关键词：船海工程;机电设备;预测性;维护;模式
引言
有数据显示，预测性维护的实施可以降低维护成本25%～30%、故障消除达70%～75%、减少停机35%～45%、提高生产效率20%～25%。国际上，Rolls-Royce、ABB、现代重工等公司基于船舶所有人和运营商的远程故障排除、性能监控和状态化维护的需求，提出了一体化运营解决方案。国内“大智”号的交付实现了预测性维护模式的初步探索，尚未形成成熟的实施路径，因此有必要对其进行研究，以实现机电设备预测性维护技术的突破与应用。
1预测性维护需求
预测性维护需求主要是船海工程机电设备包括锚系设备、动力定位设备、起吊设备、波浪补偿设备以及各种泵、阀等，使用工况恶劣，对产品服役性能、环境适应性及可靠性要求高。其运营过程具备以下特点：1）工况极其复杂，运动表现为不一致和不稳定的6自由度三维空间运动，在高压、高湿、盐碱等极端环境下，机电液融合特征的机电设备极易出现故障。2）单次作业周期长，船舶的服役特性要求机电设备经常在恶劣环境下长时间、满负荷运行，单次航行周期可长达9个月。3）运维成本高，设备运维基本以事后维修为主，备品备件准备、进坞维修等导致的时间浪费给船舶所有人带来巨大的经济损失，同时给设备供应商带来巨大的售后压力。急需建立预测性维护平台，通过预测性维护手段，对机电设备的工况环境、运行状态等参数进行采集和分析，并基于大数据实现健康状态实时感知和趋势预测，以制定合理的预测性维护策略。
2现阶段工程机械设备主要维护修理技术
2.1原位抢修技术
现阶段工程机械设备主要维护修理技术之一是原位抢修技术。一般情况下，某些工程机械设备具体使用阶段不可以长期处在维修状况或者故障状况中，以防对其他工作的运行造成影响。但如果发生这种情况时，维修单位人员就能够通过原位抢修技术来解决相关事宜。原位抢修技术一般是指在进行设备维修时要在设备发生故障的原位置，保证机械设备可以迅速恢复功能。在具体使用阶段，原位抢修技术一般分为以下4种类型：①耐磨修复技术。这一技术主要针对与设备发生磨损情况下进行设备维修。②贴体封贮技术。这种技术主要应用于保护机械设备的表层结构，避免设备接触到空气中的化学腐蚀物质造成设备损伤。③结构切片修补技术。这种技术主要是为了防止设备出现薄壁破裂情况或者漏洞情况。④管路封漏技术。如果机械设备中发现裂缝或者细纹，技术人员便能够借助管路封漏技术来维修，并加固其内部零件，防止相关问题再次发生。
2.2定点维护和修复技术
现阶段工程机械设备主要维护修理技术之二是定点维护和修复技术。由于材料科学的持续发展，一些新型材料在工程设备维修方面获得了一定程度上的应用，比如：借助某些高分子材料，使之与具备高阻隔、低摩擦、耐高温等特征的设备表层材料结合在一起，使得工程设备最后的修复效果可以获得有效提高。
期刊文章分类查询,尽在期刊图书馆定点维护和修复技术在这种材料的帮助下，当遇到机械设备在使用阶段某些零件发生划伤、磨损、腐蚀等情况时，工作人员可以快速通过定点维护和修复技术来解决相关问题，防止机械设备长期维持在故障停工状态。
3现代工程机械设备管理的重要性
现代工程机械设备管理的重要性主要体现在1）现代工程施工的环境多是潮湿、易腐蚀、含盐等不利于机械设备的环境，在此种环境下，如果不能做好机械设备的管理和维护，将严重影响到机械设备的使用寿命。为了保障机械能够正常使用，同时保持与预期使用年限相近的寿命，必须做好机械设备的管理和维护。2）机械设备与施工材料是现代工程施工中最大的两个工程支出项，占总的工程支出比仅次于材料费，而在机械设备费用中，占比最高的就是机械设备的管理和维护费用，而非机械设备的购买。因此降低机械设备的日常管理维护成本是降低工程总成本提升企业经营管理利润的主要方式。
4预测性维护技术路线
4.1状态监测阶段
预测性维护技术路线之一是状态监测阶段。对船海工程机电设备进行设备识别，明确系统、设备或组件的编码及功能；系统、设备或组件的工况及变化范围；系统、设备或组件的故障代码、故障类别、故障模式、故障原因。依据设备故障模式清单及可能的影响因素，针对不同故障确定数据采集对象、采集参数，并制定不同的数据采集方法，如传感器选型、传感器测点、布置方式、安装方式、采集频率等。一般采集的参数至少应包括下列信息：1）描述设备的基本数据；2）描述运行工况的基本数据；3）测量位置；4）测量参数的单位和处理方法；5）日期和时间信息。对数据进行标准化、奇异值剔除等操作，从长期监控的数据中获得规律或自定义规则，建立设备状态的监测模型，实现设备的状态监测。
4.2故障预测阶段
预测性维护技术路线之二是故障预测阶段，基于特征信号提取的特征清洗模型，实现复杂工况下的状态信号实时高精高效提取，挖掘关键特征，建立劣化特征变化规律。在实时监控模型的基础上，提出海上散货自动化转运设备的劣化性能评价指标，建立数据驱动的设备状态规律监控模型，对未来可能发生的重大变化和故障提出预警，根据其劣化特征变化规律，研究多目标下核心产品关键部件的维护机制，建立维护规则，构建维护策略预测模型，具体内容如下：1）从状态监测数据中抽取不同时间、不同工作状态下的主要运行参数，对抽取参数进行聚集，对于数据关联性较强的属性进行规约或降维处理。2）对数据进行筛选，根据经验及数据库技术去除无效数据、重复数据或近似数据，保证数据的有效性。之后按照标准化的数据规范将数据格式统一成能够适应于数据挖掘技术的结构。3）建立设备故障分类模式，通过对数据进行聚集学习，构建故障分类器，构建专家知识库，将构建的分类器进行优化完善并与实际经验结合，通过样本测试，加入故障处理方式。4）将设备的日常运转参数作为分类器的输入，根据与数据库中的相似度确定设备工作是否正常、所属故障类型及故障处理方式。
结语
总之，船海工程机电设备预测性维护受限于运行工况、网络通信等因素，目前基本处于应用空白，与当前信息技术的发展水平严重不匹配，无法支撑行业技术发展和产业升级。要可实现在船端对设备状态的实时监控和故障快速定位，在岸端制定预测性维护策略，并对设备运营情况进行管控。后续通过产业链纵向集成、横向集成，重点突破网络通信、故障诊断与预测等关键技术，支撑预测性维护在船海工程机电设备领域的技术突破与应用。
参考文献
[1]曹惠芬.世界船舶配套业发展现状和趋势[J].船舶物资与市场,2011(2):3-5.
[2]黄飞飞.基于数据挖掘技术的油气设备预测性维护研究[J].信息通信,2016(10):16-18.
论文作者:张汝彬
论文发表刊物:《城镇建设》2019年2卷17期
论文发表时间:2019/11/29
标签：设备论文; 技术论文; 机械设备论文; 故障论文; 机电设备论文; 工程论文; 数据论文; 《城镇建设》2019年2卷17期论文;