·1098· 工程科学学报，第39卷，第7期 效果，如图7所示 号.每组信号为8192个数据点，共产生2000组数据. 15m 通过式(6)得到设备状态退化过程如图8所示.从图 8中可以看出，初期设备状态较平稳，后期逐渐裂化， 10 该过程符合企业实际情况，具有较好的参考价值 6rm小人 0.8 100 200 300 400 样本点数 0.4 图7轴承试验数据小波包分解后信号峭度变化图 Fig.7 Ku values of bearing test data decomposed by the wavelet 500 1000 1500 2000 packet 样本点数 从图7中可以看出，经过小波包三层分解后的第 图8仿真数据评估结果 二节点信号，经过处理后，其在第103点，总第6232点 Fig.8 Assessment result of simulation data 时出现明显上升，相比于初期的平稳状态，其幅值约为 以仿真数据为设备退化过程，结合表1和式(7) 平稳状态的4倍，并且提前于图6中均方根值的上升 对该退化过程进行维修决策的优化建议，结果如图9 点129个数据点，即129min,具有一定的提前预警 所示.从图9中可以看出，随着设备状态的逐渐退化， 作用. 大约在1800个数据点左右，设备的经济效益为负数， 因此，根据企业效益最优化的建议原则，建议企业在 6维修优化技术应用实例 1800点左右进行维修，这样可以最大化的保障企业 基于模糊C均值状态评估的维修策略优化模型 利益 通过三组信号来进行验证，分别是仿真信号，轴承试验 1200 数据和企业现场数据，三组数据代表不同的应用环境 8D0 和状态，分别代表理想退化状态、较理想退化状态以及 实际情况.三组数据均有效证明了该模型的适用性. 400 结合方程(8)中的未知参数I和CM,该参数与企 业具体生产情况相关，在本文中，采用专家打分的方法 500 1000 1500 2000 获取企业具体情况，如表1所示. 样本点数 表1专家评分表 图9仿真数据维修优化模型结果 Table 1 Score by export Fig.9 Result of the maintenance-optimization model obtained via simulation data 专家 生产收益，1（元h1) 成本，CM/(元h) 1 1000 180 为了更便于从图中看出收益和成本之间的关系， 2 1050 200 也将二者在同一张图中表现出来，如图10所示. 3 1000 190 1200r 4 1000 200 800 生产效益曲线 从表1可以得到，经过计算专家评分，I平均水平 400 为1012.5元h,CM平均水平为192.5元h 成本曲线 6.1基于仿真信号的模型验证 500 1000 1500 2000 仿真信号为噪声信号+冲击信号，冲击信号幅值 样本点数 随着时间增长，来模拟设备在实际运行过程中，状态逐 图10仿真数据退化过程中收益和成本走势结果 渐退化，振动幅值逐渐升高的过程.假设该仿真信号 Fig.10 Result of the income and cost in degradation process ob- 可以模拟设备的退化过程，并且符合表1中的相关参 tained via simulation data 数.其信号表达式为： y=e0sin(2×T×600×x)×m+noise. (9) 从图10中可以看出，随着设备状态逐渐退化，维 修成本逐渐上升，而企业生产收益逐渐下降，直至成本 其中，m=(200)j=1,2,3,,2000,noise为噪声信 与收益持平时，建议企业检修设备.该结果也表明，当工程科学学报，第 39 卷，第 7 期 效果，如图 7 所示． 图 7 轴承试验数据小波包分解后信号峭度变化图 Fig． 7 Ku values of bearing test data decomposed by the wavelet packet 从图 7 中可以看出，经过小波包三层分解后的第 二节点信号，经过处理后，其在第 103 点，总第 6232 点 时出现明显上升，相比于初期的平稳状态，其幅值约为 平稳状态的 4 倍，并且提前于图 6 中均方根值的上升 点 129 个 数 据 点，即 129 min，具 有 一 定 的 提 前 预 警 作用． 6 维修优化技术应用实例 基于模糊 C 均值状态评估的维修策略优化模型 通过三组信号来进行验证，分别是仿真信号、轴承试验 数据和企业现场数据，三组数据代表不同的应用环境 和状态，分别代表理想退化状态、较理想退化状态以及 实际情况． 三组数据均有效证明了该模型的适用性． 结合方程( 8) 中的未知参数 I 和 CM，该参数与企 业具体生产情况相关，在本文中，采用专家打分的方法 获取企业具体情况，如表 1 所示． 表 1 专家评分表 Table 1 Score by export 专家 生产收益，I/( 元·h － 1 ) 成本，CM /( 元·h － 1 ) 1 1000 180 2 1050 200 3 1000 190 4 1000 200 从表 1 可以得到，经过计算专家评分，I 平均水平 为 1012. 5 元·h － 1，CM 平均水平为 192. 5 元·h － 1 ． 6. 1 基于仿真信号的模型验证 仿真信号为噪声信号 + 冲击信号，冲击信号幅值 随着时间增长，来模拟设备在实际运行过程中，状态逐 渐退化，振动幅值逐渐升高的过程． 假设该仿真信号 可以模拟设备的退化过程，并且符合表 1 中的相关参 数． 其信号表达式为: y = e － 1000x sin ( 2 × π × 600 × x) × m + noise． ( 9) 其中，m ( = j ) 2000 2 ，j = 1，2，3，…，2000，noise 为噪声信 号． 每组信号为 8192 个数据点，共产生 2000 组数据． 通过式( 6) 得到设备状态退化过程如图 8 所示． 从图 8 中可以看出，初期设备状态较平稳，后期逐渐裂化， 该过程符合企业实际情况，具有较好的参考价值． 图 8 仿真数据评估结果 Fig． 8 Assessment result of simulation data 以仿真数据为设备退化过程，结合表 1 和式( 7) 对该退化过程进行维修决策的优化建议，结果如图 9 所示． 从图 9 中可以看出，随着设备状态的逐渐退化， 大约在 1800 个数据点左右，设备的经济效益为负数， 因此，根据企业效益最优化的建议原则，建议企业在 1800 点左右进行维修，这样可以最大化的保障企业 利益． 图 9 仿真数据维修优化模型结果 Fig． 9 Ｒesult of the maintenance-optimization model obtained via simulation data 为了更便于从图中看出收益和成本之间的关系， 也将二者在同一张图中表现出来，如图 10 所示． 图 10 仿真数据退化过程中收益和成本走势结果 Fig． 10 Ｒesult of the income and cost in degradation process ob￾tained via simulation data 从图 10 中可以看出，随着设备状态逐渐退化，维 修成本逐渐上升，而企业生产收益逐渐下降，直至成本 与收益持平时，建议企业检修设备． 该结果也表明，当 · 8901 ·