朱連軍 孔瀟 孫海鵬

摘要：視情維修是解決定時維修和事后維修等維修方式所帶來的維修不足或過度維修等問題的有效方式，能夠?qū)崿F(xiàn)根據(jù)發(fā)動機的工作狀態(tài)，預(yù)測并排除故障，而故障概率評估是視情維修策略制定的基礎(chǔ)。本文基于裝甲車輛發(fā)動機故障模式分析，通過模糊隸屬度及專家評價法與模糊綜合評判相結(jié)合的方法，實現(xiàn)了發(fā)動機故障概率的綜合評判，并通過算例進行了計算分析，為裝甲車輛發(fā)動機的視情維修提供了基礎(chǔ)。

Abstract： Condition based maintenance is the best way to solve the problems such as insufficient or excessive maintenance which caused by hard time maintenance. Condition based maintenance could predict and removal the faults of engine based on the engine working condition. Failure rate prediction is the basis of the strategy of condition based maintenance. In this paper， failure model effectiveness analysis （FMEA） is applied to armored vehicle engine， then， the fuzzy description logics method and the expert experience method are combined with the fuzzy comprehensive evaluation method to realize the failure rate prediction of armored vehicle engine， calculation and analysis though living example is carried out. The research results provide the basis for the condition based maintenance of the armored vehicle engine.

關(guān)鍵詞：故障模式分析;裝甲車輛;發(fā)動機;故障概率;模糊綜合評估

Key words： failure mode analysis;armored vehicle;engine;failure probability;fuzzy comprehensive evaluation

中圖分類號：V233.7? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2020）23-0188-04

0? 引言

我軍裝甲車輛發(fā)動機均采用定時維修和事后維修的方式，存在維修不足或過度維修的情況，給車輛運行帶來了巨大安全隱患，同時也存在不同程度的資源浪費。視情維修能根據(jù)發(fā)動機的工作狀態(tài)，及時預(yù)測并排除故障，不僅能降低故障率、提高車輛安全性而且能節(jié)省資源、降低成本。所以，積極探索裝甲車輛發(fā)動機視情維修工作開展的理論及方法具有十分重要的意義。

故障概率評估是視情維修策略制定的基礎(chǔ)，采用合理的方法對研究對象進行故障概率評估是很多學(xué)者研究的重點。文獻[1-7]分別采用不同的方法對不同的設(shè)備故障概率進行了評估，并取得了很好的效果，但由于裝甲車輛發(fā)動機結(jié)構(gòu)復(fù)雜，零部件多，故障模式也復(fù)雜多樣，對其故障概率進行合理評估需要從各子系統(tǒng)進行準確的故障模式分析，結(jié)合合理的故障概率評估方法，將各子系統(tǒng)故障概率轉(zhuǎn)換為發(fā)動機故障概率。

綜上，本文針對裝甲車輛的特點，依據(jù)故障模式分析，結(jié)合模糊綜合預(yù)測方法，對裝甲車輛發(fā)動機進行科學(xué)合理的故障概率評估，為其視情維修提供基礎(chǔ)。

1? 故障模式分析

裝甲車輛發(fā)動機由發(fā)動機本體及其輔助系統(tǒng)組成，其中發(fā)動機本體由曲柄連桿機構(gòu)、傳動機構(gòu)以及配氣機構(gòu)組成，輔助系統(tǒng)由燃油供給系統(tǒng)、冷卻系統(tǒng)、潤滑系統(tǒng)、起動系統(tǒng)以及進排氣系統(tǒng)組成。發(fā)動機是一個復(fù)雜的系統(tǒng)，故障形式也復(fù)雜多樣，本文根據(jù)發(fā)動機的常見故障、原因分析及診斷方法建立了故障模式、表征故障的特征參量以及特征參量測試方法的對應(yīng)關(guān)系表，如表1所示，具體的各故障特征參量的測試方法如表2所示。以氣缸發(fā)生磨損故障為例，其故障特征參量表征為：氣缸內(nèi)缸壓降低、發(fā)動機發(fā)出功率下降、油耗增大、噪聲增大、排氣管冒藍煙等。上述故障特征參量可以通過發(fā)動機綜合性能測試、油耗測試、耳測、目測等測試方式進行檢測。

