謝志敏

（頤中（濰坊）實業(yè)有限公司，山東濰坊 262500）

1 機械系統(tǒng)預防性維修決策的研究

隨著我國科學技術不斷發(fā)展和應用，很多機械系統(tǒng)設備在實際運轉過程中出現(xiàn)故障的規(guī)律和基本模式逐漸趨于復雜化。要進一步加強機械系統(tǒng)的運轉效率，就要充分利用系統(tǒng)剩余壽命，確保機械系統(tǒng)在可靠性較強的基礎上提升可使用效率，實現(xiàn)精確化保障，不斷降低設備系統(tǒng)的維修費用。以下是對機械系統(tǒng)預防性維修決策的研究。

通常，機械系統(tǒng)的維修主要是指在保證機械系統(tǒng)處于正常執(zhí)行功能狀態(tài)下所進行的技術和管理操作。對于已發(fā)現(xiàn)異常的機械系統(tǒng)不僅要采取維修操作，還要不斷加強對于維修成本、維修所需要資源的消耗、生產(chǎn)效益之間的決策研究。通過研究來確定最佳且效率最高的維修方式，保證維修的損失控制在合理范圍內(nèi)。依據(jù)機械系統(tǒng)的維修發(fā)生時機可對其進行分類，主要包含2 個方面。

（1）修復性維修就是日常所說的事后維修，也就是機械系統(tǒng)在出現(xiàn)異常之后的維修，該部分工作的實際研究內(nèi)容不是很多。

（2）預防性維修是較為重要的關注部分，分為計劃性維修和視情況進行維修兩種情況。這兩種中較為理想的方式就是從機械系統(tǒng)的健康狀態(tài)檢測來進行視情況的維修操作，以及在此情況下拓展而來的預測維修。

目前，已有的預防性維護維修會從時間和狀態(tài)兩個方面來對機械系統(tǒng)進行維修和維護。其中，從時間角度進行維修主要指在給定的時間期限內(nèi)，對機械系統(tǒng)中還沒有失效的部分進行維修和維護，從而降低系統(tǒng)在實際使用過程中出現(xiàn)故障的概率，避免系統(tǒng)因失效而造成不必要損失。在機械系統(tǒng)較為復雜部分的壽命已知的情況下會采用定時維修方式。此外，從狀態(tài)角度進行維修主要指依據(jù)對機械系統(tǒng)狀態(tài)的實時檢測情況信息而施行的預防性維修操作，也就是一旦發(fā)現(xiàn)機械系統(tǒng)存在功能障礙的提前征兆，就要對其采取合理化針對性的維護操作。但現(xiàn)今很多機械設備的狀態(tài)維護方式都是采用假設已知的方式來建設退化狀態(tài)下的分布函數(shù)。該建設方式在實際運轉過程中會存在運行數(shù)據(jù)不足的情況，也會受到機械系統(tǒng)運行周圍環(huán)境和負載的影響，使得退化分布存在困難，需要進一步進行探究。

2 機械系統(tǒng)的剩余壽命預測研究

一般，機械系統(tǒng)的剩余壽命是對設備技術運行狀態(tài)參數(shù)的重要表征，剩余壽命的預測是對CBM 實施的重要性依據(jù)。系統(tǒng)剩余壽命的預測會結合系統(tǒng)機械設備的綜合運轉情況，將系統(tǒng)相關的歷史數(shù)據(jù)當作主要參數(shù)，借助于設備的運轉狀態(tài)對其剩余壽命進行預測。機械系統(tǒng)剩余壽命的預測方法主要包括：基于數(shù)理統(tǒng)計理論的預測方式、基于數(shù)據(jù)驅動的預測方式、基于模型的預測方式等部分。以下是對機械系統(tǒng)的剩余壽命預測的具體研究。

