CN105741005A - 零件维护计划的优化方法及其系统 - Google Patents

Abstract

本发明涉及零件维护计划的优化方法及其系统，其中的一种零件维护计划的优化方法包括如下步骤：通过一检测器在一段时间内收集所述零件的缺陷数据，以形成一历史记录；建立一仿真模型，所述仿真模型包括所述零件的位置类型数据；基于所述仿真模型，预测所述零件的失效机制；将所述历史记录映射到所述仿真模型上，以建立一零件历史缺陷模型，所述零件历史缺陷模型包括每个缺陷的位置类型；至少基于所述缺陷的位置类型，判定所述缺陷的影响程度；基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性；及基于所述失效可能性，优化所述零件的维护计划。

Description

零件维护计划的优化方法及其系统

技术领域

本发明公开的实施方式涉及零件维护计划的优化方法及其系统，尤其是针对设备和机器中零件的维护计划的优化方法及其系统。

背景技术

在传统的维护计划中，一般采用固定的检测周期，且在每次检测时会按照设定的检测顺序对所有可能的区域进行检测，所述检测顺序与检测区域对零件寿命的影响程度无关。所述零件的缺陷类型和缺陷位置没有被追溯，或者只有非常笼统的信息被记录下来。所以，传统的方法需要在每次检测时对所有区域进行全面检测。

另外，传统的零件检测一般基于固定的计划表，这些计划表是基于所有零件失效的最坏情况来制定的，即基于可能最早失效的零件。判断失效可能性时没有用到零件缺陷的位置信息，仅用到笼统的失效率。这意味着许多零件在每个检测周期都会被检测就好像它们会很快失效，即使它们从未显现出任何的失效迹象。这样，造成了资源的浪费，增加了维护成本，且需要的停机时间较长，从而影响了设备的利用率。

因此，有必要提供一种优化零件维护计划的方法和系统来解决上述问题。

发明内容

鉴于上面提及的技术问题，本发明的一个方面在于提供一种零件维护计划的优化方法。所述优化方法包括如下步骤：通过一检测器在一段时间内收集所述零件的缺陷数据，以形成一历史记录；建立一仿真模型，所述仿真模型包括所述零件的位置类型数据；基于所述仿真模型，预测所述零件的失效机制；将所述历史记录映射到所述仿真模型上，以建立一零件历史缺陷模型，所述零件历史缺陷模型包括每个缺陷的位置类型；至少基于所述缺陷的位置类型，判定所述缺陷的影响程度；基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性；及基于所述失效可能性，优化所述零件的维护计划。

本发明的另一个方面在于提供一种零件维护计划的优化系统。该系统包括：一检测器，用于在一段时间内收集所述零件的缺陷数据；一存储器，用于存储所述零件的缺陷数据以生成一历史记录；一处理器，用于处理所述历史记录以优化所述维护计划；及一显示屏，用于显示所述零件的仿真模型及缺陷的分布情况。

附图说明

通过结合附图对于本发明的实施方式进行描述，可以更好地理解本发明，在附图中：

图1为根据本发明的一具体实施例的零件维护计划的优化方法的流程图；

图2为图1所示的方法中的步骤12的流程图；

图3为根据本发明的另一具体实施例的零件维护计划的优化方法的流程图；

图4为根据本发明的又一具体实施例的零件维护计划的优化方法的流程图；

图5为根据本发明的又一具体实施例的零件维护计划的优化方法的流程图；

图6为根据本发明的一具体实施例的零件维护计划的优化系统的示意图；及

图7为根据本发明的一具体实施例的管道镜的示意图。

具体实施方式

以下将描述本发明的一个或者多个具体实施方式。首先要指出的是，在这些实施方式的具体描述过程中，为了进行简明扼要的描述，本说明书不可能对实际的实施方式的所有特征均作详尽的描述。应当可以理解的是，在任意一种实施方式的实际实施过程中，正如在任意一个工程项目或者设计项目的过程中，为了实现开发者的具体目标，或者为了满足系统相关的或者商业相关的限制，常常会做出各种各样的具体决策，而这也会从一种实施方式到另一种实施方式之间发生改变。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本发明公开的内容相关的本领域的普通技术人员而言，在本公开揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本发明公开的内容不充分。

