مدلي جهت تعيين وضعيت زوال تجهيزات دوار و تعيين عمر مفيد باقي مانده، با رويكرد جديدي به تلفيق و پيش بيني شاخص سلامت

A Model to Determining the State of Degradation and Remaining Useful Life of Rotating Equipment, With a New Approach to Combination and Predicting Health Index

پايش وضعيت يكي از مهم ترين تكنيك هاي مديريت سلامت تجهيزات و نگهداري و تعميرات (نگهداشت) مبتني بر شرايط است. در چرخه متدلوژي مديريت سلامت و پيش بيني عيوب (PHM) كه به نوعي شكل توسعه يافته تري براي نگهداشت مبتني بر شرايط (CBM) است، ارزيابي وضعيت به عنوان مهم ترين جزء اين چرخه به شمار مي آيد. در اين تحقيق مدلي ارائه شده است كه مبتني بر آن مي توان با استفاده از ارزيابي وضعيت تجهيز، عمر مفيد باقي مانده (RUL) تخمين زده شود. در اين مدل با استفاده از تعريف يك شاخص سلامت جديد براي ارتعاش تجهيز (Kurtosis-Entropy)، شبيه سازي و پيش بيني آن با استفاده از مدل ماركوف رژيم سوئيچينگ خودرگرسيون، وضعيت سلامت تجهيز تعيين مي شود. پيش از پيش بيني وضعيت تجهيز، مراحل زوال، با استفاده از خوشه بندي C- ميانگين فازي تعيين شده است. مطابق با وضعيت فعلي تجهيز و وضعيت هاي از پيش تعيين شده زوال، عمر مفيد باقي مانده تجهيز تخمين زده مي شود. به منظور ارزيابي مدل از داده هاي آزمايشگاهي انيستيتوي FEMTO-ST كه به منظور پيش بيني عمر مفيد باقي مانده بي رينگ فراهم شده، استفاده و نتايج مطالعه با مدل هاي رقيب مقايسه شده است. نوآوري اين مقاله استفاده توام از خوشه بندي فازي رويكرد جديدي به تئوري شواهد براي تلفيق داده ها و استفاده از مدل ماركوف رژيم سوييچينگ، براي پيش بيني است.

Condition assessment is one of the most significant techniques of equipment health, repairs, maintenance, and management. Prognostics and Health Managemen (PHM) methodology cycle is a developed form of Condition Based Maintenance (CBM). Condition assessment is the most important step of this cycle. In this study, based on the presented model, the Remaining Useful Life (RUL) is estimated using equipment condition assessment. Using the simulation and forecasting of a new feature for the vibration of the equipment (Kurtosis-Entropy) by Autoregressive Markov Regime Switching (AMRS) method, equipment health condition is determined. Prior to forecasting the condition of the equipment, the equipment degradation state is determined by the fuzzy C-means clustering method. Based on the current state of equipment and pre-determined state of degradation, the remaining useful life of the equipment is estimated. In order to evaluate the model, the experimental data from the FEMTO-ST Institute, which is provided to estimate the remaining useful life of the bearing, was used and the results of the study are compared with the rival models. The innovation of this paper is the use of fuzzy C-means, a new approach to evidence theory for data fusion, and the use of the Markov switching model for prediction.