2.1 從數(shù)理統(tǒng)計角度對機械系統(tǒng)剩余壽命預測的研究

從數(shù)理統(tǒng)計角度預測剩余壽命的方式主要是指在具備重組的數(shù)理統(tǒng)計基礎上，結合已有歷史數(shù)據(jù)來擬合失效的分布，之后借助于回歸分析的基本數(shù)學模型來預測機械系統(tǒng)的剩余壽命。有的研究者采用對橋梁的不同時刻檢測結果來使用回歸分析的模型，建立橋梁的結構損傷和使用時間的關系，之后對橋梁結構的剩余壽命進行預測；還有的學者對道面狀況的指數(shù)建立預測模型，研究對象為機場的瀝青混凝土跑道；還有學者在進行大數(shù)量的資料和實驗分析之后，使用回歸分析建立混凝土與凍循環(huán)次數(shù)之間的數(shù)學模型，并采用該模型對高寒地區(qū)的機場跑道進行剩余壽命預測。由此可得，從數(shù)理統(tǒng)計角度對機械系統(tǒng)的剩余壽命進行預測的方法并不需要傳感器，也不需要對機械系統(tǒng)的故障類型進行確定后才可預測，該方法操作較為簡單方便。但需要具有數(shù)量龐大的歷史數(shù)據(jù)作為主要的研究基礎，還要依據(jù)主要的變量建立函數(shù)關系，實際預測的精確化程度并不是很高，屬于機械系統(tǒng)剩余壽命預測的粗略方法。

2.2 從數(shù)據(jù)驅動角度對機械系統(tǒng)剩余壽命預測的研究

該類方法主要應用于現(xiàn)今的狀態(tài)化數(shù)據(jù)監(jiān)測，主要包含的方法有神經(jīng)網(wǎng)路方法、支持向量機等一類方法，來對機械系統(tǒng)的剩余壽命進行預測，以下是對不同方法的具體研究。

（1）神經(jīng)網(wǎng)路的方法可通過對人體腦部神經(jīng)的學習及判別和推理進行模擬，可對已有歷史數(shù)據(jù)進行自動化更新，具有相對較好的容納錯誤性能，廣泛應用于機械系統(tǒng)剩余壽命的預測?，F(xiàn)有學者以機械系統(tǒng)的狀態(tài)監(jiān)測數(shù)據(jù)為基本內(nèi)容，采用動態(tài)化的小波神經(jīng)網(wǎng)絡進行訓練并建立機械系統(tǒng)出現(xiàn)故障特征的時間變化基本模型，該研究內(nèi)容的對象為軸承的剩余壽命；還有學者將機械裝備的剩余壽命和基本的檢測數(shù)據(jù)當作預測系統(tǒng)的輸入量，利用神經(jīng)網(wǎng)絡對水泵軸承的剩余壽命進行預測；還有學者使用人工網(wǎng)絡的方式對起重機的剩余壽命進行預測并實際驗證；有的學者采用反向傳播和自組織映射方式的神經(jīng)網(wǎng)絡對球軸承的剩余壽命系統(tǒng)進行預測。

（2）20 世紀末，有研究者首次提出了支持向量機理論的機器學習理論，該方法可將空間輸入部分映射到維度較高的空間。針對非線性問題可轉化為線性問題來提升機械系統(tǒng)剩余壽命預測的精確程度。其中，基于最小二乘法的支持向量機將最小二乘數(shù)學方法加入到SVM 中，實現(xiàn)了對SVM 的拓展。主要研究內(nèi)容涉及以下方面，例如，為探究實驗區(qū)水質的腐蝕情況，有研究者使用SVM 建立了支持向量機的剩余壽命預測模型，主要研究對象為注水管道；還有學者借助于關聯(lián)向量機回歸的方式對機械系統(tǒng)的剩余壽命進行預測，證明仿真的實驗效果要優(yōu)于傳統(tǒng)預測方法；還有學者提出了火炮特性預測模型，主要將量子和離子群算法應用于模型進行反演，證明了該方法具有很好的實用性價值。

2.3 從模型角度對機械系統(tǒng)剩余壽命預測的研究

研究表明可利用數(shù)學模型對機械系統(tǒng)的剩余壽命進行預測，該部分常使用的數(shù)學模型包括比例故障模型、濾波模型、馬爾可夫模型，以下是對不同模型的具體介紹。