除非另作定义，在本说明书和权利要求书中使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本说明书以及权利要求书中使用的“第一”或者“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“或者”包括所列举的项目中的任意一者或者全部。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。此外，“电路”或者“电路系统”以及“控制器”等可以包括单一组件或者由多个主动元件或者被动元件直接或者间接相连的集合，例如一个或者多个集成电路芯片，以提供所对应描述的功能。

本发明中使用的“可”、“可以”与“可能”等词语表明在某些环境中事件发生的可能性；拥有一种特定属性、特征或功能；和/或通过与某一合格动词结合表示一个或多个能力、性能或可能性。相应地，“可能”的使用表明：被修饰的术语对于所示的能力、功能或用途是明显适当、可匹配或合适的；同时考虑到在某些情况的存在，被修饰的术语有时可能不适当，不匹配或不合适。例如，在某些情况下，可能预期出现某一结果或性能；而在其他情况下，该结果或性能可能不出现。这一区别由表示“可能”的词语体现。

维护是指为了使设备、设施保持在一个理想的工作条件，而对设备、设施进行的养护和维修。维护通常包括系统检测、零件的更换和设备中零件失效的早期修正，这种修正是在失效发生前或者是在失效发展成主要缺陷前进行的。维护计划设置了维护计划中各项目的运行周期和排序。所述零件可以为一工业设备或一硬件，例如航空发动机的涡轮叶片或者机车上的刹车片。所述零件还可定义为一设备的所有元件，例如，外壳、支架、机油、制动液。

所以维护计划对设备正常运行起着关键的作用。一个好的维护计划能够提高设备的可靠性，延长设备的使用寿命，降低维护成本。另外，维护计划还能影响生产成本、产量及运行时间，因为在进行维护时需要让机器停止运行。因此，需要对维护计划进行优化，以使维护工作对设备的影响达到最小，且尽量只替换快要失效或者接近使用期限的零件。

本发明的目的在于提供一种零件维护计划的优化方法及系统。

图1展示了根据本发明的一具体实施例的零件维护计划的优化方法101的流程图。在方法101中，如步骤11所示，通过一检测器在一段时间内收集所述零件的缺陷数据，随后基于所述缺陷数据生成一历史记录。在步骤12中，建立一仿真模型，所述仿真模型包括所述零件的位置类型数据，然后基于所述仿真模型预测所述零件的失效机制，如步骤13所示。在步骤14中，将所述历史记录映射到所述仿真模型上，以建立一零件历史缺陷模型，所述零件历史缺陷模型包括每个缺陷的位置类型，然后在步骤15中，至少基于所述缺陷的位置类型，判定所述缺陷的影响程度。在步骤16中，基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性，然后，基于所述失效可能性，优化所述零件的维护计划，如步骤17所示。

如图1所示，在步骤11中，通过所述检测器在一段时间内收集所述零件的缺陷数据。所述缺陷数据是指与缺陷或者潜在缺陷有关的数据，例如从根本原因分析中得到的信息。所述缺陷数据还包括与维护及检测有关的数据，这些数据用来表征零件在时间段内的历史数据。所述缺陷数据还包括险兆事件，这些事件中零件有失效的可能性。举个例子，缺陷数据不仅可包括任何缺陷类型或可见的零件在特征上的改变，例如，划痕、磨损、凹陷、裂纹及其他损伤，还可能包括在某个区域没有缺陷的信息。在先前没有预兆的情况下，在一个区域突然出现某种缺陷，例如磨损或裂纹，这个信息可被作为一种历史信息，用于之后的预测性动作。逐渐磨损和突然出现的表面凹陷的不同之处在于历史信息的类型不同。在表面突然凹陷的情况下，零件的失效可能会早于预期，因为某些条件和原因改变了，例如过多的外来杂质导致了之前不存在的磨损和凹陷。在一些实施例中，通过所述检测器收集的所述缺陷数据包括缺陷类型、缺陷尺寸、缺陷位置坐标、恶化程度或其任意组合。所述缺陷类型一般表明了所述缺陷的原因，例如一般的磨损、设计缺陷或者生产缺陷。所述缺陷位置坐标表征了缺陷的位置。所述恶化程度表示退化的程度和速度，其可基于历史数据得出。

