù)測模型為基礎(chǔ)，通過機(jī)組運(yùn)行狀態(tài)評估與零件劣化跟蹤監(jiān)測技術(shù)進(jìn)行實(shí)時(shí)修正，實(shí)現(xiàn)對常規(guī)及主關(guān)鍵備件需求的精確預(yù)測。并結(jié)合用戶動態(tài)備件需求計(jì)劃，制定動態(tài)備件庫管理策略及備品備件生產(chǎn)協(xié)同支持。

圖7 面向零庫存的協(xié)同保障服務(wù)系統(tǒng)Fig.7 Cooperation guarantee service system

3 智能動力裝備全生命周期診斷與服務(wù)系統(tǒng)關(guān)鍵技術(shù)研究

3.1 基于物聯(lián)網(wǎng)的動力裝備智能信號采集與管理系統(tǒng)

3.1.1 嵌入式傳感單元技術(shù)

嵌入式傳感單元[6]是實(shí)現(xiàn)物聯(lián)網(wǎng)動力裝備智能信號采集的硬件設(shè)備，也是構(gòu)成傳感網(wǎng)絡(luò)的基本單元。以動力裝備的關(guān)鍵功能部件相關(guān)測點(diǎn)為基礎(chǔ)，研究信息傳感單元構(gòu)架，完成特定的基本感知監(jiān)測功能，這種信息傳感單元設(shè)置隨意、增減靈活，相對獨(dú)立，具有一定的智能化，直接建在以太網(wǎng)上，可構(gòu)成動力裝備的智能傳感網(wǎng)絡(luò)，其主要組成包括信號的調(diào)理量化、數(shù)據(jù)處理、通訊聯(lián)網(wǎng)等部分。

3.1.2 智能采集監(jiān)測技術(shù)——休眠-激活機(jī)制

為實(shí)現(xiàn)物聯(lián)網(wǎng)動力裝備全生命周期信號采集監(jiān)測，同時(shí)減少網(wǎng)上的海量無效數(shù)據(jù)信息，研究具有休眠-激活機(jī)制的智能采集監(jiān)測技術(shù)。每個(gè)傳感網(wǎng)絡(luò)節(jié)點(diǎn)都有兩個(gè)狀態(tài)：激活狀態(tài)和休眠狀態(tài)。對外休眠，減輕網(wǎng)上無效數(shù)據(jù)量，而對內(nèi)實(shí)時(shí)監(jiān)測，不放過任何異常狀態(tài)；激活則反映出它的積極主動一面，異常時(shí)向上提交問題申請，求助解決，同時(shí)接受網(wǎng)上組態(tài)和命令，協(xié)同進(jìn)行有效數(shù)據(jù)的采集、上傳。

3.1.3 動態(tài)組網(wǎng)管理技術(shù)——關(guān)聯(lián)組網(wǎng)管理

傳感網(wǎng)絡(luò)的動態(tài)組網(wǎng)與監(jiān)測管理[7]是物聯(lián)網(wǎng)動力裝備智能信號采集與管理系統(tǒng)的核心機(jī)制之一。動態(tài)地組織、配置、調(diào)節(jié)相關(guān)的傳感網(wǎng)絡(luò)節(jié)點(diǎn)，以組成實(shí)時(shí)監(jiān)測具體動力裝備的智能傳感網(wǎng)絡(luò)，滿足不同監(jiān)測診斷的需求，實(shí)現(xiàn)設(shè)備狀態(tài)數(shù)據(jù)的有效傳輸。主要包括基于傳感網(wǎng)絡(luò)的設(shè)備監(jiān)測專用網(wǎng)的動態(tài)組建技術(shù)和基于物聯(lián)網(wǎng)的多信息傳感單元的關(guān)聯(lián)管理技術(shù)兩方面內(nèi)容。

3.1.4 基于物聯(lián)網(wǎng)的信息交換及安全技術(shù)

在物聯(lián)網(wǎng)動力裝備智能信號采集與管理系統(tǒng)中，作為不可缺少的重要組成部分就是信息的交換和存取。研究傳感網(wǎng)絡(luò)的信息交換和安全存取機(jī)制，以保證從底層的傳感網(wǎng)絡(luò)到關(guān)聯(lián)管理節(jié)點(diǎn)的信息流高效、可靠傳輸。

3.2 動力裝備全生命周期動態(tài)自適應(yīng)監(jiān)測與托管服務(wù)系統(tǒng)

3.2.1 動力裝備整機(jī)性能監(jiān)測

利用基于信息熵的監(jiān)測策略優(yōu)化方法，根據(jù)數(shù)據(jù)自身的隱含不確定性控制采集間隔，確保動力裝備全生命周期監(jiān)測的疏而不漏，為整機(jī)性能監(jiān)測提供充分可靠的局部監(jiān)測數(shù)據(jù)；利用遺傳規(guī)劃方法，自動優(yōu)化能夠融合多異常表現(xiàn)的綜合監(jiān)測指標(biāo)；將多維監(jiān)測指標(biāo)降維，形成其低維流形，綜合體現(xiàn)裝備運(yùn)行表現(xiàn)和服役條件的經(jīng)驗(yàn)特征，對其進(jìn)行連續(xù)的跟蹤分析，動態(tài)界定正常狀態(tài)下的性能參數(shù)變化范圍，作為個(gè)性化的報(bào)警依據(jù)，實(shí)時(shí)辨識動力裝備整機(jī)的非正常狀態(tài)與非正常發(fā)展趨勢。

3.2.2 復(fù)雜動力裝備運(yùn)行可靠性監(jiān)測

通過監(jiān)測參數(shù)統(tǒng)計(jì)樣本的跟蹤分析，量化動力裝備整機(jī)性能衰退模型。即將動力裝備性能衰退引發(fā)的不穩(wěn)定表現(xiàn)視為隱含變量，以整機(jī)運(yùn)行狀態(tài)數(shù)據(jù)為先驗(yàn)知識，建立二者之間的概率關(guān)系模型，通過迭代的概率估計(jì)方法，實(shí)時(shí)獲得動力裝備性能衰退的最優(yōu)后驗(yàn)概率分布[8，9]。在統(tǒng)計(jì)樣本實(shí)時(shí)獲取技術(shù)的基礎(chǔ)上，使用滑動概率神經(jīng)網(wǎng)絡(luò)瞬時(shí)估計(jì)動力裝備退化數(shù)據(jù)的條件概率分布，建立起概率分布的安全區(qū)間，確定失效臨界點(diǎn)，量化評估動力裝備的運(yùn)行可靠性，進(jìn)而計(jì)算性能衰退曲線(見圖8)，預(yù)報(bào)動力裝備整機(jī)的可靠性下降趨勢[10]。

圖8 性能可靠性評估Fig.8 Performance reliability estimation

3.2.3 動力裝備啟停車監(jiān)測

啟車過程是動力裝備在維修后必然經(jīng)歷的階段，研究表明啟停車數(shù)據(jù)中含有豐富的裝備狀態(tài)信息。通過經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）方法[11]提取非整周期采樣條件下轉(zhuǎn)子啟停車過程中各個(gè)測量截面對應(yīng)轉(zhuǎn)速下的幅值和相位，在此基礎(chǔ)上做出測量面的Bode圖，實(shí)現(xiàn)動力裝備失衡類型判斷及平衡加重指導(dǎo)，同時(shí)利用啟停車過程信息對轉(zhuǎn)子失衡方位和大小進(jìn)行估計(jì)（見圖9）。

圖9 力不平衡試重時(shí)起程的Bode圖Fig.9 Bode chart of force unbalance

3.2.4 動力裝備非線性喘振的過程監(jiān)測

動力裝備在運(yùn)行中由于失穩(wěn)引發(fā)喘振[12，13]，對壓縮系統(tǒng)而言，容腔內(nèi)非穩(wěn)定擾動能量由初始積累到激發(fā)喘振，其能量是非線性增長的，外部信號如振動、壓力等特征表現(xiàn)為強(qiáng)非線性特性。為了能夠?qū)崟r(shí)地捕獲系統(tǒng)的非線性演化趨勢，實(shí)現(xiàn)動力裝備在運(yùn)行過程中的有效狀態(tài)監(jiān)測，將傳統(tǒng)的時(shí)頻信號處理技術(shù)與先進(jìn)的非線性流行學(xué)習(xí)分析手段相結(jié)合，以動力裝備管網(wǎng)壓力信號為研究對象，集成離線的喘振先兆辨識與在線的狀態(tài)監(jiān)測，開發(fā)動力裝備非線性喘振的過程監(jiān)測模塊[14]。圖10顯示喘振發(fā)生發(fā)展的過程，從上到下依次為穩(wěn)定階段、過渡階段和喘振發(fā)作階段。

