自车身焊接生产线设备健康状态评估研究

引言

设备健康状态评估目的在于利用现代测控技术监控设备状态变化,预测白车身焊接生产线相关设备的性能劣化趋势,根据健康状态评估结果采取必要的措施进行维护检修。

隐马尔科夫模型(HiddenMarkovModel,HMM)是一种统计模型,它基于Markov链,并以此为基础扩展为一个观测序列可见但状态隐含的双重随机过程。基于HMM模型的设备部件健康状态评估,虽然已取得一些进展,但由于白车身焊接生产线生产过程中涉及的设备较多,且生产过程中存在设备部件和材料的不可预测失效等不确定性,在生产过程中会随机出现设备突发大故障。对于突发大故障这种发生概率低但危害大的健康状态,现有理论研究还需要进一步深入。

本文首先分析白车身焊接生产线的设备构成和特点,对白车身焊接生产线设备组件进行划分,并引入设备突发大故障状态,利用HMM模型对设备健康状态进行评估。

1设备健康状态评估基础及划分

一般采用等级标度法来划分白车身焊接生产线健康状态,采用运行状况和危险度两方面的意义来表示所划分的等级。本文参照专家经验,并考虑到设备突发大故障具有发生概率低但危害极大的特点,采用定性方法,将白车身焊接生产线设备健康状态划分为健康、亚健康、正常、异常、故障和突发大故障状态。白车身焊接生产线的健康状态划分为6个等级,如表1所示。

2设备健康状态评估模型建立

白车身焊接生产线设备健康状态评估流程包括设备健康状态数据处理、HMM模型训练和健康状态评估三个部分。设备健康状态数据包括白车身焊接生产线设备的历史数据和状态实时数据,采集并转化为观测序列,输入HMM模型进行参数训练,得到合理的HMM评估模型,在此基础上评估白车身焊接生产线设备的健康状态。设备健康状态评估是将采集的白车身焊接生产线设备健康状态数据转化为观测序列输入到训练完成的HMM评估模型入=(m,A,B)。

首先,在修正后的HMM重估公式代入新的模型参数入=(m,A,B),有:

设备健康状态参数观测序列的状态转移可以利用前向一后向算法计算出来,则白车身焊接生产线设备在1时刻处于状态9i的概率为:

根据上式,可计算1时刻设备在不同健康状态的概率。为了判断设备处于的健康状态,采用最大隶属度原则,则设备在1时刻以最大概率隶属于该健康状态。

3算例验证

首先实时采集滚珠丝杠的数据,采用训练得出的HMM评估模型即可获取设备在该时刻下处于不同健康状态的概率,然后利用最大隶属度原则,评估设备的健康状态。图1展示了某时刻的评估结果,根据最大隶属度原则,设备以54%的概率处于突发大故障状态,评估该设备现在处于突发大故障状态。

图2展示了设备健康状态的变化趋势,从图中可以看出,刚开始对设备进行监测时,设备健康状态良好,处于健康状态。随着设备的磨损程度增加,设备处于健康状态的趋势下降,随着加工时间的增加,设备逐渐从健康状态过渡到亚健康、正常、异常、常规故障状态,最后逐渐转移到突发大故障状态。从实例可以看出,本文提出的设备健康状态的转移过程与实际设备的劣化过程一致,验证了本文评估方法的有效性。

4结语

本文介绍了设备健康状态评估的划分标准以及依据,并考虑到设备突发大故障具有概率低以及危害大的特点,在设备健康状态中引入突发大故障状态,构建了设备健康状态的HMM评估模型,并利用焊接设备的滚珠丝杠数据进行了HMM评估模型的实例验证,证明了方法的有效性。