[發(fā)明專利]多組件系統(tǒng)狀態(tài)機會維護優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 201911111521.3
• 申請日: 2019-11-14
• 公開（公告）號: CN111027719B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計）人: 肖雷;湯俊萱;鮑勁松
• 申請（專利權(quán)）人: 東華大學
• 主分類號: G06Q10/20
• 分類號: G06Q10/20;G06Q10/04;G06Q10/0639;G06F30/20
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊;柏子雵

1.一種多組件系統(tǒng)狀態(tài)機會維護優(yōu)化方法，其特征在于，包括以下步驟：

第一步、進行單一組件退化預(yù)測，包括以下步驟；

步驟1、對零部件執(zhí)行狀態(tài)監(jiān)測，并提取出能夠反映零部件退化情況的退化特征，將組件i在t時刻的退化特征向量表示為D_i,t；

步驟2、計算組件i的初始退化增長率，包括以下步驟：

先給定一個初始時間窗ws₀和開始預(yù)測時間點STP，假定所有的組件都在相同的狀態(tài)監(jiān)測策略下，組件i的在時間窗內(nèi)的退化特征記作W_i,1和W_i,2，W_i,1和W_i,2的規(guī)模是由初始時間窗ws₀和特征提取方法決定，則有：

式中，D_i,STP表示組件i在時間點STP的退化特征向量，并有：

式中，M_i,1和M_i,2分別為W_i,1和W_i,2的均值，若M_i,1和M_i,2是多維的，則選擇其中的一維作為主元素用于計算，和是主元素中對應(yīng)的均值，用于計算初始退化增長率；

初始退化增長率r_i,0為臨近兩個時間窗內(nèi)的均值的比值，則有

步驟3、將初始退化增長率r_i,0與浮動因子f相比較，若r_i,0(1+f)，說明在較短的時間內(nèi)退化速度比較快，則執(zhí)行步驟5進行退化異常檢測；反之，則執(zhí)行步驟4，其中，浮動因子f用來說明退化的趨勢的穩(wěn)定性和它的可接受范圍；

步驟4、將時間窗一步一步壓縮，如果計算得到的退化增長率小于(1+f)，則將左側(cè)時間窗內(nèi)的最左側(cè)的兩個特征去掉，此時，經(jīng)過一次壓縮，時間窗變?yōu)椋簑s₁＝ws₀-1，相應(yīng)的壓縮時間窗內(nèi)的退化增長率采用步驟2的方法重新計算，一直重復步驟4，直到退化增長率不小于(1+f)，經(jīng)過k步壓縮，在時間窗內(nèi)的特征、均值和退化增長率如下式所示：

式中，W_i,k1和W_i,k2為經(jīng)過k步壓縮后的特征矩陣，ws_i,k為相應(yīng)的時間窗大小，M_i,k1和M_i,k2為W_i,k1和W_i,k2的均值，r_i,k為相應(yīng)的退化增長率；

步驟5、如果r_i,k(1+f)，則進行退化異常檢測：定義h為一個警戒值，如果特征矩陣W_i,k2中的最大值超過h，一個更小的時間窗ws_s用來進行退化異常檢測，如果在時間窗ws_s中右側(cè)的特征都比在W_i,k2中的剩余的特征大，這種情況下認為退化異常出現(xiàn)，否則，認為退化是穩(wěn)定的；

步驟6、確定訓練樣本：

若在步驟5中檢測到退化異常，則在時間窗ws_s中的特征用于訓練ANN；若沒有發(fā)生退化異常，那么W_i,k1和W_i,k2被當做輸入樣本和輸出樣本用于訓練ANN，輸入層和輸出層神經(jīng)元的個數(shù)是相同的；

步驟7、執(zhí)行預(yù)測

當退化異常發(fā)生了并檢測到了，使用線性模型進行預(yù)測，當預(yù)測值超過預(yù)定的失效閾值，預(yù)測停止，如果提取出的退化特征是多維的，那么使用主元素進行預(yù)測并和預(yù)定的失效閾值進行對比；

