CN105550469A - 一种基于随机过程的磨损可靠寿命预测技术 - Google Patents
一种基于随机过程的磨损可靠寿命预测技术 Download PDFInfo
- Publication number
- CN105550469A CN105550469A CN201610032024.4A CN201610032024A CN105550469A CN 105550469 A CN105550469 A CN 105550469A CN 201610032024 A CN201610032024 A CN 201610032024A CN 105550469 A CN105550469 A CN 105550469A
- Authority
- CN
- China
- Prior art keywords
- wear
- max
- wearing
- tearing
- abrasion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于随机过程的磨损可靠寿命预测方法,从磨损机理出发,寻找失效规律,利用机械可靠性设计分析方法,研究基于随机过程的磨损量统计特性,并研究磨损失效时间预测技术,主要包括4个步骤:建立磨损随机过程模型;利用模糊数学建立许用磨损量的隶属函数;建立磨损可靠度模型;建立磨损可靠寿命预测模型。本发明的特点是:能够考虑因素的随机性及磨损的渐变行为,充分考虑磨损量分布的统计特性,给出磨损可靠寿命的预测方法,方法可行,具有较强的实用价值。
Description
技术领域
本发明涉及磨损寿命预测与可靠性设计领域,具体地说是一种基于随机过程的磨损可靠寿命预测技术。
背景技术
因摩擦而导致的磨损失效是机械产品的三大失效模式之一。据统计,在武器装备中,零部件损坏的表现形式最为突出的形式之一是磨损。在武器装备中所有接触且具有相对运动的两个零件之间,磨损无时无刻在发生。特别是地面武器中,由于其使用环境恶劣、复杂,许多零部件先后出现不同程度的磨损,有的产生松动,引发噪音等;有的影响装备使用性能;有的甚至断裂,致使系统瘫痪。如装甲车辆行动系统中的履带销、传动系统的齿轮,火炮的内膛、节制环等,经常发生磨损。
在磨损过程中,有许多影响失效的不确定因素,如摩擦副材料性能参数的随机分布、载荷的随机变化等。正是因为这些不确定因素,通过摩擦学设计成一定寿命的一批构件,其失效时间是分散的。影响磨损失效的因素不确定性越大,其失效时间的分散性越严重。可靠是相对失效而言,失效又意味着不可靠。故本方法主要从可靠性的角度,研究磨损失效时间的预测技术。磨损量作为评价磨损最主要的随机变量,但磨损现象极为复杂,影响因素众多,导致每一个时刻磨损量的分布都可能在变化,而且稍微改变其中某一参数都可能改变摩擦和磨损特性,难以通过常规的数理统计方法准确表达,这给磨擦学工作者精确预测磨损寿命带来较大的困难。随机过程被认为是概率论的“动力学”部分,研究的对象是随时间演变的随机现象,侧重于研究变动随机模型的过程,适合于评价较为复杂的随机量——磨损量。失效机理即失效的物理、化学变化本质,也即失效的内因或内在本质。从磨损的内因和本质,研究产品为什么磨损失效,以建立评估磨损的随机模型。
从磨损机理出发,寻找失效规律,利用机械可靠性设计分析方法,研究基于随机过程的磨损量统计特性,合理借助实验数据,提出建立磨损量随机模型的通用方法,并研究磨损失效时间预测技术,使工程人员在设计阶段能较准确预测出产品磨损失效的时间,尽早发现设计缺陷,减少后期的″回溯性″更改次数,降低研制费用,为解决武器装备研制中存在的磨损问题提供技术支持。
磨损的可靠性问题已经成为部分重大型号和国防装备的技术瓶颈,现有重大型号也都在寻求可起替代作用的预备方案,以提高系统的可靠性。如何准确地预测何时装备磨损失效,是目前急待解决的问题之一。目前,从公开研究资料分析表明,国内对武器装备磨损专门开展的研究工作不多。尽管已有的摩擦学成果可用于武器装备,但存在不少问题,如装甲车辆行动系统的履带销磨损量分布怎么统计、发动机配气机构磨损参数的分布特性如何确定等,至今未有理想的答案。为此,急需研究一套预测装备磨损失效时间的技术和方法。
发明内容
本发明的目的是提供一种基于随机过程的磨损可靠寿命预测技术,从磨损机理出发,寻找失效规律,利用机械可靠性设计分析方法,研究基于随机过程的磨损量统计特性,并研究磨损失效时间预测技术,主要包括4个步骤:
1)建立磨损随机过程模型;
2)利用模糊数学建立许用磨损量的隶属函数;
3)建立磨损可靠度模型;
4)建立磨损可靠寿命预测模型。
本发明的特点是:
1)引入随机过程因子,建立了基于磨损机理的失效时间预测模型。首次通过磨损经验公式中引入随机因子,建立磨损随机过程模型,较传统试验方法而言,能有效减少试验的样本量。考虑磨损因素的随机性,能够获取磨损动态随机过程。所有磨损随机过程模型均可给出任意时刻的磨损分布或特征值。
