CN110909764A - 一种船闸健康监测关键部件的确定方法 - Google Patents
一种船闸健康监测关键部件的确定方法 Download PDFInfo
- Publication number
- CN110909764A CN110909764A CN201911001435.7A CN201911001435A CN110909764A CN 110909764 A CN110909764 A CN 110909764A CN 201911001435 A CN201911001435 A CN 201911001435A CN 110909764 A CN110909764 A CN 110909764A
- Authority
- CN
- China
- Prior art keywords
- failure
- ship lock
- subsystem
- fault
- ship
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000011160 research Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract description 2
- 238000005299 abrasion Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004642 transportation engineering Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种船闸健康监测关键部位的确定方法，包括以下步骤：S1，构建船闸结构分解体系；S2，建立船闸故障事件数据库；S3，利用故障事件数据库分析故障部位；S4，分析故障模式、影响和危害度；S5，基于分析结果确定健康监测的关键部位。本发明依据船闸各种可能出现的故障模式的危害程度、发生概率和所产生的综合影响，确定重要功能部件作为监测对象，有助于提高船闸健康监测系统设计的科学合理性，降低故障发生概率，可广泛应用于船闸建设养护管理技术领域。
Description
技术领域
本发明属于水运工程技术领域，主要涉及到一种船闸健康监测关键部件的确定方法。
背景技术
船闸作为大宗货物水路运输通道上的关键基础设施，若不能正常运行，则会造成船舶大量滞留和货物在途延误，甚至还会危及企业的生产计划。我国现有通航船闸一千余座，随着高等级航道的建设，还需修建大量船闸。
为了保证船闸的安全，目前采用以定期维修为主的预防性维修模式，结合事后维修来保障系统的正常运行。船闸的定期维修，大多沿用历史经验，在大修时将船闸部件“趁机”全部维修更换，或因检修不及时造成船闸带病运行的现象都普遍存在。这些导致了维修增加以及维修时间决策不准确等问题，严重影响了船闸的正常运行。因此，对船闸关键部位进行实时监测，支撑健康诊断和早期预警，保障船舶运行安全，为船闸养护和管理提供决策支持具有重要的现实意义。
现有船闸监测系统设计或方法研究是针对一个子系统或者部件，例如船闸门体水平跳变、蘑菇头病态状况、人字闸门健康状况、闸室墙变形等。但是，船闸由许多子系统组成，各个子系统具有不同的结构、功能、故障特性，子系统之间既相互独立又相互影响，而且有些部件损坏并不影响船闸的运行，有些故障也不影响系统整体的性能。因此，单一子系统或者部件的监测很难准确判断出整个船闸系统的健康状态，综合考虑系统可靠性和经济性以全面确定健康监测对象，是船闸健康监测系统设计和维护管理的迫切需求。
发明内容
本发明提供了一种船闸健康监测关键部件的确定方法，该方法对船闸各种可能出现的故障模式的危害程度、发生概率和所产生的综合影响，确定重要功能部件作为监测对象，可以使船闸健康监测更全面、更明确，有助于提高船闸健康监测系统设计的科学合理性，降低故障发生概率。
为解决上述技术问题，本发明采用了如下技术手段：
一种船闸健康监测关键部件的确定方法，包括以下步骤：
S1，构建船闸结构分解体系；
S2，建立船闸故障事件数据库；
S3，利用故障事件数据库分析故障部位；
S4，分析故障模式、影响和危害度；
S5，基于分析结果确定在线监测的关键部件。
进一步地，所述步骤S1构建船闸结构分解体系，在船闸空间红线范围内按照功能区分解，对船闸工程系统依据专业工程要素分解，船闸结构分解体系在纵向上由一级子系统、二级子系统和组件三个层次组成，在横向上由系统的专业要素组成。
进一步地，所述步骤S2建立船闸故障事件数据库，船闸故障是指船闸建筑物或设备临时出现损坏或变异、影响正常运用，故障事件数据具体包括指定研究的船闸服役过程中的故障事件数据，以及使用环境相似的同类船闸服役过程中的故障事件数据，所述步骤S2建立船闸故障事件数据库，船闸故障是指船闸建筑物或设备临时出现损坏或变异、影响正常运用，故障事件数据具体包括指定研究的船闸服役过程中的故障事件数据，以及使用环境相似的同类船闸服役过程中的故障事件数据:其中故障事件信息具体包括故障模式、故障原因、故障开始时间、故障结束时间、故障处理措施、故障停航时间、故障维修时间、故障维修费用、故障次数。
进一步地，所述步骤S3利用故障事件数据库分析故障部位，具体包括船闸系统的累计故障次数，以及一级子系统、二级子系统和组件发生故障的次数与频率。
