电动执行机构寿命预测方法
【专利摘要】本发明电动机执行机构寿命预测方法解决了现有技术中无法获取技术状态退化失效信息导致的高精度电动机无法进行维修和优化的问题，通过实时获取电动机执行机构的运行状态并对电动机执行机构的运行状态进行分析获取电动机执行机构的免维护寿命。
【专利说明】电动执行机构寿命预测方法
【技术领域】
[0001]本发明涉及一种测试方法，尤其涉及一种电动执行机构寿命预测方法。
【背景技术】 [0002]电动执行机构技术状态会随着运转时间的变化而发生改变、退化或劣化并最终导致故障出现。需要根据电动机执行机构的退化程度来实施CBM (Condition BasedMaintenance,基于状态的维修)。因此，准确把握电动执行机构技术状态退化的机理，掌握退化失效过程中的状态演化，才能及时采用主动的维修策略对电动执行机构的技术状态进行控制。
[0003]围绕技术状态退化现象已经开展了大量研究，这些工作主要是在可靠性和加速寿命/退化领域进行的，其核心任务是对观测到的退化数据建模。退化模型建立在对退化路径的概率建模以及与预设的失效阈值投影分布比较的基础上，并要求准确考虑各种应力因变量对技术状态退化过程和相关概率分布的影响。
[0004]传统退化建模方法有两个基本假设，即电动执行机构技术状态随时间单调变化且可测，退化速度与有关应力之间的关系是线性。基于这一假设，可以建立技术状态退化过程
的一般路径。假设退化率是依赖于因变量向量笔M的随机过程。在互M作用下，到时亥|J?为止的累积退化可以表示为+￡i?(r,Z(r))ir , U:111 Jf0圮初始退化程
度，相应地，失效阈值A1下的可靠性丨亦数为_)=巧1'>雄=_1^0))<￡?0) ?考虑退化
过程中的随机因素，上述模型可以扩展为一般的加性退化、乘法退化以及混合效应模型等，并可基于统计分析来估计模型中关于应力的参数。
[0005]上述方法在加速退化和加速寿命分析中得到了广泛应用，应该说明的是，这类退化模型有相对严格的前提。首先，它要求退化现象是直接可观测的，只有基于对退化现象的直接观测和抽样才可能建立明确的退化路径，进而才可能基于统计分析判断退化过程的性质。其次，它要求退化现象在理论上是可计算的，只有可计算的退化才可能建立退化程度/水平与环境作用/应力水平之间的定量模型。最后，它同时要求环境作用或应力水平是确定的且直接可测的，如此才能基于多重回归分析估计退化关于应力水平的参数。
[0006]然而，这些要求在实际应用中很难得到满足。一方面，对于许多退化现象，其底层的理论知识很有限，一般难以准确描述电动执行机构退化路径的结构和形式。另一方面，加速寿命测试和加速退化试验往往并不能表示电动执行机构的真实操作环境，影响电动执行机构退化的环境因素或应力水平并不是确定的而是随机变化的。同时，电动执行机构的退化现象也并不能直接进行观测，电动执行机构退化可能受到多个未知的物理/化学过程的影响。
[0007]绝大多数电动执行机构在运行前基本上不大可能获得技术状态退化失效的明确知识，这是因为对高精密的现代电动执行机构进行破坏性的加速寿命/退化试验，其代价是昂贵的和惊人的，同时加速寿命/退化的试验环境也不能替代真实的电动执行机构使用环境。因此，为实现电动执行机构的科学维修，就必须依靠电动执行机构使用的状态监控收集电动执行机构退化、失效以及维修的有关数据，基于这些数据来反演电动执行机构退化失效过程，在此基础上再进行维修策略的决策和优化。
【发明内容】
[0008]本发明公开了一种电动机执行机构寿命预测方法，用以解决现有技术中无法获取技术状态退化失效信息导致的高精度电动机无法进行维修和优化的问题。
[0009]本发明的上述目的是通过以下技术方案实现的:
一种电动机执行机构寿命预测方法，其中，对电动机执行机构的运行状态进行监测，实时获取电动机运行状态数据，将电动机运行状态数据传输至数据处理器，对电动机运行状态数据进行处理，导出电动执行机构免维护寿命数据。
[0010]如上所述的电动机执行机构寿命预测方法，其中，对电动机运行状态数据进行处理具体包括:将每台电动机执行机构数据沿时间轴分布，获取最终的电动机执行机构免维护寿命数据。
[0011 ] 如上所述的电动机执行机构寿命预测方法，其中，对电动机执行机构的运行状态进行监测具体包括:获取电动机执行机构的振动、油液数据。
[0012]如上所述的电动机执行机构寿命检测方法，其中，对电动机执行机构的运行状态进行检测还包括:获取滑油中磨屑粒子浓度。
[0013]如上所述的电动机执行机构寿命预测方法，其中，对电动机运行状态数据进行处理具体包括:将每台电动执行机构的滑油光谱检测数据沿时间轴分布，处理滑油中磨屑粒子浓度的抽样路径，获取最终的电动机执行机构免维护寿命数据。
[0014]如上所述的电动机执行机构寿命预测方法，其中，通过一远程接口传输电动机执行机构免维护寿命数据。
[0015]如上所述的电动机执行机构寿命预测方法，其中，通过一显示装置，显示电动机执行机构免维护寿命数据。
[0016]综上所述，由于采用了上述技术方案，本发明电动机执行机构寿命预测方法解决了现有技术中无法获取技术状态退化失效信息导致的高精度电动机无法进行维修和优化的问题，通过实时获取电动机执行机构的运行状态并对电动机执行机构的运行状态进行分析获取电动机执行机构的免维护寿命。
