基于RCM的冶金单体设备预防性维修模型

应用以可靠性为中心的维修(RCM)方法对冶金单体设备的维修策略进行研究.以开卷机为具体对象,引入役龄回退因子对设备役龄进行修正,采用威布尔分布对设备的故障间隔时间进行拟合,得到设备的故障率函数,并以设备维修总成本最小化为目标,建立基于可靠性和经济性约束的不完全预防性维修模型.通过一个算例对该模型进行了验证.     

基于SCM的航空电子组件仿真模型研究

在飞机维修仿真中,针对航空电子组件仿真模型不统一、重用性差的问题,提出基于SCM (Simulation Component Model)的规范化建模方法建立组件模型。采用SCM规范定义模型框架后,依据航空电子组件在维修过程中的特性和功能,将组件的输入信号归纳为开关量输入、功能信号输入、故障信号输入和拆装信号输入四类,输出信号定义为功能信号输出和驱动信号输出两类,然后进一步界定了模型输入信号、控制信号和输出信号之间的运算规则,以满足组件操作、测试、拆装、排故等维修行为。最后,以飞行增稳计算机组件为例,在自制的飞机维护训练器上实现其模型化表达,仿真结果表明该方法可行。     

一种考虑风险的机会维修模型

基于对部件故障导致设备停机的风险评价,建立了考虑风险的机会维修模型.该模型采用役龄残余因子描述不同维修方式对部件故障率的影响,并推导了多次维修时故障率演化的递推关系.克服了以往模型仅考虑运行时间,忽视设备劣化过程非线性以及部件故障导致设备停机损失的不足.以故障率服从威布尔分布的多部件设备的算例分析结果表明,该模型符合实际情况,能够为维修决策提供有力支持.     

退化条件下具有维修活动的单机排序问题

在现实的环境中,工件的加工时间可能与其在机器上的开工时间有关,工件的开工时间越晚其加工时间越长,这种现象称为“退化效应”(Deteriorateing effect).针对机器具有退化效应和维修活动(Rate-modifying activity,RMA)的单机排序模型,考虑一个序列无关的,在简单线性退化条件下工件的加...     

多元退化系统维修与备件订购策略优化模型

针对具有多个相关退化过程系统的状态维修及备件订购决策问题,在连续监测条件下,建立系统维修与备件订购决策优化模型.首先,采用Gamma过程和Copula函数建立系统多元退化模型,然后提出基于控制限策略的系统维修与备件订购策略.在此基础上,考虑系统退化量对维修费用的影响,获得系统长期运行条件下的期望维修费用率解析表达式.同时为简化模型计算,提出系统期望维修费用率近似表达式.利用人工蜂群算法在费用准则下获得系统最优预防性更换阈值和备件订购阈值.案例分析结果说明了在维修决策中考虑退化相关的必要性.与已有策略相比,综合优化预防性更换和备件订购阈值能够有效降低系统维修费用.     

在退化维修下带有工期指派和加工时间可控的单机排序问题

讨论在一次退化维修下带有3种工期指派和加工时间可控的单机排序问题。其中机器的维修时间是维修开始时间的线性非减函数,工期指派的3种模型包括共同工期指派模型、松弛工期指派模型、无限制工期指派模型,工件的实际加工时间依赖于工件的开工时间、工件的位置以及资源分配的函数。目标是要找到机器的最优维修位置和最优排序,极小化提前时间、延误时间、工期以及资源分配的总费用。当机器的维修位置固定时,证明了该问题可以转化为指派问题;当机器的维修位置不固定时,给出了一个算法,并证明了该问题可以在O(n4)时间内求得最优解;最后以共同工期指派模型为例给出一个实例。     

基于HSMM和K-means的纳米孔多级事件检测

提出了一种基于隐半马尔科夫模型(HSMM)和K-means的混合算法,用于对纳米孔数据中出现的多级事件进行分析。通过K-means对检测到的阻断事件进行分析,确定纳米孔信号中的电流幅值水平个数,将其作为HSMM模型的隐状态输入;然后采用HSMM识别多级事件内部的不同水平,确定各水平的幅值和持续时间。最后将算法与Opennanopore软件进行比较,对三级、四级事件进行处理。仿真结果发现:HSMM比Opennanopore软件的准确率高,能够准确对事件进行分级。     

考虑损伤程度的设备运行可靠性研究

为了充分利用运行状态中特征参数的变化信息对设备的使用进行可靠性分析,采用设备运行状态主动监测的方法,提出了集成设备失效的先验分布,以及与设备状态的振动信号特征提取相结合的可靠性模型.通过监测设备运行过程中的动态性能退化信号,引入特征评估技术对设备退化信号进行分析,提取具有准确定义和明显趋势性变化的退化指标,将退化指标引入比例故障率模型,实现了不同损伤程度振动信号的设备运行可靠度的有效评估.通过滚动轴承实验装置的运行数据,运用比例故障率模型可靠性参数的极大似然估计方法,分析了在不同的运行状态和损伤程度时可靠度的大小及变化趋势,保障了设备在服役寿命周期内的可靠性和安全性.     

应用交互式多模型算法的设备剩余寿命预测

针对目前异常检测与剩余寿命预测联合研究中存在的问题,基于交互式多模型算法,提出了一种考虑退化模式动态转移的设备剩余寿命预测模型。首先根据模式动态转移的状态空间模型对设备进行退化建模,然后使用IMM算法对设备的隐含退化状态与退化模式后验概率进行联合估计,根据后验概率判别异常点,并采用期望最大化(Expectation Maximum,EM)算法对模型参数进行在线估计与更新,最终实现设备的实时剩余寿命预测。数值分析结果表明:该模型能够准确地检测异常点、降低剩余寿命概率分布的不确定性与提高剩余寿命的预测精度,为实现设备的视情维修提供决策依据。     

租赁设备的最优周期预防维修策略及租赁期限

在租赁期内,出租人租出的设备因发生故障或发生故障后在规定的时间内没有及时完成维修,而要承担惩罚成本.通过对租赁设备的预防维修,可以减少设备故障发生,但同时会增加维修成本.基于在预防维修带来的成本节省和同时增加的维修费用之间的权衡,以设备租赁期内的长期期望成本率最低为决策依据,得出了租赁设备的最优租赁期限和租赁期内的最优预防维修时间间隔及预防维修次数.最后,用数字实例说明了模型中的参数对最优策略的影响.