机械系统剩余寿命预测及预防性维修决策研究

谢志敏

（颐中（潍坊）实业有限公司，山东潍坊 262500）

1 机械系统预防性维修决策的研究

随着我国科学技术不断发展和应用，很多机械系统设备在实际运转过程中出现故障的规律和基本模式逐渐趋于复杂化。要进一步加强机械系统的运转效率，就要充分利用系统剩余寿命，确保机械系统在可靠性较强的基础上提升可使用效率，实现精确化保障，不断降低设备系统的维修费用。以下是对机械系统预防性维修决策的研究。

通常，机械系统的维修主要是指在保证机械系统处于正常执行功能状态下所进行的技术和管理操作。对于已发现异常的机械系统不仅要采取维修操作，还要不断加强对于维修成本、维修所需要资源的消耗、生产效益之间的决策研究。通过研究来确定最佳且效率最高的维修方式，保证维修的损失控制在合理范围内。依据机械系统的维修发生时机可对其进行分类，主要包含2 个方面。

（1）修复性维修就是日常所说的事后维修，也就是机械系统在出现异常之后的维修，该部分工作的实际研究内容不是很多。

（2）预防性维修是较为重要的关注部分，分为计划性维修和视情况进行维修两种情况。这两种中较为理想的方式就是从机械系统的健康状态检测来进行视情况的维修操作，以及在此情况下拓展而来的预测维修。

目前，已有的预防性维护维修会从时间和状态两个方面来对机械系统进行维修和维护。其中，从时间角度进行维修主要指在给定的时间期限内，对机械系统中还没有失效的部分进行维修和维护，从而降低系统在实际使用过程中出现故障的概率，避免系统因失效而造成不必要损失。在机械系统较为复杂部分的寿命已知的情况下会采用定时维修方式。此外，从状态角度进行维修主要指依据对机械系统状态的实时检测情况信息而施行的预防性维修操作，也就是一旦发现机械系统存在功能障碍的提前征兆，就要对其采取合理化针对性的维护操作。但现今很多机械设备的状态维护方式都是采用假设已知的方式来建设退化状态下的分布函数。该建设方式在实际运转过程中会存在运行数据不足的情况，也会受到机械系统运行周围环境和负载的影响，使得退化分布存在困难，需要进一步进行探究。

2 机械系统的剩余寿命预测研究

一般，机械系统的剩余寿命是对设备技术运行状态参数的重要表征，剩余寿命的预测是对CBM 实施的重要性依据。系统剩余寿命的预测会结合系统机械设备的综合运转情况，将系统相关的历史数据当作主要参数，借助于设备的运转状态对其剩余寿命进行预测。机械系统剩余寿命的预测方法主要包括：基于数理统计理论的预测方式、基于数据驱动的预测方式、基于模型的预测方式等部分。以下是对机械系统的剩余寿命预测的具体研究。

2.1 从数理统计角度对机械系统剩余寿命预测的研究

从数理统计角度预测剩余寿命的方式主要是指在具备重组的数理统计基础上，结合已有历史数据来拟合失效的分布，之后借助于回归分析的基本数学模型来预测机械系统的剩余寿命。有的研究者采用对桥梁的不同时刻检测结果来使用回归分析的模型，建立桥梁的结构损伤和使用时间的关系，之后对桥梁结构的剩余寿命进行预测；还有的学者对道面状况的指数建立预测模型，研究对象为机场的沥青混凝土跑道；还有学者在进行大数量的资料和实验分析之后，使用回归分析建立混凝土与冻循环次数之间的数学模型，并采用该模型对高寒地区的机场跑道进行剩余寿命预测。由此可得，从数理统计角度对机械系统的剩余寿命进行预测的方法并不需要传感器，也不需要对机械系统的故障类型进行确定后才可预测，该方法操作较为简单方便。但需要具有数量庞大的历史数据作为主要的研究基础，还要依据主要的变量建立函数关系，实际预测的精确化程度并不是很高，属于机械系统剩余寿命预测的粗略方法。

2.2 从数据驱动角度对机械系统剩余寿命预测的研究

该类方法主要应用于现今的状态化数据监测，主要包含的方法有神经网路方法、支持向量机等一类方法，来对机械系统的剩余寿命进行预测，以下是对不同方法的具体研究。

（1）神经网路的方法可通过对人体脑部神经的学习及判别和推理进行模拟，可对已有历史数据进行自动化更新，具有相对较好的容纳错误性能，广泛应用于机械系统剩余寿命的预测。现有学者以机械系统的状态监测数据为基本内容，采用动态化的小波神经网络进行训练并建立机械系统出现故障特征的时间变化基本模型，该研究内容的对象为轴承的剩余寿命；还有学者将机械装备的剩余寿命和基本的检测数据当作预测系统的输入量，利用神经网络对水泵轴承的剩余寿命进行预测；还有学者使用人工网络的方式对起重机的剩余寿命进行预测并实际验证；有的学者采用反向传播和自组织映射方式的神经网络对球轴承的剩余寿命系统进行预测。