2? 模糊隸屬度法及專家評價法

基于故障特征參量的故障概率評估方法非常多，如威布爾比例風(fēng)險模型[8]、比例強度模型[9]等，但上述模型不僅考慮了特征參量對故障概率的影響，而且考慮了部件故障概率隨時間變化的因素。實際上，本文所列舉的部分故障特征參量已經(jīng)考慮了部件性能隨時間退化的因素。所以，其會對故障概率評估的準確性產(chǎn)生影響。

2.1 模糊隸屬度法

模糊理論是在模糊集合論的基礎(chǔ)上發(fā)展起來的，在模糊理論的基礎(chǔ)上，人們總結(jié)一些設(shè)備故障狀態(tài)，以此找出故障原因的隸屬度，由此發(fā)展為基于模糊隸屬度函數(shù)的故障診斷。本文在總結(jié)裝甲車輛柴油機故障模式的基礎(chǔ)上，結(jié)合故障規(guī)律及常見的模糊隸屬度函數(shù)，提出了基于故障特征參量及模糊隸屬度函數(shù)的故障概率評估方法。

隸屬度函數(shù)的確定方法非常多，常見的有模糊統(tǒng)計法、專家經(jīng)驗法、二元對比排序法、綜合加權(quán)法、指派法等[10]，常見的模糊隸屬度函數(shù)也非常多，主要有：矩形分布、梯形分布、K次拋物線型分布、Γ形分布、正態(tài)分布、柯西分布等[10]，本文在分析各裝甲車輛使用部隊、戰(zhàn)區(qū)大修廠以及柴油機大修廠的維修數(shù)據(jù)后，選取五種隸屬度函數(shù)作為基于故障特征參量的裝甲車輛柴油機故障概率評估方法。

其中，A（x）為故障概率隨故障特征參量x的變化隸屬度函數(shù)，a，b，c為特征參量的閾值，？琢，？茁分別為常數(shù)。

2.2 專家評價法

專家評價法是由有豐富經(jīng)驗的專家，根據(jù)其經(jīng)驗，通過分析對比做出的綜合評價。專家評價法是實現(xiàn)缺乏數(shù)據(jù)而需要定量評價的有效方法之一。通過專家打分、一致性檢驗、求和平均等步驟實現(xiàn)[11]。

3? 模糊綜合評判法

模糊綜合評判法是一種基于模糊數(shù)學(xué)的綜合評標方法。該綜合評價法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評價轉(zhuǎn)化為定量評價，即用模糊數(shù)學(xué)對受到多種因素制約的事物或?qū)ο笞龀鲆粋€總體的評價[12]。其實現(xiàn)步驟如下：

3.1 構(gòu)建模糊評價矩陣

根據(jù)實驗測得的各評價參數(shù)數(shù)據(jù)，通過相對劣化度法、專家評價法等，可以確定評價向量S。

3.2 建立權(quán)重集

建立權(quán)重集是模糊綜合評判的重點，因為各個評價因素對總體評價結(jié)果的重要度各不相同，通過建立權(quán)重集能很好的區(qū)分各因素的重要度。結(jié)合L.A.Satty提出的層次分析法，首先應(yīng)建立單層判斷矩陣：

aij為評價指標i對評價指標j的相對重要度，取值范圍為1～9，具體取值可以參考表3，且aji=1/aij。

其次求取判斷矩陣A的最大特征根？姿max并代入式（7）中進行一致性檢驗：

其中，RI由n決定，見表4。

若，CR？燮0.1則滿足一致性條件，當不滿足條件時可適當調(diào)整A中各項的取值。將滿足條件的最大特征根？姿max所對應(yīng)的特征向量E進行歸一化處理即為權(quán)重集W。