圖10 基于流形學(xué)習(xí)的喘振監(jiān)測Fig.10 Surge monitoring based on manifold learning

3.3 復(fù)雜動力裝備的遠(yuǎn)程健康狀態(tài)預(yù)示、評估與故障診斷服務(wù)系統(tǒng)

3.3.1 基于早期非線性識別的健康狀態(tài)預(yù)示評估技術(shù)

研究表明，動力裝備在其發(fā)生異常狀態(tài)過程中，其信號特征往往表現(xiàn)出強(qiáng)非線性特性，僅依靠線性特征分析方法難以發(fā)現(xiàn)嵌入在高維非線性數(shù)據(jù)集中的內(nèi)在結(jié)構(gòu)。另外，全生命周期的動力裝備故障往往經(jīng)歷一個(gè)從產(chǎn)生到發(fā)展、從輕微到嚴(yán)重的漸變過程。若能在故障早期進(jìn)行識別，則具有重要的意義。

因此結(jié)合動力裝備的振動特點(diǎn)，通過幾何學(xué)習(xí)的知識流形學(xué)習(xí)理論[15]，研究高維觀測空間與低維嵌入空間的顯式映射關(guān)系，設(shè)計(jì)最優(yōu)的動態(tài)監(jiān)督流形學(xué)習(xí)方法，推導(dǎo)推理規(guī)則和判別準(zhǔn)則在內(nèi)高維空間的數(shù)學(xué)表達(dá)，在此基礎(chǔ)上完成動力裝備常見早期故障的標(biāo)準(zhǔn)知識流形構(gòu)建，實(shí)現(xiàn)動力裝備的早期非線性健康狀態(tài)評估[16]，圖11為基于流行學(xué)習(xí)算法提取的軸承外環(huán)故障特征信號。

3.3.2 基于運(yùn)行劣化的動力裝備動態(tài)診斷方法

圖11 基于流形學(xué)習(xí)的軸承微弱特征提取Fig.11 Feature extraction of faint vibration signal for rolling bearings based on manifold learning

對于動力裝備來說，其全生命周期運(yùn)行是一個(gè)典型的設(shè)備狀態(tài)的劣化動態(tài)過程，對不同時(shí)刻信息樣本進(jìn)行連續(xù)分析和處理，動態(tài)反映出裝備運(yùn)行狀態(tài)的劣化發(fā)展和變化過程，從而根據(jù)裝備全生命周期的運(yùn)行定位提供不同的診斷服務(wù)技術(shù)支持。考慮到動力裝備的全生命周期監(jiān)測中用于診斷的特征指標(biāo)的相應(yīng)變化過程，研究如圖12所示基于支持向量回歸的動力裝備故障過程動態(tài)診斷方法[17]，研究個(gè)性故障與歷史故障過程間特征趨勢的內(nèi)在相似性，預(yù)測可能發(fā)生的故障模式，并進(jìn)行跟蹤分析，在裝備故障的發(fā)展過程中進(jìn)行診斷。

圖12 動態(tài)診斷方法Fig.12 Dynamical diagnosis method

3.3.3 基于復(fù)雜系統(tǒng)的動力裝備關(guān)聯(lián)診斷方法

針對結(jié)構(gòu)組成復(fù)雜且包含輔機(jī)裝置的動力設(shè)備，將動力裝備按測點(diǎn)級、軸系級和主輔機(jī)設(shè)備級分層次展開，實(shí)現(xiàn)診斷信息分層獲取和分級診斷決策。另外，針對動力裝備系統(tǒng)的建模困難，采用局部建模的復(fù)雜動力裝備關(guān)聯(lián)診斷技術(shù)，包括系統(tǒng)局部建模技術(shù)的、復(fù)雜系統(tǒng)的局部關(guān)聯(lián)關(guān)系的建模，以及基于局部模型下的故障辨識方法。

3.4 動力裝備全生命周期性能優(yōu)化與維修備件服務(wù)支持技術(shù)

