مدلی جهت تعیین وضعیت زوال تجهیزات دوار و تعیین عمر مفید باقی‌مانده، با رویکرد جدیدی به تلفیق و پیش‌بینی شاخص سلامت

پایش وضعیت یکی از مهم ترین تکنیک های مدیریت سلامت تجهیزات و نگهداری و تعمیرات (نگهداشت) مبتنی بر شرایط است. در چرخه متدلوژی مدیریت سلامت و پیش بینی عیوب (phm) که به نوعی شکل توسعه یافته تری برای نگهداشت مبتنی بر شرایط (cbm) است، ارزیابی وضعیت به عنوان مهم ترین جزء این چرخه به شمار می آید. در این تحقیق مدلی ارائه شده است که مبتنی بر آن می توان با استفاده از ارزیابی وضعیت تجهیز، عمر مفید باقی مانده (rul) تخمین زده شود. در این مدل با استفاده از تعریف یک شاخص سلامت جدید برای ارتعاش تجهیز (kurtosis-entropy)، شبیه سازی و پیش بینی آن با استفاده از مدل مارکوف رژیم سوئیچینگ خودرگرسیون، وضعیت سلامت تجهیز تعیین می شود. پیش از پیش بینی وضعیت تجهیز، مراحل زوال، با استفاده از خوشه بندی c میانگین فازی تعیین شده است. مطابق با وضعیت فعلی تجهیز و وضعیت های از پیش تعیین شده زوال، عمر مفید باقی مانده تجهیز تخمین زده می شود. به منظور ارزیابی مدل از داده های آزمایشگاهی انیستیتوی femto-st که به منظور پیش بینی عمر مفید باقی مانده بی رینگ فراهم شده، استفاده و نتایج مطالعه با مدل های رقیب مقایسه شده است. نوآوری این مقاله استفاده توام از خوشه بندی فازی رویکرد جدیدی به تئوری شواهد برای تلفیق داده ها و استفاده از مدل مارکوف رژیم سوییچینگ، برای پیش بینی است.

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

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 (KurtosisEntropy) 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 Cmeans clustering method. Based on the current state of equipment and predetermined state of degradation, the remaining useful life of the equipment is estimated. In order to evaluate the model, the experimental data from the FEMTOST 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 Cmeans, a new approach to evidence theory for data fusion, and the use of the Markov switching model for prediction.