（2）20 世纪末，有研究者首次提出了支持向量机理论的机器学习理论，该方法可将空间输入部分映射到维度较高的空间。针对非线性问题可转化为线性问题来提升机械系统剩余寿命预测的精确程度。其中，基于最小二乘法的支持向量机将最小二乘数学方法加入到SVM 中，实现了对SVM 的拓展。主要研究内容涉及以下方面，例如，为探究实验区水质的腐蚀情况，有研究者使用SVM 建立了支持向量机的剩余寿命预测模型，主要研究对象为注水管道；还有学者借助于关联向量机回归的方式对机械系统的剩余寿命进行预测，证明仿真的实验效果要优于传统预测方法；还有学者提出了火炮特性预测模型，主要将量子和离子群算法应用于模型进行反演，证明了该方法具有很好的实用性价值。

2.3 从模型角度对机械系统剩余寿命预测的研究

研究表明可利用数学模型对机械系统的剩余寿命进行预测，该部分常使用的数学模型包括比例故障模型、滤波模型、马尔可夫模型，以下是对不同模型的具体介绍。

（1）比例故障模型最早出现于20 世纪70 年代，该模型属于多元线性回归的基本方法，主要针对概率表征的劣化程度进行分布，将多种因素都考虑在内。主要研究涉及以下方面，有的学者建立威布尔比例的故障模型，以发动机的某一轴承为研究对象进行了维修决策的基本研究；还有的学者建立了状态信息的故障率模型，对机械系统的剩余寿命进行预测；还有的学者对比例故障模型进行了修正后借助于比例强度，对轴承的剩余寿命进行预测，还评估了对于预防维修的影响作用。

（2）滤波模型主要建立在延迟时间的概念理论上，将所需状态信息当作条件，对剩余寿命分布进行推测。该概念可把机械系统的运行分为正确及故障延迟两个阶段，可通过监测数据建立不同阶段的状态分布情况。有的研究者使用粒子相关理论预测了行星载板的剩余寿命，还有通过建立概率密度函数对轴承的剩余寿命进行预测，还借助于基本滤波模型推导极大似然估计法的预测模型等。

（3）马尔可夫模型属于随机过程的预测模型，在已知系统的条件下建立模型，模型与系统的未来和过去发展并没有太大关系。该模型建立时可将动态的贝叶斯网络使用起来，对状态转移概率进行了解，之后使用蒙特卡洛方法进行仿真预测，有学者将状态指标设置为随机预测模型，采用马尔可夫对失效概率进行检测。该模型相较于其他预测模型，精确程度较高，但实际预测过程需要工程模型的支撑，复杂程度也会相对较高，可适用于与假设系统相关的机械系统预测。

3 机械系统剩余寿命和维修决策相关研究展望

通过对不同预测系统的研究可发现，现有系统研究具有待改进的部分，可从以下方面进行改善。

（1）可将多种模型进行组合之后对机械系统进行预测，已有机械系统剩余寿命和维修决策预测的方法模型包含很多种类，不同方法有其适用范围。同时，对剩余寿命产生影响的因素有很多，如非线性、不确定性和时间变化性等，要对较为复杂的系统进行预测，就要将多种模型进行组合，针对不同层次的特征需要来强化对不同特征机械系统的预测。

（2）可进一步加强对不完备条件下机械系统剩余寿命的预测研究。由于对机械系统剩余寿命和维修决策研究要应用于实践，故对机械系统进行预测时，要将实际运转情况考虑在内。但实际工程会受到很多方面限制，不能得到很完整的设备信息。在进行剩余寿命预测可采用不完备条件下的预测方式，结合实际工程情况，建立适合的模型，解决实践应用的情况。

（3）强化对RUL（residual useful life，剩余寿命）动态化预测的研究。已知现阶段的RUL 研究得到的预测结果都为处于静止状态的数值，并没有考虑到设备实际运行的影响因素，因此，要改变静态预测研究，就要不断强化对于RUL 动态预测的研究，考虑到设备实际运行状态的影响。使用RUL 动态化预测的方式可增强系统剩余寿命预测的自动更新能力，进一步提升系统预测精确度，确保所得到的数据更加真实有效。

4 结语

机械系统的剩余寿命预测及预防性维修决策研究具有很重要的意义和作用，不仅可以总结已有研究情况，还可通过总结进一步强化不同预测方法需要改进的方面。目前，已有的预防性维护维修会从时间和状态两个方面来对机械系统进行维修和维护。机械系统的剩余寿命预测涉及到数理统计、数据驱动、模型等不同方法和模型。要进一步提升机械系统的剩余寿命预测及预防性维修决策，就要将多种模型进行组合，进一步加强对不完备条件下机械系统剩余寿命的预测研究，强化对RUL 动态化预测的研究等。