基于比例故障率模型优化机械系统的维护方法及系统技术方案

本发明专利技术公开了一种基于比例故障率模型优化机械系统的维护方法，包括：建立比例故障率模型；收集数据；对收集好的数据进行分析处理：对历史寿命数据进行统计处理，得到正确的历史寿命数据；将协变量和正确的历史寿命数据以及通过极大似然函数估计出来的威布尔PHM函数的参数分别带入建立好的可靠度函数内，得到测试时刻的可靠度并和预设可靠度阈值进行比较，求得维护时间，根据维护时间来判断机械系统是否需要维护或更换。本发明专利技术的方法能精确的计算出设备需要维护或者更换的时间，精确的计算出设备的维护或者更换时间，不仅能够避免不必要的经济损失和降低维护时间而且还能够延长设备的工作寿命并提高其可靠性。

Method and system for optimizing maintenance of mechanical system based on proportional failure rate model

The invention discloses a rate optimization model of mechanical system based on proportional fault maintenance methods, including: the establishment of proportional hazards model; data collection; to collect good data analysis of historical life data for statistical processing, get the correct number according to the history of life; covariate and correct data and life history the parameters of Weibull function PHM estimated through maximum likelihood function respectively to establish the reliability function good, get the test time and reliability and reliability of the preset threshold were compared, obtained according to the maintenance time, maintenance time to judge whether the mechanical system needs maintenance or replacement. The method of the invention can accurately calculate the equipment needs maintenance or replacement time, calculate the precise equipment maintenance or replacement time, not only to avoid unnecessary economic losses and reduce maintenance time but also can prolong the service life of equipment and improve its reliability.

