基于贝叶斯方法的起重机制动可靠性预测

为什么安全停止重载很重要

每当塔式起重机起升和放下数吨钢材或混凝土时，其制动器默默保护着工人和周围人员的安全。如果制动器失效，后果可能是致命的。然而，对于许多起重机型号，我们的真实故障记录很少，而且制动力会以部分随机的方式逐步减弱。本文展示了工程师如何在仅有少量测试数据的情况下，仍能对何时对制动器进行检修作出可信的预测。

起重机制动器如何逐渐失去制动力

起重机制动器通过将摩擦面压合以产生抵抗运动的制动力矩来工作。经过数月使用，这些摩擦面会磨损，热循环会损伤材料，零件之间的接触逐渐恶化。结果是制动力矩出现逐步增长的“退化量”：实际制动力相较于初始能力的损失。中国的安全规定现要求制动力矩不得低于额定值的90%，因此知道制动器何时可能越过该极限对于制定维护计划和防止事故至关重要。

如何最大化利用稀缺且分散的数据

作者面临一个实际问题：现场工作起重机的测量数据稀少且成本高，但制造商在同类型制动器的开发阶段拥有更丰富的测试数据。研究并未舍弃任一数据源，而是将两者结合起来。首先，团队收集了15家制造商针对同一型号起重机制动器在模拟服役的多个时间点上的历史测试结果。对于每个制造商和时间点，他们计算了制动力损失的均值和离散程度。这些汇总呈现出规律性：均值在制造商之间大致呈钟形分布，而离散程度则呈现工程不确定性常见的偏斜模式。

从既往经验到更新的预期

基于上述结构，作者采用了贝叶斯框架，将未知的“真实”制动退化行为视为可以随着新证据到来而更新的量。历史制造数据被转化为关于平均退化和变异性哪些取值是可信的先验描述。随后，从少数几台起重机在若干服役时间点采集了一小组现场测量值。这些新观测通过数学方法与先验融合，根据各自的数据量自然地赋予先验经验或新数据不同的权重。结果是对制动力退化速度及其不确定性的更新性描述。

将退化量转化为剩余服役时间

仅知道各个时间点的制动力损失分布只是问题的一半；维护规划者需要知道制动器在跌破安全阈值之前还能运行多长时间。为此，作者将更新后的退化估计与一种广泛使用的寿命模式——韦伯（Weibull）曲线相联系，后者能刻画机械部件的损耗。通过把每个测量时间点的预测可靠度与该曲线匹配，他们提取出描述整个服役寿命的参数。应用于一台具有明确制动损失限值的实际起重机制动器，该方法估计制动器在约291天的服役期内有90%的概率仍能满足标准，之后建议进行维护。

方法的效果及其意义

研究将三种制动可靠性预测方法进行了比较：仅使用历史测试数据、仅使用新的现场测量，以及使用所提出的结合方法。三者都给出了相似的趋势，但贝叶斯方法位于两者之间，对观测数据的拟合稍好，预测误差更小。该方法在对基础假设做小幅调整时也表现稳定，这表明结果并不过分依赖隐含的建模选择。

通过更智能的统计实现更安全的起重机

对非专业读者而言，关键结论是：即使缺乏完整的故障统计数据，也可以为诸如起重机制动器这类关键安全部件做出合理、透明的维护决策。通过将既有测试结果与适量的现场抽查数据智能地整合，该方法能够清晰估算在制动器因制动力损失而变得不安全之前可继续使用的时间。这使得运营方能够安排及时维护，监管者能够制定基于证据的规则，制造商也能设计更安全的设备——而无需等待冗长且危险的故障历史积累。

引用: Du, X., Lan, P., Zhao, X. et al. Reliability prediction of crane brakes based on the bayesian method. Sci Rep 16, 12146 (2026). https://doi.org/10.1038/s41598-026-41923-3

关键词: 起重机安全, 制动可靠性, 贝叶斯估计, 机械退化, 预防性维护