3.4.1 動力裝備轉(zhuǎn)子遠(yuǎn)程及現(xiàn)場全息動平衡快速響應(yīng)與平衡服務(wù)支持系統(tǒng)

1）動力裝備平衡前失衡故障的確診技術(shù)。失衡是動力裝備的常見故障，突出的工頻分量是失衡的主要特征。以全息譜分析為核心的穩(wěn)態(tài)和瞬態(tài)振動分析的失衡確診方法，實(shí)現(xiàn)對以上具有相似特征故障的準(zhǔn)確診斷。

2）基于同類動力裝備的轉(zhuǎn)子平衡歷史數(shù)據(jù)共享?；谶h(yuǎn)程監(jiān)測診斷系統(tǒng)和監(jiān)測數(shù)據(jù)庫中的歷史平衡數(shù)據(jù)，研究同類型動力裝備的配重影響共性特征提取技術(shù)和配重影響共性特征的共享方法（見圖13）。配重影響共性特征共享技術(shù)研究包括了三個(gè)方面：鍵相、振動傳感器安裝方位存在差異時(shí)，振動數(shù)據(jù)的轉(zhuǎn)換和統(tǒng)一表達(dá)?；谂渲赜绊懝残蕴卣鞯钠胶馀渲厍蠼夥椒ㄔ谠黾觽€(gè)例平衡數(shù)據(jù)的情況下，配重影響共性特征以及個(gè)性化配重影響特征的更新。

圖13 同類動力裝備的轉(zhuǎn)子平衡方法Fig.13 Rotor balancing method

3）動力裝備轉(zhuǎn)子和軸系平衡配重的多目標(biāo)優(yōu)化。傳統(tǒng)的動力裝備轉(zhuǎn)子和軸系在動平衡中，平衡目標(biāo)是殘余振動平方和。該目標(biāo)函數(shù)并不能保證各個(gè)振動測量面上振動的均勻性。常常會出現(xiàn)一個(gè)面振動很小，而另一個(gè)面振動很大的情況。從實(shí)際平衡需要出發(fā)，以人們對平衡的期望，構(gòu)造如圖14所示的多目標(biāo)平衡計(jì)算新準(zhǔn)則。

建立基于多種給定約束條件下的平衡配重優(yōu)化計(jì)算。以基因算法、粒子群算法、蟻群算法等人工智能優(yōu)化方法為手段，研究動力裝備平衡配重的快速、精確優(yōu)化方法，提高配重優(yōu)化的效率和精度。

圖14 平衡配重的多目標(biāo)智能優(yōu)化Fig.14 Multi-objective intelligent optimization of counterweight

4）動力裝備轉(zhuǎn)子失衡量的在線評估技術(shù)。充分利用遠(yuǎn)程監(jiān)測診斷數(shù)據(jù)庫中的實(shí)時(shí)振動數(shù)據(jù)，開展動力裝備轉(zhuǎn)子失衡量的在線評估技術(shù)研究。根據(jù)動力裝備配重影響共性特征或個(gè)性化修正特征和當(dāng)前的振動數(shù)值，對動力裝備轉(zhuǎn)子相關(guān)平衡面的平衡配重大小和方位進(jìn)行估算。

5）動力裝備轉(zhuǎn)子遠(yuǎn)程平衡服務(wù)支持系統(tǒng)開發(fā)?；谟?jì)算機(jī)網(wǎng)絡(luò)技術(shù)構(gòu)建和開發(fā)動力裝備轉(zhuǎn)子的遠(yuǎn)程平衡系統(tǒng)。將平衡歷史數(shù)據(jù)共享技術(shù)、平衡配重的智能優(yōu)化技術(shù)、失衡量在線評估技術(shù)融為一體，開發(fā)和建立動力裝置遠(yuǎn)程平衡服務(wù)支持系統(tǒng)。動力裝置遠(yuǎn)程平衡服務(wù)支持系統(tǒng)將為用戶提供裝備平衡配重計(jì)算請求，平衡配重計(jì)算和優(yōu)化，以及計(jì)算結(jié)果及其他相關(guān)信息的返回等功能。

3.4.2 面向零庫存的全壽命備件服役需求預(yù)測與生產(chǎn)協(xié)同保障服務(wù)系統(tǒng)