【技术实现步骤摘要】
基于比例故障率模型优化机械系统的维护方法及系统
本专利技术涉及优化机械系统的维护方法，尤其涉及了一种基于比例故障率模型优化机械系统的维护方法及系统。
技术介绍
目前，几乎所有的设备寿命都取决于初期设计和后期的使用，而且，后期的使用条件的不同导致设备的寿命的不同，这就意味着一旦设备只要投入使用，其寿命就完全取决于其工作环境和维护。可见，正确的维护对于设备寿命是机器重要的因素。而传统的基于状态的维护(CBM)是一种非常流行的维护方法，这种方法推荐时基于状态监测所得数据做出维护决策，也就是说，预防性维护是关键。所谓的预防性维护是结合设备监测的状态来建立其退化模型，最后做出最佳的维护策略，基于这种情况，对于价格昂贵的设备来说，预防性维护肯定能够满足要求。但是，这种方法并不是试用于所有机械系统，许多小型机械系统并没有被精确的监测和维护。
技术实现思路
本专利技术针对现有技术中现有监测方法不够成熟的缺点，提供了一种基于比例故障率模型优化机械系统的维护方法。为了解决上述技术问题，本专利技术通过下述技术方案得以解决：一种基于比例故障率模型优化机械系统的维护方法，包括：建立比例故障率模型：建立威布尔PHM函数以及建立可靠度函数以及极大似然函数，并通过极大似然函数估计出威布尔PHM函数中的参数；收集数据：收集历史寿命数据和实时监测数据；对收集好的数据进行分析处理：将实时监测数据进行处理得到协变量，对历史寿命数据进行统计处理，得到正确的历史寿命数据；将协变量和正确的历史寿命数据以及通过极大似然函数估计出来的威布尔PHM函数的参数分别带入建立好的可靠度函数内，得到测试时刻的可靠度并和预设可靠度阈值进行比较，求得维护时间，根据维护时间来判断机械系统是否需要维护或更换。作为一种可实施方式，所述建立比例故障率模型的具体过程为：通过原始比例故障模型h(t，Z(t))＝h0(t)λ(βZ(t))(1)，其中h0(t)是确定的基本失效率，与失效时间有关，λ(βZ(t))为调整性的反映设备特征的变化的正函数，β是回归协变量系数向量，Z(t)是时间相关的协变量向量，得到现有比率故障模型即威布尔PHM：其中α>0，是形状参数，θ>0，是尺度参数，t指的是运行时间或者工作时间；根据现有比率故障模型求出设备在测试时刻t的可靠度为其中m是在测试时刻t之前的监测次数，ti是测试时间点，i＝1，2，…，m；公式(3)中，Z(s)的值只有在测试时间点是已知的，即在t0＜t1＜t2＜…＜tm这m个时间点处是已知的，而在每两个测试时间点之间的数值可以用常数来表示；其中f指的是失效时间，c指的是失效时间和截止时间，通过极大似然函数估计出威布尔PHM的形状参数和尺度参数。作为一种可实施方式，所述收集数据表示为以下数据集(Ti，Zi，δi)，其中，i＝1，2，…，m，表示的是m个相互独立的历史寿命数据，Ti是失效或截止时间，Zi＝(Zi(t)，0＜t＜Ti)是协变量的监测值，δi表示截止时间的指标。作为一种可实施方式，将实时监测数据进行处理得到协变量，所述分析的具体过程为：对所述监测数据进行错误数据剔除，所述监测数据由工作台水平、竖直和垂直三个方向上振动幅值组成，对每一个方向的原始振动数据进行特征提取，得到时域数据和频域数据，将时域数据和频域数据作为协变量，对所述协变量进行主分量分析，最终得到协变量。作为一种可实施方式，将协变量带入威布尔PHM函数之前，还包括拟合度检验过程，将所有协变量带入威布尔PHM函数内，得到威布尔PHM函数的拟合优度检验值，通过拟合优度检验值确定最优协变量。一种基于比例故障率模型优化机械系统的维护系统，包括：模型建立模块：用于建立比例故障率模型：建立威布尔PHM函数以及建立可靠度函数以及极大似然函数，并通过极大似然函数估计出威布尔PHM函数中的参数；数据收集模块：用于收集数据：收集历史寿命数据和实时监测数据；分析处理模块：用于对收集好的数据进行分析处理：将实时监测数据进行处理得到协变量，对历史寿命数据进行统计处理，得到正确的历史寿命数据；决策模块：用于将协变量和正确的历史寿命数据以及通过极大似然函数估计出来的威布尔PHM函数的参数分别带入建立好的可靠度函数内，得到测试时刻的可靠度并和预设可靠度阈值进行比较，求得维护时间，根据维护时间来判断机械系统是否需要维护或更换。作为一种可实施方式，所述模型建立模块设置为：通过原始比例故障模型h(t，Z(t))＝h0(t)λ(βZ(t))(1)，其中h0(t)是确定的基本失效率，与失效时间有关，λ(βZ(t))为调整性的反映设备特征的变化的正函数，β是回归协变量系数向量，Z(t)是时间相关的协变量向量，得到现有比率故障模型即威布尔PHM：其中α>0，是形状参数，θ>0，是尺度参数，t指的是运行时间或者工作时间；根据现有比率故障模型求出设备在测试时刻t的可靠度为其中m是在测试时刻t之前的监测次数，ti是测试时间点，i＝1，2，…，m；公式(3)中，Z(s)的值只有在测试时间点是已知的，即在t0＜t1＜t2＜…＜tm这m个时间点处是已知的，而在每两个测试时间点之间的数值可以用常数来表示；其中f指的是失效时间，c指的是失效时间和截止时间，通过极大似然函数估计出威布尔PHM的形状参数和尺度参数。作为一种可实施方式，所述数据收集模块设置为：所述收集数据表示为以下数据集(Ti，Zi，δi)，其中，i＝1，2，…，m，表示的是m个相互独立的历史寿命数据，Ti是失效或截止时间，Zi＝(Zi(t)，0＜t＜Ti)是协变量的监测值，δi表示截止时间的指标。作为一种可实施方式，所述分析处理模块设置为：对所述监测数据进行错误数据剔除，所述监测数据由工作台水平、竖直和垂直三个方向上振动幅值组成，对每一个方向的原始振动数据进行特征提取，得到时域数据和频域数据，将时域数据和频域数据作为协变量，对所述协变量进行主分量分析，最终得到协变量。作为一种可实施方式，所述决策模块设置为：将协变量带入威布尔PHM函数之前，还包括拟合度检验过程，将所有协变量带入威布尔PHM函数内，得到威布尔PHM函数的拟合优度检验值，通过拟合优度检验值确定最优协变量。本专利技术的方法能精确的计算出设备需要维护或者更换的时间，精确的计算出设备的维护或者更换时间，不仅能够避免不必要的经济损失和降低维护时间而且还能够延长设备的工作寿命并提高其可靠性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术的整体流程示意图；图2是本专利技术的整体结构示意图。具体实施方式下面结合实施例对本专利技术做进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。实施例1：一种基于比例故障率模型优化机械系统的维护方法，包括：S1、建立比例故障率模型：建立威布尔PHM函数以及建立可靠度函数以及极大似然函数，并通过极大似然函数估计出威布尔PHM函数中的参数；S2、收集数据：收集历史寿命数据和实时监测数据；S3、对收集好的数据进行分析处理：将实时本文档来自技高网...