进一步地，所述步骤S4分析故障模式、影响和危害度，故障模式是指船闸故障的表现形式，依据故障事件数据库，分类型和细目全面归纳子系统和组件的故障模式，统计每个故障模式出现的概率，找出引起故障的因素，分析故障模式对船闸与船舶过闸的安全、使用、任务功能、环境、经济方面的综合后果和后果的严重程度。
进一步地，所述步骤S5基于分析结果确定在线监测的关键部件，根据步骤S4的分析结果，找到对船闸系统运行维护和安全性影响较大的重要组件和关键子系统，确定为船闸健康监测关键部位。
一种船闸健康监测关键部件的确定方法，分析故障模式、影响和危害度，是采用危害性矩阵分析方法计算得到；
子系统i以故障模式j发生故障致使该子系统发生故障的危害度CRij，计算公式为：
CRij＝αijβijλi (式1)
进一步地，子系统i对船闸整个系统的危害度为：
式中：n为子系统i出现故障模式的种类数；αij为子系统i以故障模式j发生故障的概率，βij为发生故障造成损失，λi为子系统i的基本故障率；
进一步地，αij的取值计算：
αij＝nj/ni (式3)
式中：nj为子系统i以第j种故障模式出现的次数；ni为子系统i全部故障模式发生的总次数。
进一步地，βij的取值计算：
βij表示发生故障造成损失，是条件概率，采用四点打分制计算，当βij＝1.0时，肯定发生损失；当βij＝0.5时，可能发生损失；当βij＝0.1时，很少发生损失；当βij＝0时，表示无影响。
λi的取值计算：
λi表示子系统i的基本故障率，取其平均故障率，计算公式为：
式中：Ni为子系统i在规定时间内的故障总次数；∑t为子系统i在规定时间内累积工作时间。
本发明的有益效果：可以使船闸健康监测更全面、更明确，有助于提高船闸健康监测系统设计的科学合理性，降低故障发生概率。
附图说明
图1为本发明一种船闸健康监测关键部位的确定方法步骤流程图。
图2为本发明一种船闸健康监测关键部位的确定方法的船闸结构分解图。
图3为本发明一种船闸健康监测关键部位的确定方法的故障事件数据库信息构成图。
图4为本发明一种船闸健康监测关键部位的确定方法的船闸故障部位统计图。
图5为本发明一种船闸健康监测关键部位的确定方法的船闸二级子系统故障统计图
图6为本发明一种船闸健康监测关键部位的确定方法的船闸故障模式分析图。
图7为本发明一种船闸健康监测关键部位的确定方法的船闸故障原因分析图。
图8为本发明一种船闸健康监测关键部位的确定方法的船闸二级子系统故障率统计图。
图9为本发明一种船闸健康监测关键部位的确定方法的船闸二级子系统各故障模式发生概率图(以阀门子系统为例)。
图10为本发明一种船闸健康监测关键部位的确定方法的故障模式致使船闸子系统发生故障的危害度计算结果图(以阀门子系统为例)。
具体实施方式
为了更清楚明确的理解本发明技术内容，下面结合附图对本发明的技术方案作进一步说明：
如图1所示，本实施例的一种船闸健康监测关键部件的确定方法，包括以下步骤：
S1，构建船闸结构分解体系；在船闸空间红线范围内按照功能区分解，对船闸工程系统依据专业工程要素分解，船闸结构分解体系在纵向上由一级子系统、二级子系统和组件三个层次组成，在横向上由系统的专业要素组成。
S2，建立船闸故障事件数据库；船闸故障是指船闸建筑物或设备临时出现损坏或变异、影响正常运用，故障事件数据具体包括指定研究的船闸服役过程中的故障事件数据，以及使用环境相似的同类船闸服役过程中的故障事件数据:其中故障事件信息具体包括故障模式、故障原因、故障开始时间、故障结束时间、故障处理措施、故障停航时间、故障维修时间、故障维修费用、故障次数。
S3，利用故障事件数据库分析故障部位；具体包括船闸系统的累计故障次数，以及一级子系统、二级子系统和组件发生故障的次数与频率。
S4，分析故障模式、影响和危害度；分析故障模式、影响和危害度，故障模式是指船闸故障的表现形式，分类型和细目全面归纳子系统和组件的故障模式，统计每个故障模式出现的概率，找出引起故障的因素，分析故障模式对船闸与船舶过闸的安全、使用、任务功能、环境、经济方面的综合后果和后果的严重程度；所述步骤S4中分析故障模式、影响和危害度，是采用危害性矩阵分析方法，具体计算方法为：
子系统i以故障模式j发生故障致使该子系统发生故障的危害度CRij，计算公式为：
CRij＝αijβijλi (式1)
子系统i对船闸整个系统的危害度为：
式中：n为子系统i出现故障模式的种类数；αij为子系统i以故障模式j发生故障的概率，βij为发生故障造成损失，λi为子系统i的基本故障率；
αij的取值计算：
αij＝nj/ni (式3)
式中：nj为子系统i以第j种故障模式出现的次数；ni为子系统i全部故障模式发生的总次数。
βij的取值计算：
βij表示发生故障造成损失，是条件概率，采用四点打分制计算，当βij＝1.0时，肯定发生损失；当βij＝0.5时，可能发生损失；当βij＝0.1时，很少发生损失；当βij＝0时，表示无影响。
λi的取值计算：
λi表示子系统i的基本故障率，取其平均故障率，计算公式为：
式中：Ni为子系统i在规定时间内的故障总次数；∑t为子系统i在规定时间内累积工作时间。
S5，基于分析结果确定在线监测的关键部件；根据步骤S4的分析结果，找到对船闸系统运行维护和安全性影响较大的重要组件和关键子系统，确定为船闸健康监测关键部位。
