一種基于軸承剩余壽命預測的狀態維修優化決策方法

徐廷學，張 眾

(海軍航空工程學院，山東 煙臺 264000)

一種基于軸承剩余壽命預測的狀態維修優化決策方法

徐廷學，張 眾

(海軍航空工程學院，山東 煙臺 264000)

針對以往研究中狀態維修的關鍵環節，剩余壽命預測不能更新的問題，提出一種融合貝葉斯方法的神經網絡退化預測模型，實現利用實時傳感信號動態預測軸承的剩余壽命分布。檢驗結果表明,該模型對軸承的剩余壽命預測比較精確。基于更新的剩余壽命分布，建立了以費用率最小為目標的軸承狀態維修優化決策模型，求解得到最優的軸承預防性更換時間。

工業工程學；神經網絡； 貝葉斯方法； 振動頻譜；剩余壽命分布； 維修決策

隨著武器裝備集成度不斷提高，復雜性不斷增加，裝備維護成本也相應提高[1]。其中由于突發故障帶來的維修費用和停機損失在裝備維護成本中占到相當大的比例。傳統的事后維修和定時維修都不能很好地應對突發故障帶來的非計劃維修，易造成“過維修”和“欠維修”等問題[2]。基于狀態的維修(CBM)決策技術是在檢測、評估設備狀態的基礎上，選擇合理的維護方式，以最小期望費用率、最高可用度為目標，進行最優維護策略的制定[3]。CBM決策在制定維修策略時綜合考慮了系統運行狀態和個體差異，能實施更加 “精確”的維修，有效提高維修資源利用率，提高裝備完好率和可用度[4]。

實施CBM的關鍵是對裝備狀態進行準確評估。而剩余壽命(residualusefullife，RUL)是反映裝備狀態的綜合指標，可作為維修決策的重要依據。……