某型步戰車傳動裝置潤滑系統性能預測方法的研究

肖宇 李英順 董婉

摘 要

設備性能衰退是一個單調的過程，具有因其自身的壽命周期導致性能逐漸下降和狀態惡化具有突變性的特點。以某型步戰車綜合傳動裝置為研究對象。介紹了灰色預測模型和馬爾可夫模型的概念。使用馬爾可夫特性對灰色GM（1，1） 預測模型的殘差進行狀態劃分，確定其狀態轉移矩陣，建立灰色馬爾可夫模型。對綜合傳動裝置的潤滑系統溫度信號進行采樣測量值，對其進行預測，結果灰色馬爾科夫模型預測結果好于的灰色GM（1，1）模型。隨著潤滑系統工作時間的增長，相對誤差發生狀態轉移的趨勢愈加穩定，預測的精度將進一步提升，對設備能預測以及維修保養工作一定的價值。

關鍵詞

綜合傳動裝置;潤滑系統;灰色預測模型;馬爾可夫預測模型

中圖分類號： TM315 ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 16

Abstract

The degradation of equipment performance is a monotonous process， which has the characteristics of gradual decline in performance and deterioration in condition due to its own life cycle. Take a certain type of chariot integrated transmission as the research object. The concepts of grey prediction model and Markov model are introduced. The Markov characteristic is used to divide the residuals of the gray GM（1，1） prediction model into states， determine its state transition matrix， and establish a gray Markov model. Sampling and measuring the temperature signal of the lubricating system of the integrated transmission device and predicting it， the results of the gray Markov model are better than the gray GM（1，1） model. With the increase of the working time of the lubrication system， the trend of the relative error occurrence state transition becomes more stable， the accuracy of the prediction will be further improved， and the equipment can predict and maintain a certain value.

Key words

Comprehensive transmission; Lubrication system; Grey prediction model; Markov prediction model

0 前言

綜合傳動裝置是集液力、液壓、行星傳動等多項傳感技術于一身的復雜的電液系統[1]。其正常工作與否決定了戰車的戰斗效能， 但是其組成復雜，故障工況下難以進行確定故障部位。因此對其進行狀態監測并且對未來工作狀態進行預測，提前了解各部件的工作狀態演化趨勢，是實現由“事后診斷維修”向“事前預測維護”轉變的一個重要途徑。

研究灰色馬爾可夫模型在趨勢預測領域有著重要的意義，其在諸多領域都得到了廣泛的應用。王澤鵬等人[2]采用灰色馬爾可夫模型對礦山機電設備的性能趨勢進行了有效的預測。劉永闊等[3]，張黎明等[4]針對核電設備的灰色性質，結合馬爾可夫理論實現了對關鍵運行參數趨勢變化的準確預測。

灰色模型可以處理“小樣本”、“貧信息”、“不確定性”的問題，能夠在較長的時間范圍內對系統的工作狀態進行預測，得出相應變化趨勢;用馬爾可夫模型來確定各個工作狀態之間的轉移，建立灰色馬爾可夫預測模型，提高系統對異常的預警能力，提高故障時的維修效率，以某型戰車傳動裝置的潤滑系統溫度信號進行預測，驗證算法的可靠性。

1 灰色預測方法

鄧聚龍教授創立的灰色系統理論，是一種研究少數據，貧信息不確定性問題的新方法。灰色系統理論以“部分信息已知， 部分信息未知”的“小樣本”，“貧信息”不確定性系統為研究對象，主要通過對“部分”已知信息的生成，開發，提取有價值的信息，實現對系統運行行為，演化規律的正確描述和有效監控，灰色系統是按顏色命名的[5]。

4.3 結果對比分析

通過MATLAB計算得出GM（1，1）法與灰色馬爾可夫模型的預測曲線，圖2為潤滑系統溫度預測對比曲線。如表1中所示，灰色馬爾科夫預測方法在綜合傳動裝置潤滑系統溫度預測模型中，在相對誤差狀態空間劃分上，隨著潤滑系統工作時間的增長，相對誤差發生狀態轉移的趨勢愈加穩定，預測的精度將進一步提升。因此，本文提出的方法更能滿足綜合傳動裝置潤滑系統性能預測要求，在實際應用中應用效果更加顯著。

5 結語

提出一種傳動裝置的潤滑系統溫度預測方法，運用馬爾可夫模型對GM（1，1）預測模型的殘差進行狀態劃分，滿足對象的預測要求，對比GM（1，1）預測方法精度更高，且隨著測量數據不斷地增加，其預測精度將不斷提升，對綜合傳動裝置的潤滑系統性能預測，實現故障預警以及維修保養方面一定的價值。

參考文獻

[1]閆清東，張連第，趙毓芹，等.坦克構造與設計：上冊[M].北京：北京理工大學出版社，2006：160-176.

[2]王澤鵬，吳廣安.基于灰色馬爾可夫的礦山機電設備故障趨勢預測分析[D].《內蒙古煤炭經濟》，2018.

[3]劉永闊，謝春麗，于竹君，凌霜寒.基于GM（1，1）模型與灰色馬爾可夫GM（1，1）模型的核動力裝置趨勢預測方法研究[D].原子能科學技術，2011.

[4]張黎明，趙新文，蔡琦，武光江.基于灰色馬爾可夫鏈的核設備退化趨勢預測[D].原子能科學技術，2010.

[5]劉思峰.灰色系統理論的產生、發展及前沿動態.2003年中國管理科學學術會議，2003.

[6]張偉星.基于粒子群優化算法的動態多目標優化算法研究及應用[D].鄭州：鄭州大學，2013.

[7]Shi.Y.&Eberhart.R.Empirical Study of Particle Swam Optimization[C].In：Proceedings of the 1999 Congress on Evolutiom Computation， Pi Scataway，NJ： IEEE Service Center，1999：1948-1950.