如图2所示，依据专业工程要素，将船闸分解为水利工程系统、电气工程系统、机械工程系统和附属设施四个一级子系统，一级子系统进一步分解为二级子系统，二级子系统又进一步分解为组件，构成船闸结构分解体系。
如图3所示，根据船闸结构分解体系，构建一级子系统、二级子系统、组件层次级别船闸故障事件数据库，故障事件信息具体包括故障模式、故障原因、故障开始时间、故障结束时间、故障处理措施、故障停航时间、故障维修时间、故障维修费用、故障次数。
以使用环境相似的17座人字门船闸历时5年的133份故障事件数据为例，构建故障事件数据库，分析船闸系统的故障部位、故障模式、影响和危害度。具体技术步骤如下：
如图4和图5所示，共计有25个船闸故障部位，归属于8个二级子系统。依据其故障现象，进行故障模式分析，分析结果如图6所示，得到8大类32条典型故障模式，其中发生次数最多的故障模式为闸门关闭不到位，零部件脱落位居第二。
船闸故障原因的发生次数和发生频率，如图7所示。
具体故障原因包括：水下异物、脱落、船舶碰撞、软件故障、磨损、元器件损坏、断裂、轴承损坏、部件损坏、导流板损坏、间隙过小、接头损坏、松动、行程不适、止水损坏、电缆线路故障、管涌、缓冲器故障、水下浇筑超宽、润滑不充分，共计20种。水下异物、脱落、船舶碰撞、软件故障和磨损，这五种故障原因占总故障的81.2％；其中，由异物和零部件脱落引起的故障，占到总故障的64％。
17座船闸5年间的累积工作时间为29387天，根据图5所示的二级子系统故障总数，采用式(4)计算二级子系统的平均故障率
如图8所示。
依据因故障引发的停航时间和所需的维修费用，对故障造成的损失βij进行取值。当故障发生肯定引发损失时，βij＝1.0；当故障发生可能引发损失时，βij＝0.5；当故障发生很少引发损失时，βij＝0.1；当故障发生无影响时，βij＝0。
依据图4所示的船闸故障部位数量和图5所示的二级子系统故障总数，采用式(3)计算得到子系统i以故障模式j发生故障的概率αij，以阀门子系统为例，计算结果如图9所示。
采用式(1)计算子系统i以故障模式j发生故障致使该子系统发生故障的危害度CRij，以阀门子系统为例，计算结果如图10所示。在此基础上，利用式(2)计算得到阀门子系统对船闸系统的危害度为0.001429。同理，计算出闸门、启闭机、监控与控制系统、引航道、供电系统、靠船墩、电线电缆二级子系统对船闸系统的危害度分别为0.000541、0.000272、0.000255、0.000102、0.000085、0.000068、0.000034。
基于以上故障模式、影响和危害度分析结果，确定船闸在线监测的关键子系统为阀门、闸门、启闭机、监控与控制系统、引航道、供电系统、靠船墩、电线电缆。以阀门为例，其主要监测部位为阀门门体、支承运转部件、止水、轨道和附属设施；主要监测内容为门体变形，零部件脱落，以及吊杆和抱箍磨损以及底部滚轮门体衬套磨损。
上面结合附图对本发明的实施方式作了详细地说明，但是本发明并不局限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种船闸健康监测关键部件的确定方法，其特征在于，包括以下步骤：
S1，构建船闸结构分解体系；
S2，建立船闸故障事件数据库；
S3，利用故障事件数据库分析故障部位；
S4，分析故障模式、影响和危害度；
S5，基于分析结果确定在线监测的关键部件。
2.根据权利要求1所述的一种船闸健康监测关键部件的确定方法，其特征在于，所述步骤S1构建船闸结构分解体系，在船闸空间红线范围内按照功能区分解，对船闸工程系统依据专业工程要素分解，船闸结构分解体系在纵向上由一级子系统、二级子系统和组件三个层次组成，在横向上由系统的专业要素组成。
3.根据权利要求1所述的一种船闸健康监测关键部件的确定方法，其特征在于，所述步骤S2建立船闸故障事件数据库，船闸故障是指船闸建筑物或设备临时出现损坏或变异、影响正常运用，故障事件数据具体包括指定研究的船闸服役过程中的故障事件数据，以及使用环境相似的同类船闸服役过程中的故障事件数据:其中故障事件信息具体包括故障模式、故障原因、故障开始时间、故障结束时间、故障处理措施、故障停航时间、故障维修时间、故障维修费用、故障次数。
4.根据权利要求1所述的一种船闸健康监测关键部件的确定方法，其特征在于，所述步骤S3利用故障事件数据库分析故障部位，具体包括船闸系统的累计故障次数，以及一级子系统、二级子系统和组件发生故障的次数与频率。
5.根据权利要求1所述的一种船闸健康监测关键部件的确定方法，其特征在于，所述步骤S4分析故障模式、影响和危害度，故障模式是指船闸故障的表现形式，分类型和细目全面归纳子系统和组件的故障模式，统计每个故障模式出现的概率，找出引起故障的因素，分析故障模式对船闸与船舶过闸的安全、使用、任务功能、环境、经济方面的综合后果和后果的严重程度；
所述步骤S4中分析故障模式、影响和危害度，是采用危害性矩阵分析方法，具体计算方法为：
子系统i以故障模式j发生故障致使该子系统发生故障的危害度CRij，计算公式为：
CRij＝αijβijλi (式1)
子系统i对船闸整个系统的危害度为：
式中：n为子系统i出现故障模式的种类数；αij为子系统i以故障模式j发生故障的概率，βij为发生故障造成损失，λi为子系统i的基本故障率；