3.3 綜合評價

將權(quán)重集對評價向量進行加權(quán)即可獲得發(fā)動機故障概率的綜合評價結(jié)果：

4? 應(yīng)用算例

基于曲柄連桿機構(gòu)的分析算例，詳細闡述了柴油機故障概率評估方法，以柴油機拉缸故障為例，柴油機拉缸故障的故障特征參量表征為：①柴油機動力性下降;②水溫升高;③柴油機出現(xiàn)明顯抖動;④怠速工況不穩(wěn)定，易熄火;⑤排氣管排藍煙，加機油口處冒藍煙;⑥噪聲明顯加大。其對應(yīng)的故障特征參量測試方法為：U1，U1，U7，U8，U35，U36。對于故障特征參量表征①，②，③有標準值進行評估對比，可以采用模糊隸屬度法進行評價，對于故障特征參量表征④，⑤，⑥無標準值對比，可以采用專家評價法進行評價。

①該型柴油機標定轉(zhuǎn)速功率（陸上）為C0=404（kW），柴油機使用手冊規(guī)定當柴油機最大功率低于標定轉(zhuǎn)速功率60%時，即應(yīng)該進行大修，所以其特征參量閾值為q=404×60%=242.4（kW），當柴油機在標定轉(zhuǎn)速的實際功率越接近C0時，柴油機發(fā)生故障的概率越低，所以采用偏小型柯西分布計算其隸屬度函數(shù)值，?。孔?1，？茁=0.2，該型柴油機實際標定轉(zhuǎn)速功率為x=354.2（kW），依據(jù)式（3），可知其模糊隸屬度值為A（x）=0.2802。

②柴油機的冷卻水正常溫度范圍為70～90℃，參量值有一定取值范圍，在正常溫度范圍之內(nèi)時，柴油機發(fā)生故障概率低，當在溫度范圍之外時，發(fā)生故障的概率較高，所以，采用公式（5）進行計算，取a=70℃，b=90℃，?。孔?2，？茁=2。將柴油機穩(wěn)定在標定工況轉(zhuǎn)速，求取冷卻水溫平均值為91.2℃。采用公式（5）進行計算得到其模糊隸屬度為A（x）=0.3415。

③依據(jù)文獻[13]所述方法對柴油機振動狀態(tài)進行測試，振動值越大，柴油機狀態(tài)越差，發(fā)生故障的概率越大，其對應(yīng)的隸屬度函數(shù)值越大，所以，采用偏小型柯西分布計算其隸屬度函數(shù)值，？琢=2，？茁=6，依據(jù)國家標準GB 6075-1985《制定機器振動標準的基礎(chǔ)》，選定Ⅲ類機械B級作為柴油機振動狀態(tài)的評價標準，所以，閾值確定為：

測定柴油機振動烈度為4.25mm/s，依據(jù)式（4），計算得到其隸屬度函數(shù)值為A（x）=0.0446。

④開展怠速運轉(zhuǎn)測試，測試分為兩組，每組測試十次，每次柴油機在怠速工況下運行5分鐘。由于怠速運轉(zhuǎn)測試沒有標準值與對比，所以采取專家經(jīng)驗法進行評定，請五名有經(jīng)驗的維修員對柴油機怠速狀態(tài)進行打分為：

計算打分的總體標準差？啄<1，所以，打分滿足條件，求取平均值得到A（x）=0.1220。

⑤觀察排氣管尾氣狀態(tài)，當柴油機在標定轉(zhuǎn)速時，無排藍煙現(xiàn)象，當柴油機處于怠速工況時，排氣管有輕微排藍煙現(xiàn)象，五名維修員的打分為：

