基于状态监测的设备寿命预测与预防维护规划研究进展

寿命预测和预防维护规划是基于状态监测的维护中对维护效果有重大影响的两个研究内容。对近年来这两方面的代表性工作进行了总结和多层次分类,特别突出"基于相似性的寿命预测方法"和"在线预防维护模型"等正逐步兴起的新的研究领域。进而讨论了各类方法的适用范围,最后展望了一些必要的、有价值的研究方向。

基于多源数据分析的变电站状态维护策略优化方法

针对传统的电力设备基于状态的维护(condition based maintenance,CBM)策略在进行建模及数据优化时出现结果精度不足的问题,提出了一种基于多源数据分析的变电站状态维护策略优化方法。首先,通过分析不同类型组件之间的互联关系,将变电站分为不同的维护单元从而使同一单元内组件可同时维护;其次,为定量评估维护前后零件的可靠性,分别建立了基于健康指数(health index,HI)和寿命降低因子的失效率计算模型,并针对故障零件的位置和严重程度,提出了替代各类组件故障或缺陷的维护策略;再次,依据生命周期成本理论(life cycle cost,LCC),以最低总成本为维护周期优化目标建立了CBM优化模型。最后,通过应用实例验证了所提策略的有效性,该优化策略可显著提高变电站的供电可靠性及经济性。

基于状态的煤矿大型固定设备维护系统

针对煤矿大型固定设备维护中存在的不足,根据基于状态的维护(CBM)的概念,设计并实现煤矿大型固定设备维护系统。该系统包括自动化/人工采集、故障评估与分析、故障维护/维修、可靠性评估以及故障统计等功能,能够实现大型固定设备运行的数据提取、运行状态诊断及评估和故障发生的预测。通过实际应用,结果表明,基于状态的维护系统能够有效地降低设备故障的发生,为实现“无人值守、有人巡检”的高效、经济维护模式提供了保障。

设备状态智能诊断模型的自更新机制及其UML建模

为解决在设备状态监测应用中建立智能诊断模型经常面临历史样本数据空间有限的问题，研究了智能诊断模型的自更新机制，并采用统一建模语言对其进行了分析建模。在此基础上，给出了该机制的实施架构。该机制的基本思想是用实际设备状态监测过程中的监测数据来更新智能诊断模型。在此机制作用下，通过在设备状态监测过程中跟踪设备状态的变化，一个基于有限的设备状态样本空间训练的智能诊断模型能够在模型失效的情况下，通过学习新设备状态下的监测数据不断提升其诊断能力。该机制的可行性和有效性通过实例应用得到了验证。

串行伯努利生产线的实时维护决策控制

基于状态的维护(condition-based maintenance,CBM)方法可以有效降低设备故障率,但维护导致的设备停机会在一定程度上造成系统产量流失.为了减少CBM对生产系统的影响,提出了实时维护决策控制方法.首先,建立基于马尔可夫过程的数学模型描述系统动态变化.其次,通过计算永久性生产损失量化停机维护对产量的影响.最后,提出了一种控制算法以优化CBM决策.仿真试验结果表明,该模型能恰当描述伯努利生产线的动态变化,且CBM决策控制方法可以减少永久性生产损失、提高整体生产效率.

基于无铅焊点BGA封装随机振动试验的多类维护策略比较研究

基于状态监测的维护(Condition-based maintenance,CBM)策略与预测维护(Predictive maintenance,PdM)策略是近年来逐渐兴起的维护策略,CBM/PdM策略与传统的事后维护(Corrective maintenance,CM)策略、预防维护(Preventive maintenance,PM)策略的比较研究对推进CBM/PdM的工业应用十分重要,但相关研究十分有限。基于无铅焊点BGA封装的实测失效时间数据及状态监测数据,演示了PdM策略的应用流程,定量比较CM策略、PM策略、CBM策略和PdM策略。在此基础上,进一步探究CBM策略和PdM策略带来的维护效能提升的原因。结果表明,由于充分利用状态监测数据,CBM策略与PdM策略在决定维护时间时对产品的寿命预测结果更精确、可靠,因而在决定维护时间时更合理地平衡各类风险(维护的费用、产品失效的损失等),提升了维护效能。