當退化異常沒有發(fā)生，ANN用于預(yù)測，執(zhí)行多步提前預(yù)測；在每次預(yù)測時，有ws_i,k個退化特征被預(yù)測，按照下式進行滾動預(yù)測：

在ANN的訓練過程中，和…；D_i,STP被當做訓練樣本的輸入和輸出，然后，退化特征…；D_i,STP用于預(yù)測退化特征D_i,STP+1；…；在每次預(yù)測中，有ws_i,k個退化特征被預(yù)測；

步驟8、進行失效風險評估

一個組件的失效風險可以用退化特征來表示，退化特征按照下式來表達：

WD_i＝[D_i,1；D_i,2；…；D_i,STP；WPD_i,P]

上式中包含兩部分，一部分是從狀態(tài)監(jiān)測數(shù)據(jù)中提取的退化特征，另一部分是預(yù)測得到的退化特征，式中，WD_i為組件i的全部退化特征；D_i,1；D_i,2；…；D_i,STP為已知的部分；WPD_i,P包含從ANN或線性模型中預(yù)測得到的退化特征，將所有的退化特征按照下式進行歸一化：

然后根據(jù)下式進行失效風險計算：

式中，H是預(yù)定的失效閾值，WDN_i為組件i的歸一化的退化特征矩陣，cumsum表示累加和，F(xiàn)R_i為累積失效風險向量，是在區(qū)間(0,1)之間單調(diào)遞增的，F(xiàn)R_i＝[F_i,1；F_i,2；......；F_i,T]，F(xiàn)_i,T是組件i在時間t的失效風險，T是預(yù)測的失效時間；

第二步、基于第一步得到的單一組件退化預(yù)測結(jié)果，進行多組件系統(tǒng)機會替換建模，包括以下步驟：

在任務(wù)周期內(nèi)，系統(tǒng)的總成本按照下式表達：

C_Total＝C_EF+C_EP+C_DA

式中，C_Total為總成本，C_EF為失效替換期望成本，C_EP為預(yù)防替換期望成本，C_DA為總拆卸和安裝成本；

針對確定每次替換時有多少組件要同時替換這一問題，首先定義一個當前成本率函數(shù)，假設(shè)系統(tǒng)中共有N個位置安裝此類關(guān)鍵組件，設(shè)n個組件一起替換，另外m個組件一起替換，剩余組件單獨替換，則對應(yīng)的當前成本率計算公式為：

t≥STP,n≤N.

t≥STP,m≤N.

t≥STP,l＝1,2,...,N-n-m.

式中，C_Rscn為n個組件一起替換的成本率，C_Rscm為m個組件一起替換的成本率，C_Rscl為組件單獨替換的成本率，C_f為一次失效替換成本，C_p為一次預(yù)防替換成本，F(xiàn)_x,t、F_y,t和F_l,t為組件x、組件y和組件l在時間t的失效風險，c_DA為一次拆卸和組裝成本，由于組件可能被同時替換，則拆卸和安裝成本可以被每個組件均攤，對總成本率C_R計算公式如下式：

式中，和為成組替換的組件的最小成本率，為單獨替換的組件的最小成本率；

通過分析所有的情況，將具有最小總成本率的情況選出來作為最優(yōu)的替換情況，假定上述的替換情形為最優(yōu)的替換策略，則每個子情況的最佳替換時間為：

其中，和為成組替換組件的最佳替換時間，為單獨替換組件的最佳時間，對應(yīng)的最佳替換時間T_S,t為：

理論最優(yōu)替換時間為為其中的最小值，為該情景下第一次替換時間；隨著檢測時間的推進，剩余壽命和失效風險的預(yù)測值也會隨之而改變，因此，也應(yīng)該動態(tài)的調(diào)整替換策略：

定義一個保守時間窗來確定可能的替換時間，保守時間窗位于STP的右側(cè)，如果STP不小于保守時間窗內(nèi)的最小值，則立即進行替換，在進行替換后，重新計算當前成本率和最優(yōu)替換策略，重復執(zhí)行預(yù)測-替換，直到滿足了任務(wù)周期。