基于比例風險模型的風機齒輪箱的狀態維修決策

朱田瑋，馬慧民，秦　洋

(上海電機學院 電氣學院，上海200240)

?

基于比例風險模型的風機齒輪箱的狀態維修決策

朱田瑋，馬慧民，秦洋

(上海電機學院 電氣學院，上海200240)

摘要：針對風電機組齒輪箱故障問題，在分析故障數據的基礎上，通過威布爾比例風險模型將風機齒輪箱故障規律和狀態監測結合起來，然后對模型進行簡化并運用Newton-Raphson迭代法進行求解，以可靠度為決策目標，預測齒輪箱維修間隔時間，最后通過某型號風機齒輪箱進行驗證，結果表明能準確預測齒輪箱的使用壽命，從而降低維修成本并最大化使用設備。

關鍵詞：威布爾比例風險模型；故障規律；狀態監測；可靠度

0引言

在全球能源危機的背景下，風能作為一種清潔無污染的可再生能源得到大力發展并越來越受人們的重視，然而風場一般都位于環境極其惡劣的邊遠地區，給風電機組的運行和檢修帶來嚴峻考驗。齒輪箱是風電機組傳動系統的關鍵部件，其故障率并不高，然而一旦故障修復困難且會造成長時間停機[1，2]。齒輪箱故障一般由軸承磨損和齒輪磨損兩類組成，是一個漸變的發展過程。傳統維修主要采用預防性的定時維修和故障后的事后維修，常常導致“小病大治，無病亦治”或長時間停機。

基于狀態的維修是一個新興的研究領域，其核心思想為在故障即將發生前對其進行維修。目前,國內外進行的研究可歸納為兩類：第一類基于數理統計來建立設備的壽命曲線，在此基礎上對維修決策進行優化；第二類已經濟作為優化目標，運用馬爾可夫來決策，對既定目標進行求解，從而達到維修優化的目的。常見的方法有時間延遲模型[3，4]、比例沖擊模型[5]、馬爾可夫過程[6，7]、卡爾曼濾波[8]等，但是這些方法在維修優化決策中實用性欠佳[9-11]。

本文以風電組齒輪箱為研究對象，在分析其故障規律的基礎上，通過威布爾比例風險模型將風機齒輪箱故障規律和狀態監測結合起來，以可靠度為決策目標，預測齒輪箱維修間隔時間。最后通過具體實例進行驗證，證明基于比例危險模型的狀態維修決策可以降低風電機組齒輪箱的維修成本，對最大化的利用設備有指導意義。

1威布爾比例風險模型

比例風險模型是一種比較成熟的協變量模型，在故障分布的同時綜合了故障的物理屬性、運行環境或條件變量，從而適用于設備運行和維修階段[12]。其數學表達式為：

(1)

式中：λ0(t)為初始失效函數；λ(t,Z(t))為t時刻協變量下的故障失效率；Z(t)為t時刻檢測到的狀態特征值，即為協變量，γi為特征量對故障率函數的影響，又稱回歸系數。

這里的λ0(t)選取威布爾分布，因為它既符合浴盆曲線，又適合風機故障分布特點，從而得到威布爾比例風險模型:

(2)

式中：β，η，γ為待估計的參數。

2模型參數估計

當初始失效函數形式確定時，根據可靠性理論，t取[0,∞]，此時模型的可靠性函數為：

(3)

已知故障密度函數f(t,Z(t))=λ(t,Z(t))·R(t,Z(t))，考慮截尾數據后，可構造似然函數如式(4)：

(4)

對上式取對數，化簡可得對數似然函數為：

(5)

由于lnL(β,η,γ)是L(β,η,γ)的增函數，所以變量的同值處取最大值。

這里參數估計值采用Newton-Raphson迭代法進行求解，首先對(5)式中β，η，γ分別求偏導，得：

(6)

對(6)式中β，η，γ再分別求偏導，得：

(7)

構造參數的迭代公式如下：

(8)

當k=0時，給出初始量為β0=1，η0=1，γ0=1，可根據式(8)迭代公式求得參數估計值。

3維修策略的制定

根據系統的不同使用要求，維修決策通常分兩種：經濟費用和可用度?？紤]一旦出現故障造成嚴重后果，保證整個系統持續正常地運行，最大程度地發揮設備的有效壽命，有著重大的社會和經濟意義，這里以風險率為決策目標制定維修策略。一般根據經驗或者系統要求設定一個可靠度閾值R0，從而保證系統在運行過程中可靠度都在閾值之上,當求出的預計維修間隔時間大于檢測間隔時間時,則說明系統此段時間不需要維修;當求出的預計維修間隔時間小于檢測間隔時間時,進行更換或維修，其中最佳維修時間通過式(9)可求得。

(9)