2)提出了基于模糊数学的磨损失效判据的确定方法。能够描述磨损由完好到故障的渐变失效行为,通过模糊数学分析可以判别其在某种程度上是属于安全或失效,打破了传统的以许用磨损量为临界点的刚性约束。
3)能够考虑因素的随机性及磨损的渐变行为,充分考虑磨损量分布的统计特性,给出磨损可靠寿命的预测方法,方法可行,具有较强的实用价值。
附图说明
图1:本发明的流程图;
图2:磨损随机过程模型建模流程图;
具体实施方式
如图1所示,本发明所述一种基于随机过程的磨损可靠寿命预测技术,主要包括以下步骤:
1建立磨损随机过程模型,具体流程如图2所示:
工程上,用于定量计算的磨损确定性公式通常有两大类,一类是根据磨损机理推导的公式,另一类是对实验数据线性、非线性回归的函数关系式。那么,这一类公式,对于磨损率均有一般表达式:
式中,x1、x2、…、xn为磨损因素,如载荷、速度、表面硬度等,k1、k2、…、km为系数,t为广义时间,可表示磨损时间或行程,W(t)为t时刻的磨损量。
考虑到实际工程中磨损因素一般具有一定的分散性,那么,将显著分散或对磨损量相对敏感的部分因素看作随机变量,即:式中,x1、x2、…、xi、k1、k2、…、kj为随机因素(i≤n,j≤m),其余为确定性因素。
由于影响磨损的因素非常多,远超过经验公式中的参量个数,这就造就了试验数据与磨损经验公式计算数据之间的波动(或误差),而且这个波动是随时间动态变化,故引入随机过程因子来描述磨损过程。
或
式中,δ(t)、X(t)为随机过程因子。假定磨损因素是相互独立,由于磨损因素非常多,根据大数定律,多个随机变量之和服从正态分布,则任意时刻磨损量随机过程因子服从正态分布。考虑到磨损经验公式中很多情况是因素相乘之积,取对数后转换为相加,故任意时刻磨损因子有可能是服从对数正态分布。
基于经验公式的磨损随机过程建模,不同于前面所述的基于试验数据的磨损随机过程建模,首先在于对磨损经验公式进行分析,并随机化,而后利用少量试验确定系数和随机过程因子的特征值,其建模流程如图2所示。
2利用模糊数学建立许用磨损量的隶属函数。
磨损是摩擦时零件表层材料不断损失的过程,当磨损值超过了允许的磨损量时,零件进入故障状态,在此之前,零件经历了一个由完好到故障的过度过程,具有模糊性,即磨损失效就其现象而言具有模糊性。在可靠度计算中,取W=Wmax为磨损失效的临界点,这种约束是刚性的,按照这种约束,当磨损量非常接近于Wmax但小于Wmax时,可靠度为1,而一旦大于Wmax时,可靠度就变为0,很显然这种刚性约束不符合磨损失效的实际规律。实际上,许用磨损量这个术语就是一个模糊事件,因为磨损是一种渐变失效行为,所以当许用磨损量为Wmax时,实际磨损量W在区间(Wmax-a,Wmax+a,)(a是相对于Wmax的一个小数)内取值,磨损的状态并无实质的差别,不能明确地判断是安全状态还是失效状态,而只能判别其在某种程度上是属于安全或失效。我们把这种情形下确定的零件磨损可靠度称为模糊可靠度。
要计算零件的模糊可靠度,应该先选取合适的隶属函数。由上所述,假设S为磨损的状态空间V上的安全模糊子集,当用正态隶属函数表征状态变量W,对S的隶属度时,可表示为:
相应的,其失效模糊子集f可以表示为:
式中,k和a是由专家根据经验确定的常数。
3建立磨损可靠度模型
由磨损量随机过程模型和许用磨损量模糊概率计算公式可得,模糊可靠度为
基于随机过程的磨损可靠度计算,“基于随机过程的磨损统计特性研究”部分以Archard公式为基础给出的计算步骤和方法。
4建立磨损可靠寿命预测模型
对于服从正态分布的随机变量来说,当确定了均值和方差之后,其分布规律也就确定了。于是磨损量概率密度可以表示为:
式中,是由压力P,速度v,硬度H等参数决定的具体函数。则磨损量的分布函数为:
令
那么
其中σW为磨损量标准差;
则磨损量概率密度函数变为:
若已知FO(Mmax)=Ps,,求出Wmax的值。这样在P,v给定时,磨损量的概率预测表达式为:
即在给定Ps的情况下,求出确定Mmax和Wmax的值,当给定了载荷和滑动速度的情况下,可以计算出磨损率,进而就可以计算失效时间。
Claims (1)
1.一种基于随机过程的磨损可靠寿命预测技术,其特征在于:包括如下几个步骤:
1)建立磨损随机过程模型:
其中,ω(t)为磨损率,W(t)为t时刻的磨损量,t为广义时间,x1、x2、…、xn为磨损因素,k1、k2、…、km为系数,X(t)为随机过程因子;考虑到实际工程中磨损因素一般具有一定的分散性,那么,将显著分散或对磨损量相对敏感的部分因素看作随机变量,即;
式中,x1、x2、…、xi、k1、k2、…、kj为随机因素(i≤n,j≤m),其余为确定性因素;由于影响磨损的因素非常多,远超过经验公式中的参量个数,这就造就了试验数据与磨损经验公式计算数据之间的波动或误差,而且这个波动是随时间动态变化,故引入随机过程因子X(t)来描述磨损过程;
2)利用模糊数学建立许用磨损量的隶属函数:
假设S为磨损的状态空间V上的安全模糊子集,当用正态隶属函数表征状态变量W,对S的隶属度时,可表示为:
