隨著國民經(jīng)濟的快速發(fā)展,運輸需求呈持續(xù)快速增長趨勢,我國物流產(chǎn)業(yè)承擔了更加舉足輕重的作用。市政建設(shè)、城鄉(xiāng)發(fā)展、道橋工程以及重點工程建設(shè)節(jié)奏的持續(xù)加快,促使自卸車的產(chǎn)銷與營運迎來了爆發(fā)式發(fā)展。由于作業(yè)環(huán)境惡劣,運行工況復雜多變,自卸車底盤系統(tǒng)在運營過程中經(jīng)常會發(fā)生各類故障,往往影響到物流車隊運行的可用性和可靠性,甚至危及財產(chǎn)與人身安全。及時地診斷發(fā)現(xiàn)自卸車的早期故障并加以維修排除,可以有效地降低故障與事故發(fā)生的概率,保障車輛行車安全與可用性。如果能夠根據(jù)故障診斷結(jié)果,合理地制定車輛的預防性維修策略,對于提高自卸車的運行效率和降低維修成本都將有著重要的實踐指導意義。為了精確地診斷識別車輛底盤系統(tǒng)的早期故障,一種以系統(tǒng)響應(yīng)信號作為特征識別輸入的模態(tài)識別算法——隨機子空間法,因其具有測試硬件要求低、識別精度高、適用于隨機振動工況等優(yōu)點受到了越來越多的關(guān)注。但其識別準確性受阻尼比的影響較大,這限制了隨機子空間法在自卸車系統(tǒng)監(jiān)測中的應(yīng)用,因為自卸車底盤系統(tǒng)阻尼較高,達20%-30%。因此本文提出將改進后的平均相關(guān)子空間方法應(yīng)用于底盤在線故障診斷中,采用多次平均后的相關(guān)函數(shù)信號取代原算法采用的響應(yīng)信號作為算法輸入,從而大幅提升了隨機子空間診斷算法在復雜工況下的識別精度。為了驗證平均相關(guān)隨機子空間算法在自卸車底盤系統(tǒng)狀態(tài)監(jiān)測與故障診斷中的有效性,分別建立了七自由度與十一自由度整車振動模型,仿真識別了在不同阻尼比、路面激勵及噪聲條件下的車輛模態(tài)參數(shù)。判斷各個模態(tài)參數(shù)對故障的靈敏度,基于振型和模態(tài)能量差異法建立了故障診斷方法,并通過實車試驗對所開發(fā)故障診斷方法的可行性進行了驗證�；陔S機子空間算法開發(fā)的故障識別方法可有效診斷出自卸車底盤早期故障的發(fā)生,但是對于具體故障形式和多種故障的耦合情況較難給出準確判斷,難以進行精確的故障源識別。為此,提出了基于統(tǒng)計維修數(shù)據(jù)的底事件時變權(quán)重系數(shù)概念,構(gòu)建了針對隨機子空間診斷方法的改進故障樹分析模型。由于自卸車運行工況非穩(wěn)態(tài)特征顯著,車隊運營季候性規(guī)律明顯,自卸車底盤系統(tǒng)的零件失效概率在傳統(tǒng)“浴盆曲線”的基礎(chǔ)上還包含有以年度為周期的變化規(guī)律。因而,在制定預防性維修策略的過程中,除了考慮零部件本身的失效演變進程,還需要考慮車輛運行規(guī)律對底盤部件可靠性衰減造成的影響。將運營過程造成的零件失效率非線性變化趨勢納入預防性維修策略制定過程中,可進一步提高自卸車的運行可靠性與維護效率。因此,結(jié)合在線診斷的故障信息和作者從工作單位統(tǒng)計獲取的周期性維修數(shù)據(jù),提出了一種自卸車底盤系統(tǒng)的動態(tài)預防性維修方法。仿真研究表明考慮車輛動態(tài)運營規(guī)律的預防性維修策略能夠有效提高車輛可用度并節(jié)約維護支出。
【學位單位】：太原理工大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TH22
【部分圖文】：

太原理工大學博士研究生學位論文車輛模態(tài)參數(shù)變化，以此判斷輸入狀態(tài)對識別結(jié)果的影響子空間算法應(yīng)用在底盤狀態(tài)監(jiān)測上的有效性。適用于自卸車的十一自由度整車振動模型，仿真研究自的影響，進而開展底盤典型故障的識別仿真研究。同時基kSim 建立同型自卸車的整車非線性振動模型，進一步驗作者工作單位統(tǒng)計的多年實際維修數(shù)據(jù)，對自卸車底盤取故障樹模型中底事件的時變權(quán)重系數(shù)，進而提出基于進故障樹模型。結(jié)合在線診斷結(jié)果和統(tǒng)計獲取的周期性維系統(tǒng)的動態(tài)預防性維修方法，進而提高車輛運行效率并降

