油料装备增强型基于状态维修策略研究

文/周庆忠 曾慧娥 袁耿林

油料装备是实施油料保障的必备硬件，油料装备运行状态直接影响油料保障效能。以往对装备进行维修分为预防性维修(preventive maintenance)和修复性维修(corrective maintenance)，修复性维修模式在油料装备失效后才修理，造成非计划维修，更为严重的是因油料易燃、易爆、有毒性，这种“事后维修”极可能造成安全事故、环境污染、经济等损失。预防性维修模式定期对装备维修，维修间隔期尤其关键。维修间隔期过长导致“维修不足”，过短则导致“维修过剩”。频繁的维修不仅会增加维修成本，而且由于维修不当、维修差错等会导致设备可靠性下降。应有针对性地制定油料装备维修策略，这使得油料装备维修模式正在向基于状态维修（condition based maintenance，CBM）转变。近年来，随着科学技术进展和人工智能理论的应用，在CBM基础上发展起来的增强型基于状态的维修（condition based maintenance plus，CBM+）日益引起人们重视。对油料装备CBM+维修策略进行研究，对于油料装备保障能力的提高，具有重要现实意义和军事经济效益。

1.油料装备CBM+概述

油料装备CBM+属于主动的预测性维修，通过在线监视装置（嵌入式传感器、外部测量设备或便携式设备）对油料装备运行状态进行监测，获取装备运行特征量信息。借助各种智能推理算法（如物理模型、神经网络、数据融合、模糊逻辑、专家系统等），对装备性能降低或即将发生故障等状态进行实时或近实时、或周期性的先行客观评估，诊断识别故障的早期征兆，对故障部位、故障程度和发展趋势做出判断，预测装备剩余寿命，融合油料装备资源信息，进行维修分析及决策。在尽量不影响使用前提下，规划、组织和实施必需的装备保障和维修活动。

CBM+特点体现为“四性”，即修理的预知性、针对性、及时性和维修方案的灵活性。CBM+的关键在于维修智能化。维修智能化则聚焦于维修智能决策，它是联接装备状态监测与装备维修间的纽带，是实现提高装备可用度、优化备件存储、降低维修费用等业务目标的驱动器。可见，CBM+是衍生的智能维修策略，其涉及技术、管理、组织、成本核算、资源配置等诸多方面，是一项复杂的系统工程。它主要通过预测和物流能力，扩展了传统故障检测与隔离以及维修管理能力。预测能力关注于哪个部件何时会失效，预测装备维修需求。而物流能力则侧重于如何及时协同整合维修资源，组织、实施维修。这两种CBM+能力的交集，强化了油料装备维修一体化保障力量。

2.油料装备CBM+实施目标

油料装备CBM+实施目标是：

（1）利用信息技术，开发故障识别诊断与预测算法模型，完善油料装备故障智能诊断功能，减少故障识别与故障原因分析的不确定性，预测装备性能衰退趋势和剩余使用寿命，以便提高装备的完好率和可用性。

（2）实现对油料装备及其备件的使用、消耗和可用度数据的“端对端”可视化。通过油料装备CBM+系统平台，实时或近实时地将这些数据从维修人员传输到各级保障人员，使整个油料装备保障链上相关部门，共享维修信息，上级决策部门实时获取油料装备信息，及时对油料装备或备件进行主动调配、定购和采办，以便实现装备资源优化配置。

（3）支持不同维修层次、不同类型的维修决策活动，包括维修策略分析、维修方式决策、维修计划编制与调整、维修故障分析、送修时机确定及送修单位选择等，满足各级人员的要求。

（4）重构油料装备维修业务过程，改革传统的计划维修机制，强化管理，建立全员规范化的装备维修与管理组织机构和技术培训机制。

CBM+的实施，将定期维修转变为视情维修，减少维修负担，缩减维修工时，延长装备运行周期，减少事故的发生。降低使用与保障费用，减少或消除非计划性维修，有效地利用维修资源，优化库存控制，缩减保障规模，提高油料装备维修保障系统的响应能力。

贵州红粘土发育于亚热带季风湿润气候地区，该地区含有丰富的地表水及地下水系统，碳酸盐岩首先经历溶蚀-交代作用，溶蚀-交代作用包括岩溶作用、沉淀作用和交代作用。

3.油料装备CBM+系统功能

从油料装备CBM+的系统方案论证、研制到实施应用来保证其有效性。油料装备CBM+系统是包含大量软件、硬件在内的复杂集成系统。为将软件与硬件产品有效集成为一个有机整体，实现与外部应用程序的交互，应采用执行这些应用程序的通用接口和网络通信协议，遵循数据交换的标准。在构建CBM+系统平台时，应充分考虑系统扩展性，满足检测与监控工程环境要求，以便今后对现有在线状态监控系统或故障诊断系统进行升级改造。

