專利名稱：一種帶有風(fēng)險(xiǎn)控制的液壓設(shè)備最優(yōu)維修決策方法
技術(shù)領(lǐng)域：
本發(fā)明屬于液壓設(shè)備維修決策領(lǐng)域，涉及一種帶有風(fēng)險(xiǎn)控制的液壓設(shè)備最優(yōu)維修 決策方法。
背景技術(shù)：
液壓設(shè)備具有復(fù)雜、精密、價(jià)格高、功率大的特點(diǎn)，同時(shí)液壓設(shè)備的工作狀況決定 了生產(chǎn)效率和鋼鐵冶煉的質(zhì)量，其安全性和可靠性要求比較高。由于液壓系統(tǒng)中各液壓元 件在密閉的油路中工作，管路內(nèi)油液的流動(dòng)狀態(tài)和內(nèi)部零件的情況無法直接觀察，因此，液 壓系統(tǒng)的故障診斷比一般機(jī)械、電氣設(shè)備的故障診斷更為困難。對(duì)液壓設(shè)備系統(tǒng)實(shí)時(shí)在線 監(jiān)控，建立有效、準(zhǔn)確的故障診斷及預(yù)警系統(tǒng)顯得十分重要?，F(xiàn)有的方法在實(shí)際的應(yīng)用中都取得了一定的效果，但是存在著一些局限性，主要 如下1、各種信息檢測手段和預(yù)警方法都未能將診斷對(duì)象看成一個(gè)有機(jī)的整體，未能有效 的考慮設(shè)備的各個(gè)部件之間可能存在的相互聯(lián)系和影響。2、難以處理多種故障并存的復(fù)雜 情況。在實(shí)際的設(shè)備故障演變過程中，系統(tǒng)的各個(gè)部件之間有著緊密的聯(lián)系，各種故障經(jīng)常 同時(shí)發(fā)生，因此現(xiàn)有技術(shù)方法還很難得到較為準(zhǔn)確的預(yù)測值。風(fēng)險(xiǎn)是對(duì)于未來可能發(fā)生事故的量化感知，是一種對(duì)于不確定性和損失性的綜合 評(píng)估。簡單來說，風(fēng)險(xiǎn)就是事故發(fā)生概率與事故后果的乘積。而風(fēng)險(xiǎn)評(píng)估是在識(shí)別風(fēng)險(xiǎn)的 基礎(chǔ)上，對(duì)風(fēng)險(xiǎn)進(jìn)行計(jì)量、比較、判斷和排序等分析，從而為制定防范措施和管理決策提供 科學(xué)的依據(jù)。風(fēng)險(xiǎn)維修(Risk BasedMaintenance，簡稱RBM)是基于風(fēng)險(xiǎn)分析和評(píng)價(jià)而制 訂維修策略的方法。風(fēng)險(xiǎn)維修也是以設(shè)備或部件處理的風(fēng)險(xiǎn)為評(píng)判基礎(chǔ)的維修策略管理模 式。設(shè)備維修模式以及技術(shù)體系的發(fā)展分為四個(gè)階段，即事后維修、計(jì)劃維修、狀態(tài)維修 和風(fēng)險(xiǎn)維修，由此可見，風(fēng)險(xiǎn)維修作為下一代的以可靠性為中心的維修方法(Reliability Centered Maintenance，簡稱RCM)，是現(xiàn)代設(shè)備維修管理的發(fā)展方向。RBM方法已經(jīng)成功應(yīng) 用于煉油廠、化工廠、石化廠等大型企業(yè)中，采用RBM技術(shù)一般可為企業(yè)減少設(shè)備檢修量和 維護(hù)費(fèi)用15%到40%。風(fēng)險(xiǎn)維修在不危及安全性和影響環(huán)境的前下，提高運(yùn)行效益，優(yōu)化 全壽命周期費(fèi)用。