【摘要】：近年來(lái)隨著科學(xué)技術(shù)的迅猛發(fā)展,工程設(shè)備日益朝著集成化、智能化、精密化、自動(dòng)化方向發(fā)展,設(shè)備維護(hù)成為保證制造企業(yè)經(jīng)營(yíng)成功的關(guān)鍵因素之一。研究設(shè)備運(yùn)行可靠性評(píng)估與維修優(yōu)化問(wèn)題,對(duì)于保障機(jī)械設(shè)備的安全、連續(xù)穩(wěn)定運(yùn)行具有重要意義。 本文在國(guó)家自然科學(xué)基金項(xiàng)目“設(shè)備e-維護(hù)模式理論與支撐技術(shù)研究(項(xiàng)目批準(zhǔn)號(hào)70601010)”和“多尺度線調(diào)頻基稀疏信號(hào)分解方法及其在機(jī)械故障診斷中的應(yīng)用(項(xiàng)目批準(zhǔn)號(hào):50875078)”的資助下,針對(duì)制造企業(yè)的設(shè)備維護(hù)工作在提升運(yùn)行可靠性和維修優(yōu)化等方面所面臨的挑戰(zhàn),圍繞設(shè)備維護(hù)的體系理論、關(guān)鍵技術(shù)和支撐方法工具等核心問(wèn)題展開(kāi)研究,論文主要研究工作和創(chuàng)新性研究成果如下: 1.用仿真技術(shù)對(duì)以可靠性為中心的設(shè)備維護(hù)工作進(jìn)行研究,既可以在經(jīng)濟(jì)上做到最優(yōu),又可為保障企業(yè)裝置連續(xù)運(yùn)行提出有效的分析解決問(wèn)題的辦法。本文首先針對(duì)設(shè)備連續(xù)運(yùn)行的可靠性問(wèn)題,將背景企業(yè)5000H裝置生產(chǎn)流程通過(guò)必要簡(jiǎn)化映射為離散事件的集合,在相應(yīng)的仿真平臺(tái)上模擬真實(shí)的設(shè)備運(yùn)營(yíng)過(guò)程,并對(duì)其在長(zhǎng)周期連續(xù)生產(chǎn)中的運(yùn)行可靠性進(jìn)行了動(dòng)態(tài)仿真,提出了基于離散事件仿真的設(shè)備運(yùn)行可靠性評(píng)估與優(yōu)化方法。該方法以模型的長(zhǎng)周期仿真運(yùn)行結(jié)果為依據(jù)來(lái)評(píng)估所研究設(shè)備的運(yùn)行可靠性;并通過(guò)維護(hù)資源的優(yōu)化配置與改進(jìn)提升其可靠性,企業(yè)的生產(chǎn)實(shí)踐證明了該方法的有效性。 2.設(shè)備維護(hù)可靠性是設(shè)備可靠性與人的可靠性互相影響互相作用的結(jié)果,而傳統(tǒng)以可靠性為中心的維修方法未認(rèn)識(shí)到這一點(diǎn),為了彌補(bǔ)傳統(tǒng)以可靠性為中心的維修方法中未對(duì)人因可靠性進(jìn)行分析的不足,本文提出了考慮人因可靠性的改進(jìn)維修方法。該方法將人機(jī)整合系統(tǒng)作為分析對(duì)象,利用人因可靠性的分析方法對(duì)維修過(guò)程中的人因進(jìn)行評(píng)估,以提高人機(jī)整合系統(tǒng)的可靠性為目標(biāo),為企業(yè)的維護(hù)決策及優(yōu)化提供更系統(tǒng)和有效的方法論支持。該方法在石化企業(yè)選定裝置的成功應(yīng)用證明了其有效性。 3.多尺度線調(diào)頻基稀疏信號(hào)分解是一種新的信號(hào)處理方法,在分解頻率呈曲線變化的多分量非平穩(wěn)信號(hào)方面效果明顯。本文提出了一種基于多尺度線調(diào)頻基稀疏信號(hào)分解的零相位自適應(yīng)時(shí)變?yōu)V波器設(shè)計(jì)方法,該方法將零相位濾波器概念引入基于多尺度線調(diào)頻基稀疏信號(hào)分解的時(shí)變?yōu)V波器設(shè)計(jì)方法中來(lái),使得自適應(yīng)的時(shí)變?yōu)V波器在通帶內(nèi)相移為零,解決了該時(shí)變?yōu)V波器由于非線性相位存在的信號(hào)畸變問(wèn)題,使得濾波器的濾波精度更高,同時(shí)通過(guò)該類濾波器,解決了Hilbert變換對(duì)非平穩(wěn)信號(hào)的單分量要求。仿真算例和實(shí)驗(yàn)信號(hào)分析證明了該方法非常適合于現(xiàn)場(chǎng)安裝有多個(gè)齒輪傳動(dòng)系統(tǒng)、振動(dòng)信號(hào)相互傳導(dǎo)的齒輪箱故障診斷。 4.粒子群優(yōu)化算法是一種群智能優(yōu)化算法,針對(duì)傳統(tǒng)粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法容易陷入局部最優(yōu)值、收斂速度慢和精度低等缺點(diǎn),本文提出了基于“選擇性趨同”的粒子群算法,(Selectivity-Particle Swarm Optimization,S-PSO)。與傳統(tǒng)PSO算法不同,S-PSO算法中,粒子不只是參考全局最優(yōu)策略,粒子自身還會(huì)選擇出自己認(rèn)為的本地次優(yōu)策略,并進(jìn)行一定程度的模仿。在選擇本地次優(yōu)策略時(shí),引入“選擇性趨同”機(jī)制,為粒子增加了新的智能行為:粒子會(huì)根據(jù)策略的權(quán)威度、覆蓋粒子數(shù)量以及該策略擁有者與粒子自身的空間距離來(lái)選擇本地次優(yōu)策略。將S-PSO算法用于求解設(shè)備預(yù)防性維修優(yōu)化周期模型中,求解結(jié)果表明,S-PSO算法具有很強(qiáng)的全局搜索能力,能以較快的速度收斂于全局最優(yōu),能為企業(yè)的維修實(shí)際工作提供決策保障和信息支持。
[Abstract]:With the rapid development of science and technology in recent years, engineering equipment is becoming more and more integrated, intelligent, precise and automatic, and equipment maintenance is one of the key factors to ensure the success of manufacturing enterprise. It is of great significance to ensure the safety and continuous operation of mechanical equipment. In this paper, under the support of the project 鈥淓quipment e-Maintenance Mode Theory and Support Technology Study (Project Approval No. 70601010)鈥，

本文編號(hào)：2370367