通信设备最佳维修周期预测系统分析

发表时间:2020/6/8   来源:《科学与技术》2020年第4期   作者:蒋云飞
[导读] 针对通信设备维修,采用建模、检验和计算的方法提出并分析最佳维修周期预测系统

         摘要:针对通信设备维修,采用建模、检验和计算的方法提出并分析最佳维修周期预测系统,以此为通信设备维修周期的预测提供有效的技术解决方案,保证通信设备维修的有效性。
         关键词:通信设备;维修周期预测
         通信设备一旦产生故障将对整个通信系统的正常运行带来很大影响,简单的事后维修已经无法满足通信系统持续运行要求,为了使通信系统稳定、持续运行,需要做好周期性的维修,而在周期性维修过程中,确定适宜的维修周期至关重要,这直接影响到周期性维修能否发挥出应有的作用效果。对此,相关研究人员建立了相应的预测系统,希望通过这一预测系统的应用,确定最佳维修周期,以此在不浪费任何资源的基础上,有针对性和目的性的维修设备,使设备始终处在最佳的运行状态,降低设备故障发生率。
1建模
         若按照不同的采集目标和方法,可将设备分成以下三类:第一类为设备能对运行记录进行自带,比如运输车辆,它的故障间隔就是里程表记录差;第二类为不带记录而运行时间相对较长的,需要以运行时间为依据对故障间隔进行记录,比如具备自动应答功能的传真机;第三类为不带记录而偶尔使用的,这种设备主要产生的是偶发故障,采用运行时间进行建模的可信度相对较低。对于通信设备,主要是上述提到的第二类。故障间隔时间如图1所示。

图1  故障间隔时间
         图1中,TN1、TN2、TN3...表示无故障运行持续时间,即故障间隔时间,而TR1、TR2、TR3...表示故障维修持续时间。
         按照对一般设备提出的技术指标,TMTBF表示设备可工作时间,指的是设备从开始工作到产生故障的时间;TMTTR表示设备不能工作时间,指的是修理设备需要的时间。根据以上定义与图1还能得出:
  (1)
  (2)
         某通信设备的故障记录样本如表1所示。
表1  某通信设备故障记录样本
     
         在正、负两个时间域上都存在值的模型无法对失效率分布进行描述,对通信设备自身可靠性进行分析研究时,主要采用以下三种模型:其一,正态分布模型;其二,指数分布模型;其三,威布尔分布模型。其中,以第三种最为常用,还可将其分成两种类型,即两参数与三参数[1]。
         对于威布尔模型,有很大的自由度,失效率与密度的模型都有不同很多形状变化。它的分布函数一般有下列两种表达形式:
         其中一种为三参数分布,可表示为:
  (3)
         式(3)中,表示形状参数;表示尺度参数;表示分布起始点,当用于分布拟合时,的值可取0,也就是说设备开始使用时就产生故障。
         另一种为二参数分布,可表示为:
  (4)
2模型检验
         在该系统当中,主要采用卡方检验函数对模型可信度进行检测,函数的原型为:procedure TKSVerify.CHSONE(const A:array of Double;NBINS,FLAG:Integer;var DF,CHSQ,PROB:Double);其中,NBINS表示的是整型变量,被分割数量,建议在7-14的范围内取值;FLAG表示的是整型变量,当为1时是指数分布,当为2时是正态分布,当为3时是威布尔分布;DF表示的是输出参数,在卡方统计量中代表自由度;CHSQ表示的是输出参数,在卡方统计量中代表观测值;PROB表示的是输出参数,用于衡量显著性水平,如果它的值很小,则认为样本为非自已知分布;BINS属于参数参数,表示数组,即个中元素进入到这一区域的具体个数;EBINS属于输出参数,与BINS相同,也表示数组。在使用上述函数的过程中,采用FLAG确定需要进行检测操作的模型,包括正态分布模型、指数分布模型和威布尔模型,然后通过对PROB的对比确定与输入记录数量相适应的模型。
3参数计算
    从长时间的工作经验可以看出,对失效率统计而言,威布尔分布更为有效,因此,在本次分析和研究工作中将它作为主要对象。之前已经提到,威布尔分布可以分成两种,二参数是典型的一种,其和两个参数和故障数据集合当中的一、二阶原点矩存在如下的相互关系:
  (5)
         式(5)中,表示伽玛函数,即。对方程组进行联立,采用迭代算法,即可得到二参数分布对应的各项参数。
         在该系统当中,计算函数原型可表示为:function Calc2Params(Ju1,Ju2:Double;var beta,yita:Double):Boolean;function Calc2Params(arrInterval:array of Double;var beta,yita:Double):Boolean;根据以上函数原型可以看出,这一函数能读两种输入量进行接收,其中一种为对样本记录数据进行直接穿入,而另外一种为一、二阶矩[2]。采用以上方法对某通信设备进行故障预测,其最大可能故障时间为156.28天,预测结果和真实运行情况基本一致。
4结束语
    综上所述,根据故障数据分布特点进行分布模型建立,然后对设备可能产生故障的时间和故障时间百分比置信息区间即可实现对故障的预测。确定预防维修周期尽管能将某个因素作为依据进行,但各类因素可能有各自目标函数,得出的结果可能完全不同,甚至存在很大的差别。在具体的工作过程中,除非遇到十分特殊的情况,通常都是对按照相关原则得到的时间实施加权平均来得出预防维修周期。
参考文献:
[1]白文明,白颖哲,张钰,张崇辉,纪秀艳.DPZ1综合硬件集成控制器介绍与维修方法[J].农业与技术,2019,39(05):155-156.
[2]柳邦声,刘肖沛,刘加钊.极区水域航行船舶通信设备配备的思考[J].青岛远洋船员职业学院学报,2018,39(01):13-16.
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: