一种带有风险控制的液压设备最优维修计算方法

摘要

本发明属于液压设备维修决策领域，涉及一种带有风险控制的液压设备最优维修顺序决策方法。主要分为三步：第一步采用变权关联规则算法判断系统是否处于缺陷状态，若处于缺陷状态计算其潜在故障发生的概率值；第二步利用BP神经网络求得每种潜在故障的后果综合评价值；第三步将第一步求得的故障概率值和第二步求得的故障后果综合评价值相乘得到潜在故障风险值，判断该值是否超过事先规定的阈值，如果超过事先规定的阈值，则按照求得故障风险值由大到小排列，以确定维修顺序；否则返回继续监测。该方法只需要计算一次就可以判断设备是否处于缺陷状态、潜在故障类型和潜在故障发生概率值，与传统的风险维修方法相比，提高了故障诊断准确度，同时加快了诊断速度，为在线决策提供了更好的参考。

主权项

一种基于选择性磨损的设备最优维修时间确定方法，其特征在于包括如下步骤：第一步：利用设备历史数据构建变权关联预警模式库，其中所述设备历史数据包括非故障状态和故障状态数据；第二步：监测设备数据，并对其相关数据进行分析和处理，提取特征值；第三步：将特征值与基于关联预警模式库中的模式相匹配，即判断设备是否出现退化征兆；第四步：若匹配不成功，则说明设备没有出现退化征兆，返回继续监测设备数据；第五步：若匹配成功，则说明设备出现退化征兆，做如下处理；第六步：利用变权关联规则算法计算相应潜在故障的概率值，即潜在故障在变权关联预警模式库中匹配的支持度为相应潜在故障的概率值；第七步：以设备自身风险、人身风险、环境风险、社会风险和系统风险作为输入，通过神经网络建模求得相应故障的后果值；第八步：将潜在故障的概率值与相应的后果值相乘，得到该潜在故障的风险值；第九步：判断该风险值是否超过事先规定的阈值；第十步：若没有超过则返回继续监测设备；第十一步：超过阈值则将故障风险值由高到低排序，以确定最优维修顺序；第十二步：按照最优顺序进行停机维修，并返回继续监测设备数据；其中，变权关联规则算法的执行步骤如下：1)开始执行，首先对交易数据库D进行扫描，发现其中频繁项目集的最大可能长度，并返回该最大可能长度；2)将初始权值赋予设备各组件，初始权值依据历史监测数据来确定；3)持续的检查更新交易数据库D，具体步骤如下：3.1)累计1‑项目集的支持数，计算每个1‑项目集的k‑支持期望，然后收集其支持数不低于k‑支持期望的1‑项目集，形成C1；3.2)根据Ck‑1生成Ck的链接，生成链接方式同Apriori算法；3.3)执行项目集的修剪：Ck中候选项目集的子集不在Ck‑1中；估计候选k‑项目集X的支持数SC(X)的上界，它是Ck‑1中k个不同的(k‑1)‑项目子集中的最低支持数；根据已计算出的所有项目集的k‑支持期望，如果对支持数SC(X)估计出的上界表明项目集X在后继遍历中不可能成为任何频繁项目集的子集，那么该项目集X就可以被修剪掉；3.4)检查遍历交易数据库D，更新Ck中所有候选项目集的支持计数；通过类似修剪步骤的方法，删除不满足所有可能频繁项目集支持期望的候选项目集；剩余的候选项目集均保存在Ck中；然后，再检查各项目集的加权支持，从中挑选出频繁k‑项目集Lk；3.5)根据L中的频繁项目集生成符合最低信任阈值的关联规则；4)就设备故障曲线而言，横轴x表示时间，纵轴y表示组件的故障率，随着组件故障率的增加或减少，对应的组件权值也增加或减少，存在一个时间转折点tm，当td≤tm时，并且经过检查对比发现初始权值已经发生改变时，按照y1段曲线随时间变化重新赋予权值；当td＞tm时，并且经过检查对比发现初始权值已经发生改变时，按照y2段曲线随时间变化重新赋予权值；其中D为交易数据库，W为项目权值的集合，td为当前时间，tm为时间转折点，Ck为频繁j‑项目集的可能的频繁k‑项目子集的集合，SC(X)为项目集X的支持数。