数据驱动的设备群服役可靠性分析与维修决策集成方法研究

制造企业加工生产线生产节拍越来越快，自动化程度越来越高，对设备服役可靠性分析与维修计划制定提出了新要求。由此带来的外部协变量选择、同型设备异质性刻画、设备之间与维修方式之间耦合特性量化描述的难题，成为影响设备服役可靠性分析与维修决策方法准确性和有效性的重要因素。项目采用扩展比例故障强度模型理论开展设备群服役可靠性建模分析，揭示其外部协变量对服役可靠性水平的影响规律，探索设备之间、维修方法之间的耦合特性及其量化方法，从而提出相应的建模方法；以非线性混合效应模型与选择性维修策略为基础，研究和建立具有智能化特征的设备群服役可靠性与维修决策集成模型及其算法实现，提高设备服役可靠性水平评估的准确性和维修策略的实用性；以课题组现有设备与合作企业加工生产线为研究对象，通过测试、试验来验证上述模型、方法的科学性与有效性；以上述理论研究为基础，开发设备群智能维护系统。

大型装备结构复杂，加工工况多变、大变载和大行程、高速度和高加速度，因此评估其运行性能可靠性水平一直是个工程难题。刀具状态是保证零件加工质量的关键因素，但刀具破损在实际中经常发生，严重影响昂贵工件的加工质量。但由于安装和测量过程复杂，易受干扰，在线评估刀具运行状态也比较困难。基于此，本项目在特征信号提取的基础上，采用隐半马尔科夫模型（HSMM，Hidden semi-Markov Model）和切普曼-柯尔莫哥洛夫微分方程相结合的方法，评估装备和刀具运行性能可靠性水平。通过理论计算、实验和现场测试，建立了基于小波分析、K均值和矢量离散的信号特征提取方法，改进了多观察序列隐半马尔科夫模型的前向后向算法，解决了算法因溢出而不收敛的难题。同时针对数控装备非线性退化轨迹，提出了一种综合运用灰色预测理论和时间序列模型的方法对数控装备运行性能特征参数进行拟合预测的方法，该方法集成了灰色预测模型能够反映性能特征参数退化的总体趋势和时间序列模型可以很好地进行偏差修正的优点。在单台装备运行性能可靠性研究的基础上，本项目提出了基于比例故障强度与非线性混合效应模型的多台装备运行性能可靠性评估与维修决策方法，揭示了外部协变量对装备服役可靠性水平的影响规律。分析了选择性维修方法在解决生产线多设备维修决策问题的优势，提出了算术回退故障强度模型和选择性维修相结合的智能维修决策方法，并给出了结合贪婪规则和遗传算法的求解算法。在上述研究的基础上，本项目搭建了采集装备圆度参数的性能实验平台与监测刀具破损状态的测试系统，对装备-刀具运行性能可靠性评估方法进行了初步验证，并开发了具有一定实用价值的软件系统。本项目建立了从状态数据采集、可靠性评估和维修决策的集成框架，研究成果丰富了装备-刀具运行可靠性评估模型和智能维护领域的理论和方法。