基于非齊次馬爾可夫過(guò)程的多動(dòng)作動(dòng)態(tài)維護(hù)策略研究.pdf

1、隨著計(jì)算機(jī)和電子技術(shù)的飛躍發(fā)展，生產(chǎn)設(shè)備正向高速、高負(fù)載和高自動(dòng)化程度的方向發(fā)展，同時(shí)由于設(shè)備故障所導(dǎo)致的事故的嚴(yán)重程度也大幅增加，產(chǎn)生了嚴(yán)重的社會(huì)影響。隨著設(shè)備的運(yùn)行，其運(yùn)行狀態(tài)、操作成本、維護(hù)動(dòng)作可靠性等等都會(huì)隨之發(fā)生變化，傳統(tǒng)的定期維護(hù)策略會(huì)導(dǎo)致維護(hù)缺乏或過(guò)度，所以基于狀態(tài)的動(dòng)態(tài)維護(hù)研究逐漸成為一個(gè)熱門的研究方向。 本研究擬定的對(duì)象是具有在線監(jiān)控裝置的單體設(shè)備，該設(shè)備運(yùn)行狀態(tài)會(huì)衰退，且隨著運(yùn)行時(shí)間的增加，衰退現(xiàn)象加速。研究

2、的基本流程是： 首先，引入健康指數(shù)概念，提出針對(duì)設(shè)備的整體健康指數(shù)模型，利用獲得的設(shè)備運(yùn)行實(shí)時(shí)數(shù)據(jù)，經(jīng)過(guò)標(biāo)準(zhǔn)化處理，得到設(shè)備的整體健康指數(shù)，進(jìn)而將運(yùn)行狀況劃分為多個(gè)離散狀態(tài)； 其次，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和函數(shù)擬合功能，從設(shè)備的歷史運(yùn)行狀態(tài)信息中，估計(jì)出設(shè)備在不同虛擬年齡下的狀態(tài)轉(zhuǎn)移幅度（狀態(tài)轉(zhuǎn)移前后的狀態(tài)值之差）服從的分布函數(shù)，進(jìn)而得到隨著設(shè)備運(yùn)行而發(fā)生變化的狀態(tài)轉(zhuǎn)移概率矩陣； 最后，根據(jù)所獲得的設(shè)備狀態(tài)轉(zhuǎn)移概率

3、矩陣，采用離散非齊次馬爾可夫衰退模型來(lái)描述設(shè)備狀態(tài)的變化，使用上三角轉(zhuǎn)移概率矩陣描述設(shè)備狀態(tài)的衰退，轉(zhuǎn)移概率的改變來(lái)描述設(shè)備的老化現(xiàn)象（狀態(tài)衰退的“加速”）。并假設(shè)有多種不完全維護(hù)動(dòng)作可供選用且維護(hù)動(dòng)作具有失敗的風(fēng)險(xiǎn)，時(shí)間不可忽略。在此基礎(chǔ)上，建立動(dòng)態(tài)預(yù)防維護(hù)模型，引入停機(jī)損失成本因子，將停機(jī)時(shí)間轉(zhuǎn)化為停機(jī)損失成本，應(yīng)用動(dòng)態(tài)規(guī)劃算法得出當(dāng)前的最優(yōu)維護(hù)動(dòng)作,以使得未來(lái)一段時(shí)間內(nèi)期望總成本最小。 數(shù)值驗(yàn)證的結(jié)果顯示，本研究提出的動(dòng)態(tài)