在一些实施例中，所述检测器包括一带位置跟踪功能的管道镜、一计算机断层扫描仪、一超声检测仪、一红外探测器、一可视图像传感器或其任意能够实现检测缺陷和缺陷位置功能的组合。

以所述带位置跟踪功能的管道镜为例，所述带位置跟踪功能的管道镜能够同时检测缺陷和定位缺陷，缺陷位置坐标由此获得。所述管道镜进一步包括一显示器用于显示缺陷的图像，进而基于所述图像判断所述缺陷类型和所述恶化程度。所述历史记录为一段时间内的这些数据的集合。

在步骤12中，所述仿真模型被建立，且所述仿真模型包括所述位置类型数据。这一步骤根据零件的物理模型建立起一数字模型，并对该数字模型进行分析，从而预测所述零件在真实世界中的性能。例如，基于不同的受力情况将所述零件划分成多个分区。

参见图2，所述步骤12可由步骤122-123来实现。在步骤122中，对所述仿真模型进行一些仿真实验，所述仿真实验包括有限元分析。然后，基于仿真实验的结果，将所述零件划分成多个分区，每个分区具有不同的位置类型，如步骤123所示。每个分区对应于一个位置坐标的集合和一种位置类型。这样，如果给定所述缺陷的位置坐标，就可判定所述缺陷的位置类型。

在一些实施例中，所述位置类型可包括一高应力区和一低应力区。位于所述高应力区的缺陷因高应力的存在而更容易导致零件失效。位于低应力区的缺陷因应力较低而比较不容易导致零件失效。这样，如果一缺陷处于高应力区，其潜在影响会高于处于低应力区的缺陷。在一些实施例中，所述零件可能被划分成出更多的位置类型或者所述高应力区和所述低应力区被进一步划分成更多的位置类型。例如，基于零件的初始位置类型可划分出一个以上的分区位置类型，也就是说这里提到的分区处理的处理对象可以为初始位置类型，也可以为分区位置类型。例如，圆弧连接区或零件安装面属于高应力区，而零件的后缘区域属于低应力区。

在步骤13中，基于所述仿真模型，预测所述零件的失效机制。所述失效机制可包括所述零件的预测寿命或者是剩余使用寿命，及预测的失效原因。所述失效原因可能与设计、加工、质量管理或零件应用中的缺陷有关，或者可包括零件使用过程中受到的损伤或磨损。这些因素的任意一个或任意组合都可能失效的根本原因或起因。所述失效机制为预测零件失效可能性和剩余使用寿命提供了基础。

在步骤14中，所述历史记录被映射到所述仿真模型上，以建立一零件历史缺陷模型，所述零件历史缺陷模型包括每个缺陷的位置类型。这里所述的仿真模型是所述零件的几何表示，在所述仿真模型中，每个区域不仅通过尺寸来区分，还可通过在设备运作过程中的受力水平来区分。所述缺陷的历史记录可能包括发现缺陷的时间、缺陷随时间的变化情况、缺陷类型、缺陷尺寸、缺陷位置坐标或其任意组合。步骤14的目的在于建立所述缺陷数据和所述仿真模型之间的关系，以获得更多的信息，例如，所述缺陷的位置类型。具体地，步骤11中获得了每个缺陷的缺陷位置坐标，在步骤12中所述零件被划分成具有不同位置类型的分区，每个分区对应于一个位置坐标的集合，在步骤14中，每个缺陷的位置坐标与每个分区所对应的位置坐标的集合进行比较，从而就可知道所述缺陷落入哪个分区，然后就可确定所述缺陷的位置类型。

除了每个缺陷的位置类型，所述零件历史缺陷模型跟踪的参数还包括：a)每种位置类型的缺陷个数、b)每种缺陷类型的缺陷个数、c)缺陷分布情况、d)缺陷尺寸、e)前述四种参数a)、b)、c)、d)随时间的变化趋势或其任意组合。所述零件历史缺陷模型不仅局限于设备中的一个具体元件，如单个航空发动机，还可包括相似设备的其他元件。

在一些情况下，所述随时间的变化趋势可能显示：修理一些已经显现出系统退化的区域可延长所述零件的寿命。在另一些情况下，所述随时间的变化趋势可能显示：所述零件的整体退化，进行修理在经济上不具有可行性。

在步骤15中，至少基于所述缺陷的位置类型判定所述缺陷的影响程度。具有不同位置类型的缺陷对于零件失效具有不同的影响。在高应力区的缺陷具有较高的影响程度，在低应力区的缺陷具有较低的影响程度。除了所述缺陷的位置类型，所述影响程度还可由所述缺陷类型、所述缺陷尺寸及所述恶化程度决定。例如，将所述影响程度设为一输出量，将所述位置类型、所述缺陷类型、所述缺陷尺寸及所述恶化程度设为输入量。所述输出量和所述输入量之间具有一种关系，可以为线性关系，也可以为非线性关系。

在步骤16中，基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性。所述失效可能性为一关于时间的函数，表征了在一指定的时间间隔内发生失效的概率。所述零件的失效机制为预测所述失效可能性提供了理论依据。所述零件历史缺陷模型为预测所述失效可能性提供了经验上的依据。所述缺陷的影响程度对预测所述失效可能性起到重要的作用。

在步骤17中，基于从步骤16中得到的所述失效可能性优化所述零件的维护计划。所述维护计划包括维护中具体项目的时间表和需求，这些具体项目可包括：检测、涂层处理、清洁、保养、更换或其任意组合。维护计划的主要目的在于避免和减轻设备失效带来的影响。

举个例子，如果所述失效可能性表明从该时刻起的一年内所述零件的失效概率都较低，那么所述维护计划中的检测时间表可能被设置成每三个月进行一次检测，具体来说，在这一年的第三个月的最后一天、第六个月的最后一天、第九个月的最后一天及这一年的最后一天各设置一次检测。再比如，如果所述失效可能性表明所述零件的失效概率在第二个月突然增加，那么所述维护计划可能在第一个月的最后一天设置一次保养或维修。又比如，如果所述失效可能性表明所述零件的失效概率在三个月后会达到80％以上，那么所述维护计划可能在第三个月的最后一天设置一次零件更换。

在加速退化的情况下，可能不再需要做进一步的检测了，这样，做进一步检测的时间就被节省下来。在一些例子中，所述零件可能为对设备运行有重大影响了零件，或会带来不利的停机时间的零件，在这种情况下，所述维护计划可能会设置的比较保守，检测和保养的周期会缩短以保证在检测和保养之前所述零件缺陷还未造成零件的失效。为了进行更好的说明，以发电用汽轮机为例，一压缩机叶片的因腐蚀而造成的退化对汽轮机性能的单独影响较小，因而在更换前可以任其退化；然而，若所述叶片显现出破裂的迹象，所述叶片可能会断裂从而零件失效的风险会大大增加。

在一些实施例中，除了所述步骤11-17，所述方法可能进一步包括步骤18和步骤19，如图3所示。在步骤18中，基于所述零件历史缺陷模型、所述维护计划和所述失效机制预测所述零件的寿命；然后基于所述预测的寿命更新所述维护计划，如步骤19所示。正如上文提到的，所述维护计划还包括涂层处理、清洁和保养等方面的项目，如果所述维护计划被严格执行，可延长所述零件的寿命。所以，在预测所述零件的寿命时所述维护计划可作为一个参考因素；而所述失效机制则为零件的寿命预测提供了一理论寿命预期。因为零件通常在寿命即将届满之时被更换，所以更换计划取决于所述预测的零件寿命。这样当获得所述预测的零件寿命后，包含了更换计划的维护计划也可能需要基于所述预测的零件寿命而被更新。

在一些实施例中，除了所述步骤11-17，所述方法还包括步骤20，如图4所示。参见图4，所述方法103包括基于所述零件历史缺陷模型和所述零件的维护计划优化所述零件的检测计划，如步骤20所示。所述检测计划可包括检测区域、检测路径、在每个所述检测区域使用的检测方法的组合、在每个所述检测区域使用的检测方法的排序或其任意组合。

所述检测区域为下一检测周期中需要被检测的区域。从零件历史数据模型中可得到缺陷的分布情况，从而缺陷分布密集的区域或者缺陷恶化情况比较严重的区域可能被加入到检测计划中。与传统的检测计划相比，在本发明中不是所有区域在每个检测周期中都会被检测，本发明通过集中检测对零件寿命影响较大的区域来缩短检测时间，而不是将时间浪费在大面积的检测上。

