基于状态监测焊接自动化生产线寿命预测与维护优化-life prediction and maintenance optimization of weld automation production line based on state monitor.docxVIP

摘要由于复杂大型系统的设备及组件组成非常复杂，使其故障表征呈现多样化状 态，其维修任务也日益繁重。合理的设备维护计划可延长设备寿命、提高生产力 以及降低生产成本，因此复杂大型系统的维护研究工作显得格外重要。值得提出 的是，设备维护方式从被动维护到预防性维护、再到预测性维护，经历了三个大 的发展阶段。就目前而言，充分结合寿命预测和维护规划来对复杂大型系统进行 预测性维护规划的方法还有待进一步的优化与论证。为解决上述问题，本论文针对焊接自动化生产线这类复杂大型系统，以费用 最小化为目标进行设备维护管理方面的研究，最终构建了系统的预测性维护优化模型。首先，基于逆向综合分析法，建立了生产线各设备的故障树，并通过故障 树分析方法列出了关键故障底事件、确定了各设备需要进行监测的故障特征参数 和失效阈值。其次，基于威布尔比例风险模型，考虑监测信号衰退过程的阶段性 特点，确定了衰退信号的变点值，在此基础上对传统寿命预测模型进行适当改进。然后，总结出了动态更新的多设备系统维护时序规划方案，并以费用最小化为目 标优化了其维护时序规划模型。在以上研究分析的基础上，结合多设备系统的物 理结构关系，提出了多设备混联系统的预测性维护优化方法及策略，并构建了其 预测性维护优化模型。最后，以焊接自动化生产线的总拼生产线为实例，验证了 改进后的寿命预测和维护时序规划模型的有效性，证明了多设备混联系统预测性 维护优化模型的可靠性和经济性。本论文充分利用了状态监测信息，为设备维护管理方面提供了新的思路和方 法。同时，改进后的预测性维护方法也弥补了传统预测性维护方法的不足，使得 其更满足于实际工程需求，具有较高的经济价值。此外，预测性维护时序的优化 研究可指导设备的管理和设计工作，具有积极的社会价值。关键词：状态监测，寿命预测，维护规划，多设备混联系统ABSTRACTAs the devices and components of complex large-scale system are very complex, which leads to more fault characteristics and larger repair tasks. A reasonable maintenance schedule can prolong equipment’s life, improve productivity and reduce production costs, so the research on maintenance is particularly important. It is worth noting that the maintenance methods experience three stages: passive maintenance, preventive maintenance and predictive maintenance. At present, the method of predictive maintenance schedule for complex large-scale system, which combined with the life prediction and maintenance schedule, needs to be further optimized and discussed.In order to solve these problems, this thesis researched on the equipment’s maintenance management with an objective to minimize the cost, and finally constructed the kind of complex large-scale system’s predictive maintenance optimization model. Firstly, according to the reverse comprehensive analysis method, the fault tree was established, the key events were listed through the fault tree analysis method, and the fault feature parameters which need to be monitored and the corresponding failure threshold were identified. Secondly, based on the Weibull Pr