αij的取值计算：
αij＝nj/ni (式3)
式中：nj为子系统i以第j种故障模式出现的次数；ni为子系统i全部故障模式发生的总次数。
βij的取值计算：
βij表示发生故障造成损失，是条件概率，采用四点打分制计算，当βij＝1.0时，肯定发生损失；当βij＝0.5时，可能发生损失；当βij＝0.1时，很少发生损失；当βij＝0时，表示无影响。
λi的取值计算：
λi表示子系统i的基本故障率，取其平均故障率，计算公式为：
式中：Ni为子系统i在规定时间内的故障总次数；∑t为子系统i在规定时间内累积工作时间。
6.根据权利要求1所述的一种船闸健康监测关键部件的确定方法，其特征在于，所述步骤S5基于分析结果确定在线监测的关键部件，根据步骤S4的分析结果，找到对船闸系统运行维护和安全性影响较大的重要组件和关键子系统，确定为船闸健康监测关键部位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001435.7A CN110909764A (zh) | 2019-10-21 | 2019-10-21 | 一种船闸健康监测关键部件的确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001435.7A CN110909764A (zh) | 2019-10-21 | 2019-10-21 | 一种船闸健康监测关键部件的确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110909764A true CN110909764A (zh) | 2020-03-24 |
Family
ID=69814645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911001435.7A Pending CN110909764A (zh) | 2019-10-21 | 2019-10-21 | 一种船闸健康监测关键部件的确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110909764A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861093A (zh) * | 2020-05-27 | 2020-10-30 | 京杭运河江苏省交通运输厅苏北航务管理处 | 一种船闸设备设施分级评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106289388A (zh) * | 2016-07-20 | 2017-01-04 | 大连海事大学 | 一种船闸健康状态的远程监测系统及其监测方法 |
| CN109857080A (zh) * | 2018-12-07 | 2019-06-07 | 南京洛普股份有限公司 | 一种基于bim的智能船闸运维系统 |
| CN109887122A (zh) * | 2019-02-19 | 2019-06-14 | 南京洛普股份有限公司 | 一种船闸机电故障远程智能诊断方法及系统 |
-
2019
- 2019-10-21 CN CN201911001435.7A patent/CN110909764A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106289388A (zh) * | 2016-07-20 | 2017-01-04 | 大连海事大学 | 一种船闸健康状态的远程监测系统及其监测方法 |
| CN109857080A (zh) * | 2018-12-07 | 2019-06-07 | 南京洛普股份有限公司 | 一种基于bim的智能船闸运维系统 |
| CN109887122A (zh) * | 2019-02-19 | 2019-06-14 | 南京洛普股份有限公司 | 一种船闸机电故障远程智能诊断方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 冒刘燕: "基于可靠性理论的内河船闸维修决策研究" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861093A (zh) * | 2020-05-27 | 2020-10-30 | 京杭运河江苏省交通运输厅苏北航务管理处 | 一种船闸设备设施分级评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Balaraju et al. | Fuzzy-FMEA risk evaluation approach for LHD machine–A case study | |
| Pillay et al. | A maintenance study of fishing vessel equipment using delay‐time analysis | |
| CN106203836A (zh) | 一种炼油企业设备可靠性绩效管理的评估方法 | |