在油料装备CBM+实施中，涉及在役装备运行状态数据、维修或保养数据、历史故障数据、装备建档数据和装备保障供应数据等多种数据，应构建合适的数据库，将各类数据存储于计算机存储介质中。CBM+需众多数学模型支持，可建立CBM 决策分析功能框架和数据结构，利用计算机平台实现复杂数学模型的运算。根据不同的维修决策需求，在计算机软硬件的控制和支持下，调用相应维修数学模型，实现维修智能决策。

油料装备CBM+主要功能模块有：

（1）油料装备状态数据采集模块数据采集由传感器、便携式检测仪器等装置来完成，实时采集装备运行工况参数(如温度、压力、流量、速度等)，获取装备零部件的工作性能、机械强度、疲劳极限与磨损程度等参数信号，提供装备状态信息。数据采集信息还包括装备的维修数据，如预防性维修费用、更换费用、停机时间等。

（2）油料装备状态监测模块 该模块接受来自数据采集模块的装备状态数据，将其与期望值相比较，根据事先限定的域值发出警报。通过连续监测获取装备状态变化的预警参数，从而获得故障初期的信息。

（3）油料装备状态评估模块 主要功能一是智能状态故障诊断，分析装备状态信息，根据故障特征，识别症状，查明隐患和初期异常，鉴定和定位故障根源。二是设备性能衰退趋势预测，通过预告与设备性能衰退相关症状信息，来实现有计划的维修活动。当某装备或其某部件被诊断为初始故障源后，通过内嵌智能预测模型，评定缺陷部件的剩余寿命和失效程度，预测装备剩余寿命等。

4.油料装备CBM+建模分析

油料装备CBM+智能决策的关键在于建模分析，建立油料装备状态信息与其运行性能间的关系，如剩余寿命预测模型（比例风险模型、卡尔曼滤波模型、随机劣化过程模型等）和不同目标下维修决策模型。

4.1 比例风险模型

油料装备故障通常表现为多衰退特征，伴随有装备内部随机过程产生的输出、装备外部因素产生的输出（如振动、温度等），其寿命一般服从Weibull分布。故采用Weibull比例风险模型，建立装备故障率与装备运行状态参数和服役时间t的关系。

装备故障率函数为：

式中：Z为协变量，表征装备运行状态；γ为回归参数，反映协变量Z对装备故障率的影响；γ.Z是协变量的线性组合，综合反映装备运行状态信息。β和η分别为描述Weibull分布的形状参数和尺度参数。

4.2 维修决策模型

对油料装备运行状态进行评估，预测其剩余寿命后，可根据不同的决策目标，调用相应维修决策模型，得到装备最优维修策略。

（1）基于可用度的维修决策模型军用油料装备对装备的战备完好率和装备可用性有严格的要求。对于这类保障任务性维修，将装备可用度最大作为其维修决策目标。在实际应用中，以装备平均可用度TAV(t)来表征可用度。

装备平均可用度TAV(t)为：

式中，Tw(t)表示某一给定时间t内能工作的时间；TF(t)表示某一给定时间t内不能工作的时间。

（2）基于风险的维修决策模型 某些关键油料装备，其失效后果严重，易造成安全事故。对于这类安全性、可靠性要求高的装备维修，则以风险度作为装备的维修决策目标。

基于Weibull比例风险模型，对应的状态历史衰退特征至时间t时，装备的可靠度函数为：

根据历史故障数据，给出装备失效可接受水平ε，求解该装备的预防性维修间隔期TPM的表达式为：

（3）基于费用的维修决策模型 现代油料装备结构和技术复杂，发生故障后的修复费用大，考虑维修经济性，以装备单位时间内平均费用最小为维修决策目标。基于Weibull比例风险模型，最优的预防性维修间隔TPM为：

式中，CPM为预防性维修成本，CCM为事后维修成本，β为描述Weibull分布的形状参数。

采集油料装备部件在运行状态特征数据，组成数据样本。应用极大似然参数估计法（Maximum Likelihood estimate，MLE），求解出模型参数γ、β和η的估计值，从而求解故障密度和可靠度等指标，得到推荐的最优预防性维修间隔期TPM。

5.结语

油料装备增强型基于状态维修策略，能有效克服传统维修模式存在装备过修或失修问题，其今后研究焦点将聚集于装备的健康预测和对装备维修智能决策支持。油料装备CBM+的实施，将使油料装备维修向敏捷化、智能化发展，对于提高我军油料装备的维修保障能力，实现信息化条件下油料保障的快速感知与响应具有重要意义。