[发明专利]一种多部件设备的维护方法及系统

说明书

本发明属于设备维护相关技术领域，其公开了一种多部件设备的维护方法及系统，该方法包括以下步骤：(1)采集设备运行时各部件的状态监测数据及每次维护后的初始状态监测数据，并建立设备的运行及维护记录；(2)基于运行及维护记录分别建立设备的每个部件的随机退化模型及随机维护质量模型，并基于所有随机退化模型、随机维护质量模型及选取的优化指标来建立设备的维护优化模型；(3)基于维护优化模型求解出设备的最佳异常点阈值、最佳失效阈值和最佳监测间隔，继而依据最佳监测间隔对设备进行定期监测，同时依据最佳异常点阈值及最佳失效阈值对设备进行维护。本发明有效提高了设备运行经济性和设备使用寿命，适用性较强，灵活性较高。

技术领域

本发明属于设备维护相关技术领域，更具体地，涉及一种多部件设备的维护方法及系统。

背景技术

随着工业现代化的发展，大型复杂设备的应用日益广泛，大型复杂设备往往是包括各子系统、功能部件及零部件的多部件系统，各子系统、功能部件及零部件不仅在结构和功能上存在差异，而且还具有各种各样的依赖关系，使得大型复杂设备的维护决策异常复杂。

随着先进的监测、诊断和预测技术的快速发展，基于状态的维护或者视情维护(Condition-Based Maintenance，CBM)受到人们的日益重视，成为降低设备故障风险和运行成本、提高可用度的重要手段。基于大型复杂设备的复杂性，设备的实际维护情况大多为“非完美维护”，即设备经过维护之后，退化状态有所改善，但未能恢复到全新的初始状态、而维护后恢复到的状态往往是随机的，具有不确定性。在一些基于状态的维护方法中，根据设备退化特征将设备的退化过程分为正常运行阶段、故障延迟两个阶段，两个阶段的分界点为临界水平。在故障延迟阶段，设备开始出现缺陷但仍然可以工作，当状态监测数据超过故障水平时，设备发生故障。由于现有的CBM维护决策方法通常只针对故障延迟阶段，而且临界水平根据经验或者软件仿真来确定，通常较为保守，导致维护活动较为频繁，增加了停机损失和维护成本。另外，设备的状态水平还受到维护活动和维护间隔时间的影响，而非完美维护的实际维护效果，往往是随机的。因此，设备经过维护之后，其状态水平随着维护效果的变化而随机变化，并进而影响后续的维护方法。由于多部件系统中的各种依赖关系，现有的针对单部件系统的CBM维护决策方法并未考虑到多部件的依赖关系和维护效果的不确定性，并不能直接应用于多部件系统中。

综上所述，在实际工程中，现有的CBM维护决策方法的应用受到了很大的限制，对于部件数量较多或者需要同时考虑其他影响因素的复杂多部件系统的维护决策问题，目前还缺少有效的解决方案。相应地，本领域存在着发展一种适用性较好的多部件设备的维护方法及系统的技术需求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种多部件设备的维护方法及系统，其基于现有多部件设备的维护特点，研究及设计了一种多部件设备的维护方法及系统。所述维护方法综合考虑了维护效果的不完全性和不确定性，同时考虑了监测间隔和异常点水平的影响，有效提高了设备运行经济性和设备使用寿命，适用性较强，灵活性较高。

为实现上述目的，按照本发明的一个方面，提供了一种多部件设备的维护方法，该维护方法主要包括以下步骤：

(1)采集设备运行时各部件的状态监测数据及每次维护后的初始状态监测数据，并建立设备的运行及维护记录；

(2)基于所述运行及维护记录分别建立设备的每个部件的随机退化模型及随机维护质量模型，并基于所有随机退化模型、所述随机维护质量模型及选取的优化指标来建立设备的维护优化模型；

(3)基于所述维护优化模型求解出设备的最佳异常点阈值、最佳失效阈值和最佳监测间隔，继而依据所述最佳监测间隔对设备进行定期监测，同时依据所述最佳异常点阈值及所述最佳失效阈值对设备进行维护。

进一步地，所述随机退化模型的数学表达式为：