基于机械设备使用寿命的预测研究

王玉松 刘冬林

摘 要：机械设备使用寿命的预测研究，是保证生产连续性与设备稳定性的重要工作，在工业科技化水平不断加强的历史环境中，这种预测技术受到了相关科研人员的高度重视，并在不断对传统预测方法进行升级的同时，衍生出了多种预测方式。由此，文章从影响机械设备使用寿命的因素构成出发，通过对预测原理的分析，阐述多种预测方法，为相关的技术应用与升级提供方法参考。

关键词：机械设备；使用寿命；设备保养

中图分类号：TH114 文献标志码：A 文章编号：2095-2945（2019）01-0073-02

Abstract： The prediction of the service life of mechanical equipment is an important work to ensure the continuity of production and the stability of the equipment. In the historical environment where the level of industrial science and technology is constantly strengthened， this prediction technology has been highly valued by the relevant scientific researchers. At the same time， many kinds of forecasting methods are derived while upgrading the traditional forecasting methods. Based on the analysis of the factors that affect the service life of mechanical equipment and the analysis of the prediction principle， this paper expounds a variety of prediction methods to provide a method reference for the application and upgrading of related technology.

Keywords： mechanical equipment； service life； equipment maintenance

引言

社會经济建设的加快，对工业生产提出了更高的要求。机械设备作为工业生产中的关键控制点，必须对其使用寿命进行有效的分析，以此才能保证生产过程中的连续性与合理性的水平，从而发挥出机械设备的使用价值。而为了实现对设备剩余寿命的预测，必须从产生设备耗损的多种因素条件入手，以此才能更加全面的了解分析并计算机械设备的剩余使用寿命。

1 影响机械设备使用寿命的因素

机械设备的使用寿命，受到多种因素的影响控制，诸如加工材料的质量条件、设备零件的质量情况、加工中配合性质的影响、设备的维护水平、机械的基础件变形情况等都是影响机械设备使用寿命的重要条件，必须在进行机械设备使用寿命的预测中，明确此类影响寿命因素的作用原理，以此设计更加精确的计算公式，从而完成整体机械使用寿命的预测内容。

首先，在材料的质量上，其自身的密度条件、热处理的加工方法、载荷参数、加工速率、润滑条件等，都是影响设备使用寿命的内容。其次，设备在进行生产加工的过程中，其表面的光洁度水平与相应的几何外形，是控制其磨损条件的重要指标。同时，由于设备会在一定程度上受到环境条件的影响，因此，也需要综合分析环境条件的影响因素，对诸如腐蚀、浸透等参数信息，需在特定设备的寿命预测中，作为重点参数资料进行分析。第三，在设备与材料的配合性质，也与设备的使用寿命息息相关。在生产加工过程中，如果装配过程中的间隙条件没有达到预定的标准数值，无论参数数据过大还是较小，都会对机械的使用寿命造成影响，所以，将其作为机械设备使用寿命预估的参数，有较强的科学性。

另外，机械设备在进行生产的过程中，在对设备进行疲劳维护的过程中，也会由于维护周期与维护效果，对设备的耗损情况产生影响，甚至在屈服极限的影响下，会直接导致零件的损毁，从而影响使用寿命，在对寿命进行预测的过程中，需综合进行分析与考虑。

2 机械寿命预测的概况

对于机械重大装备的寿命预测分析，也被称作剩余服役寿命的预测，是在设备进行生产运作的过程中，为了保证机械的安全性与经济性，对其正常生产授予时间的预估，在计算方法上通常会用随机变量公式对其进行计算：

Ra={R′-R丨R′R，Z（R）丨}（1）

在该公式中，R′代表了时效时间的随机变量数值，R则指代了机械设备当前的使用年限，Z（R）代表与当前使用条件相关的机械使用历史条件，Ra代表最终求取的变量内容机械寿命的剩余使用寿命。

应用机械寿命预测的工作中，可将其按照预测的时段划分为早期预测与中晚期预测。在内容上，早期预测通过对设备设计寿命的评估，以试验的方法分析其在使用寿命，并有效的在此过程中减少发生意外事故的可能，并对设计内的状态进行相应的理性分析[1]。因此，设备的早期预测内容相对较为保守。剩余寿命预测的内容，大多在晚期预测的范围内，通过对设备当前或是过往耗损情况的分析，可以在无损探伤、镜像检验的方法作用下，对设备的使用情况进行确定，从而对设备的剩余使用时间进行确定。这种预测方法，是建立在大量的数据分析与结果预算的工作基础上的，需要在反复核验的内容中完成理论模型的建立。

3 机械使用寿命的预测方法分析

3.1 生产周期经验法

机械设备在生产加工过程中，发生故障的时间点存在一定的周期性规律，经验丰富的技术人员在长期的技术操作中，通过对以往设备事故的处理，会总结出具有针对性的设备使用周期的经验，并符合时间函数的规律内容。按照时间的流程进度，这种故障周期可以划分为明显的早期故障期、偶发故障期、严重故障期，这三种具有典型特征的表现形式。

