狀態(tài)信息在裝備維修中的應(yīng)用研究

王 丁，諸雪征，王宇光，裘 實，李春龍

(防化學(xué)院 防化裝備系， 北京 102205)

【裝備理論與裝備技術(shù)】

狀態(tài)信息在裝備維修中的應(yīng)用研究

王 丁，諸雪征，王宇光，裘 實，李春龍

(防化學(xué)院 防化裝備系， 北京 102205)

采集、存儲并獲取裝備在工作運行過程中產(chǎn)生的各類狀態(tài)信息，將其應(yīng)用于維修工作，能有效提升維修效率；通過分析裝備維修基本內(nèi)涵，深入研究了基于維修狀態(tài)信息——故障碼的裝備故障檢測分析，按照FTA定性描述、序關(guān)系法排序、模糊集合論量化分析的流程方法處理獲取的故障碼，實現(xiàn)了裝備故障分析，最后通過某型裝備故障分析驗證了該方法的可行性。

裝備維修；狀態(tài)信息；故障樹；序關(guān)系法；模糊集合論

裝備維修過程中，通過可靠的檢測手段如嵌入式數(shù)據(jù)終端，能及時獲取反映裝備技術(shù)狀況的各類狀態(tài)信息，這其中既包括裝備工作信息、故障信息、報警信息以及自檢信息，也包括能夠反映裝備故障現(xiàn)象的故障碼，這些狀態(tài)信息經(jīng)處理和分析后用于裝備維修工作，可充分延長裝備有效壽命，減少維修工作量和人為差錯，節(jié)省維修經(jīng)費，提高維修效率。

1 裝備維修基本內(nèi)涵

裝備維修是指為保持或恢復(fù)裝備良好的技術(shù)狀態(tài)而進行的維護和修理活動，目的是預(yù)防和減少故障發(fā)生，保持裝備規(guī)定技術(shù)狀態(tài)。隨著嵌入式系統(tǒng)在裝備維修領(lǐng)域的逐漸應(yīng)用，通過數(shù)據(jù)終端獲取裝備狀態(tài)信息，開展視情維修，采取技術(shù)措施恢復(fù)或改善其規(guī)定的技術(shù)狀態(tài)，為故障解除提供數(shù)據(jù)支撐，可提高維修精準性和效率，這就需要在獲取裝備維修數(shù)據(jù)信息的基礎(chǔ)上，對故障類型、故障部位、狀態(tài)參數(shù)、故障原因、故障機理、故障特征值等進行深入分析，然后解決裝備維修相關(guān)問題。

2 狀態(tài)信息的維修應(yīng)用描述

基于維修工作基本內(nèi)涵與任務(wù)剖析，狀態(tài)信息的應(yīng)用主要包括視情維修；試運轉(zhuǎn)維護；等級維護；故障分析；故障預(yù)測。

視情維修即通過獲取裝備明確的、定量的故障判據(jù)，判斷裝備是否已達到故障狀態(tài)，從而確定維修時機，這項工作的關(guān)鍵是在裝備壽命周期內(nèi)，按計劃進行定量數(shù)據(jù)的采集和存儲，確定裝備功能參數(shù)指標是否在規(guī)定的限度內(nèi)，掌握裝備技術(shù)狀況。試運轉(zhuǎn)維護即針對新的或大修后的裝備，在使用初期獲取其狀態(tài)信息，檢查各部件運行參數(shù)是否合規(guī)，行程、壓力和張力是否正常，整機性能是否完好等。等級維護即通過分析裝備使用時間、摩托小時、開機時間、行駛里程等技術(shù)參數(shù)，確定裝備維護的內(nèi)容、時機和等級。故障分析即獲取裝備狀態(tài)信息中的故障碼后，通過相關(guān)方法流程處理，對故障碼進行分析解讀，確定故障部位和故障原因并依據(jù)分析結(jié)果展開科學(xué)維修活動。故障預(yù)測是按照一定的模型算法如神經(jīng)網(wǎng)絡(luò)和灰色系統(tǒng)組合法，對選取的狀態(tài)信息進行數(shù)據(jù)挖掘，在裝備發(fā)生故障前知悉其可能的發(fā)生時間、故障部位等，針對性地開展預(yù)防性維修工作。