在一些实施例中，所述检测路径被设计或优化以进一步节省检测耗时。可以对每个检测区域的检测方法进行选择，例如，对零件失效影响较小的区域及缺陷发展缓慢的区域可以仅仅对变化进行追踪，而对零件失效影响较大的区域将会被周期性的检测。

对所述检测计划进行优化的目的在于使得如涡轮组件等设备和机器的检测耗时最小化、运行时间最大化、停机时间最小化。

在一些实施例中，所述检测方法包括一无损检测方法；所述无损检测方法包括一管道镜检测法、一计算机断层扫描仪检测法、一超声检测法、一红外探测器检测法、一可视图像传感器检测法或其任意组合。

具体实施例：

在一些实施例中，所述方法也可用于改进零件的设计。参见图5，首先在步骤41中，一个零件被设计出来，与零件相配套的检测说明书也同时被规范，所述检测说明书包括零件的检测计划。在步骤42中，根据所述检测说明书中的检测计划在一段时间内检测所述零件，以收集缺陷特征数据，如步骤43所示。所述缺陷特征数据包括缺陷类型、缺陷尺寸、缺陷位置坐标、恶化程度或其任意组合。然后如步骤44所示建立一历史进程数据库，继而基于所述历史进程数据库建立一零件历史缺陷模型，如步骤45所示。在零件上发现了哪些缺陷，这些缺陷在零件上的位置以及所述缺陷的历史进程都可以被所述零件历史缺陷模型所跟踪。

在另一方面，基于在步骤41中设计出的零件建立一仿真模型，如步骤46所示。然后所述缺陷特征数据中的缺陷位置坐标被映射到所述仿真模型上，继而在步骤410中可得到一缺陷位置地图，所述缺陷位置地图表征了各缺陷在所述零件上的位置。在步骤47中对仿真模型进行仿真实验，例如有限元分析等，继而在步骤48中，所述零件上的多个应力区可被划分出来，把这些应力区和所述缺陷位置地图相结合就可判定所述缺陷的所述位置类型。至少基于每个缺陷的位置类型判定每个缺陷的对于零件失效的影响，然后按所述缺陷对零件失效的影响对所述缺陷进行排序，如步骤411所示。

在步骤49中，基于所述仿真模型预测一失效机制，所述失效机制包括失效原因。如磨损或使用不当这一类的失效原因可能造成所述零件不能再继续实现预设的功能，如压缩空气或控制阀门，然而在生产过程中的缺陷可能会造成开裂，继而造成零件在运行过程中解体。零件解体可能被视为毁坏性失效，而零件失去预设功能可能仅被视为是性能退化失效。所述失效机制可通过仿真软件、历史数据分析、进行加速寿命试验或其任意组合的方式进行预测。在步骤412中，基于在步骤49中得到的失效机制、在步骤411中得到影响程度排名及在步骤45中得到零件历史缺陷模型预测零件失效可能性，然后在步骤413中，基于所述零件失效可能性优化所述零件的维护计划。

在步骤414中，基于所述失效机制、所述优化的维护计划和所述零件历史缺陷模型预测所述零件的寿命。所述零件历史缺陷模型中的所述历史进程数据用于提供零件具体的退化速率，无论是哪种原因造成的退化。所述零件历史缺陷模型与所述失效机制结合起来可预测所述零件的寿命和失效原因，例如，如果出现了过度磨损，且所述零件的退化速率可被计算出来，那么就设置一个比以往更早的替换请求，以避免在下一次维护前出现失效的风险。所以在步骤415中，优化一替换计划，继而更新所述维护计划，因为所述替换计划是维护计划的一部分。