| Yang et al. | A novel multi-information fusion grey model and its application in wear trend prediction of wind turbines | |
| Ivankevich et al. | A proactive strategy of ship maintenance operations | |
| Zhu et al. | Dynamic alarm prediction for critical alarms using a probabilistic model | |
| Duan et al. | Condition-based maintenance for ship pumps subject to competing risks under stochastic maintenance quality | |
| Liu et al. | Time-dependent reliability assessment of ship structures under progressive and shock deteriorations | |
| CN110909764A (zh) | 一种船闸健康监测关键部件的确定方法 | |
| CN109740187A (zh) | 基于fta-mc的起重机电气系统可靠性建模与仿真分析方法 | |
| Alla et al. | Performance evaluation of near real-time condition monitoring in haul trucks | |
| Alberti et al. | A two-scale maintenance policy for protection systems subject to shocks when meeting demands | |
| Mohammadi et al. | Risk analysis and reliability assessment of overhead cranes using fault tree analysis integrated with Markov chain and fuzzy Bayesian networks | |
| Kolios et al. | Risk-based maintenance strategies for offshore wind energy assets | |
| Melnyk et al. | Marine incidents management and information exchange technologies in the process of safe ship operation | |
| Fu et al. | nSIL evaluation and sensitivity study of diverse redundant structure | |
| Stambaugh et al. | Naval ship structure service life considerations | |
| Vega et al. | Optimal maintenance decision for deteriorating components in miter gates using Markov chain prediction model | |
| CN106557839B (zh) | 一种基于大数据的设备维修策略优化方法及系统 | |
| Sulaiman et al. | Human reliability analysis (HRA) emanating from use of technology for ships navigating within coastal area | |
| Kim et al. | Computational platform for probabilistic optimum monitoring planning for effective and efficient service life management | |
| Nazemi et al. | Developing an inspection optimization model based on the delay‐time concept | |
| Kochergin et al. | Optimization of technical monitoring processes | |
| Apattsev et al. | Upgrading technological processes of operating the railway infrastructure facilities | |
| Wei | Ship piloting risk decision-making method based on fault tree analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |