基于ASP模式的机械设备多特征参数健康状态综合评价

张 阳,谢立华,段正强

(四川中烟工业有限责任公司,四川 成都 610020)

随着工业化进程的推进,机械设备的健康状态成为企业相关领域关注的重点[1],只有机械设备足够健康,才能保障其安全稳定运行,并防止因故障导致的停工、停产问题发生[2-3]。机械设备健康状态评价是确定机械设备健康与否的主要方式[4],因此寻求一种有效的机械设备健康状态评价方法成为各大企业面临的问题。单增海等[5]采用多传感器信息融合方法构建评价模型,结合所获得的传感信息获取设备健康状态的最终评价结果,但该方法在实际应用过程中过于依赖传感数据,导致最终所得评价结果存在一定偏差;谈林涛等[6]引入RB-XGBoost算法,该算法以分类器为基础对设备健康状态进行评价,但在实际评价过程中该方法指标体系未考虑评估指标的模糊性,导致最终评价结果在特定情况下出现偏差。

针对上述问题,本文提出基于ASP(应用服务供应商)模式的机械设备多特征参数健康状态综合评价体系,基于ASP模式搭建评价平台架构,构建机械设备健康状态评价指标体系,采用模糊综合评估方法,构建评价模型,以保障机械设备稳定运行。

1 机械设备多特征参数健康状态综合评价体系

1.1 基于ASP模式评价平台架构

ASP是微软.NET框架的主要组成部分,以其作为网络开发工具,可丰富微软.NET框架的类库,同时还可有效管理和执行较为复杂的组件,保障网络效率[7-8]。基于B/S架构的机械设备健康状态综合评价体系充分利用了ASP模式的优势,以企业Intranet为基础,为机械设备健康状态评价应用提供了信息集成平台,平台架构如图1所示。

图1 综合评价平台架构

图1所示的平台架构内,数据服务层的主要功能为采集机械设备特征数据,并将机械设备特征数据存储于数据库内,对数据进行管理。作为数据服务层与表示层的桥梁,逻辑层利用OLEDB程序接口连接数据库,并将Microsoft IIS(互联网信息服务)作为Web服务器,同时运用C#语言完成机械设备多特征数据采集、机械设备多特征数据统计分析、机械设备健康状态评价指标体系构建、机械设备多特征参数健康状态评价模型构建。表示层作为用户与评价方法的交互工具,可接收用户请求,并向用户提供最终评价结果。

1.2 逻辑层

1.2.1指标体系构建

评价指标体系与评价模型是逻辑层的主要组成部分。机械设备的健康状态可以通过其运行情况来评估,若机械设备或其中的某个零件产生故障,那么对应的技术特征数据将出现偏差[9]。为描述机械设备的实际健康状态,依照机械设备的实际运行情况[10-11],构建综合评价指标体系。以机械设备故障模式及其影响分析为基础,能够得到大量与机械设备健康状态相关联的因素,比如机械设备或零件的故障对相关环境与人员安全的影响、对机械设备功能的影响[12]、对相关联设备的影响以及所造成生产损失的大小、维修的难易程度等。部分因素之间存在较为显著的相关性,为提高评价效率,依照评价指标体系构建相关原则与标准,从机械设备可靠性特征、维修性特征、技术性能特征、经济性特征、监测性特征、安全性特征等6个方面构建评价指标体系,具体见表1。

表1 评价指标体系

1)可靠性特征所描述的是机械设备及其零件在标准时间内与相应条件下完成既定工作的能力,即机械设备及其零件不出现故障的能力。该特征能够反映机械设备在规定时间内的运行情况[13]。一般情况下,描述机械设备可靠性特征的参数包括可靠度、平均无故障运行时间与故障率。

2)维修性特征作为机械设备的固有属性特征之一,所反映的是机械设备及其零件在标准时间与相应条件下恢复正常运行状态的能力,也就是机械设备及其零件易维修的程度。当机械设备及其零件出现故障后,机械设备将无法运行,导致生产与经济损失,严重时还会威胁人的健康和生命安全[14]。一般情况下,描述机械设备维修性特征的参数包括设备维修时间、设备维修难易度和设备及零件购买难易度。

3)技术性能特征所反映的是机械设备及其零件的精度等级、结构特征、技术标准、运行参数与生产能力等。一般情况下,描述机械设备技术性能特征的参数包括设备的精度、设备生产效率、设备的工作能力、设备维修性的优劣和设备的机械化程度。

4)经济性特征所反映的是机械设备及其零件出现故障时,进行故障维修、设备改装、零件更新等的经济性,通过研究该特性能够获取最优利润。由此可知,该指标与机械设备维护策略技术应用之间的关系较为密切。一般情况下,描述机械设备经济性特征的参数包括不同维护策略的费用、故障导致的经济损失与安全事故导致的相关经济损失。

5)监测性特征所反映的是机械设备及其零件在运行过程中对状态参数进行检测的能力。机械设备运行数据同其自身健康状态之间具有映射相关性,如果能够获取机械设备的运行数据,那么将大大提高获得描述健康状态特征参数的概率。通过这样的方式,提高对机械设备健康状态评价的准确性,因此机械设备的健康状态评价受到这一特征的直接影响。一般情况下,描述机械设备监测性特征的参数包括数据精确度、数据实时性与数据完整性。

6)安全性特征。机械设备的健康与故障具有对立性,但故障只是不健康的其中一种表现形式,不健康并不一定会出现故障,机械设备不健康时可能存在一些潜在的危险,因此在确定机械设备健康状态评价指标过程中,需整体分析影响机械设备安全的全部因素。一般情况下,描述机械设备安全性特征的参数包括人员安全性、机械设备安全性与环境安全性。

1.2.2评价模型构建

由于实际评价过程中,各评价指标的计算往往存在一定程度的模糊性,因此在构建评价模型过程中采用模糊综合评估方法,具体评价模型构建过程如下。

1)确定待评价的机械设备。

2)根据表1构建评价指标集X=[x1,x2,…,xi]。

3)根据表2所示的机械设备健康状态等级得到评价结果集G。

表2 机械设备健康状态等级

4)采用熵权法确定评价指标x1,x2,…,xi的权重,各指标的权重以w1,w2,…,wi表示,满足式(1):

(1)

6)构建机械设备多特征参数健康状态综合评价模型,如式(2)所示:

(2)

式中:P为综合评价模型,W为评估等级矩阵,p1,p2,…,pu为健康状态指标,pj为多特征参量。

7)利用式(3)计算机械设备多特征参数健康状态综合评价结果:

(3)

式中:Gr为健康状态函数,βj为设备维修评价函数。

2 测试结果与分析

为验证本文方法实际应用性能,选取某大型食品加工公司内所使用的7台机械设备为测试对象,数据来源为2018—2023年该大型食品加工公司7台机械设备的监测数据。测试对象基本情况见表3,采用本文方法对测试对象的健康状态进行评估,所得结果如下。

表3 测试对象基本情况

2.1 评价指标信度检验结果

将Cronbach's α系数值作为判断本文方法评价指标体系信度的标准,以此判断本文方法中所构建评价指标体系的可应用性。一般情况下,信度分析中定义Cronbach's α系数值高于0.7即可说明评价指标体系信度较高,也就是可应用性较强。本文方法评价指标的Cronbach's α系数值见表4。由表4可以看到,本文所使用的各评价指标的Cronbach's α系数值都在0.8以上,同时评价指标体系整体Cronbach's α系数值大于0.8,均高于标准值0.7,由此说明本文评价指标体系可应用性较强。

表4 评估指标信度分析结果

2.2 评价结果

以设备编号为3的发酵机为例,采用本文评价指标体系对其健康状态进行评价。图2所示为各指标的权重计算结果。由图2得到,一级指标的权重为w={0.20,0.15,0.19,0.14,0.17,0.15}。这表明在本文方法所构建的指标体系内,可靠性特征对于设备检测结果的影响最为显著,技术性能特征也较为显著,经济性特征对设备检测结果的影响最为微弱。在权重计算结果基础上,由式(2)和式(3)计算得到其Gr值为0.63,设备编号3的发酵机健康状态为亚健康,表明该测试对象处于一种不太理想的运行状态。尽管它仍然能够继续运行,在一段时间内能保持正常运转,但需要进一步关注和采取适当的维护措施,以确保其长期稳定运行和延长使用寿命。

图2 权重计算结果

2.3 评价性能分析

基于上述评价过程,对全部测试对象进行健康状态评价,并与测试对象健康状态的专家评价结果进行对比,由此验证本文评价指标体系的性能,结果如图3(a)所示。同时为进一步验证本文评价指标体系的评价性能,对比采用本文评价指标体系前、后一年内各测试对象的故障率变化情况,结果如图3(b)所示。分析图3得到,本文评价指标体系对各测试对象的健康状态评价结果与专家评价结果完全一致,由此说明本文评价指标体系具有较好的评价准确性。同时采用本文评价指标体系进行健康状态评价后,各测试对象的故障率均下降10%以上,由此说明本文评价指标体系能够有效降低测试对象故障率,确保测试对象安全稳定运行。

图3 评价性能分析

3 结束语

本文设计了基于ASP模式的机械设备多特征参数健康状态综合评价指标体系,并对本文评价指标体系的性能进行测试,结果显示本文评价指标体系具有较好的评价性能。由于时间所限,本文对评价指标体系的研究还存在一定的不足,在后续研究中,将主要以机械设备的全生命周期为主要方向优化本文评价指标体系,提升本文评价指标体系的评价性能。