[发明专利]基于维修成本优化的复杂系统维修决策方法

说明书

本发明公开了一种基于维修成本优化的复杂系统维修决策方法，通过采用基于高斯混合模型的方法，实时评估复杂系统各部件的健康状态，并基于正常状态下的样本数据生成决策阈值，采用灰色预测模型预测健康状态的退化趋势，确定各部件的预防性维修区间和故障维修区间，最后根据单位时间内维修成本最小化制定相应的维修决策。能够有效合理的安排复杂系统内各部件的维修策略，降低系统级维修的费用。

技术领域

本发明属于装备健康管理领域，具体地说，是一种基于维修成本优化的复杂系统维修决策方法。

背景技术

复杂装备系统是由多个单元部件组成的，同一系统所属的部件在进行维修行为中存在相互依赖的作用关系，主要体现在：1)在对某一部件进行维修的同时往往需要对同一系统下的其他部件进行拆装；2)对同一系统下的若干部件成组进行维修往往比各部件单独进行维修要节约维修费用；3)一个部件的性能退化状态会影响同一系统内其他部件的性能退化趋势。针对上述原因，需要在系统级开展维修决策制定方法研究，有效合理的安排系统内各部件的维修策略，降低系统及维修的费用。

发明内容

本发明要解决的技术问题是提供一种复杂系统维修决策的方法。

实现本发明目的的技术解决方案为：一种基于维修成本优化的复杂系统维修决策方法，包括以下步骤：

步骤一：针对复杂系统的各组成部件，根据各部件的性能监测参数，基于高斯混合模型的方法计算各部件的健康度指标，实时评估各部件的健康状态；

步骤二：计算各部件正常状态样本数据健康度指标的均值和标准差，根据k倍σ原则分别确定预防性维修起始阈值、故障维修起始阈值以及故障停机阈值；

步骤三：采用灰色预测模型对各部件的健康度指标进行预测，基于步骤二计算的三个阈值得到各部件的预防性维修起始点、故障维修起始点、故障发生点；

步骤四：将各部件的预防性维修起始点、故障维修起始点、故障发生点按照时间的前后顺序，顺次排列在同一时间轴上，分别计算各时间区间末的单位使用时间的平均维修费用，选取平均维修费用最低的时间节点作为系统最终的维修时间，并根据该节点系统各部件所属的维修区间类型，选择相应的维修方式。

本发明与现有技术相比，其显著优点为：采用高斯混合模型的方法可对系统所属各部件的健康状态进行准确评估，采用灰色预测模型中的GM(1,n)模型可对健康状态的变化趋势进行准确预测，最后假设系统维修费用由系统拆装费用、预防性维修费用、故障维修费用三部分组成，并基于单位使用时间的平均维修费用最低的准则确定系统的维修策略。

附图说明

图1为基于高斯混合模型(GMM)的单部件健康评估原理。

图2为基于GMM模型的健康状态评估流程图。

图3为基于k倍σ的阈值计算。

图4为健康状态退化及故障演化示意图。

图5为系统级维修决策流程图。

具体实施方式

本发明通过采用基于高斯混合模型的方法，实时评估复杂系统各部件的健康状态，并基于正常状态下的样本数据生成决策阈值，采用灰色预测模型预测健康状态的退化趋势，确定各部件的预防性维修区间和故障维修区间，最后根据单位时间内维修成本最小化制定相应的维修决策。

下面结合附图对本发明做进一步说明。