4實例仿真

為了建立風機齒輪箱的故障模型和模型的參數估計，需要收集風機齒輪箱故障數據和狀態監控數據。以下表1、表2為某型號風力發電機齒輪箱軸承的壽命數據和故障數據。

表1　齒輪箱壽命數據的部分樣本

表2　齒輪箱5的狀態監測數據

利用表1、表2數據，通過上述模型參數估計方法，在Matlab上編程計算，解得各參數：β=3.520 1；η=523.254 4，γ=0.262 4可以得到失效率表達式為：

(10)

根據上述模型，根據工程經驗要求可靠度不低于0.9，即：

(11)

表3　狀態監測數據和維修決策

選取另外一個齒輪箱作為驗證樣本，并將其狀態監測數據帶入上述模型，并計算出各監測時刻的預計維修間隔和維修決策，如下。

由上表可知，隨著使用天數的不斷增加，預測維修時間間隔也在不斷減少，且當齒輪箱振動為29.551 8/mm時，預計維修間隔時間為11天，達到設定可靠度閥值，建議維修或更換；且此時齒輪箱實際剩余壽命為10天，這是相當精確的，能夠在安全性的要求下最大程度的利用齒輪箱的壽命。

5結論

本文利用系統的故障數據和狀態檢測數據建立比例風險模型，從而實現了一種先進的維修方式，即基于狀態的維修決策，避免了傳統定時維修中“小病大治，無病亦治”的不足。最后以某齒輪箱為例，利用不同時刻的狀態監測數據計算出相應的預計維修時間，從而在保證了可靠度的基礎上最大程度使用設備，降低了維修成本。在后續研究中，可以在增加狀態監測數據類型和數據樣本數量的基礎上，對模型的精度進行提高。

參考文獻:

[1]吳麗嬡, 周振陽, 韓溪. 淺談風電齒輪箱早期的故障形式[J]. 黑龍江科技信息, 2011(13):4.

[2]杭俊, 張建忠, 程明,等. 風力發電系統狀態監測和故障診斷技術綜述[J]. 電工技術學報, 2013, 28(4):261-271.

[3] 張路朋, 趙洪山. 基于時間延遲的風機齒輪箱狀態優化維修[J]. 中國電力, 2014, 47(11):108-111.

[4]鄭睿,呂文元. 基于時間延遲理論的預防維修模型及案例研究[J]. 中國管理科學,2010(2):48-54.

[5]王小林, 程志君, 郭波,等. 基于沖擊模型劣化系統的不完全維修決策[J]. 系統工程理論與實踐, 2011, 31(12):2380-2386.

[6]秦洋, 馬慧民, 朱田瑋,等. 風力發電系統可靠性建模與優化檢修策略[J]. 電力科學與工程, 2015，31(7) :53-58.

[7]方冰. 基于半馬爾可夫決策過程的風機變速箱最優維修策略研究[J]. 化工自動化及儀表, 2014(6):665-668.

[8]邱燕平. 退化故障下設備可靠性的卡爾曼濾波器預測方法[D].合肥：合肥工業大學,2010.

[9]ZHANGQ,HUAC,XUG.AMixtureWeibullProportionalHazardModelForMechanicalSystemFailurePredictionUtilisingLifetimeandMonitoringData[J].MechanicalSystems&SignalProcessing, 2014, 43(s1-2):103-112.

[10]羅勇, 夏丹, 徐丹. 基于可靠性評估的維修診斷輔助決策系統研究[J]. 計算機與數字工程, 2011, 39(11):81-84.

[11]LIUH.ReliabilityofaLoad-Sharingk-out-of-n:GSystem:Non-LidComponentswithArbitraryDistributions[J].IEEETransactionsonReliability, 1998, 47(3):279-284.

[12]崔有志. 以可靠性為中心的數控機床維修決策技術研究[D]. 重慶：重慶大學, 2012.

Condition Maintenance Decision of Wind Turbine Gear Box Based on Proportional Hazard Model

ZHUTianwei，MAHuimin，QINYang

(SchoolofElectricEngineering，ShanghaiDianjiUniversity，Shanghai200240，China)

Abstract：Based on the analysis of the problems for the wind turbine gearbox failures, this paper combines the wind turbine gearbox failure rules with the condition monitoring through Weibull proportional hazards model. Subsequently, it simplifies the model, and utilizes the Newton-Raphson iteration method to solve the problem and predicts the maintenance interval for the gearbox with the reliability as the decision goal. Finally, a certain type of wind turbine gearbox is verified. As the results show, it can predict the service life of gearbox precisely and furthermore, lower the maintenance cost and maximize the application of devices.

Keywords：Weibull proportional hazards model; fault law; condition monitoring; reliability

收稿日期：2016-01-20。

作者簡介：朱田瑋 (1990-)，男，碩士研究生，主要研究方向為風電機組的狀態維修建模與維修策略的優化，E-mail: zhutianwei_306@163.com。

中圖分類號:TM614

文獻標識碼:A

DOI:10.3969/j.issn.1672-0792.2016.05.006