考慮不完全維修的風機齒輪箱優化檢修策略(2)

風機廠石家莊風機廠石家莊風機石家莊市風機廠石家莊風機維修石家莊風機銷售

1石家莊風機齒輪箱比例強度模型
1.1石家莊風機齒輪箱的維修方式針對石家莊風機齒輪箱這一復雜多部件可修系統而言，在壽命期限內發生故障，不需要對整個設備進行更換，而僅更換或維修部分部件，來維持所預定的功能，故在其整個壽命期內將發生多次故障及維修活動。根據維修類型和維修程度的不同，維修可分為如下幾種 [15-16]（1）完全維修。指設備修復如新，如齒輪箱整機更換就屬于完全維修。其維修因子：M =0。（2）最小維修。指設備修復如舊，如齒輪箱零部件加固、潤滑油更換等屬于最小維修。其維修因子 M =1。（3）不完全維修。指設備維修后，功能得以恢復，設備狀態介于完全維修和最小維修之間。如齒輪箱零部件更換或維修屬于不完全維修。其維修因子 0< M <1。對于石家莊風機齒輪箱常見的故障，如輪齒損壞、軸承磨損等故障類型而言，通常僅對其部分部件進行更換或維修而不進行整機更換。故雖然其功能得以恢復，但其健康狀態通常處于“修復如新”與“修復如舊”之間，即不完全維修(0<M<1)。因此，本文針對不完全維修建模研究維修活動與實際情況更加吻合。不完全維修對系統強度函數的影響如圖1所示。其中： ( )v t 為齒輪箱的強度函數；mv 為失效臨界強度值；1t 、2t 、3t 為齒輪箱故障時刻(假設維修時間相對設備運行時間可以忽略不計)。
1.2 比例強度模型在 PIM 中，每次故障事件是隨機的，故障事件通常被視為一個非齊次 Possion 過程，則系統發生失效的強度函數為T0{ ( ) ( ) 1| ( )}( ) lim( )exp( ( ))tP N t t N t Z tv ttv t Z t γ? →∞+ ? − ≥= =?⋅(1)其中： t 是齒輪箱的運行時間； ( )v t 為齒輪箱在 t 時刻的強度函數；0 ( )v t 為基本強度函數； ( ) N t 為設備在區間(0, t )內失效次數； ( ) Z t 是系統在時刻t的協變量； γ 為協變量回歸參數。比例強度模型包括全參數型和半參數型，當失效規律已知(0 ( )v t 已知)時，為全參數型PIM，能同時估計出基本強度函數的參數和協變量的回歸系數，參數估計的準確率相對較高；當失效規律未知(0 ( )v t 未知)時，采用半參數型PIM。參數的各種估計方法，以基本強度函數服從威布爾分布的PIM的估計結果最為準確。 研究表明， 齒輪箱的故障時間服從威布爾分布，其強度函數為(2)其中： β 為形狀參數； η 為尺度參數；( ) Z t 為系統在 t 時刻的協變量； γ 為協變量的回歸參數。協變量可分為外部協變量和內部協變量。外部協變量包括石家莊風機齒輪箱的運行環境溫度、工作負荷等，而內部協變量包括反映齒輪箱故障征兆的振動數據、溫度數據等。考慮維修效應對強度函數的影響，既可以將維修效應作為衰減因子得到虛擬壽命過程，也可以將其作為協變量疊加到強度函數中，本文采用后者。
1.3 石家莊風機齒輪箱 PIM 的參數估計利用石家莊風機齒輪箱故障數據對PIM 的參數進行極大似然估計。首先驗證故障數據是否符合威布爾分布以確定模型選擇的正確性，然后構建似然函數，并在 Matlab 中應用 Newton-Raphson 迭代算法解非線性方程組，計算出估計值，具體步驟如下。第一步：樣本分布的檢驗。采用最常見的威布爾分布檢驗圖，檢驗圖反映了威布爾分布的基本特征，是用于檢驗樣本數據是否符合威布爾分布規律的最直觀方法。 若樣本服從威布爾分布，則該曲線應近似地擬合為一條斜率大于0的直線， 直線的斜率即為形狀參數的估計值， 如圖2所示，其故障數據服從威布爾分布。第二步：似然函數的構造。