同樣，總體標準差？啄也滿足條件，所以，A（x）=0.2060。

⑥請維修員對柴油機怠速及標定轉(zhuǎn)速時發(fā)出的噪聲進行判斷，依據(jù)噪聲的聲級與正常柴油機聲級對比并進行打分，得到的結(jié)果依次為：

與前述方法一樣，得到A（x）=0.2820。

⑦綜合得到其評價得分分別為：

依照模糊層次分析法，通過分析各特征參量對故障的表征程度，建立判斷矩陣為：

采用方根簡化算法計算得到其最大特征根？姿max=6.0138，對應(yīng)的特征向量：

歸一化后得到權(quán)重集為：

⑨綜合評判。

綜合評判柴油機發(fā)生拉缸故障的概率為：

同理，通過綜合評判，可以求出曲柄連桿機構(gòu)其它6種典型的故障模式的概率。以此為基礎(chǔ)，通過對比7種典型故障模式對曲柄連桿機構(gòu)的影響程度，采用模糊綜合評判求出曲柄連桿機構(gòu)整體故障概率。求出各子系統(tǒng)的故障概率后，同樣，可根據(jù)模糊綜合評判的方法求出整個發(fā)動機的故障概率。由此，為發(fā)動機視情維修策略的制定提供基礎(chǔ)。

5? 結(jié)束語

本文提出了基于故障模式分析的發(fā)動機概率評估方法，通過故障模式分析，結(jié)合模糊隸屬度及專家評價法，采用模糊綜合評判，實現(xiàn)了發(fā)動機概率的綜合評估。①根據(jù)裝甲車輛發(fā)動機的結(jié)構(gòu)分類，對發(fā)動機的典型故障模式進行了詳細分析，并列舉了故障特征參量以及特征參量的測試方法;②基于故障模式分析，提出了基于模糊隸屬度及專家評價法，對發(fā)動機典型故障模式發(fā)生概率進行評估;③采用模糊綜合評判的方法，通過對發(fā)動機典型故障模式的故障概率評估，實現(xiàn)了對發(fā)動機整體故障概率的評估。

研究成果為發(fā)動機視情維修策略的制定提供了基礎(chǔ)。

參考文獻：

[1]張安華.灰色預(yù)測模型及其在故障預(yù)測中的應(yīng)用[J].設(shè)備管理與維修，1994（09）：21-22.

[2]楊江天，岳維亮.灰色模型在機械故障預(yù)測中的應(yīng)用[J].機械強度，2001（3）：277-279.

[3]李瑞瑩，康銳.基于神經(jīng)網(wǎng)絡(luò)的故障率預(yù)測方法[J].航空學(xué)報，2008（3）：357-363.

[4]崔梅英.基于神經(jīng)網(wǎng)絡(luò)的電力變壓器故障預(yù)測模型研究[D].山東大學(xué)碩士學(xué)位論文，2011.

[5]楊婷.基于遺傳神經(jīng)網(wǎng)絡(luò)的汽車故障率預(yù)測[D].上海交通大學(xué)學(xué)位論文，2008.

[6]梁錦強，孫炯，劉凱.廣義加權(quán)最小二乘組合預(yù)測法在裝備故障率預(yù)測中的應(yīng)用[J].計算機與數(shù)字工程，2012（09）：39-40.

[7]汪文峰，楊建軍.裝備故障率預(yù)測模型[J].裝備環(huán)境工程，2007（5）：75-77.

[8]左洪福，張海軍，戎翔.基于比例風(fēng)險模型的航空發(fā)動機視情維修決策[J].航空動力學(xué)報，2006（8）：716-721.

[9]張繼權(quán).基于比例強度模型的風(fēng)力發(fā)電機齒輪箱優(yōu)化檢修決策[J].廣東電力，2010（9）：1-6.

[10]余瓊芳，陳迎松.模糊數(shù)學(xué)中隸屬函數(shù)的構(gòu)造策略[J].漯河職業(yè)技術(shù)學(xué)院學(xué)報（綜合版），2003（1）：12-14.

[11]王有元.基于可靠性和風(fēng)險評估的電力變壓器狀態(tài)維修決策方法研究[D].重慶大學(xué)博士學(xué)位論文，2008.

[12]朱世輝，楊春，李樹勇，唐杰.結(jié)合層次分析法的模糊綜合評價模型及其應(yīng)用[J].實驗科學(xué)與技術(shù)，2006（3）：42-44.

[13]劉建敏.裝甲車輛柴油機技術(shù)狀態(tài)評價與預(yù)測方法研究[D].裝甲兵工程學(xué)院博士學(xué)位論文，2006.