設備運行可靠性評估與維修優化方法思考

楊雁玲

(大同煤炭職業技術學院 山西大同 037003)

通常判斷設備運行可靠性的因素包含振動程度、機械受損程度、不確定狀態三種類型，可靠性評估的主要目的為及時發現設備存在的缺陷并進行改進，保障產品可靠性與綜合性能滿足使用需求，同時也能夠防范因設備運行故障引發安全事故，保障實現設備的安全高效運行。

1 設備運行可靠性的概念與評估計算方法

1.1 運行可靠性

設備在運行狀態下受溫度、應力、電流、電壓、腐蝕等因素的影響，將導致其零部件的性能不斷退化，由早期損傷逐漸發展為故障，最終導致設備失效。設備運行可靠性的衡量因素通常為受損最嚴重零部件的狀態，在進行運行可靠性的具體分析時應以可靠度作為量化指標，基于GB/T20921-2007將運行可靠度定義為在規定條件下、規定期限內設備不失效地完成要求功能的概率[1]。設h(t)為失效率函數、時間t為自變量，則運行可靠度的計算公式為：

1.2 可靠性評估方法

通常在設備運行過程中將產生速度、位移、應力、溫度、壓力、噪聲、電量等狀態信息，用于反映設備的退化情況，為可靠性評估提供重要參考。在設備運行狀態信息的獲取上，可分別依據正問題、反問題進行動態建模與故障機理分析、信號處理與故障特征提取。其中動態建模與故障機理分析主要以設備的零部件作為分析對象，選取零部件在不同約束條件下受到的物理量作用完成動力學模型的建構，經由分析得出故障產生機理及其表征，用于實現故障診斷；信號處理與故障特征提取則以設備的動態響應物理量信號作為分析對象，綜合采用多小波、隨機共振、局域均值分解等信號處理技術獲取故障特征或征兆，用于實現零部件故障定位與損傷情況的定量計算。在此基礎上，采用相關系數法、凝聚函數法、峭度指標法等完成關聯映射模型的建構，將分析結果映射到歸一化度量區間[0,1]上，即可完成設備運行可靠性評估[2]。

1.3 運行可靠度計算

（1）相關系數法。

當一類設備的運行狀態開始惡化時，在其運行過程中自相關系數將隨信號周期分量的增加而增加，則設備運行可靠度的計算公式為：

選取同類運行狀態良好的設備作為對照組，針對運行狀態劣化設備的可靠性進行評估，則其互相關系數的計算公式為：

（2）凝聚函數法。

選取同類運行狀態良好的設備作為對照組，針對劣化設備的運行可靠性進行評估，其可靠性計算公式為：

（3）峭度指標法。

通常當設備在運行狀態下零部件出現損傷時，將使其運行狀態信號的峭度有所增加，選取峭度指標作為可靠性評估依據，其計算公式為：

2 設備維修優化方法及其應用探討

2.1 采用H-RCM方法

傳統設備維修方法以可靠性(RCM)為中心，將故障后果劃分為隱蔽性故障、安全性和環境性、使用性以及非實用性后果四種類型，其研究對象局限于單一設備，未能將人的可靠性納入到評估范疇中，無法滿足企業現實需求。對此采用H-RCM方法進行改進，將可靠性評估對象由單一設備擴展到人機結合系統，并將其研究對象的功能擴展到設備本身、自感知、自決策、自控制、自恢復、自學習六項功能層面，其故障模式涵蓋設備本身故障、感知失誤、決策失誤、控制失誤、維護失誤與學習失誤六種類型。在H-RCM人機系統故障原因分析因子設計上，分別確定典型因子與變量，完成矩陣的設計，結合不同企業實際情況進行因子間相關系數值的設計，其中第i個因子與p-1個因子決定系數的均值的計算公式為：