狀態(tài)信息在裝備維修中的具體應(yīng)用較多，限于篇幅，本文描述了以上5項，下面對其中第4項(故障分析)進行詳細論述。

3 裝備維修中的故障分析研究

裝備發(fā)生故障時，它的狀態(tài)信息——故障碼由數(shù)據(jù)終端采集存儲。筆者已完成的某型裝備的故障碼、故障現(xiàn)象、原因及排除方法相關(guān)工作如表1所示，讀取故障碼可查找與之映射的故障現(xiàn)象。但是，導(dǎo)致裝備故障現(xiàn)象的原因往往不止一個，比較復(fù)雜難以判斷，需要通過一定的算法解決此類問題。

故障樹法作為大型裝備和系統(tǒng)可靠性分析常用方法之一，可以直觀、形象的把裝備故障與導(dǎo)致該故障的各種原因以樹形圖呈現(xiàn)出來，避免人為主觀判斷，使建立的模型更加符合實際；序關(guān)系法可按照維修領(lǐng)域?qū)＜医?jīng)驗對故障原因進行大致排序；模糊集合論可處理包含不確定性和模糊性的對象，能夠量化處理裝備部組件介于正常和故障的多狀態(tài)系統(tǒng)。故障分析時，首先用故障樹對故障現(xiàn)象定性描述，再用序關(guān)系法將故障樹底層的各故障原因排序，最后按照排序?qū)收显虬l(fā)生概率值模糊量化，三者結(jié)合可使故障分析準確和針對性強。

表1 部分故障碼及常見故障分析與排除

3.1 故障樹定性分析

故障樹分析大體包括以下幾個步驟：

1) 確立頂事件。頂事件就是人們不期望發(fā)生的事件，也是分析的對象事件。本文頂事件可通過讀取故障碼，查找與之對應(yīng)的裝備故障確定。

2) 系統(tǒng)學(xué)習(xí)。頂事件確定后，充分掌握其所在系統(tǒng)的工作原理、影響因素及工作步驟，對該事件做出正確判斷。

3) 搜集數(shù)據(jù)。廣泛搜集裝備歷史維修和故障數(shù)據(jù)資料，掌握裝備及各組成單元發(fā)生的故障類型、故障現(xiàn)象和故障機理等。

4) 建立模型。通過以上步驟，確定導(dǎo)致裝備故障的各種因素和途徑，從頂事件開始演繹故障的發(fā)生，用邏輯門連接事件與下層事件，逐層演繹到各基本事件。

3.2 序關(guān)系法初步排序

計算指標權(quán)重步驟如下：

表2 基于序關(guān)系法的故障原因相對重要性賦值

3.3 模糊集合論量化分析

裝備故障分析中，常用模糊語言如“故障率高”、“比較可靠”等定性描述，對這些問題量化處理，要用到模糊概率假設(shè)，即用模糊數(shù)表示事件發(fā)生概率，刻畫裝備系統(tǒng)及組成單元的故障行為。

模糊集合論常用的隸屬度函數(shù)主要有三角分布、正態(tài)分布和指數(shù)分布。三角隸屬度函數(shù)分布主要適用于復(fù)雜系統(tǒng)、機械裝備等模糊因素，本文采用三角隸屬度函數(shù)描述和計算故障原因概率，模糊數(shù)的計算和處理如下。

3.3.1 確定概率值處理

3.3.2 非三角模糊數(shù)處理

部分概率數(shù)據(jù)可能以非三角隸屬度函數(shù)分布計算和統(tǒng)計，比如正態(tài)分布、梯形分布和指數(shù)分布等，需要進行三角模糊數(shù)轉(zhuǎn)換，先求出非三角隸屬度函數(shù)重心概率值作為m，再將其轉(zhuǎn)換為三角模糊數(shù)(l,m,u)。