（1）比例故障模型最早出現(xiàn)于20 世紀70 年代，該模型屬于多元線性回歸的基本方法，主要針對概率表征的劣化程度進行分布，將多種因素都考慮在內(nèi)。主要研究涉及以下方面，有的學者建立威布爾比例的故障模型，以發(fā)動機的某一軸承為研究對象進行了維修決策的基本研究；還有的學者建立了狀態(tài)信息的故障率模型，對機械系統(tǒng)的剩余壽命進行預測；還有的學者對比例故障模型進行了修正后借助于比例強度，對軸承的剩余壽命進行預測，還評估了對于預防維修的影響作用。

（2）濾波模型主要建立在延遲時間的概念理論上，將所需狀態(tài)信息當作條件，對剩余壽命分布進行推測。該概念可把機械系統(tǒng)的運行分為正確及故障延遲兩個階段，可通過監(jiān)測數(shù)據(jù)建立不同階段的狀態(tài)分布情況。有的研究者使用粒子相關理論預測了行星載板的剩余壽命，還有通過建立概率密度函數(shù)對軸承的剩余壽命進行預測，還借助于基本濾波模型推導極大似然估計法的預測模型等。

（3）馬爾可夫模型屬于隨機過程的預測模型，在已知系統(tǒng)的條件下建立模型，模型與系統(tǒng)的未來和過去發(fā)展并沒有太大關系。該模型建立時可將動態(tài)的貝葉斯網(wǎng)絡使用起來，對狀態(tài)轉移概率進行了解，之后使用蒙特卡洛方法進行仿真預測，有學者將狀態(tài)指標設置為隨機預測模型，采用馬爾可夫對失效概率進行檢測。該模型相較于其他預測模型，精確程度較高，但實際預測過程需要工程模型的支撐，復雜程度也會相對較高，可適用于與假設系統(tǒng)相關的機械系統(tǒng)預測。

3 機械系統(tǒng)剩余壽命和維修決策相關研究展望

通過對不同預測系統(tǒng)的研究可發(fā)現(xiàn)，現(xiàn)有系統(tǒng)研究具有待改進的部分，可從以下方面進行改善。

（1）可將多種模型進行組合之后對機械系統(tǒng)進行預測，已有機械系統(tǒng)剩余壽命和維修決策預測的方法模型包含很多種類，不同方法有其適用范圍。同時，對剩余壽命產(chǎn)生影響的因素有很多，如非線性、不確定性和時間變化性等，要對較為復雜的系統(tǒng)進行預測，就要將多種模型進行組合，針對不同層次的特征需要來強化對不同特征機械系統(tǒng)的預測。

（2）可進一步加強對不完備條件下機械系統(tǒng)剩余壽命的預測研究。由于對機械系統(tǒng)剩余壽命和維修決策研究要應用于實踐，故對機械系統(tǒng)進行預測時，要將實際運轉情況考慮在內(nèi)。但實際工程會受到很多方面限制，不能得到很完整的設備信息。在進行剩余壽命預測可采用不完備條件下的預測方式，結合實際工程情況，建立適合的模型，解決實踐應用的情況。

（3）強化對RUL（residual useful life，剩余壽命）動態(tài)化預測的研究。已知現(xiàn)階段的RUL 研究得到的預測結果都為處于靜止狀態(tài)的數(shù)值，并沒有考慮到設備實際運行的影響因素，因此，要改變靜態(tài)預測研究，就要不斷強化對于RUL 動態(tài)預測的研究，考慮到設備實際運行狀態(tài)的影響。使用RUL 動態(tài)化預測的方式可增強系統(tǒng)剩余壽命預測的自動更新能力，進一步提升系統(tǒng)預測精確度，確保所得到的數(shù)據(jù)更加真實有效。

4 結語

機械系統(tǒng)的剩余壽命預測及預防性維修決策研究具有很重要的意義和作用，不僅可以總結已有研究情況，還可通過總結進一步強化不同預測方法需要改進的方面。目前，已有的預防性維護維修會從時間和狀態(tài)兩個方面來對機械系統(tǒng)進行維修和維護。機械系統(tǒng)的剩余壽命預測涉及到數(shù)理統(tǒng)計、數(shù)據(jù)驅動、模型等不同方法和模型。要進一步提升機械系統(tǒng)的剩余壽命預測及預防性維修決策，就要將多種模型進行組合，進一步加強對不完備條件下機械系統(tǒng)剩余壽命的預測研究，強化對RUL 動態(tài)化預測的研究等。