機械設備故障規律及運行趨勢預測方法研究

董楠

（中國水電基礎局有限公司 天津武清 301700）

目前，大型機械設備正在朝著大型化、連續化和自動化方向發展，在設備的結構和構造方面也變得越來越復雜，為設備修理和維修工作帶來了極大困擾。在生產工作之中，機械設備一旦出現故障，為企業帶來的經濟損失難以估算。在機械設備維修體系之中，預防性定期維修和損壞在維修均存在明顯缺陷，無法對現代化生產需求進行滿足。

1 機械設備故障規律分析

機械設備故障規律的分析，可以對機械設備的狀態趨勢進行準確預測，對維修對策的制定和提高設備使用率方面有著較強的促進作用，可保證機械設備在工作中的平穩運行，同時建立完善的維修體系。在機械設備運轉過程中，性能會隨著使用年限的增加而下降，而很多故障在出現之前會存在一定的預兆，這種現象被稱為潛在故障，并引發機械設備功能故障，如圖1所示。從設備故障隨著時間的變化規律來看，可分為以下三個時期：

圖1 設備故障分析圖

1.1 早期故障期

在這一故障時期之中，主要是機械產品的磨合過程，由于在產品設計過程中，可能會存在設計和制造等方面的缺陷，從而進一步提升故障的發生頻率。除此之外，如果設備在不當的環境下進行使用，也會引發設備出現故障現象，而故障出現的時間主要取決于設計質量和設計理念的好與壞。

1.2 偶發故障期

當設備脫離早期故障期之后便會進入有效的使用壽命周期，在這一時期中，機械設備的故障頻率十分穩定，而且故障發生率也較低，此時也是設備的最佳使用時期。但由于使用和管理不當，該時期的機械設備也會出現故障問題，該類型的故障被人們稱之為偶發故障期。因此，在該時期的設備使用過程中，工作人員需要對設備管理方式進行合理改進，并在原有基礎上加強診斷和維修保養等工作，如此一來，可以使故障發生頻率降到最低。

1.3 耗損故障期

到了設備使用的最后一段時期時，由于設備的長時間運轉，設備零件很容易出現磨損、老化、腐蝕等問題，從而導致設備故障發生率的大大提升，人們將這種故障稱之為耗損故障期。當設備耗損期開始之后，需要對機械設備的整體進行全面修復，在經濟條件允許的情況下，降低該時期機械設備的故障發生率。

從上述機械設備故障規律分析來看，真實的反應出了設備從磨合到調試，再到最終停止使用，機械設備容易出現的故障類型。相關工作人員可以根據此變化規律，對設備的日常管理和維護工作進行加強，并將維修范圍進一步擴大，保證相關企業獲取更大的投資效益，如表1所示。隨著科學技術的不斷發展，數控設備和加工中心等現代化機械不斷涌現，而這些設備在結構上更加復雜，性能更為優良，可在一定程度上提高人們的生產效率。但由于結構的復雜，在故障預測和維修上也與傳統設備存在很大區別，需要相關工作人員對其故障規律進行進一步研究，為后續生產工作的開展提供基礎條件。

表1 某機械設備的故障規律

2 機械設備運行趨勢預測方法

在狀態監測技術使用過程中，趨勢預測具有重要作用，它可以對主要的故障進行發展預測，并對設備在運行過程中的劣化形式進行預告。另外，趨勢預測主要是對機械設備事故進行預防，避免生產工作受到影響的重要手段，并為維修人員提供故障線索，幫助他們今早對機械設備的故障類型進行確定，實現對故障影響的有效預防。由于趨勢預測方式的出現，可以對機械設備的故障和運行情況進行針對性檢測，實現檢修周期的有效延長，并實現維修時間的縮短，提高設備的維修效率和水平。

2.1 時序模型預測方法

在狀態監測之中，時序模型預測方法十分常用，可有效對機械設備的運行趨勢進行預測。在時序分析法之中，主要利用參數模型的觀測從而得到相關的隨機數據，之后對這組隨機數據進行有效處理，最終獲得人們想要的分析結果。時序模型可以對不同觀測值的相關性進行充分反映，也就是狀態變化的慣性問題，這種慣性可以將設備運行狀態額變化趨勢充分反映出來。

