朱連軍 孔瀟 孫海鵬

摘要：視情維修是解決定時(shí)維修和事后維修等維修方式所帶來的維修不足或過度維修等問題的有效方式，能夠?qū)崿F(xiàn)根據(jù)發(fā)動(dòng)機(jī)的工作狀態(tài)，預(yù)測(cè)并排除故障，而故障概率評(píng)估是視情維修策略制定的基礎(chǔ)。本文基于裝甲車輛發(fā)動(dòng)機(jī)故障模式分析，通過模糊隸屬度及專家評(píng)價(jià)法與模糊綜合評(píng)判相結(jié)合的方法，實(shí)現(xiàn)了發(fā)動(dòng)機(jī)故障概率的綜合評(píng)判，并通過算例進(jìn)行了計(jì)算分析，為裝甲車輛發(fā)動(dòng)機(jī)的視情維修提供了基礎(chǔ)。

Abstract： Condition based maintenance is the best way to solve the problems such as insufficient or excessive maintenance which caused by hard time maintenance. Condition based maintenance could predict and removal the faults of engine based on the engine working condition. Failure rate prediction is the basis of the strategy of condition based maintenance. In this paper， failure model effectiveness analysis （FMEA） is applied to armored vehicle engine， then， the fuzzy description logics method and the expert experience method are combined with the fuzzy comprehensive evaluation method to realize the failure rate prediction of armored vehicle engine， calculation and analysis though living example is carried out. The research results provide the basis for the condition based maintenance of the armored vehicle engine.

關(guān)鍵詞：故障模式分析;裝甲車輛;發(fā)動(dòng)機(jī);故障概率;模糊綜合評(píng)估

Key words： failure mode analysis;armored vehicle;engine;failure probability;fuzzy comprehensive evaluation

中圖分類號(hào)：V233.7? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2020）23-0188-04

0? 引言

我軍裝甲車輛發(fā)動(dòng)機(jī)均采用定時(shí)維修和事后維修的方式，存在維修不足或過度維修的情況，給車輛運(yùn)行帶來了巨大安全隱患，同時(shí)也存在不同程度的資源浪費(fèi)。視情維修能根據(jù)發(fā)動(dòng)機(jī)的工作狀態(tài)，及時(shí)預(yù)測(cè)并排除故障，不僅能降低故障率、提高車輛安全性而且能節(jié)省資源、降低成本。所以，積極探索裝甲車輛發(fā)動(dòng)機(jī)視情維修工作開展的理論及方法具有十分重要的意義。

故障概率評(píng)估是視情維修策略制定的基礎(chǔ)，采用合理的方法對(duì)研究對(duì)象進(jìn)行故障概率評(píng)估是很多學(xué)者研究的重點(diǎn)。文獻(xiàn)[1-7]分別采用不同的方法對(duì)不同的設(shè)備故障概率進(jìn)行了評(píng)估，并取得了很好的效果，但由于裝甲車輛發(fā)動(dòng)機(jī)結(jié)構(gòu)復(fù)雜，零部件多，故障模式也復(fù)雜多樣，對(duì)其故障概率進(jìn)行合理評(píng)估需要從各子系統(tǒng)進(jìn)行準(zhǔn)確的故障模式分析，結(jié)合合理的故障概率評(píng)估方法，將各子系統(tǒng)故障概率轉(zhuǎn)換為發(fā)動(dòng)機(jī)故障概率。

綜上，本文針對(duì)裝甲車輛的特點(diǎn)，依據(jù)故障模式分析，結(jié)合模糊綜合預(yù)測(cè)方法，對(duì)裝甲車輛發(fā)動(dòng)機(jī)進(jìn)行科學(xué)合理的故障概率評(píng)估，為其視情維修提供基礎(chǔ)。

1? 故障模式分析

裝甲車輛發(fā)動(dòng)機(jī)由發(fā)動(dòng)機(jī)本體及其輔助系統(tǒng)組成，其中發(fā)動(dòng)機(jī)本體由曲柄連桿機(jī)構(gòu)、傳動(dòng)機(jī)構(gòu)以及配氣機(jī)構(gòu)組成，輔助系統(tǒng)由燃油供給系統(tǒng)、冷卻系統(tǒng)、潤滑系統(tǒng)、起動(dòng)系統(tǒng)以及進(jìn)排氣系統(tǒng)組成。發(fā)動(dòng)機(jī)是一個(gè)復(fù)雜的系統(tǒng)，故障形式也復(fù)雜多樣，本文根據(jù)發(fā)動(dòng)機(jī)的常見故障、原因分析及診斷方法建立了故障模式、表征故障的特征參量以及特征參量測(cè)試方法的對(duì)應(yīng)關(guān)系表，如表1所示，具體的各故障特征參量的測(cè)試方法如表2所示。以氣缸發(fā)生磨損故障為例，其故障特征參量表征為：氣缸內(nèi)缸壓降低、發(fā)動(dòng)機(jī)發(fā)出功率下降、油耗增大、噪聲增大、排氣管冒藍(lán)煙等。上述故障特征參量可以通過發(fā)動(dòng)機(jī)綜合性能測(cè)試、油耗測(cè)試、耳測(cè)、目測(cè)等測(cè)試方式進(jìn)行檢測(cè)。

2? 模糊隸屬度法及專家評(píng)價(jià)法

基于故障特征參量的故障概率評(píng)估方法非常多，如威布爾比例風(fēng)險(xiǎn)模型[8]、比例強(qiáng)度模型[9]等，但上述模型不僅考慮了特征參量對(duì)故障概率的影響，而且考慮了部件故障概率隨時(shí)間變化的因素。實(shí)際上，本文所列舉的部分故障特征參量已經(jīng)考慮了部件性能隨時(shí)間退化的因素。所以，其會(huì)對(duì)故障概率評(píng)估的準(zhǔn)確性產(chǎn)生影響。

2.1 模糊隸屬度法

模糊理論是在模糊集合論的基礎(chǔ)上發(fā)展起來的，在模糊理論的基礎(chǔ)上，人們總結(jié)一些設(shè)備故障狀態(tài)，以此找出故障原因的隸屬度，由此發(fā)展為基于模糊隸屬度函數(shù)的故障診斷。本文在總結(jié)裝甲車輛柴油機(jī)故障模式的基礎(chǔ)上，結(jié)合故障規(guī)律及常見的模糊隸屬度函數(shù)，提出了基于故障特征參量及模糊隸屬度函數(shù)的故障概率評(píng)估方法。

隸屬度函數(shù)的確定方法非常多，常見的有模糊統(tǒng)計(jì)法、專家經(jīng)驗(yàn)法、二元對(duì)比排序法、綜合加權(quán)法、指派法等[10]，常見的模糊隸屬度函數(shù)也非常多，主要有：矩形分布、梯形分布、K次拋物線型分布、Γ形分布、正態(tài)分布、柯西分布等[10]，本文在分析各裝甲車輛使用部隊(duì)、戰(zhàn)區(qū)大修廠以及柴油機(jī)大修廠的維修數(shù)據(jù)后，選取五種隸屬度函數(shù)作為基于故障特征參量的裝甲車輛柴油機(jī)故障概率評(píng)估方法。

其中，A（x）為故障概率隨故障特征參量x的變化隸屬度函數(shù)，a，b，c為特征參量的閾值，？琢，？茁分別為常數(shù)。

2.2 專家評(píng)價(jià)法

專家評(píng)價(jià)法是由有豐富經(jīng)驗(yàn)的專家，根據(jù)其經(jīng)驗(yàn)，通過分析對(duì)比做出的綜合評(píng)價(jià)。專家評(píng)價(jià)法是實(shí)現(xiàn)缺乏數(shù)據(jù)而需要定量評(píng)價(jià)的有效方法之一。通過專家打分、一致性檢驗(yàn)、求和平均等步驟實(shí)現(xiàn)[11]。

3? 模糊綜合評(píng)判法

模糊綜合評(píng)判法是一種基于模糊數(shù)學(xué)的綜合評(píng)標(biāo)方法。該綜合評(píng)價(jià)法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)，即用模糊數(shù)學(xué)對(duì)受到多種因素制約的事物或?qū)ο笞龀鲆粋€(gè)總體的評(píng)價(jià)[12]。其實(shí)現(xiàn)步驟如下：

3.1 構(gòu)建模糊評(píng)價(jià)矩陣

根據(jù)實(shí)驗(yàn)測(cè)得的各評(píng)價(jià)參數(shù)數(shù)據(jù)，通過相對(duì)劣化度法、專家評(píng)價(jià)法等，可以確定評(píng)價(jià)向量S。

3.2 建立權(quán)重集

建立權(quán)重集是模糊綜合評(píng)判的重點(diǎn)，因?yàn)楦鱾€(gè)評(píng)價(jià)因素對(duì)總體評(píng)價(jià)結(jié)果的重要度各不相同，通過建立權(quán)重集能很好的區(qū)分各因素的重要度。結(jié)合L.A.Satty提出的層次分析法，首先應(yīng)建立單層判斷矩陣：

aij為評(píng)價(jià)指標(biāo)i對(duì)評(píng)價(jià)指標(biāo)j的相對(duì)重要度，取值范圍為1～9，具體取值可以參考表3，且aji=1/aij。

其次求取判斷矩陣A的最大特征根？姿max并代入式（7）中進(jìn)行一致性檢驗(yàn)：

其中，RI由n決定，見表4。

若，CR？燮0.1則滿足一致性條件，當(dāng)不滿足條件時(shí)可適當(dāng)調(diào)整A中各項(xiàng)的取值。將滿足條件的最大特征根？姿max所對(duì)應(yīng)的特征向量E進(jìn)行歸一化處理即為權(quán)重集W。

3.3 綜合評(píng)價(jià)

將權(quán)重集對(duì)評(píng)價(jià)向量進(jìn)行加權(quán)即可獲得發(fā)動(dòng)機(jī)故障概率的綜合評(píng)價(jià)結(jié)果：

4? 應(yīng)用算例

基于曲柄連桿機(jī)構(gòu)的分析算例，詳細(xì)闡述了柴油機(jī)故障概率評(píng)估方法，以柴油機(jī)拉缸故障為例，柴油機(jī)拉缸故障的故障特征參量表征為：①柴油機(jī)動(dòng)力性下降;②水溫升高;③柴油機(jī)出現(xiàn)明顯抖動(dòng);④怠速工況不穩(wěn)定，易熄火;⑤排氣管排藍(lán)煙，加機(jī)油口處冒藍(lán)煙;⑥噪聲明顯加大。其對(duì)應(yīng)的故障特征參量測(cè)試方法為：U1，U1，U7，U8，U35，U36。對(duì)于故障特征參量表征①，②，③有標(biāo)準(zhǔn)值進(jìn)行評(píng)估對(duì)比，可以采用模糊隸屬度法進(jìn)行評(píng)價(jià)，對(duì)于故障特征參量表征④，⑤，⑥無標(biāo)準(zhǔn)值對(duì)比，可以采用專家評(píng)價(jià)法進(jìn)行評(píng)價(jià)。

①該型柴油機(jī)標(biāo)定轉(zhuǎn)速功率（陸上）為C0=404（kW），柴油機(jī)使用手冊(cè)規(guī)定當(dāng)柴油機(jī)最大功率低于標(biāo)定轉(zhuǎn)速功率60%時(shí)，即應(yīng)該進(jìn)行大修，所以其特征參量閾值為q=404×60%=242.4（kW），當(dāng)柴油機(jī)在標(biāo)定轉(zhuǎn)速的實(shí)際功率越接近C0時(shí)，柴油機(jī)發(fā)生故障的概率越低，所以采用偏小型柯西分布計(jì)算其隸屬度函數(shù)值，??？琢=1，？茁=0.2，該型柴油機(jī)實(shí)際標(biāo)定轉(zhuǎn)速功率為x=354.2（kW），依據(jù)式（3），可知其模糊隸屬度值為A（x）=0.2802。