在步骤416中，基于所述零件的维护计划和所述零件历史缺陷模型优化所述零件的检测计划，然后根据所述检测计划更新所述检测说明书。

另外，在一些实施例中，在所述步骤414中预测的所述零件的寿命可被用于改进零件设计。所述预测的零件寿命中含有失效机制和零件历史缺陷模型的输入，也就是说包含了许多可能导致加速退化的因素。通过利用这些信息，设计者可以在所述零件的生命周期内更新零件的设计模型及改进显示出机械结构弱点的区域。然后所述信息可被用于改进零件模型，通过加强或改变零件关键特征的设计模型来减少如易磨损区域、腐蚀或机械疲劳等问题，所述问题可能就是导致零件失效或寿命缩短的原因。所述设计上的改变可进一步通过减缓如表面形状或纹理等特征的退化，在零件生命周期内改善零件的性能，表面形状或纹理的退化可能导致零件空气动力性能的退化，空气动力性能对于涡轮效率起关键作用。

图6为根据本发明的一具体实施例的零件维护计划的优化系统2的示意图。参见图6，所述优化系统2包括一检测器21用于在一段时间内收集所述零件的缺陷数据，一存储器22用于存储所述零件的缺陷数据以生成一历史记录，一处理器23用于处理所述历史记录以优化所述维护计划，及一显示屏24用于显示所述零件的仿真模型及所述缺陷的分布情况。

参见图6，所述处理器23进一步包括一分析器232。所述分析器232用于建立所述零件的仿真模型及一零件历史缺陷模型，所述仿真模型包括位置类型数据，所述零件历史缺陷模型包括每个缺陷的位置类型。然后所述分析器232至少基于所述缺陷的位置类型分析所述缺陷的影响，然后判定每个缺陷的影响程度。所述处理器23进一步包括一预测器233用于基于所述仿真模型预测所述零件的失效机制，及基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性。所述处理器23进一步包括一优化器234用于基于所述零件的失效可能性优化所述零件的维护计划及基于所述零件历史缺陷模型和所述零件的维护计划优化所述零件的检测计划。

如图6所示，在一些实施例中，所述分析器232可进一步包括一索引引擎2321及一挖掘引擎2322。所述索引引擎2321用于为存储器22中的历史记录编索引，具体而言，所述索引引擎2321将所述缺陷数据进行分类、整理，以供进一步的挖掘和分析。所述挖掘引擎2322用于对所述缺陷数据进行挖掘，具体而言，所述挖掘引擎2322从所述历史记录中提取相关信息，然后将所述信息转换成可理解的形式以供进步一利用。例如，所述挖掘引擎2322将所述缺陷映射到所述零件的仿真模型上，以生成一缺陷位置地图，所述缺陷位置地图表征了缺陷的分布情况。

在一些实施例中，上述功能性元件，即所述分析器232、所述预测器233、及所述优化器234可能被整合成一个单元，例如，所述处理器23。所述处理器23用于执行一方法，所述方法包括：基于所述检测器收集的所述缺陷数据生成一历史记录；建立一仿真模型，所述仿真模型包括所述零件的位置类型数据；基于所述仿真模型，预测所述零件的失效机制；将所述历史记录映射到所述仿真模型上，以建立一零件历史缺陷模型，所述零件历史缺陷模型包括每个缺陷的位置类型；至少基于所述缺陷的位置类型，判定所述缺陷的影响程度；基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性；及基于所述零件的失效可能性，优化所述零件的维护计划。

所述检测器21可能包括一无损检测器，所述无损检测器是指在不对被测对象造成损伤的前提下，对材料、组件或系统的属性进行检测的仪器。在一些实施例中，所述无损检测器包括一带位置跟踪功能的管道镜、一计算机断层扫描仪、一超声检测仪、一红外探测器、一可视图像传感器或其任意组合。

所述带位置跟踪功能的管道镜能够同时检测缺陷和定位缺陷，继而提高了所述缺陷数据的收集效率。参见图7，所述管道镜3包括一手持操作装置32及一根与该手持操作装置32相连的探测管34。该探测管34包括设置于前端的探测头342。该探测头342可能进一步包括控制机构，用于控制探测头342按一定的控制命令进行转动。对应地，该手持操作装置32包括操作区322及第一监视器324。该操作区322用于输入控制命令来控制该探测头342，该第一监视器324用于显示该探测头342回传回来的图像信号。

