1、設備的保養(yǎng)、維護及運行狀態(tài)直接影響著企業(yè)的生產質量和經濟效益，因此，設備維護在企業(yè)中的地位和作用日益突出，成為企業(yè)降低運營成本，贏得競爭優(yōu)勢的重要手段。由于科學技術的飛速發(fā)展，機械設備結構以及故障產生的機理日益復雜，傳統的維護方法和理念已逐漸不能勝任保證設備正常運作的工作。半個世紀以來，設備維護管理在經歷了事后維護、計劃維護、預測維護等階段后，出現了多種不同的設備維護方式，基于狀態(tài)的維護(CBM，Condition based main

2、tenance)便是其一。
　　CBM利用診斷技術監(jiān)測系統或設備中關鍵性組件的當前“狀態(tài)”，預測未來趨勢，并根據這些信息做出優(yōu)化的維護決策。性能優(yōu)秀的CBM模型可以降低系統或設備的失效概率，降低維護成本和物流成本，同時保障系統安全生產的可靠性和設備的利用率。CBM通常包括數據提取，故障診斷，故障預測和策略優(yōu)化四個模塊。模型建立在大量的歷史數據上，建模過程涉及到大量的數據挖掘知識和優(yōu)化建模理論的應用。在本論文的文獻綜述工作中，對目前

3、已發(fā)表的百余篇設備預測相關論文進行了閱讀和整理，將目前應用于設備預測的技術按其所適用模型分為了四類(1)物理模型，(2)基于知識庫模型，(3)數據挖掘模型，(4)組合模型。在對各種技術分類進行的總數介紹中，分析了這些技術自身的優(yōu)勢和缺點，討論了設備預測在未來研究領域中的可能發(fā)展趨勢和方向。在分析國際上設備健康狀態(tài)預測技術的發(fā)展并結合目前設備維護實際情況的基礎上，本文主要完成以下三部分研究內容：
　　(1)提出一個基于隱式半馬爾科夫

4、方法的設備剩余壽命預測模型。在用于診斷設備健康狀態(tài)和預測有效剩余壽命的隱式半馬爾科夫模型中，引入了老化因子來描述設備性能的退化趨勢。老化因子的設計采用了常數，乘數，指數三種形式，并按照其作用對象分別做了公式推導和討論。老化因子估計值的優(yōu)化基于最大似然函數，采用了一個雙重迭代模型來逼近最優(yōu)值。最后使用采集自液壓泵的實時監(jiān)控振動數據對模型進行訓練，對三類老化因子的性能進行了比較和評估。
　　(2)針對不完全數據的處理問題上，從數據的準

5、備方面來提高預測模型的性能和預測精度。數據的填充算法采用了灰色模型，并設計了一個前向-后向的灰色算法，最大程度上利用了缺失數據值鄰近的觀測數據信息。同時將灰色模型與隱式半馬爾科夫模型結合，通過迭代來提高缺失數據估計值的精確度。在案例分析中，采用傳統中較常用的平均值填補法作為比較對象，灰色迭代填補算法在誤差均值和誤差方差上的統計結果都顯示更優(yōu)。
　　(3)研究如何將預測分析模型輸出的數據運用到設備動態(tài)維護策略中，提高了預測分析用于實

6、際生產維護計劃制定的可能性。維護策略的制定上，兼顧了維護成本和設備利用率兩個指標，并將備件庫存成本納入總維護成本目標函數中，建立了一個包含備件庫存優(yōu)化模型的雙層動態(tài)規(guī)劃維護策略優(yōu)化模型。仿真數據的統計結果表明，較傳統的靜態(tài)維護策略而言，動態(tài)規(guī)劃策略可以節(jié)約維護成本，同時提高設備利用率。同時通過調整輸入參數中的備件庫存相關參數，優(yōu)化的維護策略也會發(fā)生相應變化，體現了備件庫存對最優(yōu)維護策略的影響。
　　以上三個研究內容相互之間聯系緊密