②柴油機(jī)的冷卻水正常溫度范圍為70～90℃，參量值有一定取值范圍，在正常溫度范圍之內(nèi)時(shí)，柴油機(jī)發(fā)生故障概率低，當(dāng)在溫度范圍之外時(shí)，發(fā)生故障的概率較高，所以，采用公式（5）進(jìn)行計(jì)算，取a=70℃，b=90℃，取？琢=2，？茁=2。將柴油機(jī)穩(wěn)定在標(biāo)定工況轉(zhuǎn)速，求取冷卻水溫平均值為91.2℃。采用公式（5）進(jìn)行計(jì)算得到其模糊隸屬度為A（x）=0.3415。

③依據(jù)文獻(xiàn)[13]所述方法對(duì)柴油機(jī)振動(dòng)狀態(tài)進(jìn)行測(cè)試，振動(dòng)值越大，柴油機(jī)狀態(tài)越差，發(fā)生故障的概率越大，其對(duì)應(yīng)的隸屬度函數(shù)值越大，所以，采用偏小型柯西分布計(jì)算其隸屬度函數(shù)值，？琢=2，？茁=6，依據(jù)國家標(biāo)準(zhǔn)GB 6075-1985《制定機(jī)器振動(dòng)標(biāo)準(zhǔn)的基礎(chǔ)》，選定Ⅲ類機(jī)械B級(jí)作為柴油機(jī)振動(dòng)狀態(tài)的評(píng)價(jià)標(biāo)準(zhǔn)，所以，閾值確定為：

測(cè)定柴油機(jī)振動(dòng)烈度為4.25mm/s，依據(jù)式（4），計(jì)算得到其隸屬度函數(shù)值為A（x）=0.0446。

④開展怠速運(yùn)轉(zhuǎn)測(cè)試，測(cè)試分為兩組，每組測(cè)試十次，每次柴油機(jī)在怠速工況下運(yùn)行5分鐘。由于怠速運(yùn)轉(zhuǎn)測(cè)試沒有標(biāo)準(zhǔn)值與對(duì)比，所以采取專家經(jīng)驗(yàn)法進(jìn)行評(píng)定，請(qǐng)五名有經(jīng)驗(yàn)的維修員對(duì)柴油機(jī)怠速狀態(tài)進(jìn)行打分為：

計(jì)算打分的總體標(biāo)準(zhǔn)差？啄<1，所以，打分滿足條件，求取平均值得到A（x）=0.1220。

⑤觀察排氣管尾氣狀態(tài)，當(dāng)柴油機(jī)在標(biāo)定轉(zhuǎn)速時(shí)，無排藍(lán)煙現(xiàn)象，當(dāng)柴油機(jī)處于怠速工況時(shí)，排氣管有輕微排藍(lán)煙現(xiàn)象，五名維修員的打分為：

同樣，總體標(biāo)準(zhǔn)差？啄也滿足條件，所以，A（x）=0.2060。

⑥請(qǐng)維修員對(duì)柴油機(jī)怠速及標(biāo)定轉(zhuǎn)速時(shí)發(fā)出的噪聲進(jìn)行判斷，依據(jù)噪聲的聲級(jí)與正常柴油機(jī)聲級(jí)對(duì)比并進(jìn)行打分，得到的結(jié)果依次為：

與前述方法一樣，得到A（x）=0.2820。

⑦綜合得到其評(píng)價(jià)得分分別為：

依照模糊層次分析法，通過分析各特征參量對(duì)故障的表征程度，建立判斷矩陣為：

采用方根簡(jiǎn)化算法計(jì)算得到其最大特征根？姿max=6.0138，對(duì)應(yīng)的特征向量：

歸一化后得到權(quán)重集為：

⑨綜合評(píng)判。

綜合評(píng)判柴油機(jī)發(fā)生拉缸故障的概率為：

同理，通過綜合評(píng)判，可以求出曲柄連桿機(jī)構(gòu)其它6種典型的故障模式的概率。以此為基礎(chǔ)，通過對(duì)比7種典型故障模式對(duì)曲柄連桿機(jī)構(gòu)的影響程度，采用模糊綜合評(píng)判求出曲柄連桿機(jī)構(gòu)整體故障概率。求出各子系統(tǒng)的故障概率后，同樣，可根據(jù)模糊綜合評(píng)判的方法求出整個(gè)發(fā)動(dòng)機(jī)的故障概率。由此，為發(fā)動(dòng)機(jī)視情維修策略的制定提供基礎(chǔ)。

5? 結(jié)束語

本文提出了基于故障模式分析的發(fā)動(dòng)機(jī)概率評(píng)估方法，通過故障模式分析，結(jié)合模糊隸屬度及專家評(píng)價(jià)法，采用模糊綜合評(píng)判，實(shí)現(xiàn)了發(fā)動(dòng)機(jī)概率的綜合評(píng)估。①根據(jù)裝甲車輛發(fā)動(dòng)機(jī)的結(jié)構(gòu)分類，對(duì)發(fā)動(dòng)機(jī)的典型故障模式進(jìn)行了詳細(xì)分析，并列舉了故障特征參量以及特征參量的測(cè)試方法;②基于故障模式分析，提出了基于模糊隸屬度及專家評(píng)價(jià)法，對(duì)發(fā)動(dòng)機(jī)典型故障模式發(fā)生概率進(jìn)行評(píng)估;③采用模糊綜合評(píng)判的方法，通過對(duì)發(fā)動(dòng)機(jī)典型故障模式的故障概率評(píng)估，實(shí)現(xiàn)了對(duì)發(fā)動(dòng)機(jī)整體故障概率的評(píng)估。

研究成果為發(fā)動(dòng)機(jī)視情維修策略的制定提供了基礎(chǔ)。

參考文獻(xiàn)：

[1]張安華.灰色預(yù)測(cè)模型及其在故障預(yù)測(cè)中的應(yīng)用[J].設(shè)備管理與維修，1994（09）：21-22.

[2]楊江天，岳維亮.灰色模型在機(jī)械故障預(yù)測(cè)中的應(yīng)用[J].機(jī)械強(qiáng)度，2001（3）：277-279.

[3]李瑞瑩，康銳.基于神經(jīng)網(wǎng)絡(luò)的故障率預(yù)測(cè)方法[J].航空學(xué)報(bào)，2008（3）：357-363.

[4]崔梅英.基于神經(jīng)網(wǎng)絡(luò)的電力變壓器故障預(yù)測(cè)模型研究[D].山東大學(xué)碩士學(xué)位論文，2011.

[5]楊婷.基于遺傳神經(jīng)網(wǎng)絡(luò)的汽車故障率預(yù)測(cè)[D].上海交通大學(xué)學(xué)位論文，2008.

[6]梁錦強(qiáng)，孫炯，劉凱.廣義加權(quán)最小二乘組合預(yù)測(cè)法在裝備故障率預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)與數(shù)字工程，2012（09）：39-40.

[7]汪文峰，楊建軍.裝備故障率預(yù)測(cè)模型[J].裝備環(huán)境工程，2007（5）：75-77.

[8]左洪福，張海軍，戎翔.基于比例風(fēng)險(xiǎn)模型的航空發(fā)動(dòng)機(jī)視情維修決策[J].航空動(dòng)力學(xué)報(bào)，2006（8）：716-721.

[9]張繼權(quán).基于比例強(qiáng)度模型的風(fēng)力發(fā)電機(jī)齒輪箱優(yōu)化檢修決策[J].廣東電力，2010（9）：1-6.

[10]余瓊芳，陳迎松.模糊數(shù)學(xué)中隸屬函數(shù)的構(gòu)造策略[J].漯河職業(yè)技術(shù)學(xué)院學(xué)報(bào)（綜合版），2003（1）：12-14.

[11]王有元.基于可靠性和風(fēng)險(xiǎn)評(píng)估的電力變壓器狀態(tài)維修決策方法研究[D].重慶大學(xué)博士學(xué)位論文，2008.

[12]朱世輝，楊春，李樹勇，唐杰.結(jié)合層次分析法的模糊綜合評(píng)價(jià)模型及其應(yīng)用[J].實(shí)驗(yàn)科學(xué)與技術(shù)，2006（3）：42-44.

[13]劉建敏.裝甲車輛柴油機(jī)技術(shù)狀態(tài)評(píng)價(jià)與預(yù)測(cè)方法研究[D].裝甲兵工程學(xué)院博士學(xué)位論文，2006.