3.3.3 語言變量模糊數(shù)處理

故障分析中常用專家評分法對難以得出確定原因的項目打分，此時專家往往傾向于用“比較低”和“相當(dāng)高”這樣的語言變量來對故障原因進行評價。因此可用語言值集合{非常小，小，比較小，一般，比較大，大，非常大}或{VS,S,FS,M,FB,B,VB}表示故障概率的語言評價，對應(yīng)的模糊數(shù)近似表示如圖1所示。

圖1 語言值模糊數(shù)近似值

從圖1可知，語言值模糊數(shù)之間有所重疊，例如某一故障原因造成的故障概率為0.72，它在集合元素“比較大”的隸屬度為0.8，而在“大”的隸屬度只有0.2。根據(jù)語言值所對應(yīng)隸屬度函數(shù)的重心定義線性有序集P={VS,S,FS,M,FB,B,VB}，再分別轉(zhuǎn)換為三角模糊數(shù)。

3.3.4 3σ表征法

車輛類裝備系統(tǒng)多為機電設(shè)備，這類裝備故障行為的故障率數(shù)據(jù)大多難以獲取或未經(jīng)統(tǒng)計，可以利用3σ表征法定量分析故障概率。

3σ表征法簡單實用，由一組至少包含3人及以上的專家組織進行，分別給出各故障原因發(fā)生概率的估計值，取各估計概率均值m，方差σ，設(shè)這組估計概率值服從正態(tài)分布，估計值落在區(qū)間[m-3σ,m+3σ]的概率為99.7%，因此設(shè)l=m-3σ,u=m+3σ,估計的故障概率值可轉(zhuǎn)換為三角模糊數(shù)(m-3σ,m,m+3σ)。

3.4 故障分析流程

綜合故障樹定性描述、序關(guān)系法影響因素排序以及模糊集合論量化處理方法，裝備故障分析步驟如下：

1) 讀取故障碼，根據(jù)故障機理分析，找出與之映射的故障現(xiàn)象；

2) 將故障現(xiàn)象作為故障樹頂事件，使用頂事件、中間事件和基本事件以及各種邏輯門構(gòu)造故障樹；

3) 按照有統(tǒng)計數(shù)據(jù)的故障原因、無統(tǒng)計數(shù)據(jù)的故障原因和其他模糊事件將故障樹中所有故障原因分類；

4) 按照序關(guān)系法對各故障原因或基本事件進行重要程度分析排序；

5) 通過裝備可靠性手冊及歷史故障數(shù)據(jù)等途徑獲取有統(tǒng)計數(shù)據(jù)的故障原因故障率，結(jié)合概率密度函數(shù)獲得確切的發(fā)生概率；

6) 運用模糊隸屬度函數(shù)、語言值評價和專家評判等方法獲取無統(tǒng)計數(shù)據(jù)故障原因和模糊事件發(fā)生概率；

7) 按照上述模糊數(shù)的處理原則，將步驟5)和步驟6)獲取的幾類故障原因發(fā)生概率歸一化，統(tǒng)一用三角模糊數(shù)表示；

8) 定性分析和定量分析模糊故障樹結(jié)果，給出維修建議。故障分析步驟和流程如圖2所示。

圖2 裝備故障分析流程

4 應(yīng)用實例

以某型裝備某泵系統(tǒng)故障為例說明故障分析過程。從數(shù)據(jù)終端存儲的裝備狀態(tài)信息中讀取到故障碼P10203后，找出與之映射的故障現(xiàn)象，通過故障機理分析，構(gòu)建故障樹如圖3所示。

為簡化分析，這里選取故障子樹M3為例，其中E34、E35、E36和E39為有統(tǒng)計數(shù)據(jù)資料的故障原因，其余為無統(tǒng)計數(shù)據(jù)資料故障原因。通過序關(guān)系法得到各故障原因重要程度排序，如表4所示。

表4 各故障原因重要程度一覽表

圖3 某泵系統(tǒng)的故障樹

這里需要注意的是，通過序關(guān)系法得來的各故障原因數(shù)值代表了其重要程度，可看做輔助故障分析的優(yōu)選線性有序集，而非故障發(fā)生概率。

