تخمین عمر مفید باقیمانده تجهیزات دفاعی با استفاده از مدل مدیریت سلامت تجهیزات و پیش بینی عیوب(PHM)، (مطالعه موردی: سامانه راداری)

نویسندگان

1 دانشگاه جامع امام حسین(ع)

2 دانشگاه علم و صنعت ایران

چکیده

تکامل سیستم‌های پایش تشخیص عیوب در سامانه‌های آفندی و پدافندی، پهباد‌ها، جنگنده‌ها و سیستم‌های پیچیده دیگر، می­تواند تشخیص پیشگویانه عیوب را از لحاظ فنی، مطلوب و ممکن سازد. در سال­ های اخیر، مدل مدیریت سلامت تجهیزات و پیش­بینی عیوب(PHM) با تشکیل یک پیوند قوی از علوم مهندسی، کامپیوتر و قابلیت اطمینان، به ­وجود آمده است. به همین دلیل، بیشتر رویکردهای هوشمند نگهداری وتعمیرات، در زمینه تشخیص و پیش‌بینی هوشمند عیوب به کارگیری شده ­اند. کشف دانش مفید در خصوص تشخیص عیوب و پیش‌بینی عمر تجهیزات نظامی و تعیین آمادگی تجهیزات می­ تواند بر تعیین توانایی استمرار آمادگی تجهیزات در مأموریت­ های نظامی در شرایط نبرد، مؤثر باشد. مسئله مهم این است که چگونه می­توان روشی برای تعیین توانایی استمرار آمادگی تجهیزات مأموریت­ های نظامی در شرایط نبرد، ارائه نمود؟ در این مقاله با استفاده از سیستم PHM، سلامت دستگاه، جزء یا سیستم، در هر نقطه و زمانی می‌تواند شناخته شده و از وقوع احتمالی شکست پیشگیری کند. همچنین دستیابی به نقصان صفر امکان ­پذیر می‌شود. از طرف دیگر در تجهیزات و سامانه‌های پدافندی، از ایجاد ناگهانی خرابی در کل سامانه و از هزینه‌های جانی و مالی جبران­ناپذیر ناشی از بروز این مشکل جلوگیری می‌شود. بنابراین از اهداف این مقاله می­توان به استمرار آمادگی تجهیزات در مأموریت ­های نظامی اشاره کرد.

کلیدواژه‌ها


  1. رمضانی، سعید و یوسفی، مصطفی. "رویکردی هوشمند در تشخیص و پیش بینی عیوب و مدیریت سلامت (PHM)، مطالعه موردی تشخیص عیوب مخزن با استفاده از شبکه عصبی موجک". پنجمین کنفرانس بین‌المللی نگهداری و تعمیرات، آبان 1387.##[2] رمضانی، سعید، یوسفی، مصطفی و طاهری، محسن. "تشخیص و پیش‌بینی هوشمند عیوب برای سیستم‌های مهندسی". تهران، انتشارات دانشگاه جامع امام حسین (ع)، 1390.##[3] Cadini, F., et al., "Model-based Monte Carlo state estimation for condition-based component replacement". Reliability Engineering & System Safety 94(3): 752-758, 2009.##[4] Gebraeel, N., et al., "Residual life predictions in the absence of prior degradation knowledge". Reliability, IEEE Transactions on 58(1): 106-117, 2009.##[5] Gebraeel, N. and J. Pan., "Prognostic degradation models for computing and updating residual life distributions in a time-varying environment". Reliability, IEEE Transactions on 57(4): 550-539, 2008.##[6] Luo, J., et al. ,"Model-based prognostic techniques applied to a suspension system". Systems, Man and Cybernetics, Part A: Systems and Humans, IEEE Transactions on 38(5): 1156-1168, 2008.##[7] Myötyri, E., et al., "Application of stochastic filtering for lifetime prediction". Reliability Engineering & System Safety 91(2): 200-208, 2006.##[8] Heimes, F. O. ., "Recurrent neural networks for remaining useful life estimation". Prognostics and Health Management, 2008. PHM 2008. International Conference on, IEEE, 2008.##[9] Kozlowski, J. D., et al., "Electrochemical cell diagnostics using online impedance measurement, state estimation and data fusion techniques". INTERSOCIETY ENERGY CONVERSION ENGINEERING CONFERENCE, SAE; 1999, 2001.##[10] Zio, E. and F. Di Maio ., "A data-driven fuzzy approach for predicting the remaining useful life in dynamic failure scenarios of a nuclear system". Reliability Engineering & System Safety 95(1): 49-57, 2010.##[11] Goebel, K., et al., "Fusing competing prediction algorithms for prognostics". Aerospace Conference, 2006 IEEE, IEEE, 2006.##[12] Hess, A., et al., "PHM a key enabler for the JSF autonomic logistics support concept". Aerospace Conference, 2004. Proceedings. 2004 IEEE, IEE, 2004.##[13]Saha, B., et al., "Prognostics methods for battery health monitoring using a Bayesian framework". Instrumentation and Measurement, IEEE Transactions on 58(2): 291-296, 2009.##[14] Hu, C., "Advances in system reliability-based design and prognostics and health management (PHM) for system resilience analysis and design", 2011.##[15] Varde, P. and M. G. Pecht., "Role of Prognostics in Support of Integrated Risk-based Engineering in Nuclear Power Plant Safety". International Journal of Prognostics and Health Management, 2012.