【技术保护点】
一种基于比例故障率模型优化机械系统的维护方法，其特征在于包括：建立比例故障率模型：建立威布尔PHM函数以及建立可靠度函数以及极大似然函数，并通过极大似然函数估计出威布尔PHM函数中的参数；收集数据：收集历史寿命数据和实时监测数据；对收集好的数据进行分析处理：将实时监测数据进行处理得到协变量，对历史寿命数据进行统计处理，得到正确的历史寿命数据；将协变量和正确的历史寿命数据以及通过极大似然函数估计出来的威布尔PHM函数的参数分别带入建立好的可靠度函数内，得到测试时刻的可靠度并和预设可靠度阈值进行比较，求得维护时间，根据维护时间来判断机械系统是否需要维护或更换。

【技术特征摘要】
1.一种基于比例故障率模型优化机械系统的维护方法，其特征在于包括：建立比例故障率模型：建立威布尔PHM函数以及建立可靠度函数以及极大似然函数，并通过极大似然函数估计出威布尔PHM函数中的参数；收集数据：收集历史寿命数据和实时监测数据；对收集好的数据进行分析处理：将实时监测数据进行处理得到协变量，对历史寿命数据进行统计处理，得到正确的历史寿命数据；将协变量和正确的历史寿命数据以及通过极大似然函数估计出来的威布尔PHM函数的参数分别带入建立好的可靠度函数内，得到测试时刻的可靠度并和预设可靠度阈值进行比较，求得维护时间，根据维护时间来判断机械系统是否需要维护或更换。2.根据权利要求1所述的基于比例故障率模型优化机械系统的维护方法，其特征在于，所述建立比例故障率模型的具体过程为：通过原始比例故障模型h(t，Z(t))＝h0(t)λ(βZ(t))(1)，其中h0(t)是确定的基本失效率，与失效时间有关，λ(βZ(t))为调整性的反映设备特征的变化的正函数，β是回归协变量系数向量，Z(t)是时间相关的协变量向量，得到现有比率故障模型即威布尔PHM：其中α>0，是形状参数，θ>0，是尺度参数，t指的是运行时间或者工作时间；根据现有比率故障模型求出设备在测试时刻t的可靠度为其中m是在测试时刻t之前的监测次数，ti是测试时间点，i＝1，2，…，m；公式(3)中，Z(s)的值只有在测试时间点是已知的，即在t0＜t1＜t2＜…＜tm这m个时间点处是已知的，而在每两个测试时间点之间的数值可以用常数来表示；其中f指的是失效时间，c指的是失效时间和截止时间，通过极大似然函数估计出威布尔PHM的形状参数和尺度参数。3.根据权利要求1所述的基于比例故障率模型优化机械系统的维护方法，其特征在于，所述收集数据表示为以下数据集(Ti，Zi，δi)，其中，i＝1，2，…，m，表示的是m个相互独立的历史寿命数据，Ti是失效或截止时间，Zi＝(Zi(t)，0＜t＜Ti)是协变量的监测值，δi表示截止时间的指标。4.根据权利要求3所述的基于比例故障率模型优化机械系统的维护方法，其特征在于，将实时监测数据进行处理得到协变量，所述分析的具体过程为：对所述监测数据进行错误数据剔除，所述监测数据由工作台水平、竖直和垂直三个方向上振动幅值组成，对每一个方向的原始振动数据进行特征提取，得到时域数据和频域数据，将时域数据和频域数据作为协变量，对所述协变量进行主分量分析，最终得到协变量。5.根据权利要求4所述的基于比例故障率模型优化机械系统的维护方法，其特征在于，将协变量带入威布尔PHM函数之前，还包括拟合度检验过程，将所有协变量带入威布尔PHM函数内，得到威布尔PHM函数的拟合优度检验值，通过拟合优度检验值确定最优协变量。6.一种基于比例故障率模...

【专利技术属性】
技术研发人员：李强，易永余，吴芳基，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：浙江,33