確定概率值故障原因集合為{E34=0.15，E35=0.2，E36=0.10，E39=0.07}，波動上下限范圍為E34(-0.05，+0.10)，E35(-0.08，+0.08)，E36(-0.07，+0.10)，E39(-0.01，+0.05)，用專家評判法和3σ表征法對無確定概率值的故障原因和其他模糊事件進行評估，歸一化后結(jié)果見表5。

根據(jù)上表三角模糊數(shù)中位數(shù)可對故障發(fā)生概率值進行大小排序，結(jié)果為：E35>E31>E34>E32=E36>E33>E39>E37>E38。與序關(guān)系法排序不同的是，后者密封件損壞對故障現(xiàn)象的影響程度大于馬達泄露大，以及E39、E37、E38事件內(nèi)部排序略不同，其余影響程度大的故障原因排序一致，印證了該方法對故障分析的有效性和準確性。

通過概率值排序可知： 各故障原因的影響程度； 排序在前的接頭松動、泵泄露和油管破損對系統(tǒng)故障影響大，維修時重點檢查接頭狀況，及時更換泄露過大的元件、磨損件和油管，可大幅度減少泵無法達到額定轉(zhuǎn)速這一故障； 泵輸出斜盤角度不正確和內(nèi)泄漏等對系統(tǒng)故障影響較小，應(yīng)放在后面進行檢測，可提高維修效率。

表5 基本故障原因發(fā)生概率

5 結(jié)論

針對某型裝備某泵系統(tǒng)故障進行算例分析，結(jié)果表明，狀態(tài)信息及其分析處理技術(shù)能較好實現(xiàn)故障精準定位與原因剖析，為維修決策提供科學(xué)量化建議，有利于提高維修效率、降低維修費用、延長裝備壽命。

[1] 胡寶清.模糊理論基礎(chǔ)[M].武漢：武漢大學(xué)出版社，2004.

[2] 趙艷萍，貢文偉.模糊故障樹分析及其應(yīng)用研究[J].中國安全科學(xué)學(xué)報，2010，12(6)：81-87.

[3] 陸廣華.淺析電控汽車故障和故障現(xiàn)象及故障碼之間的關(guān)系[J].機械與電子，2009，23(7)：89-90.

[4] 張耀輝.裝備維修技術(shù)[M].北京：國防工業(yè)出版社，2008.

[5] 劉勇，胡柏青.基于故障樹的導(dǎo)航裝備故障診斷專家系統(tǒng)研究[J].海軍工程大學(xué)學(xué)報，2002,14(1)：41-44.

[6] 賓澤云，陳元華.故障碼數(shù)據(jù)流在汽車故障診斷與排除中的應(yīng)用[J].桂林航天工業(yè)高等專科學(xué)校學(xué)報，2010 (3)：322-324.

(責(zé)任編輯周江川)

ResearchonApplicationofStateInformationinEquipmentMaintenance

WANG Ding， ZHU Xuezheng， WANG Yuguang， QIU Shi， LI Chunlong

(Department of NBC Defense Equipment, Institute of NBC Defense, Beijing 102205, China)

By collecting, storing, obtaining state information of equipment in operation of the process produced all kinds of state information, and applying it to maintenance work, we can effectively improve maintenance efficiency. Through analyzing the basic connotation of equipment maintenance, we study the problem of equipment fault detection and analyze it in depth based on maintenance status information:fault code. We process the obtained fault code according to process and method made of FTA qualitative description, order relation method sorting and quantitative analysis of fuzzy set theory to realize equipment fault analysis. Finally, the method is tested feasibly through a certain type of NBC defense equipment fault analysis.

equipment maintenance; state information; FTA; order relation method; fuzzy set theory

2016-09-27；

：2017-04-25

王丁(1987—)，男，助理工程師，主要從事裝備保障信息化與仿真研究。

10.11809/scbgxb2017.09.007

format:WANG Ding，ZHU Xuezheng，WANG Yuguang，et al.Research on Application of State Information in Equipment Maintenance[J].Journal of Ordnance Equipment Engineering,2017(9):31-35.

TJ315

：A

2096-2304(2017)09-0031-05

本文引用格式：王丁，諸雪征，王宇光，等.狀態(tài)信息在裝備維修中的應(yīng)用研究[J].兵器裝備工程學(xué)報，2017(9):31-35.