[发明专利]基于系统级寿命信息的成组维修决策方法

说明书

本发明公开了一种基于系统级寿命信息的成组维修决策方法，为了解决目前利用部件级信息进行成组维修决策时忽略系统级可靠性的问题。首先，利用各个部件的退化数据进行部件级寿命预测及系统级寿命预测，得到系统可靠度评估函数；其次，利用部件级寿命预测信息计算各部件预防性维修时间；然后，利用系统任务剖面和部件最佳预防性维修时间进行分组，并计算相关费用；最后，利用多目标优化中的多属性价值理论，以费用和系统可靠度为目标，得到系统级成组维修最优策略。本发明在考虑成组维修费用同时，可以结合考虑系统级寿命预测信息，保证系统的高可靠性和任务成功性。本发明适用于结构复杂且要求高可靠性的产品的成组维修决策。

技术领域

本发明是一种针对结构复杂的多层级系统的退化数据，基于寿命预测模型、维修分组和多目标规划的成组维修决策方法，属于维修决策技术领域。

背景技术

为了保证系统在规定时间内完成一系列任务，需要一定的维护维修工作来保证系统安全和任务成功，降低发生故障而造成的损失。因此，进行适当的维修策略方案来保证系统在寿命期内具备高效能与低成本是近些年的研究热点内容。对于系统级维修策略，大部分研究往往倾向于机会维修和成组维修。许多技术，如随机过程、优化算法、模型理论等，在复杂系统的成组维修研究中广泛应用和讨论。

然而，先前大部分的系统维修工作往往只考虑部件的性能水平，实际上，对于一些高可靠性要求的产品，如航天器、军用飞机等，考虑系统健康状态是至关重要的，这往往决定任务是否成功。由于系统级的数据很难监测且无从参考，因此有必要进行系统级寿命预测，从而获得系统可靠度等信息。此外，对于长寿命高可靠性的产品，其故障是由于老化、磨损等退化型失效，而传统的维修模型往往基于失效率函数，针对偶然失效。针对上述问题，提出如下解决方法。

对于退化型失效问题，可基于各个设备的退化数据，建立设备寿命预测模型。现有的预测方法包括马尔可夫过程、数据挖掘、失效物理、信息融合等。针对结构复杂的多层级系统，系统级寿命信息与设备性能息息相关，由于设备间逻辑关系复杂，因此利用贝叶斯网络、机器学习、结构学习等方法可以对系统寿命信息进行预测。对于决策时考虑系统级寿命信息，本发明利用多目标规划模型，以费用和系统可靠度作为双重目标，对成组维修策略进行优化。

从上所述，本发明以BN方法为例进行系统级寿命预测说明，以费用和系统可靠度权衡目标，从退化的角度实施成组维修决策的方法，该方法具有一定独创性。

发明内容

本发明的目的是为了解决上述问题，提出一种能够有效的将系统级寿命预测信息融入成组维修决策的方法，并获得有效且合理的最优维修方案。

本发明的具体步骤为：

步骤一、获取部件级和系统级寿命预测信息；

步骤二、计算各部件预防性维修时间；

步骤三、维修成组；

步骤四、计算总平均费用；

步骤五、获得最佳成组维修策略。

本发明的优点在于：

(1)本发明建立了考虑系统级寿命预测信息的成组维修决策模型，可在降低费用的同时满足系统的高可靠性要求；

(2)本发明利用部件的退化数据寿命预测，不仅适用于偶然失效的部件，也可用于退化型失效的部件。

附图说明

图1是本发明的流程图；

图2是部件成组策略图；

图3是系统G可靠性框图；

图4是系统G的BN模型；

图5是部件预防性维修费用与时间关系；

图6是系统G维修前的可靠度预测函数；