CN108038349A - 一种飞机***健康状态的维修决策方法 - Google Patents
一种飞机***健康状态的维修决策方法 Download PDFInfo
- Publication number
- CN108038349A CN108038349A CN201711363268.1A CN201711363268A CN108038349A CN 108038349 A CN108038349 A CN 108038349A CN 201711363268 A CN201711363268 A CN 201711363268A CN 108038349 A CN108038349 A CN 108038349A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mfrac
- munderover
- rsqb
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
Abstract
本发明公开了一种飞机***健康状态的维修决策方法,所述方法包括:步骤1)计算飞机***目标单元的预防性维修阈值u0和预测间隔h;步骤2)计算目标单元kh时刻的平均剩余寿命;k为一定时间范围内对目标单元进行预防性维修的次数;步骤3)当目标单元kh时刻的平均剩余寿命小于等于预防性维修阈值u0,则需要对部件进行预防性维修;否则,不需要行预防性维修。本发明的方法能够科学合理地确定了预防性维修阈值和预测间隔期,在保证***部件可用度的基础上,降低***部件的平均维修费用,有效地解决定时预防性维修易造成的“过修”或“欠修”现象,避免造成维修资源的浪费。
Description
技术领域
本发明涉及民用飞机维修技术领域,具体涉及一种飞机***健康状态的维修决策方法。
背景技术
随着电子技术、信息技术以及新材料等技术的迅猛发展,现代民用客机日益趋于大型化、复杂化、高速化和自动化。飞机***复杂性也随之增加,各部件间耦合性更为紧密。加之飞机工作环境与任务多变性,这就导致飞机故障存在一定的耦合性和随机性。
目前的维修方式是一种被动的维护模式,往往会导致维修不足、维修过剩、维修资源分配不合理。为避免出现上述现象,需要构建基于飞机健康状态的维修决策技术,提高***的可靠度、可用度和安全性,减少不必要的维修,降低维修成本。
发明内容
本发明的目的在于克服现有民用飞机传统维修方式存在的上述问题,基于飞机***部件随着时间的增加,故障率不断增加的前提条件,提出了一种飞机***健康状态的维修决策方法,该方法通过获取飞机某***历史运行数据预测典型***的目标单元的剩余寿命,根据该时间段内***的性能变化下***的维护策略与最佳维修时间,避免造成维修不足或维修过剩,充分提高部件的使用效能,实现飞机的精益化维修,提高飞机运营经济性。
为了实现上述目的,本发明提供了一种飞机***健康状态的维修决策方法,具体包括如下步骤;一种飞机***健康状态的维修决策方法,所述方法包括:
步骤1)计算飞机***目标单元的预防性维修阈值u0和预测间隔h;
步骤2)计算目标单元kh时刻的平均剩余寿命;k为一定时间范围内对目标单元进行预防性维修的次数;
步骤3)当目标单元kh时刻的平均剩余寿命小于等于预防性维修阈值u0,则需要对部件进行预防性维修;否则,不需要行预防性维修。
作为上述方法的一种改进,所述方法还包括:
步骤4)当目标单元在[(k-1)h,kh]周期内突然发生功能故障,则需要对部件进行修复性换件维修。
作为上述方法的一种改进,所述步骤1)具体包括:
步骤101)获取目标单元进行预防性维修Ppk、功能性故障概率Pfk与预测间隔h的关系式;
假设飞机***目标单元剩余寿命服从威布尔分布;部件威布尔比例风险模型h(t)与可靠度函数S(t)的关系为:
其中,β为形状参数,η为尺度参数,状态信息Z=(Z1,Z2,…Zn),回归变量γ=(γ1,γ2,…γn),n为向量的维度;γi(i=1,2,...,n)为回归变量系数;
累积风险函数:
其中,f(t)为概率密度函数,S(t)为可靠性函数;
目标单元在kh时刻进行预防性维修的概率Ppk为:
目标单元在[(k-1)h,kh]周期内出现功能性故障概率Pfk为:
步骤102)在满足设备可用度的前提下,以最小化设备平均维修费用为目标,建立维修决策优化模型,计算得出目标单元预防性维修阈值u0与预测间隔h;
计算***寿命周期维修平均单位时间的费用E(C)、平均停机时间E(D)、设备可用度A(h,u0);
计算公式为:
其中,Cp为平均预防性维修费用,Cf为平均修复性换件维修费用,Tp为平均预防性维修停机时间,Tf为平均修复性维修停机时间,N为设备预防性维修次数,E(T)为设备的寿命周期期望长度;
以最小化设备平均维修费用为目标,建立维修决策优化模型:
u0≤us;
其中,us为目标单元的失效阈值,A0为设备最小可用度;us与A0大小根据工程经验确定;
由此计算出目标单元预防性维修阈值u0与预测间隔h。
作为上述方法的一种改进,所述步骤2)具体包括:
采用极大似然函数法对威布尔比例风险模型中的参数进行估计,由于
f(t)=h(t)S(t),故构造似然函数为:
其中,数据总量为I+J,I为故障数据,J为截尾数据,Z(ti)和Z(tj)分别为ti和tj时刻的数据监控值;
对数似然函数为:
对参数β,η,γ求一阶与二阶偏导,并令导数为0;采用牛顿-拉弗深方法计算得出比例风险模型参数极大似然估计值;
部件在kh时刻平均剩余寿命为:
本发明的优势在于:
1、本发明根据飞机历史运行数据对部件进行故障预测,在此基础上,建立了基于***健康状态的预防性维修决策优化模型,科学合理地确定了预防性维修阈值和预测间隔期;
2、使用本发明可在保证民用飞机具有状态监测且退化状态分布函数未知的***部件可用度的基础上,降低***部件的平均维修费用;
3、本发明的方法能够科学合理地确定了预防性维修阈值和预测间隔期,在保证***部件可用度的基础上,降低***部件的平均维修费用,有效地解决定时预防性维修易造成的“过修”或“欠修”现象,避免造成维修资源的浪费。
附图说明
图1为本发明的飞机***健康状态的维修决策方法的流程示意图。
具体实施方式
为了更好地阐述上述发明内容,下面将结合附图以及实施例,对本发明进行进一步详细说明。所描述的实施例仅是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围
如图1所示,一种飞机***健康状态的维修决策方法,所述方法为:
步骤1)计算飞机***目标单元的预防性维修阈值u0和预测间隔h;包括:
步骤101)获取目标单元进行预防性维修Ppk与功能性故障概率Pfk与预测间隔h的关系式;
假设飞机***目标单元剩余寿命服从威布尔分布;部件威布尔比例风险模型h(t)与可靠度函数S(t)采用如下公式进行计算:
其中,β为形状参数,η为尺度参数,状态信息Z=(Z1,Z2,…Zn),回归变量γ=(γ1,γ2,…γn),n为向量的维度;γi(i=1,2,...,n)为回归变量系数;说明状态信息Zi与设备故障率两者间的关系。
累积风险函数:
其中,f(t)为概率密度函数,S(t)为可靠性函数。
目标单元在kh时刻进行预防性维修的概率Ppk如下所示:
其中,u0为预防性维修的阈值;h为预测间隔,k为(0,t)范围内对目标单元进行预防性维修的次数。
目标单元在[(k-1)h,kh]周期内出现功能性故障概率Pfk的公式如下所示:
步骤102)在满足设备可用度的前提下,以最小化设备平均维修费用为目标,建立维修决策优化模型,计算得出目标单元预防性维修阈值u0与预测间隔h;
计算***寿命周期维修平均单位时间的费用E(C)、平均停机时间E(D)、设备可用度A(h,u0);
计算公式如下所示:
其中,Cp为平均预防性维修费用,Cf为平均修复性换件维修费用,Tp为平均预防性维修停机时间,Tf为平均修复性维修停机时间,N为设备预防性维修次数,E(T)为设备的寿命周期期望长度;
以最小化设备平均维修费用为目标,建立维修决策优化模型:
u0≤us
其中,us为目标单元的失效阈值,A0为设备最小可用度。us与A0大小根据工程经验得出。失效阈值与最小可用度一般是部件设计时给出或者通过工程经验给出的。
步骤2)计算目标单元kh时刻的平均剩余寿命;
采用极大似然函数法对威布尔比例风险模型中的参数进行估计,由于f(t)=h(t)S(t),故构造似然函数为:
其中,数据总量为I+J,I为故障数据,J为截尾数据,Z(ti)和Z(tj)分别为ti和tj时刻的数据监控值。
对数似然函数为:
对参数β,η,γ求一阶与二阶偏导,并令导数为0;采用牛顿-拉弗深方法计算得出比例风险模型参数极大似然估计值。
部件在kh时刻平均剩余寿命为:
步骤3)当目标单元kh时刻平均剩余寿命小于等于预防性维修阈值u0,则需要对部件进行预防性维修;否则,不需要行预防性维修,转入步骤4);
步骤4)当设备在[(k-1)h,kh]周期内突然发生功能故障,则需要对部件进行修复性换件维修。
本发明的方法能够科学合理地确定了预防性维修阈值和预测间隔期,在保证***部件可用度的基础上,降低***部件的平均维修费用,有效地解决定时预防性维修易造成的“过修”或“欠修”现象,避免造成维修资源的浪费。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种飞机***健康状态的维修决策方法,所述方法包括:
步骤1)计算飞机***目标单元的预防性维修阈值u0和预测间隔h;
步骤2)计算目标单元kh时刻的平均剩余寿命;k为一定时间范围内对目标单元进行预防性维修的次数;
步骤3)当目标单元kh时刻的平均剩余寿命小于等于预防性维修阈值u0,则需要对部件进行预防性维修;否则,不需要行预防性维修。
2.根据权利要求1所述的飞机***健康状态的维修决策方法,其特征在于,所述方法还包括:
步骤4)当目标单元在[(k-1)h,kh]周期内突然发生功能故障,则需要对部件进行修复性换件维修。
3.根据权利要求1或2所述的飞机***健康状态的维修决策方法,其特征在于,所述步骤1)具体包括:
步骤101)获取目标单元进行预防性维修Ppk、功能性故障概率Pfk与预测间隔h的关系式;
假设飞机***目标单元剩余寿命服从威布尔分布;部件威布尔比例风险模型h(t)与可靠度函数S(t)的关系为:
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>|</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mi>&beta;</mi>
<mi>&eta;</mi>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mi>t</mi>
<mi>&eta;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mi>&delta;</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mi>&gamma;</mi>
<mi>Z</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,β为形状参数,η为尺度参数,状态信息Z=(Z1,Z2,…Zn),回归变量γ=(γ1,γ2,…γn),n为向量的维度;γi(i=1,2,...,n)为回归变量系数;
累积风险函数:
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mi>d</mi>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mi> </mi>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>t</mi>
</msubsup>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mi>&gamma;</mi>
<mi>Z</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mi>t</mi>
<mi>&eta;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
其中,f(t)为概率密度函数,S(t)为可靠性函数;
目标单元在kh时刻进行预防性维修的概率Ppk为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>P</mi>
<mo>{</mo>
<mn>0</mn>
<mo><</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>|</mo>
<mo>&lsqb;</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
<mo>></mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>}</mo>
<mo>=</mo>
<mi>P</mi>
<mo>{</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>&infin;</mi>
</msubsup>
<msub>
<mi>tf</mi>
<mrow>
<mi>k</mi>
<mi>h</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>&le;</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>&infin;</mi>
</msubsup>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<msub>
<mi>f</mi>
<mrow>
<mi>k</mi>
<mi>h</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>=</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>></mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>+</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
目标单元在[(k-1)h,kh]周期内出现功能性故障概率Pfk为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>P</mi>
<mo>{</mo>
<mi>T</mi>
<mo>&le;</mo>
<mi>k</mi>
<mi>h</mi>
<mo>|</mo>
<mi>T</mi>
<mo>></mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>}</mo>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo><</mo>
<mi>T</mi>
<mo>&le;</mo>
<mi>k</mi>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>P</mi>
<mo>&lsqb;</mo>
<mi>T</mi>
<mo>></mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
<mo>-</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>S</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>S</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
步骤102)在满足设备可用度的前提下,以最小化设备平均维修费用为目标,建立维修决策优化模型,计算得出目标单元预防性维修阈值u0与预测间隔h;
计算***寿命周期维修平均单位时间的费用E(C)、平均停机时间E(D)、设备可用度A(h,u0);
计算公式为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>,</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>p</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>f</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>khP</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>p</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>f</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>{</mo>
<mi>k</mi>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>+</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>&lsqb;</mo>
<mi>k</mi>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mi>h</mi>
</mrow>
<mrow>
<mi>k</mi>
<mi>h</mi>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>p</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>f</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>,</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中,Cp为平均预防性维修费用,Cf为平均修复性换件维修费用,Tp为平均预防性维修停机时间,Tf为平均修复性维修停机时间,N为设备预防性维修次数,E(T)为设备的寿命周期期望长度;
以最小化设备平均维修费用为目标,建立维修决策优化模型:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mi>min</mi>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>,</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>C</mi>
<mi>p</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>f</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>khP</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>h</mi>
<mo>,</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>T</mi>
<mi>p</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>f</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>khP</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mfrac>
<mo>&GreaterEqual;</mo>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mi>s</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
其中,us为目标单元的失效阈值,A0为设备最小可用度;us与A0大小根据工程经验确定;
由此计算出目标单元预防性维修阈值u0与预测间隔h。
4.根据权利要求3所述的飞机***健康状态的维修决策方法,其特征在于,所述步骤2)具体包括:
采用极大似然函数法对威布尔比例风险模型中的参数进行估计,由于f(t)=h(t)S(t),故构造似然函数为:
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>&beta;</mi>
<mo>,</mo>
<mi>&eta;</mi>
<mo>,</mo>
<mi>&gamma;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<mi>h</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<mfrac>
<mi>&beta;</mi>
<mi>&eta;</mi>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>&eta;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mi>&beta;</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mi>&gamma;</mi>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<mi>exp</mi>
<mo>{</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>&eta;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mi>&gamma;</mi>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
其中,数据总量为I+J,I为故障数据,J为截尾数据,Z(ti)和Z(tj)分别为ti和tj时刻的数据监控值;
对数似然函数为:
<mrow>
<mi>l</mi>
<mi>n</mi>
<mi> </mi>
<mi>L</mi>
<mo>=</mo>
<mi>&gamma;</mi>
<mi>l</mi>
<mi>n</mi>
<mfrac>
<mi>&beta;</mi>
<mi>&eta;</mi>
</mfrac>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>I</mi>
</munderover>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>&beta;</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mi>&eta;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&gamma;</mi>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<mo>{</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mi>&eta;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mi>&gamma;</mi>
<mi>Z</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
对参数β,η,γ求一阶与二阶偏导,并令导数为0;采用牛顿-拉弗深方法计算得出比例风险模型参数极大似然估计值;
部件在kh时刻平均剩余寿命为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711363268.1A CN108038349A (zh) | 2017-12-18 | 2017-12-18 | 一种飞机***健康状态的维修决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711363268.1A CN108038349A (zh) | 2017-12-18 | 2017-12-18 | 一种飞机***健康状态的维修决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108038349A true CN108038349A (zh) | 2018-05-15 |
Family
ID=62099691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711363268.1A Pending CN108038349A (zh) | 2017-12-18 | 2017-12-18 | 一种飞机***健康状态的维修决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038349A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764551A (zh) * | 2018-05-21 | 2018-11-06 | 北京航空航天大学 | 基于***级寿命信息的成组维修决策方法 |
CN109146092A (zh) * | 2018-08-02 | 2019-01-04 | 广州机械科学研究院有限公司 | 单机***维护方法及装置 |
CN109376881A (zh) * | 2018-12-12 | 2019-02-22 | 中国航空工业集团公司上海航空测控技术研究所 | 基于维修成本优化的复杂***维修决策方法 |
CN109978187A (zh) * | 2019-03-22 | 2019-07-05 | 金陵科技学院 | 一种飞机引气压力调节活门维修决策方法 |
CN111311171A (zh) * | 2019-12-06 | 2020-06-19 | 江西洪都航空工业集团有限责任公司 | 一种基于维修活动与修正加权系数的维修性分配方法 |
CN112307652A (zh) * | 2020-12-31 | 2021-02-02 | 成都飞机工业(集团)有限责任公司 | 基于平均剩余寿命重要度的复杂装备***快速维修方法 |
CN112329151A (zh) * | 2020-11-19 | 2021-02-05 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种部件预防性维修方法 |
CN112800678A (zh) * | 2021-01-29 | 2021-05-14 | 南京航空航天大学 | 多任务选择模型构建方法、多任务选择性维护方法及*** |
CN113010981A (zh) * | 2021-03-15 | 2021-06-22 | 金陵科技学院 | 一种飞机发动机低压引气活门的维修决策方法 |
CN113392991A (zh) * | 2021-06-09 | 2021-09-14 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及*** |
CN113642937A (zh) * | 2021-10-13 | 2021-11-12 | 深圳市信润富联数字科技有限公司 | 风机集群的运维排程方法、装置、电子设备及存储介质 |
CN114240063A (zh) * | 2021-11-23 | 2022-03-25 | 中国航空综合技术研究所 | 基于任务时长权衡的维修任务可执行区间确定方法 |
CN115587737A (zh) * | 2022-11-01 | 2023-01-10 | 北京思维实创科技有限公司 | 一种以可靠性为中心的成本优化运维调度方法及*** |
CN118209905A (zh) * | 2024-05-20 | 2024-06-18 | 国网山西省电力公司晋城供电公司 | 一种基于物联感知的配电变压器在线故障预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981452A (zh) * | 2012-12-28 | 2013-03-20 | 吉林大学 | 数控机床三类功能部件的可靠性建模与可靠性评估方法 |
CN103810328A (zh) * | 2014-01-16 | 2014-05-21 | 国家电网公司 | 一种基于混合模型的变压器维修决策方法 |
CN104899690A (zh) * | 2015-06-08 | 2015-09-09 | 江苏省电力公司苏州供电公司 | 基于历史故障信息和运行状态的电力电缆运行维护方法 |
CN107247849A (zh) * | 2017-06-23 | 2017-10-13 | 杭州安脉盛智能技术有限公司 | 基于比例故障率模型优化机械***的维护方法及*** |
-
2017
- 2017-12-18 CN CN201711363268.1A patent/CN108038349A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981452A (zh) * | 2012-12-28 | 2013-03-20 | 吉林大学 | 数控机床三类功能部件的可靠性建模与可靠性评估方法 |
CN103810328A (zh) * | 2014-01-16 | 2014-05-21 | 国家电网公司 | 一种基于混合模型的变压器维修决策方法 |
CN104899690A (zh) * | 2015-06-08 | 2015-09-09 | 江苏省电力公司苏州供电公司 | 基于历史故障信息和运行状态的电力电缆运行维护方法 |
CN107247849A (zh) * | 2017-06-23 | 2017-10-13 | 杭州安脉盛智能技术有限公司 | 基于比例故障率模型优化机械***的维护方法及*** |
Non-Patent Citations (4)
Title |
---|
PINGJIAN YU: "《Parameter estimation for a repairable system under imperfect maintenance》", 《2008 ANNUAL RELIABILITY AND MAINTAINABILITY SYMPOSIUM》 * |
刘雪丽: "《基于故障预测的设备预防性维修策略优化研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
张继权: "《基于比例强度模型的风电机组优化检修策略研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
戎翔: "《民航发动机健康管理中的寿命预测与维修决策方法研究》", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764551A (zh) * | 2018-05-21 | 2018-11-06 | 北京航空航天大学 | 基于***级寿命信息的成组维修决策方法 |
CN108764551B (zh) * | 2018-05-21 | 2022-04-19 | 北京航空航天大学 | 基于***级寿命信息的成组维修决策方法 |
CN109146092A (zh) * | 2018-08-02 | 2019-01-04 | 广州机械科学研究院有限公司 | 单机***维护方法及装置 |
CN109376881A (zh) * | 2018-12-12 | 2019-02-22 | 中国航空工业集团公司上海航空测控技术研究所 | 基于维修成本优化的复杂***维修决策方法 |
CN109376881B (zh) * | 2018-12-12 | 2022-06-03 | 中国航空工业集团公司上海航空测控技术研究所 | 基于维修成本优化的复杂***维修决策方法 |
CN109978187A (zh) * | 2019-03-22 | 2019-07-05 | 金陵科技学院 | 一种飞机引气压力调节活门维修决策方法 |
CN109978187B (zh) * | 2019-03-22 | 2020-12-29 | 金陵科技学院 | 一种飞机引气压力调节活门维修决策方法 |
CN111311171A (zh) * | 2019-12-06 | 2020-06-19 | 江西洪都航空工业集团有限责任公司 | 一种基于维修活动与修正加权系数的维修性分配方法 |
CN112329151A (zh) * | 2020-11-19 | 2021-02-05 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种部件预防性维修方法 |
CN112329151B (zh) * | 2020-11-19 | 2024-02-23 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种部件预防性维修方法 |
CN112307652A (zh) * | 2020-12-31 | 2021-02-02 | 成都飞机工业(集团)有限责任公司 | 基于平均剩余寿命重要度的复杂装备***快速维修方法 |
CN112800678B (zh) * | 2021-01-29 | 2024-05-28 | 南京航空航天大学 | 多任务选择模型构建方法、多任务选择性维护方法及*** |
CN112800678A (zh) * | 2021-01-29 | 2021-05-14 | 南京航空航天大学 | 多任务选择模型构建方法、多任务选择性维护方法及*** |
CN113010981A (zh) * | 2021-03-15 | 2021-06-22 | 金陵科技学院 | 一种飞机发动机低压引气活门的维修决策方法 |
CN113010981B (zh) * | 2021-03-15 | 2023-11-10 | 金陵科技学院 | 一种飞机发动机低压引气活门的维修决策方法 |
CN113392991A (zh) * | 2021-06-09 | 2021-09-14 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及*** |
CN113392991B (zh) * | 2021-06-09 | 2022-08-12 | 中车株洲电力机车有限公司 | 一种轨道交通车辆智能维修分析方法及*** |
CN113642937A (zh) * | 2021-10-13 | 2021-11-12 | 深圳市信润富联数字科技有限公司 | 风机集群的运维排程方法、装置、电子设备及存储介质 |
CN114240063A (zh) * | 2021-11-23 | 2022-03-25 | 中国航空综合技术研究所 | 基于任务时长权衡的维修任务可执行区间确定方法 |
CN114240063B (zh) * | 2021-11-23 | 2024-05-03 | 中国航空综合技术研究所 | 基于任务时长权衡的维修任务可执行区间确定方法 |
CN115587737A (zh) * | 2022-11-01 | 2023-01-10 | 北京思维实创科技有限公司 | 一种以可靠性为中心的成本优化运维调度方法及*** |
CN118209905A (zh) * | 2024-05-20 | 2024-06-18 | 国网山西省电力公司晋城供电公司 | 一种基于物联感知的配电变压器在线故障预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038349A (zh) | 一种飞机***健康状态的维修决策方法 | |
CN110427712B (zh) | 一种基于故障影响分析的预防性维修方法及车间制造*** | |
KR102171807B1 (ko) | 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법 | |
CN104850916A (zh) | 一种改进型灰色马尔可夫模型的电力设备故障预测方法 | |
CN106503813A (zh) | 基于起重装备工作状态的预测性维修决策方法及*** | |
CN107742168A (zh) | 一种基于物联技术的生产车间动态瓶颈预测方法 | |
CN108764551A (zh) | 基于***级寿命信息的成组维修决策方法 | |
CN106971048A (zh) | 一种伽马型有寿件备件需求量计算方法 | |
Babishin et al. | Joint optimal maintenance and inspection for ak-out-of-n system | |
CN103729693A (zh) | 基于确定性库存退化模型的维修及备件供给联合优化方法 | |
CN110210648B (zh) | 基于灰色长短期记忆网络的管制空域战略流量预测方法 | |
CN108256700A (zh) | 一种维修设备剩余寿命预测方法及*** | |
CN106599454B (zh) | 一种基于Petri网的多阶段任务***故障行为建模方法 | |
Osorio et al. | Analytical and scalable analysis of transient tandem Markovian finite capacity queueing networks | |
CN106600072A (zh) | 一种基于故障预测的维修决策优化算法 | |
CN104539601A (zh) | 动态网络攻击过程可靠性分析方法及*** | |
CN110309577A (zh) | 一种基于im和lmle-bu算法的海底管道剩余寿命预测方法 | |
Feng et al. | Predictive maintenance decision making based on reinforcement learning in multistage production systems | |
CN105183659A (zh) | 基于多级模式预测的软件***行为异常检测方法 | |
CN105991111A (zh) | 一种时序预测电路及方法 | |
CN109241657A (zh) | 时变退化率下旋转机械的退化建模及剩余寿命预测方法 | |
CN108647897A (zh) | 一种产品可靠性分析的方法及*** | |
CN108932197A (zh) | 基于参数Bootstrap重抽样的软件失效时间预测方法 | |
CN103838619A (zh) | 一种可修***故障次数的确定方法 | |
Wang et al. | Reinforcement learning based predictive maintenance for a machine with multiple deteriorating yield levels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180515 |