一种基于维修相关性的轴承组合机会维修决策方法及系统

本发明属于组合机会维修决策，具体涉及一种基于维修相关性的轴承组合机会维修决策方法及系统。

背景技术：

1、轴承是风电、轨道交通车辆等重大装备的重要基础零部件，其涉及的装备群规模十分庞大，并且由于这些大型装备本身结构复杂以及运行环境多变，导致设备的维修成本高，对某个部件的修复性维修通常要求对某个系统进行分解或送修，时间较长，因此组合机会维修策略十分有效且重要。组合机会维修策略包括有两种组合方式，一种是发生的故障在一定程度上不影响设备的正常运行时，将故障保留至下一次预防性维修的时刻；另一种是当故障影响到设备必须立刻进行维修时，将预防性维修提前。由此可以减少停机时间，节省维修费用，提高可用度。在工程实际中，不同的维修事件之间存在着复杂的相关性，包括经济相关性、结构相关性和故障相关性等，维修策略需要根据维修相关性，以节省维修成本和提高可用度为目标进行优化。

2、目前关于维修策略的研究方面已经取得了一些成果，但总的来说还存在以下不足：

3、传统的维护策略研究大都忽略部件间相关性及维修时间的影响因素，而实际运行系统中存在多种相关性的耦合作用，且部件结构复杂，导致维修时间过长。多种相关性影响下部件故障率变化不同，忽略部件间相关性将难以合理估计部件可靠度的变化及随机故障的发生次数；

4、目前研究多偏重于基于经济相关性的机会维修性，而假设部件之间的故障相互独立；当前的维修计划制定通常是基于经验的，也缺少定量化辅助决策模型的支持，不利于维修单位控制保修成本，装备可用度缺乏保证。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于维修相关性的轴承组合机会维修决策方法及系统，用于解决实际运行系统中存在多种相关性的耦合作用，且部件结构复杂，导致维修时间过长的技术问题。

2、本发明采用以下技术方案：

3、一种基于维修相关性的轴承组合机会维修决策方法，包括以下步骤：

4、考虑系统中部件间存在的经济相关性、结构相关性和故障相关性，将一定时间内满足维修条件的多维修事件进行整合，构建量化的轴承维修决策多目标优化模型，包括维修所节省成本模型和可用度模型；以维修最低成本和最大可用度为优化目标，通过遗传算法对轴承维修决策多目标优化模型进行优化求解，计算得出有限时间内轴承最佳的机会成组维修时间与成组方式，完成轴承的组合机会维修决策。

5、具体的，考虑经济相关性下维修费用f(gk)满足：

6、

7、其中，ci为部件i的维修准备成本。

8、具体的，考虑结构相关性节省的维修时间g(gk)表示为：

9、

10、其中，α为各部件之间结构相关性强弱，tip为预防性维修所用的时间。

11、具体的，考虑故障相关性，部件i第k个预防性维修周期内出现故障的次数q(0,tij)为：

12、

13、其中，ti为部件i的预防性维修间隔，w(i,k)(t)为部件i第k个预防性维修周期的故障率，w(t)为故障率分布函数，rij为部件j对部件i故障率的影响程度，w(ij)(t)为相关的部件i和部件j共同影响的故障率。

14、进一步的，轴承和其他部件的故障率服从威布尔分布，故障率分布函数w(t)为：

15、

16、其中，β为形状参数，β>1；η为尺度参数，η>0。

17、具体的，维修成本包括：准备工作节省的成本、部惩罚成本、故障损失成本以及整机系统停机损失成本，维修前的准备工作成本：

18、

19、其中，为开展gk阶段成组维修工作之前准备节省成本，ci为部件i的维修准备成本；

20、惩罚成本

21、

22、其中，ssi为轴承等部件i在运行周期内平均每次的维修费用，tij表示部件i的第j次进行预防性维修的时刻，q(0,tik)表示部件i在第k次预防性维修周期内发故障的次数，表示部件i在gk维修周期内发故障的次数；

23、节省的故障损失成本：

24、

25、其中，ri为部件i机会成组后的可靠度，rik为部件i第k个预防性维修周期的可靠度，ωs表示产生故障的小修费用；

26、停机损失节省成本：

27、

28、其中，me为整机系统停机单位时间损失的成本，tip表示预防性维修所用的时间，tis表示预防性维修期间故障小修所需要的时间。

29、具体的，轴承维修决策多目标优化模型以轴承在运行过程中的可靠度为基础进行优化，具体为：

30、设定部件i的机会维修时可靠性阈值为δri，当时刻t部件i的可靠度ri(t)与预防性维修阈值的差值大于δri，则不对部件i进行机会维修，否则，对部件i进行机会维修。