首先，在早期故障期中，机械设备的故障条件通常在设备开始运转时就会出现。从成因角度上，这种早期的故障，大多是由于设备元件磨合效果不好而产生的，在进行一段时间的调试与生产过程后，这种磨合性的故障问题，会自动的减少甚至会通过有效的保养而彻底被消除。其次，机械设备在投入批量化工业生产后，会在不确定的时间点，发生偶发性的故障，这一时期被称作偶发性事故期。在该时期的时间范围内，最明显的特定，就是生产进入了大规模批量化的阶段，并在高效率运转的过程中，极为容易出现此类故障问题[2]。然而，此类故障发生的概率极低，而多由不正当的操作，或异型化的生产材料所引起，因此，可以通过有效的技术升级与生产管理规范对这类故障进行管理，从而在有效防止发生故障的同时，通过预测的手段，对设备使用寿命进行合理预估，并起到风险防范的作用。第三，当设备进入到了故障严重期，发生生产故障的概率会明显增加，并由于零件与基础件的持续耗损，使得其发生概率更加频繁。由此，必须对相应设备进行全面的调整，以此提高其使用效率，在科学的检修工作中，提升运行水平。

3.2 设备状态评估法

对机械设备运行状态的评估，是通过对生产参数的记录与整理，将影响设备运行的数据资料进行整合，然后在科学的分析方法下，完成使用寿命的预估，进而到达寿命预测的效果[3]。在方法上，可以根据参数内容的差异性，将其分为差异化的评估内容。在缺少数据资料时，可以采用数学建模的方式，完成模糊运算；当数据资料较为充足，就可使用遗传聚类算法进行寿命的预估。

遗传聚类算法中，通过设计好的寿命计算模型，将采集到的设备运行参数信息带入，并进行相应的计算，就可以根据当前的设备运行条件，整理出标准化的函数准则参数。以此，对这类函数进行聚类处理，就可以完成寿命计算。而遗传聚类算法的应用中，还可以完成对各种运行状态的分析。

进行遗传聚类算法的过程中，首先，要完成多种数据资料的收集与整理，并保证数据的全面性与真实性；其次，应在开始聚类计算前，以多个运行参数作为核心，分別设定多种初始聚类结构，然后在随机选择独立群组后，计算各个群组的独立数值，完成后再进行交叉与变异处理，并将得到的最大个体数值，展开迭代处理，当迭代的次数低于最大迭代此时，就可将最大个体的聚类设为中心，通过函数计算，确定各个聚类与中心聚类的距离条件，由此得出的数值可对状态参数进行有效的评估。

为了验证这一方法的合理性，可以通过齿轮实验对其进行处理。在实验中，将齿轮的运行状态进行监测，获得60组数据资料后，可将齿轮的各种运行数据整理成正常、点浊、磨损这三种状态类型。然后，分别对每一类的状态标准参数进行处理，经过这种计算后，最终可以将数据计算的准确率确认在95%以上，以此证明遗传聚类法的合理性，可以被应用在机械设备受用寿命预估的工作中。

3.3 寿命预测研究法

进行工业机械设备使用寿命计算预测的过程中，经常会应用到实践模型的计算方法、树状故障分析图、人工神经网络系统等多种计算方式。在信息化的网络时代背景下，应尝试将电子计算机技术的应用程度加深，并通过网络计算的效率优势构建起人工神经网络分析模型。在技术应用过程中，RBF网络结构、BP网络、Hopfield网络，都是当前技术环境中，较为常见的计算模型。

在对机械设备使用寿命进行预测的工作中，BP网络技术是通过设备运行数据的输入，完成系统信息采集的，在进行计算模拟的过程中，可以将当前设备条件的原始数据，输入到整体系统中，并在完成人工神经计算后，对运算结果进行输出[4]。而为了实现这一目标，首先应对进行计算的设备展开离线训练，并在多次带入相应设备参数的过程中，提升系统运算的科学性与准确率，进而保证在系统中产生稳定的权值记忆，以此确立计算人工神经系统与设备之间的关联性内容，以便在进行真正计算的过程中，可以得到更加准确的数据资料，使机械设备寿命预测的结果更加准确。

为了对其方法进行验证，可以通过接触器触头寿命的计算，作为验证方法。在生产过程中，熔焊力与燃弧能量是控制该设备使用寿命的关键技术点，尤其是燃弧能量的影响效果最为明显。在进行人工神经网络计算的设备寿命的方法中，先将燃弧能量的参数信息，设置为网络的输入层，然后把设备剩余寿命设置为输出层，然后通过单隐层的BP网络系统，形成节点数。通过这种测验发现，期望输出数值与实际输出数值之间，误差条件控制在10%以内，以此可以说明该方法的科学性水平。

4 结束语

对于机械设备状态的评估核对使用寿命的预测，能够合理的避免机械设备在生产过程中，由于各种故障原因而导致的损毁，并有效地防止发生进一步的设备损毁等安全问题，为工业生产创造稳定的环境。同时，通过科学化、系统化的设备寿命计算方法，可以提前采取针对性的技术处理措施，并有效的提高工业企业在生产力转化过程中的效益水平与社会意义。

参考文献：

[1]杨晓东，徐文涛，王霞，等.优化工艺流程，延长多级离心泵机械密封使用寿命[J].中国石油和化工标准与质量，2018，38（06）：24-25.

[2]张焕琴.影响机械设备使用寿命的因素分析[J].农机使用与维修，2018（01）：28.

[3]武斌，李璐，宋建成，等.基于相似性的机械设备剩余使用寿命预测方法[J].工矿自动化，2016，42（06）：52-56.

[4]吴华江.关于提高农业机械的使用效率和寿命研究[J].农业与技术，2015，35（15）：43+50.