考慮能耗的混聯(lián)生產(chǎn)系統(tǒng)智能維護調(diào)度方法研究.pdf

1、智能維護調(diào)度方法以智能預(yù)診技術(shù)為前提,以“基于狀態(tài)的維護”為基本策略,使用智能算法實現(xiàn)對設(shè)備的“按需維護”,能夠有效地延緩設(shè)備的老化、維持設(shè)備較高的性能,以此保證設(shè)備運行的可靠性、降低設(shè)備的使用能耗,同時最大程度地降低維護活動造成的維護費用與生產(chǎn)損失,對企業(yè)具有十分重要的意義。
　　針對混聯(lián)生產(chǎn)系統(tǒng)建立了智能維護調(diào)度模型。以Weibull分布為基礎(chǔ)建立設(shè)備可靠度衰退模型;對Malik役齡回退模型進行了改進,同時引入可靠度衰退加速因

2、子,考慮小修、中修、大修、更換四種維護方式,建立了設(shè)備的維護模型;綜合考慮設(shè)備的磨損規(guī)律和磨損與能耗之間的關(guān)系,建立設(shè)備的“役齡-能耗”模型;為描述混聯(lián)系統(tǒng)中設(shè)備之間的結(jié)構(gòu)依賴性,建立了混聯(lián)生產(chǎn)系統(tǒng)的結(jié)構(gòu)模型;建立了系統(tǒng)的可靠度模型和能耗模型;建立維護成本模型,其中維護費用部分主要考慮維護資源的使用產(chǎn)生的費用,而生產(chǎn)損失部分由設(shè)備停機造成,生產(chǎn)損失的計算主要考慮了設(shè)備之間結(jié)構(gòu)依賴性、生產(chǎn)系統(tǒng)中的有限緩存以及有線維護資源等約束。
　

3、　分別對復(fù)雜生產(chǎn)系統(tǒng)維護調(diào)度的三個層次——維護時機決策、維護設(shè)備成組和維護單元調(diào)度排序進行研究。
　　利用多目標全面學習粒子群算法(Multi-Objective Comprehensive Learning Particle Swam Optimization,MOCLPSO)對維護時機決策問題進行了求解。以低系統(tǒng)能耗、低維護成本以及高系統(tǒng)可靠度作為決策的三個目標。介紹了目標全面學習粒子群算法的計算流程。從解的編碼方式、粒子學習

4、方法、慣性權(quán)重與學習因子的設(shè)置方法,以及外部檔案更新等問題詳細介紹了該算法在多目標維護時機決策方法中的應(yīng)用,其中重點闡述了外部檔案更新問題中Pareto空間比較法和線性加權(quán)比較法這兩種多目標問題粒子優(yōu)劣比較方法。
　　綜合考慮與設(shè)備維護相關(guān)的幾種相似性:距離相似性、設(shè)備種類相似性、維護方式相似性、系統(tǒng)結(jié)構(gòu)位置相似性和維護時間相似性,設(shè)計了相應(yīng)的相似距離的計算方法。利用層次聚類法實現(xiàn)對維護設(shè)備的成組。在聚類過程中使用均連法計算聚類之

5、間的相似距離;以聚類之間的非一致性作為參考實現(xiàn)聚類的分割。
　　提出一種基于CART算法實現(xiàn)維護單元調(diào)度排序規(guī)則提取的方法。介紹了CART算法的計算流程;設(shè)計了CART算法的樣本的形式與生成方法,其中樣本中綜合考慮了設(shè)備維護時間、占用維護資源的數(shù)量和停機引起系統(tǒng)生產(chǎn)率損失等與維護成本相關(guān)的主要因素;設(shè)計了20種普通的調(diào)度規(guī)則和使用遺傳算法解決維護單元調(diào)度排序的方法,使用這兩種方法分別生成兩組調(diào)度優(yōu)解,以此為基礎(chǔ)生成決策樹訓練樣本;

6、介紹了決策樹的生成、剪枝與優(yōu)化過程,設(shè)計了維護單元調(diào)度排序規(guī)則的提取和維護單元排序的轉(zhuǎn)化方式。
　　以一個滑動軸承生產(chǎn)系統(tǒng)為例,對本課題提出的智能維護調(diào)度方法進行驗證分析。首先,分別使用基于Pareto空間比較法和基于線性加權(quán)比較法的的MOCLPSO對考慮能耗的多目標維護時機決策問題進行求解,對優(yōu)化迭代過程進行了詳細的分析,并對兩種方法進行了比較,討論了兩種方法各自的應(yīng)用條件。然后以維護時機決策獲得的優(yōu)解為例驗證了本文提出的設(shè)備成