圖 2-1 隨機信號的樣本平均Fig.2-1 Sample average of a random signal2 自然激勵技術(shù)激勵技術(shù)（NExT）的基本方法是用響應(yīng)信號間的互相關(guān)函數(shù)來代替模態(tài)識別。因測量點與固定參考點之間的互相關(guān)函數(shù)和系統(tǒng)的脈沖響式表示。統(tǒng)輸入 f( t)(r1,2,,M)r 的個數(shù)為 M，響應(yīng)測量點數(shù)為 P，那么系統(tǒng)(t)j的表示為：()()sin()111etRxthtditnrdiMrMjrirjjrii

圖 2-2 Cov-SSI 的算法流程Fig.2-2 Algorithm flow of Cov-SSI MKQMCMP00,0,()()()qtqtxt 入到式（2-8）中，使得系統(tǒng)的微分方程由二階x (t ) x (t ) u (t ) BP Q0 -1-1-1 -1 -10 MP =M -M CM乘式（2-11）后，獲得振動系統(tǒng)的連續(xù)時間狀x(t )Ax(t)Bu(t)cc
【相似文獻】

相關(guān)期刊論文 前10條

1 張龍飛;;空管設(shè)備預防性維修的相關(guān)思想研究[J];科技創(chuàng)新導報;2019年09期

2 張曉磊;蘇春;;考慮預防性維修的柔性二維延長質(zhì)保定價策略研究[J];西北工業(yè)大學學報;2019年02期

3 楊丹;;重型汽車預防性維修的探討[J];時代汽車;2018年07期

4 王建國;李婷婷;黃曉亮;孫森;;預防性維修在呼吸機中的應(yīng)用效果[J];醫(yī)療裝備;2018年20期

5 王欣;;核電廠預防性維修管理[J];設(shè)備管理與維修;2018年22期

6 徐方興;;預防性維修[J];民航管理;2016年07期

7 于海鵬;;露天礦重型汽車預防性維修的探討[J];民營科技;2016年12期

8 李春發(fā);李豫姣;高華;;不完美檢測下的控制圖與預防性維修聯(lián)合設(shè)計[J];工業(yè)工程與管理;2017年04期

9 蓋京波;孔耀;;有限使用時間內(nèi)預防性維修策略優(yōu)化[J];兵工學報;2015年11期

10 鹿奉華;;醫(yī)學裝備的預防性維修管理[J];醫(yī)療裝備;2015年17期

相關(guān)博士學位論文 前10條

1 劉炳文;基于振動模態(tài)識別的自卸車底盤故障診斷與維修優(yōu)化[D];太原理工大學;2018年

2 馬曉洋;基于延遲時間理論的設(shè)備預防性維修聯(lián)合決策模型[D];北京科技大學;2018年

3 蒼安裕;基于可靠性預測的淀粉生產(chǎn)系統(tǒng)維修決策理論與實證研究[D];吉林大學;2012年

4 王曉迪;高等學校教育裝備管理決策支持研究[D];哈爾濱工程大學;2012年

5 楊鐸;二維質(zhì)保策略下的產(chǎn)品索賠預測與維修策略設(shè)計研究[D];天津大學;2016年

6 邵延君;基于故障預測的武器裝備預防性維修策略研究[D];中北大學;2013年

7 王遠航;基于多故障關(guān)聯(lián)和精度退化的數(shù)控裝備預防性維修決策研究[D];華中科技大學;2014年

8 高萍;基于可靠性分析的復雜設(shè)備預防性維修決策研究[D];清華大學;2008年

9 金玉蘭;生產(chǎn)系統(tǒng)有限時間區(qū)間彈性周期預防性維修策略研究[D];上海交通大學;2009年

10 石慧;機械系統(tǒng)的剩余壽命預測及預防性維修決策研究[D];太原科技大學;2015年

相關(guān)碩士學位論文 前10條

1 柳熾偉;插電式混合動力城市客車的預防性維修決策研究[D];華南理工大學;2018年

2 陳進;基于模擬退火算法的生產(chǎn)計劃與預防性維修聯(lián)合優(yōu)化研究[D];重慶理工大學;2018年

3 高嵩;沖擊模型下幾類可靠性系統(tǒng)的預防性維修策略[D];東南大學;2017年

4 毛春苗;周期性不完全預防性維修策略研究[D];杭州電子科技大學;2011年

5 任家君;可修復系統(tǒng)預防性維修策略的仿真與優(yōu)化研究[D];吉林大學;2009年

6 李輝;基于粒子群算法的天然氣管道預防性維修周期優(yōu)化研究[D];西安建筑科技大學;2016年

7 楊志秀;可修復系統(tǒng)不完全預防性維修策略研究[D];燕山大學;2013年

8 李同玲;基于遺傳算法的預防性維修的生產(chǎn)調(diào)度問題研究[D];天津大學;2012年

9 張秋玲;考慮消費者效用的產(chǎn)品預防性維修定價研究[D];東北大學;2012年

10 蔣冉;基于預防性維修的二維延伸產(chǎn)品保證策略研究[D];天津大學;2016年

本文編號：2866308