基于多级数据融合的核电站运行功能健康状态评估

随着新一代信息技术和人工智能技术与工业日益深度的融合协作,工业系统的运维从传统的人工定期运维向基于状态的智能维护迈进,其中健康状态评估作为智能运维的关键环节,通过源源不断的数据对系统的演化进行持续感知分析,为预测性维护提供决策支持。以核电站为研究对象,提出面向多部门协同环境下设备-系统-子功能-功能多层级融合的健康状态评估框架。针对工业系统控制的设备群具有大量状态参数的特点,提出基于偏差赋权的加权平均融合算子融合设备级参数,可快速定位并突出异常设备参数,避免评估结果因融合参数较多而展现“健康”假象;鉴于系统在不同健康状态下样本数据量的差异,提出考虑不平衡样本的非对称多分类学习方法融合系统健康值,多个健康等级之间通过信息有向迁移建立可自学习优化的健康评估模型,实现子功能健康状态及时自感知评估;最后基于集成学习融合多个子功能所属的健康评估器,得到宏观的运行功能健康状态评估决策。在提出的框架指导下对核电站反应性功能进行逐级健康状态评估,验证所提方法的有效性。

基于SOAP的CBM系统通信模型设计与实现

基于状态的维护(CBM)是一种新的设备维护方式,它综合运用多种技术通过对设备工作状态的实时监测来对设备健康状况进行评估并诊断和预测设备未来的有效工作寿命及可能发生的故障。OSA-CBM研究小组制定了一套完整的实现CBM系统的标准框架,该框架根据不同的功能将CBM系统划分成7个模块,每个模块可以作为一个单独的子系统独立开发,独立运行,模块间通过通信实现数据的交换。传统的通信方式存在很多不足,如异构环境中通信实现的复杂性、难以通过防火墙的阻塞等。参照OSA-CBM标准,设计并实现了基于SOAP的CBM系统通信模型。SOAP技术的应用使CBM模块能更好地协同工作,增强了系统的开放性和兼容性,改善了以往模块间单一系统、单一厂商、单一网络的实现机制,弥补了在Internet异构环境中通信困难的不足。

基于WIA-PA的无线振动变送器的设计与实现

振动信号分析是对工业生产过程中电机、风机、泵等关键设备的运行状态进行监侧的有效手段,可用于设备基于状态的维护中。为了实现对现场设备振动信号的实时监测,提出一种基于WIA-PA(wireless networks for industrial automation-process automation)的无线振动变送器。详细阐述了无线振动变送器的设计、实现方法和数据处理算法;利用现场脱氧机泵实测振动数据对无线振动变送器进行了测试,并将处理结果与利用Matlab分析的结果进行了对比,两者对同一组数据的分析结果一致。

基于XML的CBM系统模型研究与实现

随着工业的发展,基于状态的维护技术(CBM)得到了更为广泛的应用。给出了基于XML的CBM系统中各软件组件的数据组成格式,提供了一种定义软件结构、内容和XML文档语义的方法,对基于XML的CBM系统软件结构模型进行了探讨和实现。

SOAP技术在OSA-CBM系统中的应用

基于状态的维护(CBM)是一种新的设备维护方式,国际上的研究小组正致力于CBM系统开发标准的制定,提出了一种开放式体系结构OSA-CBM。本文探讨了SOAP技术在开放式CBM系统中的应用,设计了基于SOAP的CBM系统通信模型,并给出了实现该通信模型的具体方法和步骤。

大功率短波发射机调谐电容故障预测和健康管理

故障预测与健康管理技术是目前业界关注的热点，该方法可以有效提高设备和系统可靠性、减少设备停机时间、降低设备维修成苓。苓文介绍了故障预测与健康管理的主流方法，分析比较了不同故障预测技术的优劣，结合陶瓷真空电容器的失效模式和失效特点，构建了马氏距离模型对陶瓷真空电容器进行故障预测。该方法可以有效预测故障发生时间，帮助企业提前制定维修计划，减少设备故障损失。

美国空军将大规模应用飞机预测性维修技术

美国空军刚刚成立的快速维护办公室计划在2020年将使用预测性维修技术的飞机数量增加两倍。美国空军于2019年启动了增强型基于状态的维护(CBM+)项目,通过传感器和算法收集数据,以确定哪些武器系统部件需要在失效前更换,目标是采取积极主动的维护策略提前维修,而不是坐等零部件损坏再予以维修。美国空军希望以此节省维修成本,同时保持飞机和飞行员的安全。