[发明专利]多组件系统状态机会维护优化方法

权利要求书

1.一种多组件系统状态机会维护优化方法，其特征在于，包括以下步骤：

第一步、进行单一组件退化预测，包括以下步骤；

步骤1、对零部件执行状态监测，并提取出能够反映零部件退化情况的退化特征，将组件i在t时刻的退化特征向量表示为D_i,t；

步骤2、计算组件i的初始退化增长率，包括以下步骤：

先给定一个初始时间窗ws₀和开始预测时间点STP，假定所有的组件都在相同的状态监测策略下，组件i的在时间窗内的退化特征记作W_i,1和W_i,2，W_i,1和W_i,2的规模是由初始时间窗ws₀和特征提取方法决定，则有：

式中，D_i,STP表示组件i在时间点STP的退化特征向量，并有：

式中，M_i,1和M_i,2分别为W_i,1和W_i,2的均值，若M_i,1和M_i,2是多维的，则选择其中的一维作为主元素用于计算，和是主元素中对应的均值，用于计算初始退化增长率；

初始退化增长率r_i,0为临近两个时间窗内的均值的比值，则有

步骤3、将初始退化增长率r_i,0与浮动因子f相比较，若r_i,0(1+f)，说明在较短的时间内退化速度比较快，则执行步骤5进行退化异常检测；反之，则执行步骤4，其中，浮动因子f用来说明退化的趋势的稳定性和它的可接受范围；

步骤4、将时间窗一步一步压缩，如果计算得到的退化增长率小于(1+f)，则将左侧时间窗内的最左侧的两个特征去掉，此时，经过一次压缩，时间窗变为：ws₁＝ws₀-1，相应的压缩时间窗内的退化增长率采用步骤2的方法重新计算，一直重复步骤4，直到退化增长率不小于(1+f)，经过k步压缩，在时间窗内的特征、均值和退化增长率如下式所示：

式中，W_i,k1和W_i,k2为经过k步压缩后的特征矩阵，ws_i,k为相应的时间窗大小，M_i,k1和M_i,k2为W_i,k1和W_i,k2的均值，r_i,k为相应的退化增长率；

步骤5、如果r_i,k(1+f)，则进行退化异常检测：定义h为一个警戒值，如果特征矩阵W_i,k2中的最大值超过h，一个更小的时间窗ws_s用来进行退化异常检测，如果在时间窗ws_s中右侧的特征都比在W_i,k2中的剩余的特征大，这种情况下认为退化异常出现，否则，认为退化是稳定的；

步骤6、确定训练样本：

若在步骤5中检测到退化异常，则在时间窗ws_s中的特征用于训练ANN；若没有发生退化异常，那么W_i,k1和W_i,k2被当做输入样本和输出样本用于训练ANN，输入层和输出层神经元的个数是相同的；

步骤7、执行预测

当退化异常发生了并检测到了，使用线性模型进行预测，当预测值超过预定的失效阈值，预测停止，如果提取出的退化特征是多维的，那么使用主元素进行预测并和预定的失效阈值进行对比；

当退化异常没有发生，ANN用于预测，执行多步提前预测；在每次预测时，有ws_i,k个退化特征被预测，按照下式进行滚动预测：

在ANN的训练过程中，和…；D_i,STP被当做训练样本的输入和输出，然后，退化特征…；D_i,STP用于预测退化特征D_i,STP+1；…；在每次预测中，有ws_i,k个退化特征被预测；

步骤8、进行失效风险评估

一个组件的失效风险可以用退化特征来表示，退化特征按照下式来表达：

WD_i＝[D_i,1；D_i,2；…；D_i,STP；WPD_i,P]

上式中包含两部分，一部分是从状态监测数据中提取的退化特征，另一部分是预测得到的退化特征，式中，WD_i为组件i的全部退化特征；D_i,1；D_i,2；…；D_i,STP为已知的部分；WPD_i,P包含从ANN或线性模型中预测得到的退化特征，将所有的退化特征按照下式进行归一化：

然后根据下式进行失效风险计算：

式中，H是预定的失效阈值，WDN_i为组件i的归一化的退化特征矩阵，cumsum表示累加和，FR_i为累积失效风险向量，是在区间(0,1)之间单调递增的，FR_i＝[F_i,1；F_i,2；......；F_i,T]，F_i,T是组件i在时间t的失效风险，T是预测的失效时间；

第二步、基于第一步得到的单一组件退化预测结果，进行多组件系统机会替换建模，包括以下步骤：

在任务周期内，系统的总成本按照下式表达：

C_Total＝C_EF+C_EP+C_DA

式中，C_Total为总成本，C_EF为失效替换期望成本，C_EP为预防替换期望成本，C_DA为总拆卸和安装成本；

针对确定每次替换时有多少组件要同时替换这一问题，首先定义一个当前成本率函数，假设系统中共有N个位置安装此类关键组件，设n个组件一起替换，另外m个组件一起替换，剩余组件单独替换，则对应的当前成本率计算公式为：

t≥STP,n≤N.

t≥STP,m≤N.

t≥STP,l＝1,2,...,N-n-m.

式中，C_Rscn为n个组件一起替换的成本率，C_Rscm为m个组件一起替换的成本率，C_Rscl为组件单独替换的成本率，C_f为一次失效替换成本，C_p为一次预防替换成本，F_x,t、F_y,t和F_l,t为组件x、组件y和组件l在时间t的失效风险，c_DA为一次拆卸和组装成本，由于组件可能被同时替换，则拆卸和安装成本可以被每个组件均摊，对总成本率C_R计算公式如下式：

式中，和为成组替换的组件的最小成本率，为单独替换的组件的最小成本率；

通过分析所有的情况，将具有最小总成本率的情况选出来作为最优的替换情况，假定上述的替换情形为最优的替换策略，则每个子情况的最佳替换时间为：

其中，和为成组替换组件的最佳替换时间，为单独替换组件的最佳时间，对应的最佳替换时间T_S,t为：

理论最优替换时间为为其中的最小值，为该情景下第一次替换时间；随着检测时间的推进，剩余寿命和失效风险的预测值也会随之而改变，因此，也应该动态的调整替换策略：

定义一个保守时间窗来确定可能的替换时间，保守时间窗位于STP的右侧，如果STP不小于保守时间窗内的最小值，则立即进行替换，在进行替换后，重新计算当前成本率和最优替换策略，重复执行预测-替换，直到满足了任务周期。