通過建立風(fēng)險(xiǎn)維修體系，可以辨識(shí)每個(gè)設(shè)備的風(fēng)險(xiǎn)優(yōu)先序，降低設(shè)備壽 命周期費(fèi)用，減少設(shè)備事故和故障，達(dá)到維修和降低風(fēng)險(xiǎn)的目標(biāo)一致，既考慮了設(shè)備的安全 性，又考慮了設(shè)備的檢修維護(hù)成本。風(fēng)險(xiǎn)維修的主要流程包括以下四步1)系統(tǒng)劃分及功能建模，確定研究對(duì)象；2)故障風(fēng)險(xiǎn)評(píng)估分析，包括故障概率、故障后風(fēng)險(xiǎn)值的分析與計(jì)算；3)基于風(fēng)險(xiǎn)決策，確定相應(yīng)的維修策略；4)維修策略的實(shí)施。風(fēng)險(xiǎn)維修方法主要有故障模式影響分析法(FMEA)，故障樹分析法(FTA)。故障模式影響分析法(FailureMode and Effects Analysis，簡稱 FMEA)是一種 可靠性設(shè)計(jì)的重要方法，是FMA (故障模式分析)和FEA (故障影響分析)的組合。FMEA對(duì)各種可能的風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)、分析，以便在現(xiàn)有技術(shù)的基礎(chǔ)上消除這些風(fēng)險(xiǎn)或?qū)⑦@些風(fēng)險(xiǎn)減 小到可接受的水平。FMEA是一組系列化的活動(dòng)，其過程包括找出產(chǎn)品/過程中潛在的故障模式；根據(jù) 相應(yīng)的評(píng)價(jià)體系對(duì)找出的潛在故障模式進(jìn)行風(fēng)險(xiǎn)量化評(píng)估；列出故障起因/機(jī)理，尋找預(yù) 防或改進(jìn)措施。FMEA在實(shí)際的應(yīng)用中取得了較好的效果，但是FMEA是針對(duì)一個(gè)特定構(gòu)件作 出分析，而不是針對(duì)一個(gè)過程或設(shè)備系統(tǒng)作分析，因此具有局部性，不適合應(yīng)用于液壓設(shè)備 中。故障樹分析法(Failute Tree Analysis,簡稱FTA)，一種從系統(tǒng)到部件，再到零 件，按“下降形”分析的方法。FTA從系統(tǒng)開始，通過由邏輯符號(hào)繪制出的一個(gè)逐漸展開成樹 狀的分枝圖，來分析故障事件(又稱頂端事件)發(fā)生的概率。故障樹分析法已在航空和航 天的設(shè)計(jì)、維修，原子反應(yīng)堆、大型設(shè)備以及大型電子計(jì)算機(jī)系統(tǒng)中得到了廣泛的應(yīng)用。構(gòu)造故障樹是故障樹分析中最為關(guān)鍵的一步。通常要由設(shè)計(jì)人員、可靠性工作人 員和使用維修人員共同合作，通過細(xì)致的綜合與分析，找出系統(tǒng)故障和導(dǎo)致系統(tǒng)該故障的 諸因素的邏輯關(guān)系，并將這種關(guān)系用特定的圖形符號(hào)，即事件符號(hào)與邏輯符號(hào)表示出來，成 為以頂端事件為“根”向下倒長的一棵樹_故障樹。故障樹分析法既可進(jìn)行定性分析，又可進(jìn)行定量分析和系統(tǒng)評(píng)價(jià)。通過定性分析， 確定各基本事件對(duì)事故影響的大小，從而可確定對(duì)各基本事件進(jìn)行安全控制所應(yīng)采取措施 的優(yōu)先順序，為制定科學(xué)、合理的安全控制措施提供基本的依據(jù)。通過定量分析，依據(jù)各基 本事件發(fā)生的概率，計(jì)算出頂上事件(事故)發(fā)生的概率，為實(shí)現(xiàn)系統(tǒng)的最佳安全控制目標(biāo) 提供一個(gè)具體量的概念，有助于其它各項(xiàng)指標(biāo)的量化處理。