相应的,其失效模糊子集f可以表示为:
式中,k和a是由专家根据经验确定的常数;
3)建立磨损可靠度模型:
由磨损随机过程模型和许用磨损量的隶属函数的计算公式可得,模糊可靠度为:
基于随机过程的磨损可靠度计算,“基于随机过程的磨损统计特性研究”部分以Archard公式为基础给出的计算步骤和方法;
4)建立磨损可靠寿命预测模型:
对于服从正态分布的随机变量来说,当确定了均值和方差之后,其分布规律也就确定了;于是磨损量概率密度可以表示为:
式中,是由压力P,速度v,硬度H参数决定的具体函数;则磨损量的分布函数为:
令
那么
其中σW为磨损量标准差;
则磨损量概率密度函数变为:
若已知FO(Mmax)=Ps,,求出Wmax的值;这样在P,v给定时,磨损量的概率预测表达式为:
即在给定Ps的情况下,求出确定Mmax和Wmax的值,当给定了载荷和滑动速度的情况下,可以计算出磨损率,进而就可以计算失效时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610032024.4A CN105550469A (zh) | 2016-01-19 | 2016-01-19 | 一种基于随机过程的磨损可靠寿命预测技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610032024.4A CN105550469A (zh) | 2016-01-19 | 2016-01-19 | 一种基于随机过程的磨损可靠寿命预测技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105550469A true CN105550469A (zh) | 2016-05-04 |
Family
ID=55829658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610032024.4A Pending CN105550469A (zh) | 2016-01-19 | 2016-01-19 | 一种基于随机过程的磨损可靠寿命预测技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550469A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893760A (zh) * | 2016-04-01 | 2016-08-24 | 北京航空航天大学 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
CN106644424A (zh) * | 2015-12-02 | 2017-05-10 | 北京航空航天大学 | 一种基于磨粒信息的寿命终结标志及寿命预测方法 |
CN107655685A (zh) * | 2017-10-17 | 2018-02-02 | 深圳怡化电脑股份有限公司 | 一种传动部件损耗自检装置及方法 |
CN109540719A (zh) * | 2018-12-12 | 2019-03-29 | 中国航空综合技术研究所 | 橡胶制o形密封圈往复密封磨损寿命试验方法 |
CN110426194A (zh) * | 2019-08-23 | 2019-11-08 | 中国兵器科学研究院 | 考虑磨损和疲劳交互作用的机械部件寿命试验方法 |
CN111047215A (zh) * | 2019-12-09 | 2020-04-21 | 中国兵器科学研究院 | 基于随机森林的现场可更换单元划分类别确定方法 |
CN112036661A (zh) * | 2020-09-10 | 2020-12-04 | 南京工程学院 | 基于刀具力学性能随机分布性的陶瓷刀具可靠度预测方法 |
CN115083124A (zh) * | 2022-06-08 | 2022-09-20 | 北京首钢股份有限公司 | 石墨碳辊套的磨损预警方法、装置、介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399992A (zh) * | 2013-07-22 | 2013-11-20 | 中国兵器科学研究院 | 一种基于可靠寿命的结构耐久性优化设计方法 |
CN104077445A (zh) * | 2014-07-01 | 2014-10-01 | 北京航空航天大学 | 基于模糊理论的加速寿命试验统计分析方法 |
CN105136449A (zh) * | 2015-08-24 | 2015-12-09 | 哈尔滨工程大学 | 一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法 |
-
2016