如果將機械設備中的某項變化看做是一個隨機數列｛yn｝，并將以往的觀測數據值作為后續觀測樣本，此時工作人員需要做的工作便是對時序模型進行建立。時序模型之中，ARMA是最基本，也是最實用的參數模型。ARMA的模型可以用一下公式進行表示：

在該式中，yn代表時間序列之中的信號觀測值或采樣值，而Wn代表與之向對應的觀測噪聲序列，ak代表自回歸系數，而bi則代表滑動平均系數。在實際觀測過程中，如果b=0，i=1，2，3…M，則會有以下關系成立：

上式主要是對這樣的一個序列進行描述，即當觀測值為yn時，可以對過去某時刻中的觀測值和當前時刻中的噪聲觀測值相結合。yn對yn-k屬于一種依賴性關系，該關系也被人們稱之為回歸，也就是Autoregressive，并與以上關系式組成了自回歸模型，簡稱為AR模型。

2.2 特征參數的回歸擬合方法

當設備狀態由正常發展到不正常時，可以引發故障全過程的劣化。在劣化過程中，一般可分為以下幾部分：①比例型劣化，劣化程度與時間呈現出正比關系。②加速劣化型，劣化程度與時間呈現出指數函數關系。③急劇劣化模式，從某一時刻開始，設備便開始出現劇烈惡化。在特征參數回歸模擬過程中，主要是通過擬合法對設備狀態進行合理預測，方式如下：①對數據進行輸入，這其中包括閾值和報警數值，根據回歸擬合特征值Xi，還會對n進行要求，保證n＞20。②進行曲線擬合。為了實現一條曲線的成功擬合，通常會利用最小乘二法將數據整合成第二條曲線，從而試下對劣化參數的合理表示：

xi=at2i+bti+c

在該式中，a、b、c分別表示三個常數，ti為Xi所對應的時間，根據相關計算過程可得出a、b、c的具體結果。

2.3 經濟大修模型預測方法

在實際生產過程中，企業需要對生產設備進行及時更新，并根據一定的大修次數對機械設備的經濟壽命進行合理確定，并對相應的大修次數進行合理更新。隨著設備維修次數j的增加，修理間隔T也會呈現出明顯的縮短趨勢，設備的維修費用C也會相應增加。如果從設備的磨損角度出發，工作人員可以根據設備更換之前的劣化規律對設備進行深入研究，此時可以得到經濟大修模型的預測公式：

該式中，可以對第j次到第j+1次的間隔周期進行合理表示。另外，利用上述公式還能對設備的大修期限進行合理確定，并根據設備的重要程度，開展怎樣的設備監視措施，以此來提升設備的利用率和生產效率。

3 總結

綜上所述，機械設備的定期大修會增加設備的總故障發生頻率，這主要是由于初期的高故障頻率向設備低故障期進行轉移。因此，在機械設備使用和監測維修過程中，應對狀態修理進行推廣和提倡，尤其是在結構復雜的現代設備維護過程中，可充分利用潛在的故障檢測對設備性能進行改善，以此來降低維修頻率和費用。

[1]蔣瑜，楊雪，阮啟明.機械設備故障規律及運行趨勢預測方法綜述[J].機電一體化，2001（3）：14～17.

[2]季云，王恒，朱龍彪，等.基于HMM的機械設備運行狀態評估與故障預測研究綜述[J].機械強度，2017（3）：511～517.

[3]湯愛軍.機械設備運行的預測和故障規律分析[J].科技創新導報，2008（32）：81～82.

[4]植海深，王藝光，蔣超，等.機械故障監測與診斷技術的研究綜述[J].大眾科技，2013（12）：108～109.

[5]趙賞鑫，張來斌，王朝暉，等.機械設備故障預測方法綜述[J].礦山機械，2005（2）：65～67.