1）基于狀態(tài)監(jiān)測的動態(tài)常規(guī)備件消耗量預(yù)測方法的研究。備件儲備是以已知備件的消耗量作為研究依據(jù)的，實(shí)際上備件的消耗量具有較大的隨機(jī)性，其計(jì)算是較復(fù)雜的問題，受多種因素影響，只能采用估算的方法。特別是對于大型動力設(shè)備采取“狀態(tài)監(jiān)測”和“視情維修”對策以后，動態(tài)備件儲備問題更為突出。因此依據(jù)備件的歷史消耗結(jié)合設(shè)備的運(yùn)行狀態(tài)信息，建立以維修統(tǒng)計(jì)模型為驅(qū)動條件的備件需求預(yù)測模型[18]，可以在滿足不同客戶的需求的情況下，降低備件的庫存。

2）基于狀態(tài)驅(qū)動的動態(tài)主關(guān)鍵備件需求預(yù)測方法的研究。由于備件庫存管理中涉及備件的種類和數(shù)量眾多，可分為常規(guī)備件和主關(guān)鍵備件。動力裝備主關(guān)鍵備件，也稱為間歇性使用備件。通常情況下，該類備件約占庫存?zhèn)浼?0%，約占總庫存資金的40%。因此對該類備件進(jìn)行重點(diǎn)控制，建立以狀態(tài)為驅(qū)動條件的備件需求預(yù)測模型，可有效地降低庫存資金占用。

3）備件庫存協(xié)同管理。在傳統(tǒng)的備件供應(yīng)鏈結(jié)構(gòu)中，各個(gè)使用單位的庫存管理是獨(dú)立的，備件的需求預(yù)測和安全庫存也是根據(jù)各自庫存的情況確定，這使得各企業(yè)的資源沒有得到合理的使用，庫存量也難得到真正的降低。因此考慮在生產(chǎn)商建立備件庫，根據(jù)各使用單位的備件需求預(yù)測，結(jié)合庫存信息和生產(chǎn)計(jì)劃構(gòu)建優(yōu)化模型，實(shí)現(xiàn)對所有資源的協(xié)同管理，最終實(shí)現(xiàn)“零”庫存[19，20]。

4 系統(tǒng)應(yīng)用模式

智能動力裝備全生命周期監(jiān)測與服務(wù)支持系統(tǒng)主要面向大型動力裝備企業(yè)提供其產(chǎn)品的全生命周期運(yùn)行服務(wù)，通過在制造企業(yè)構(gòu)建網(wǎng)絡(luò)監(jiān)測與服務(wù)中心，為產(chǎn)品配置標(biāo)準(zhǔn)的監(jiān)測診斷模塊，進(jìn)而構(gòu)建全生命周期監(jiān)測與服務(wù)支持系統(tǒng)的網(wǎng)絡(luò)系統(tǒng)，形成以制造企業(yè)核心產(chǎn)品為中心的全生命周期服務(wù)網(wǎng)絡(luò)。

具體示范工程以西安陜鼓動力股份有限公司為對象，建設(shè)目標(biāo)主要以各應(yīng)用氣體廠為主體，依托物聯(lián)網(wǎng)和網(wǎng)絡(luò)化監(jiān)測診斷技術(shù)，結(jié)合智能服務(wù)體系，建立相應(yīng)遠(yuǎn)程監(jiān)測和托管服務(wù)技術(shù)人員，以及快速響應(yīng)設(shè)備維修隊(duì)伍，并相應(yīng)配套備件及維修供應(yīng)鏈體系，主要組織構(gòu)成如圖15所示。通過構(gòu)建動力裝備的產(chǎn)品全生命周期監(jiān)測和服務(wù)網(wǎng)絡(luò)，實(shí)現(xiàn)制造業(yè)新服務(wù)模式，開拓新興服務(wù)市場。

圖15 動力裝備遠(yuǎn)程管理體系Fig.15 Remote management diagram of power equipment

5 結(jié)語

針對動力裝備在全生命周期的監(jiān)測診斷和維修管理服務(wù)的問題，本文設(shè)計(jì)了智能動力裝備的全生命周期監(jiān)測和服務(wù)支持系統(tǒng)，研究了系統(tǒng)中所應(yīng)用的關(guān)鍵監(jiān)測診斷和狀態(tài)驅(qū)動的智能維修管理技術(shù)，并利用系統(tǒng)的支持在用戶企業(yè)搭建動力裝備產(chǎn)品全生命周期監(jiān)測與服務(wù)支持的示范基地，進(jìn)行系統(tǒng)的示范驗(yàn)證。

[1]Gu G，Sparks A，Banda S S.An overview of rotating stall and surge control for axial flow compressors[J].IEEE Trans Control Syst Technol，1999（7）：639-647.