當ri值越大，說明該因子在本類中的代表性越強，因此可將其作為故障原因分析因子，能夠有效提高H-RCM過程中人機系統故障原因分析的效率。將H-RCM方法應用于某風機機組運行可靠性評估中，將可靠性評估時長設為1年，配合平衡計分法與層次分析法進行評估結果的量化處理。在過程監控功能層方面，采用H-RCM方法后風機機組員工的崗位技術職稱達標率得到明顯提升，系統故障診斷準確率、維修返修情況也明顯好轉；在實施結果功能層方面，采用H-RCM方法后系統非計劃停工時間較基期值減少217h、人員傷亡事故數減少2起、違章操作的設備故障次數減少17次，人機系統維護資金節約11.3萬元，風機機組的維護管理水平得到顯著提升。

2.2 零相位時變濾波器設計

選取變速齒輪箱作為故障診斷對象，通常應以識別嚙合頻率的調制特征作為該設備的故障診斷依據，提取各傳動系統的嚙合頻率調制信號進行包絡調制分析，以此掌握各齒輪箱內齒輪的工作狀態。在此將零相位濾波器引入到基于Multi-scale chirplet的稀疏信號分解的時變濾波器設計方法中，使自適應的時變濾波器在通帶內相移為零，用于解決信號畸變、Hilbert變換對非平穩信號的單分量要求，提高濾波精度。在診斷流程設計上，首先應通過測量得出振動信號與每個齒輪箱的轉速信號；其次選用基于多尺度線調頻基的稀疏信號分解方法，獲取每個齒輪箱的嚙合頻率；再次需將嚙合頻率、轉頻的倍頻分別設為濾波中心與濾波帶寬，完成零相位自適應濾波器的設計，通過針對振動信號進行濾波處理，獲取到單分量的嚙合頻率調制信號；接下來基于Hilbert變換獲取相應包絡信號；最后結合轉速信號得到相應包絡信號的階比譜，掌握調制形態，實現故障診斷。其中基于多尺度線調頻基的稀疏信號分解方法所用的基函數庫為：

通過分析每一采樣時刻零相位濾波的時域處理過程、響應頻域可以得出，濾波輸出與輸入間不存在相移，由此推斷出零相位自適應時變濾波器的輸出、輸入間也不存在相移，因此能夠有效規避信號畸變問題的出現，提高濾波可靠性與精度。將該零相位自適應濾波器運用在變速齒輪箱的故障診斷中，可有效克服齒輪箱振動信號間的相互干擾，且由此獲取的不同傳動系統的包絡信號階比譜較為清晰，可實現對齒輪箱故障的有效診斷[3]。

2.3 改進的粒子群算法

基于“選擇性趨同”原理針對傳統粒子群算法進行改進，構建基于“選擇性趨同”的粒子群算法（S-PSO）。S-PSO算法的速度與位置更新公式分別為：

選取6個基準優化測試函數，基于S-PSO算法分別對其進行搜索運算，仿真試驗的硬件環境為Pentium(R)D、軟件平臺為WindowsXP，選取MATLAB7.0作為計算軟件，針對6個標準函數分別執行20次優化運算。通過觀察運算結果可以發現，S-PSO算法對于6個標準函數都能夠達到最靠近全局最優點的位置，算法所得結果的標準方差較低、魯棒性較好；針對S-PSO算法的收斂特性進行分析，可發現該算法的收斂速度、收斂精度均較高，能夠有效尋找到全局最優解。將S-PSO算法應用于某企業生產設備維修實際中，實現對設備原有預防性維修周期模型的優化，將算例參數代入到模型中可得出，在設備運行周期為500h的情況下，當預防性維修次數為5次時，維修總成本為最小值，因此在設備運行500h內進行5次預防性維修，即可保障設備運行的可靠性、達到最佳運行效果。

3 結語

設備在規定條件下與服役時間內的零部件運行狀態，將直接影響到設備運行功能與使用性能的發揮水平。本文基于H-RCM方法、零相位時變濾波器與改進粒子群算法進行設備維修方法的優化，實驗結果表明該方法具有良好的可操作性與預防性維修作用，在生產作業中具備較強的應用價值。