- 2016-01-19 CN CN201610032024.4A patent/CN105550469A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399992A (zh) * | 2013-07-22 | 2013-11-20 | 中国兵器科学研究院 | 一种基于可靠寿命的结构耐久性优化设计方法 |
CN104077445A (zh) * | 2014-07-01 | 2014-10-01 | 北京航空航天大学 | 基于模糊理论的加速寿命试验统计分析方法 |
CN105136449A (zh) * | 2015-08-24 | 2015-12-09 | 哈尔滨工程大学 | 一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法 |
Non-Patent Citations (2)
Title |
---|
刘勤等: "磨损随机过程建模及实例分析", 《兵工学报》 * |
张云凤: "基于随机过程的磨损可靠性预测及若干问题研究", 《中国博士学位论文全文数据库工程科技II辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106644424A (zh) * | 2015-12-02 | 2017-05-10 | 北京航空航天大学 | 一种基于磨粒信息的寿命终结标志及寿命预测方法 |
CN106644424B (zh) * | 2015-12-02 | 2019-05-14 | 北京航空航天大学 | 一种基于磨粒信息的寿命终结标志及寿命预测方法 |
CN105893760B (zh) * | 2016-04-01 | 2018-11-16 | 北京航空航天大学 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
CN105893760A (zh) * | 2016-04-01 | 2016-08-24 | 北京航空航天大学 | 基于广义磨损量的刀具磨损评价和预测方法及系统 |
CN107655685A (zh) * | 2017-10-17 | 2018-02-02 | 深圳怡化电脑股份有限公司 | 一种传动部件损耗自检装置及方法 |
CN109540719B (zh) * | 2018-12-12 | 2021-05-07 | 中国航空综合技术研究所 | 橡胶制o型密封圈磨损寿命模型参数的修正试验方法 |
CN109540719A (zh) * | 2018-12-12 | 2019-03-29 | 中国航空综合技术研究所 | 橡胶制o形密封圈往复密封磨损寿命试验方法 |
CN110426194A (zh) * | 2019-08-23 | 2019-11-08 | 中国兵器科学研究院 | 考虑磨损和疲劳交互作用的机械部件寿命试验方法 |
CN110426194B (zh) * | 2019-08-23 | 2020-12-25 | 中国兵器科学研究院 | 考虑磨损和疲劳交互作用的机械部件寿命试验方法 |
CN111047215A (zh) * | 2019-12-09 | 2020-04-21 | 中国兵器科学研究院 | 基于随机森林的现场可更换单元划分类别确定方法 |
CN111047215B (zh) * | 2019-12-09 | 2023-06-23 | 中国兵器科学研究院 | 基于随机森林的现场可更换单元划分类别确定方法 |
CN112036661A (zh) * | 2020-09-10 | 2020-12-04 | 南京工程学院 | 基于刀具力学性能随机分布性的陶瓷刀具可靠度预测方法 |
CN112036661B (zh) * | 2020-09-10 | 2023-11-21 | 南京工程学院 | 基于刀具力学性能随机分布性的陶瓷刀具可靠度预测方法 |
CN115083124A (zh) * | 2022-06-08 | 2022-09-20 | 北京首钢股份有限公司 | 石墨碳辊套的磨损预警方法、装置、介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550469A (zh) | 一种基于随机过程的磨损可靠寿命预测技术 | |
Tian et al. | A neural network approach for remaining useful life prediction utilizing both failure and suspension histories | |
Ghasemi et al. | Application of artificial intelligence techniques for predicting the flyrock distance caused by blasting operation | |
CN102252843B (zh) | 一种滚动轴承性能变异的评估方法 | |