【专利附图】
【附图说明】
[0017]图1是本发明电动机执行机构寿命预测方法的技术状态退化的状态转移示意图； 图2是本发明电动执行机构寿命预测方法的一电动机执行机构的滑油中铁粒子浓度
抽样路径示意图。
【具体实施方式】
[0018]下面结合附图和实施例对本发明做进一步描述:
图1是本发明电动机执行机构寿命预测方法的技术状态退化的状态转移示意图，请参见图1，一种电动机执行机构寿命预测方法，其中，对电动机执行机构的运行状态进行监测，实时获取电动机运行状态数据，将电动机运行状态的数据传输至数据处理器，对电动机运行状态数据进行处理，导出电动执行机构免维护寿命数据。
[0019]本发明对电动机运行状态数据进行处理具体包括:将每台电动机执行机构数据沿时间轴分布，获取最终的电动机执行机构免维护寿命数据。
[0020]本发明对电动机执行机构的运行状态进行监测具体包括:获取电动机执行机构的振动、油液数据。
[0021]本发明对电动机执行机构的运行状态进行检测还包括:获取滑油中磨屑粒子浓度。
[0022]本发明对电动机运行状态数据进行处理具体包括:将每台电动执行机构的滑油光谱检测数据沿时间轴分布，处理滑油中磨屑粒子浓度的抽样路径，获取最终的电动机执行机构免维护寿命数据。
[0023]本发明通过一远程接口传输电动机执行机构免维护寿命数据。
[0024]本发明通过一显示装置，显示电动机执行机构免维护寿命数据
在本发明的一个实施利中:电动执行机构退化失效过程的动力学分析的基本观点是:电动执行机构退化过程是不可直接测量的随机过程，电动执行机构退化程度只是数学抽象而没有明确的可量测的物理测度；电动执行机构退化状态是对这种不可测退化过程的人为划分，没有明确的物理含义，退化状态的演化就是退化随时间累积的过程；电动执行机构状态监控是对电动执行机构退化过程的间接观测，由此获得的状态监控数据，如振动、油液等，只是电动执行机构退化状态的一种间接反映，退化状态的演化是导致状态监控数据发生变化的根本原因。
[0025]基于以上观点和现有的退化建模理论，提出如下假设:
(I)尽管电动执行机构退化失效是连续变化的过程，但通过忽略局部变化之间的微小差异，总可以将其用有限状态的马尔可夫过程刻画。记*时刻电动执行机构的退化状态为
电动执行机构退化的状态空间可以用如下非空状态集合来表示其
中是初始退化状态，^!是故障状态，从而电动执行机构退化状态的演化可以用如图1所示的状态转移过程来示意，其对应的转移概率函数为:
(1.1)
由于退化程度是累加的，对于状态i>j_,应有这意味着图1中的状态转移是不
可逆的。但退化程度无法直接测量，为保持分析中数学形式的一般性，假设其转移路径存在，故在图1中用虚线表示。
[0026]图1是本发明电动机执行机构寿命预测方法的技术状态退化的状态转移示意图，请参见图1，由于电动执行机构退化过程在进入到状态U即宣告结束，因此U也被称为
退化过程的吸收态，而状态被称为暂态。电动执行机构的寿命就是电动执行机构在
状态4 ~在.上的停留时间，也即退化在进入吸收态之前的时间。从而电动执行机构的失效
时间分布可以用在电动执行机构退化过程的暂态上的停留时间分布来刻画，因此电动执行机构的失效寿命分布可以定义为电动执行机构退化过程的吸收时间分布。[0027]定义在[Oj?)上的连续分布好(-)是有限位相型(Phase type — PH)分布，当且仅当它是一个有限状态马尔科夫过程的吸收时间分布。
[0028]若该有限状态马尔科夫过程S(i)定义在状态空间，馮m+1}上，其生
成元为分块矩阵
【权利要求】
1.一种电动机执行机构寿命预测方法，其特征在于，对电动机执行机构的运行状态进行监测，实时获取电动机运行状态数据，将电动机运行状态数据传输至数据处理器，对电动机运行状态数据进行处理，导出电动执行机构免维护寿命数据。
2.根据权利要求1所述的电动机执行机构寿命预测方法，其特征在于，对电动机运行状态数据进行处理具体包括:将每台电动机执行机构数据沿时间轴分布，获取最终的电动机执行机构免维护寿命数据。
3.根据权利要求1所述的电动机执行机构寿命预测方法，其特征在于，对电动机执行机构的运行状态进行监测具体包括:获取电动机执行机构的振动、油液数据。
4.根据权利要求3所述的电动机执行机构寿命检测方法，其特征在于，对电动机执行机构的运行状态进行检测还包括:获取滑油中磨屑粒子浓度。
5.根据权利要求4所述的电动机执行机构寿命预测方法，其特征在于，对电动机运行状态数据进行处理具体包括:将每台电动执行机构的滑油光谱检测数据沿时间轴分布，处理滑油中磨屑粒子浓度的抽样路径，获取最终的电动机执行机构免维护寿命数据。
6.根据权利要求1所述的电动机执行机构寿命预测方法，其特征在于，通过一远程接口传输电动机执行机构免维护寿命数据。
7.根据权利要求1所述的电动机执行机构寿命预测方法，其特征在于，通过一显示装置，显示电动机执行机构免维护寿命数据。
【文档编号】G01M99/00GK103472392SQ201310403077
【公开日】2013年12月25日 申请日期:2013年9月6日 优先权日:2013年9月6日
【发明者】申景双 申请人:海特韦尔流体控制（河南）有限公司