所述管道镜3还包括一个夹持定位装置36，用于对该探测管34提供夹持定位功能并用于在探测过程中实时测量探测头342至夹持定位装置36之间的探测管34的长度。此外，该长度测量数据将通过一根连接在该夹持定位装置36与手持操作装置32之间的数据线38传输至手持操作装置32的内部，以进行后续数据处理。对比传统的管道镜，该探测管34还包括安装在其上不同位置处的若干应变传感器，用于感应对应位置处的应力变化。这些应变传感器可以安装在该探测管34的内部或外部。该手持操作装置32进一步接收该应变传感器感应到的应力变化数据及该夹持定位装置36测得的探测头342至夹持定位装置36之间的探测管34的长度测量数据。该手持操作装置32进一步提供数据处理能力，可根据该应力变化数据及长度测量数据计算得出探测头342至夹持定位装置36之间的探测管34的空间形状图像。该手持操作装置32还可根据该计算得出的空间形状图像数据及一预设的待测设备的模型计算得出该探测头342位于该待测设备的具体位置。对应地，该手持操作装置32还包括一个第二监视器326，用于显示探测头342至夹持定位装置36之间的探测管34的空间形状图像或位于待测设备的具体位置图像。

虽然结合特定的实施方式对本发明进行了说明，但本领域的技术人员可以理解，对本发明可以作出许多修改和变型。因此，要认识到，权利要求书的意图在于涵盖在本发明真正构思和范围内的所有这些修改和变型。

Claims (10)

1.一种零件维护计划的优化方法，包括如下步骤：

通过一检测器在一段时间内收集所述零件的缺陷数据，以形成一历史记录；

建立一仿真模型，所述仿真模型包括所述零件的位置类型数据；

基于所述仿真模型预测所述零件的失效机制；

将所述历史记录映射到所述仿真模型上，以建立一零件历史缺陷模型，所述零件历史缺陷模型包括每个缺陷的位置类型；

至少基于所述缺陷的位置类型判定所述缺陷的影响程度；

基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性；及

基于所述失效可能性优化所述零件的维护计划。

2.如权利要求1所述的方法，进一步包括：基于所述零件历史缺陷模型、所述维护计划和所述失效机制预测所述零件的寿命。

3.如权利要求1所述的方法，其中，建立包括所述位置类型数据的所述仿真模型的步骤包括对所述仿真模型进行仿真实验；及基于所述仿真实验的结果将所述零件划分成多个分区，每个分区具有不同的位置类型。

4.如权利要求1所述的方法，进一步包括：基于所述零件历史缺陷模型和所述零件的维护计划优化所述零件的检测计划。

5.一种零件维护计划的优化系统，包括：

一检测器，用于在一段时间内收集所述零件的缺陷数据；

一存储器，用于存储所述零件的缺陷数据以生成一历史记录；

一处理器，用于处理所述历史记录以优化所述维护计划；及

一显示屏，用于显示所述零件的仿真模型及缺陷的分布情况。

6.如权利要求5所述的系统，其中，所述处理器进一步包括：

一分析器，用于建立所述包括位置类型数据的仿真模型及一包括缺陷的位置类型的零件历史缺陷模型，然后至少基于所述缺陷的所述位置类型判定所述缺陷的影响程度；

一预测器，用于基于所述仿真模型预测所述零件的失效机制，及基于所述零件的失效机制、所述零件历史缺陷模型和所述缺陷的影响程度，预测所述零件的失效可能性；及

一优化器，用于基于所述失效可能性优化所述零件的维护计划及基于所述零件历史缺陷模型和所述维护计划优化所述零件的检测计划。

7.如权利要求1所述的方法或权利要求5所述的系统，其中，通过所述检测器收集的所述缺陷数据包括：缺陷类型、缺陷尺寸、缺陷位置坐标、恶化程度或其任意组合。

8.如权利要求1所述的方法或权利要求6所述的系统，其中，所述零件历史缺陷模型跟踪的参数包括：a)每种位置类型的缺陷个数、b)每种缺陷类型的缺陷个数、c)缺陷分布情况、d)缺陷尺寸、e)前述四种参数a)、b)、c)、d)随时间的变化趋势或其任意组合。

9.如权利要求1所述的方法或权利要求5所述的系统，其中，所述检测器包括一无损检测器。

10.如权利要求9所述的方法或系统，其中，所述无损检测器包括一带位置跟踪功能的管道镜、一计算机断层扫描仪、一超声检测仪、一红外探测器、一可视图像传感器或其任意组合。