[2]王春新，楊 洪，王煥娟，等.物聯(lián)網(wǎng)技術(shù)在輸變電設(shè)備管理中的應(yīng)用[J].電力系統(tǒng)通信，2011，32（233）：116-123

[3]李云峰，張 勇.國家電網(wǎng)公司資產(chǎn)全壽命周期管理框架體系研究[J].華東電力，2010，38（8）：1126-1131.

[4]張繼銳.基于狀態(tài)的設(shè)備維修管理系統(tǒng)的研究與開發(fā)[D].西安：西安交通大學(xué)，2006.

[5]趙建民.基于案例的備件需求預(yù)測技術(shù)及軟件[J].計(jì)算機(jī)工程，2001，27（8）：138-139.

[6]張雄偉，曹鐵勇.DSP芯片的原理與開發(fā)應(yīng)用[M].2版.西安：西安電子科技大學(xué)出版社，2002：8-16.

[7]劉 彈.設(shè)備狀態(tài)點(diǎn)檢網(wǎng)絡(luò)化管理系統(tǒng)的研究與開發(fā)[D].西安：西安交通大學(xué)，2001.

[8]Kim Y S，Kolarik W J.Real-time conditional reliability prediction from on-line tool performance data[J].International Journal of Production Research，1992，30（8）：1831-1844.

[9]周東華，徐正國.工程系統(tǒng)的實(shí)時(shí)可靠性評估與預(yù)測技術(shù)[J].空間控制技術(shù)與應(yīng)用，2008，34（4）：3-9.

[10]華 成，張 慶，徐光華，等.動態(tài)概率模型跟蹤性能退化的實(shí)時(shí)可靠性評估[J].西安交通大學(xué)學(xué)報(bào)，2010，44（1）：46-51.

[11]Huang N E，Shen Z，Long S R，et al.The empirical mode decomposition and the hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc R Soc Lond，1998，454：903-995.

[12]吳寶海，席 光，王尚錦，等.離心式壓縮機(jī)性能預(yù)測模型研究[J].風(fēng)機(jī)技術(shù)，1993（3）：5-8.

[13]孫 濤，徐光華，張春梅.基于喘振頻域特性的失穩(wěn)預(yù)警技術(shù)研究[J].西安交通大學(xué)學(xué)報(bào)，2007，41（11）：1321-1325.

[14]張熠卓，徐光華，梁 霖.基于非線性流形學(xué)習(xí)的喘振監(jiān)測技術(shù)研究[J].西安交通大學(xué)學(xué)報(bào)，2009，43（7）：44-48.

[15]陽建宏，徐金梧，楊德斌，等.基于主流形識別的非線性時(shí)間序列降噪方法及其在故障診斷中的應(yīng)用[J].機(jī)械工程學(xué)報(bào)，2006，42（8）：154-158.

[16]梁 霖，徐光華，栗茂林，等.基于非線性流形學(xué)習(xí)的沖擊故障特征提取方法[J].西安交通大學(xué)學(xué)報(bào)，2009，43（11）：95-99.

[17]Yu Paoshan，Chen Shientsung，Chang Ifan.Support vector regression for real-time flood stage forecasting[J].Journal of Hydrology，2006，328：704-716.

[18]華 成，徐光華，張 慶，等.在線服役設(shè)備的備件動態(tài)統(tǒng)計(jì)與需求預(yù)測方法[C]//2010年全國振動工程及應(yīng)用學(xué)術(shù)會議.沈陽，2010：137-142.

[19]李金國，丁紅兵.備件需求量計(jì)算模型分析[J].電子產(chǎn)品可靠性與環(huán)境試驗(yàn)，2000（3）：11-14.

[20]郁君平.設(shè)備管理[M].北京：機(jī)械工業(yè)出版社，2002：153-160.