BP神经网络在设备维修间隔预测中的应用研究

摘要

维修间隔是维修策略中最为主要的指标之一.传统的预防性维护方法通常运用统计学原理来预测维修间隔.这种传统维修思想的局限性在于缺乏灵活性,不能根据设备的实际情况动态调整时间间隔,容易造成维修不足或维修过剩.为了达到个性化维护的目的,本文采用BP神经网络来动态预测某个设备的维修间隔.其具体做法是:首先提取历史维修数据中的维修模式,再利用这些模式来训练BP神经网络,最后根据某个特定设备的维护模式来预测下一次的维修间隔.这种方法得到的维修间隔不仅考虑了过去维护因素对特定设备的影响,而且能得到较为优化的维修间隔.本文利用这种方法对真实的电梯维修数据进行了分析.实验证明,其预测平均模式相对误差为27.1%.这种动态的维修间隔可以为制定个性化的设备维护策略提供科学依据.