基于缺陷預(yù)測的設(shè)備狀態(tài)維修決策與優(yōu)化方法.pdf

1、狀態(tài)維修(CBM)是一種執(zhí)行方式基于設(shè)備運行狀態(tài)監(jiān)測，利用監(jiān)測的狀態(tài)參數(shù)和各種分析手段判斷設(shè)備狀態(tài)，安排適當(dāng)維修時間和維修方式的維修。本文圍繞狀態(tài)維修的重要組成部分--決策及決策過程進(jìn)行深入的研究，研究了基于設(shè)備重要度和故障模式特征的維修方式選擇方法、設(shè)備缺陷早期識別模型和缺陷狀態(tài)預(yù)知模型，并在此基礎(chǔ)上建立維修決策優(yōu)化模型；通過對這些模型進(jìn)行計算機仿真和案例研究，驗證了決策過程相關(guān)模型的可行性和有效性。
　　首先，從設(shè)備重要度和故

2、障模式特征兩個角度研究了設(shè)備維修方式的選擇方法。研究了設(shè)備的重要度排序方法，分析了層次分析法以及熵值法的特點和適用條件，提出了兩者相結(jié)合的組合權(quán)重分析方法，利用蒙特卡洛模擬確保了方法的客觀性；研究了設(shè)備故障模式特征的識別方法，提出了一種改進(jìn)的布谷鳥搜索與最小二乘支持向量機相融合的算法，對設(shè)備故障模式進(jìn)行準(zhǔn)確識別；最后以船舶動力設(shè)備為實例，驗證了基于重要度排序及故障模式特征相結(jié)合的設(shè)備維修方式確定方法。
　　其次，分析了設(shè)備運行階段

3、狀態(tài)的特點，研究了設(shè)備缺陷狀態(tài)早期識別方法。從設(shè)備狀態(tài)劣化的角度考慮，對隱半馬爾可夫模型(HSMM)及需要解決的評估、解碼和學(xué)習(xí)的三個問題所對應(yīng)的前向后向算法、Viterbi算法和最大似然估計法進(jìn)行了研究；在隨機濾波理論的基礎(chǔ)上，針對設(shè)備衰退因子的確定與選擇，提出了一種考慮衰退因子的HSMM模型早期缺陷發(fā)生時刻識別及剩余壽命計算方法，通過仿真驗證了該方法的有效性和可行性。
　　最后，分析了維修行為及維修間隔期的決策及優(yōu)化問題。研究