[發明專利]一種基于故障預測的維修決策優化算法

在審

• 申請號: 201611186475.X
• 申請日: 2016-12-21
• 公開（公告）號: CN106600072A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 李洪亮;紀鳴;何康康
• 申請（專利權）人: 中國航空工業集團公司雷華電子技術研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/00
• 代理公司: 北京航信高科知識產權代理事務所(普通合伙)11526
• 代理人: 高原

1.一種基于故障預測的維修決策優化算法，其特征在于，包括：

步驟一、獲取目標單元的修復性換件維修時間和預防性換件維修時間，并計算修復性換件維修成本、預防性換件維修成本與預兆單元的安裝與運行成本；

步驟二、根據所述目標單元的壽命與預兆單元的壽命的特征生成其中，為系統運行中所述目標單元的壽命樣本，系統運行中所述預兆單元的壽命樣本，Z為所述目標單元的壽命，X為所述預兆單元的壽命；

步驟三、當時，對系統進行預防性換件維修，單個更新周期為換件維修成本為所述預防性換件維修成本加上所述預兆單元的安裝與運行成本，需要的換件維修時間為所述預防性換件維修時間，記錄預防性換件維修的次數n_p(i)＝1；

當時，對系統進行修復性換件維修，單個更新周期為換件維修成本為修復性換件維修成本加上所述預兆單元的安裝與運行成本，需要的換件維修時間為修復性換件維修時間，記錄修復性換件維修的次數n_c(i)＝1；

步驟四、根據如下關系式(1)、(2)、(3)、(4)分別累積計算系統總可用時間、目標系統運行的總時間、系統總停機時間以及系統運行的總成本：

$T_u=\underset{i=1}{\overset{N}{\Σ}}min\left(t_X^f\right(i),t_Z^f(i\left)\right)\mathrm{......}\left(1\right);$

$T_d=T_p\underset{i=1}{\overset{N}{\Σ}}{n}_p\left(i\right)+T_c\underset{i=1}{\overset{N}{\Σ}}{n}_c\left(i\right)\mathrm{...}\left(2\right);$

$T=T_u+T_d=\underset{i=1}{\overset{N}{\Σ}}\min \left(t_X^f\right(i),t_Z^f(i\left)\right)+T_p\underset{i=1}{\overset{N}{\Σ}}{n}_p\left(i\right)+T_c\underset{i=1}{\overset{N}{\Σ}}{n}_c\left(i\right)\mathrm{......}\left(3\right);$

$C\left(T\right)=(C_p+C_m)\underset{i=1}{\overset{N}{\Σ}}{n}_p\left(i\right)+(C_c+C_m)\underset{i=1}{\overset{N}{\Σ}}{n}_c\left(i\right)\mathrm{......}\left(4\right);$

其中，T_c為修復性換件維修時間；T_p為預防性換件維修時間，C_c為修復性換件維修成本；C_p為預防性換件維修成本；C_m為預兆單元的安裝與運行成本；

步驟五、根據如下關系式(5)、(6)、(7)分別計算單位時間成本、平均使用可用度以及平均效費比的三個維修效用指標：

$E\left(C\right)=\frac{C\left(T\right)}{T}\mathrm{......}\left(5\right);$

$E\left(A\right)=\frac{T_u}{T}\mathrm{......}\left(6\right);$

$E\left(B\right)=\frac{E\left(A\right)}{E\left(C\right)}=\frac{T_u}{C\left(T\right)}\mathrm{......}\left(7\right);$

步驟六、調節所述預兆單元的損傷參數，生成步驟五中三個維修效用指標的序列，并根據如下公式(8)、(9)、(10)從中求解最優的效用指標及其對應的預兆單元的損傷參數：

$({\mathrm{\ω}}_C,{\mathrm{\σ}}_C)={\arg }_{\mathrm{\ω},{\mathrm{\σ}}_s}\min E\left(C\right)\mathrm{......}\left(8\right);$

$({\mathrm{\ω}}_B,{\mathrm{\σ}}_B)={\arg }_{\mathrm{\ω},{\mathrm{\σ}}_s}\max E\left(B\right)\mathrm{......}\left(9\right);$

$({\mathrm{\ω}}_A,{\mathrm{\σ}}_A)={\arg }_{\mathrm{\ω},{\mathrm{\σ}}_s}\max E\left(A\right)\mathrm{......}\left(10\right).$

2.根據權利要求1所述的基于故障預測的維修決策優化算法，其特征在于，在所述步驟二的中，還包括：

當所述預兆單元與目標單元的壽命獨立時，根據所述目標單元的壽命與預兆單元的壽命的特征分別生成所述目標單元的壽命樣本以及所述預兆單元的壽命樣本；

當所述預兆單元與目標單元的壽命相關時，首先生成被監控電子系統的目標單元的壽命樣本，然后根據預兆單元與目標系統的壽命依賴關系，生成所述預兆單元的壽命樣本。