但是利用FTA對(duì)系統(tǒng)進(jìn)行定量 分析時(shí)，必須事先確定所有各基本事件發(fā)生的概率，每次都要重新計(jì)算，運(yùn)算量大、速度慢， 因而不適合用于液壓設(shè)備的在線診斷。關(guān)聯(lián)規(guī)則(Association Rule)是為了挖掘出隱藏在數(shù)據(jù)之間的相互關(guān)系，找出所 有能把一組事件或數(shù)據(jù)項(xiàng)與另一組事件或數(shù)據(jù)項(xiàng)聯(lián)系起來的規(guī)則。挖掘關(guān)聯(lián)規(guī)則的基本思路給定一個(gè)事務(wù)集，挖掘關(guān)聯(lián)規(guī)則的任務(wù)就是生成支持 度(support)和置信度(confidence)分別大于用戶給定的最小支持度(minsupp)和最小 置信度(minconf)的關(guān)聯(lián)規(guī)則。滿足最小支持度、最小置信度和相關(guān)度要求的規(guī)則稱為強(qiáng) 規(guī)則。尋找出所有有效的強(qiáng)規(guī)則就是關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘要完成的任務(wù)。設(shè)數(shù)據(jù)事物集D，I = {ii;i2, ...，ij是項(xiàng)的集合，其中的元素稱為項(xiàng)(item)。記 D為交易T的集合，這里交易T是項(xiàng)的集合，并且Tei。對(duì)應(yīng)每一個(gè)交易有唯一的標(biāo)識(shí)。設(shè) χ是一個(gè)I中項(xiàng)的集合，如果XST,那么稱交易T包含χ。一個(gè)關(guān)聯(lián)規(guī)則是形如蘊(yùn)涵式，這里x〔i,ycl，并且Χ η y = Φ。定義一 X々y在事物數(shù)據(jù)庫D中的支持度是事物集中包含χ和y的事物數(shù)與所有 事物數(shù)之比，記為support (χ U y)，即
權(quán)利要求
一種帶有風(fēng)險(xiǎn)控制的液壓設(shè)備最優(yōu)維修決策方法，其特征在于包括如下步驟第一步利用液壓設(shè)備歷史數(shù)據(jù)構(gòu)建變權(quán)關(guān)聯(lián)預(yù)警模式庫，其中所述設(shè)備歷史數(shù)據(jù)包括非故障狀態(tài)和故障狀態(tài)數(shù)據(jù)；第二步監(jiān)測液壓設(shè)備數(shù)據(jù)，并對(duì)其相關(guān)數(shù)據(jù)進(jìn)行分析和處理，提取特征值；第三步將特征值與基于關(guān)聯(lián)預(yù)警模式庫中的模式相匹配，即判斷設(shè)備是否出現(xiàn)退化征兆；第四步若匹配不成功，則說明液壓設(shè)備沒有出現(xiàn)退化征兆，返回繼續(xù)監(jiān)測設(shè)備數(shù)據(jù)；第五步若匹配成功，則說明液壓設(shè)備出現(xiàn)退化征兆，做如下處理；第六步利用變權(quán)關(guān)聯(lián)規(guī)則算法計(jì)算相應(yīng)潛在故障的概率值，即潛在故障在變權(quán)關(guān)聯(lián)預(yù)警模式庫中匹配的支持度為相應(yīng)潛在故障的概率值；第七步以液壓設(shè)備自身風(fēng)險(xiǎn)、人身風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)和系統(tǒng)風(fēng)險(xiǎn)作為輸入，通過神經(jīng)網(wǎng)絡(luò)建模求得相應(yīng)故障的后果值；第八步將潛在故障的概率值與相應(yīng)的后果值相乘，得到該潛在故障的風(fēng)險(xiǎn)值；第九步判斷該風(fēng)險(xiǎn)值是否超過事先規(guī)定的閾值；第十步若沒有超過則返回繼續(xù)監(jiān)測液壓設(shè)備；第十一步超過閾值則將故障風(fēng)險(xiǎn)值由高到低排序，以確定最優(yōu)維修順序；第十二步按照最優(yōu)順序進(jìn)行停機(jī)維修，并返回繼續(xù)監(jiān)測液壓設(shè)備數(shù)據(jù)。
2.如權(quán)利要求1所述的方法，其特征在于建立變權(quán)關(guān)聯(lián)預(yù)警模式庫包括1)開始執(zhí)行，首先對(duì)交易數(shù)據(jù)庫D進(jìn)行掃描，發(fā)現(xiàn)其中頻繁項(xiàng)目集的最大可能長度，并 返回該數(shù)值；2)將初始權(quán)值賦予設(shè)備各組件值，初始權(quán)值依據(jù)歷史監(jiān)測數(shù)據(jù)來確定；3)累計(jì)1-項(xiàng)目集的支持?jǐn)?shù)，計(jì)算每個(gè)1-項(xiàng)目集的k-支持期望，然后收集其支持?jǐn)?shù)不 低于k-支持期望的1-項(xiàng)目集，生成候選1-項(xiàng)目集C1 ；4)根據(jù)候選k-Ι-項(xiàng)目集Clri生成候選k-項(xiàng)目集Ck的鏈接；5)執(zhí)行項(xiàng)目集的修剪；6)遍歷交易數(shù)據(jù)庫D，更新候選k-項(xiàng)目集Ck中所有候選項(xiàng)目集的支持計(jì)數(shù)，刪除不滿 足所有可能頻繁項(xiàng)目集支持期望的候選項(xiàng)目集，剩余的候選項(xiàng)目集均保存在候選k-項(xiàng)目 集Ck中，然后，再檢查各項(xiàng)目集的加權(quán)支持，從中挑選出頻繁k-項(xiàng)目集Lk ；7)根據(jù)頻繁項(xiàng)目集生成符合最低信任閾值的關(guān)聯(lián)規(guī)則。
全文摘要
本發(fā)明屬于液壓設(shè)備維修決策領(lǐng)域，涉及一種帶有風(fēng)險(xiǎn)控制的液壓設(shè)備最優(yōu)維修順序決策方法。主要分為三步第一步采用變權(quán)關(guān)聯(lián)規(guī)則算法判斷系統(tǒng)是否處于缺陷狀態(tài)，若處于缺陷狀態(tài)計(jì)算其潛在故障發(fā)生的概率值；第二步利用BP神經(jīng)網(wǎng)絡(luò)求得每種潛在故障的后果綜合評(píng)價(jià)值；第三步將第一步求得的故障概率值和第二步求得的故障后果綜合評(píng)價(jià)值相乘得到潛在故障風(fēng)險(xiǎn)值，判斷該值是否超過事先規(guī)定的閾值，如果超過事先規(guī)定的閾值，則按照求得故障風(fēng)險(xiǎn)值由大到小排列，以確定維修順序；否則返回繼續(xù)監(jiān)測。該方法只需要計(jì)算一次就可以判斷設(shè)備是否處于缺陷狀態(tài)、潛在故障類型和潛在故障發(fā)生概率值，與傳統(tǒng)的風(fēng)險(xiǎn)維修方法相比，提高了故障診斷準(zhǔn)確度，同時(shí)加快了診斷速度，為在線決策提供了更好的參考。
文檔編號(hào)G06Q10/00GK101950382SQ20101027244
公開日2011年1月19日 申請(qǐng)日期2010年9月1日 優(yōu)先權(quán)日2010年9月1日
發(fā)明者劉晶, 季海鵬, 朱清香, 蔡大勇 申請(qǐng)人:燕山大學(xué)