31、进一步的，单部件i在运行周期内的平均预防性维修中产生的维修费用率ssi为：

32、

33、其中，ωp表示预防性维修费用，ωs表示故障小修费用，ωc表示更换部件所需要的费用。

34、具体的，遗传算法中，编码采用数组表示，初始群体为100，交叉概率为0.80，变异概率为0.02，当迭代次数达到规定值4000次时终止，以节省费用最高以及最大可用度的组合作为最优解。

35、第二方面，本发明实施例提供了一种基于维修相关性的轴承组合机会维修决策系统，包括：

36、构建模块，考虑系统中部件间存在的经济相关性、结构相关性和故障相关性，将一定时间内满足维修条件的多维修事件进行整合，构建量化的轴承维修决策多目标优化模型；

37、决策模块，以维修最低成本和最大可用度为优化目标，通过遗传算法对轴承维修决策多目标优化模型进行优化求解，计算得出有限时间内轴承最佳的机会成组维修时间与成组方式，完成轴承的组合机会维修决策。

38、与现有技术相比，本发明至少具有以下有益效果：

39、一种基于维修相关性的轴承组合机会维修决策方法，利用潜在失效模式及后果分析技术，分析轴承及其他部件的潜在失效形式，评估其故障产生的后果，分析各个部件之间的维修相关性，包括经济相关性、结构相关性和故障相关性，在维修费用最小化的同时，提高维修效率，减少停机时间；考虑各种部件间的维修相关性，将轴承确定为关键部件，用轴承的维修维间隔与费用确定保证最小维修成本的机会成组区间，将一定时间内满足维修条件的多维修事件进行整合，构建量化的组合机会维修所节省成本模型，以节省机会维修费用、减少机会维修时间以及轴承整机系统最大可用度为优化目标，以轴承在运行过程中的可靠度为基础进行优化，实现最佳维修计划的制定。

40、进一步的，考虑经济相关性是指当多个相关部件一起维修时比单独维修的费用更低。由于部件间有相关关系，采用机会成组维修可减少系统维修费用。假设进行预防性维修时将部件i，j，…，z分在第k组里共同维修，当系统各部件存在强相关性时，系统维修费用准备费用相当于一个部件的维修准备费用。

41、进一步的，考虑结构相关性是指多个部件在结构上形成一个整体，则对一个部件进行维修时，意味着需要对其他的部件进行拆解。由于部件间存在结构相关性，采用机会成组维修可减少维修时间，从而降低维修费用。

42、进一步的，考虑故障相关性是指在整机系统中，当一个部件发生故障时,会在一定程度上增加其他部件的故障率，根据故障概率计算不同部件一个预防性维修周期内出现故障的次数，将相关的故障部件进行成组维修，从而达到减少维修成本的目的。

43、进一步的，维修准备节省成本是开展维护工作前的准备成本，包括维护工具成本、维护人员运输成本、拆装成本等，当几个部件同时维护时只需要花费一份的费用；惩罚成本是指部件i的预防性维修提前导致其工作寿命未被充分利用或延迟某些部件维修计划会导致部件故障风险增加，部件维修要付出一定的惩罚费用；故障损失成本是指机会成组维修后，部件可靠度发生变化导致维修后故障率降低，减少了部件的故障小修次数，从而节省了一定的成本；整机系统停机损失节省成本是指系统进行机会成组维修后，部分不同部件的预防性维修提同时进行，减少了停机次数，从而降低了维修的成本。

44、进一步的，设定部件i的机会维修时可靠性阈值为δri，当时刻t部件i的可靠度ri(t)与预防性维修阈值的差值大于δri，则不对部件i进行机会维修，否则，对部件i进行机会维修。依据可靠度数据更准确地实施机会成组维修策略，能够有效地节省系统停机次数。

45、进一步的，求解部件系统分组优化采用精确的方法去寻求部件的所有分组结果会耗费大量时间，特别是当部件数量较大时，遗传算法在处理多部件分组优化时，具备计算速度快、计算结果精度高的优势。需要说明的是，预置的参数并非最佳参数，具体参数仍需在计算中根据对象数据特点进行调整，以达到最佳的优化结果。

46、可以理解的是，上述第二方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

47、综上所述，本发明构建量化的组合机会维修所节省成本和可用度多目标优化模型，根据模型特点提出了基于遗传算法进行优化求解，提高了组合机会维修决策的效率。

48、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。