Abou Jaoude | The paradigm of complex probability and analytic linear prognostic for unburied petrochemical pipelines | |
CN104462842A (zh) | 一种基于贝叶斯网络的故障数据挖掘诊断方法 | |
Zeng et al. | An ensemble learning-based remaining useful life prediction method for aircraft turbine engine | |
Abou Jaoude | The paradigm of complex probability and analytic nonlinear prognostic for unburied petrochemical pipelines | |
CN106066252A (zh) | 一种危险品销毁设备子系统级的健康状态评估方法 | |
Chang et al. | The blockage risk in the elbow of the Bi-directional pig used for submarine pipeline based on the modified Burgers-Frenkel (MB-F) model | |
Wu et al. | Modeling coupled effects of dynamic environments and zoned shocks on systems under dependent failure processes | |
CN113779708A (zh) | 一种冲击载荷作用下射孔减震系统的可靠性评价方法 | |
Koucky et al. | Suitable approach for non-traditional determination of system health and prognostics | |
Berenji et al. | Inductive learning for fault diagnosis | |
Ji et al. | Research on early warning of coal and gas outburst based on HPO-BiLSTM | |
Azamfar et al. | Moshrefifar and Azamfar method, a new cycle counting method for evaluating fatigue life | |
M‘sabah et al. | Degradation model of the bearings by wiener process | |
Wang et al. | A dynamic and non-linear risk evaluation methodology for high-pressure manifold in shale gas fracturing | |
Valis et al. | System condition assessment based on mathematical analysis | |
Li et al. | The SRVM: A Similarity-Based Relevance Vector Machine for Remaining Useful Lifetime Prediction in the Industrial Internet of Things | |
Abu-Abed et al. | Supply of Oil And Gas Extracting Industry and Intelligent Decision Support System | |
Kasaeyan et al. | Fuzzy consequence modelling of hydrocarbon offshore pipeline | |
Zaitseva et al. | Failure analysis of series and parallel multi-state system | |
Xiao et al. | Multi-Sensor Infusion and Data-Physics Model Based Remaining Life Prediction | |
Li et al. | SRVM: A Similarity-based Relevance Vector Machine for Remaining Useful Lifetime Prediction in IIOT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160504 |
|
WD01 | Invention patent application deemed withdrawn after publication |