CN102682348B - 复杂装备部件维修级别优化系统及其建立方法 - Google Patents

Abstract

本发明涉及一种设备维修方案，具体地说是一种特别适用于复杂装备部件维修级别优化的复杂装备部件维修级别优化系统及其建立方法，包括以下步骤：建立维修级别知识库，获得基于支持向量机的部件维修级别与整机性能贡献的挖掘模型，确定部件送修目标；获得部件最低维修级别；优化各部件维修级别，本发明与现有技术相比，能够提高复杂装备部件维修效率，具有准确、可靠等优点。

Description

复杂装备部件维修级别优化系统及其建立方法

技术领域

本发明涉及一种设备维修方案，具体地说是一种特别适用于复杂装备部件维修级别优化的复杂装备部件维修级别优化系统及其建立方法。

背景技术

众所周知，复杂装备在国民经济中占有重要的地位。一般情况下，在全生命周期内，复杂装备必须进行多次维修。复杂装备进行维修时，首先需要确定要做什么样的维修工作，即确定维修工作范围。维修工作范围直接影响着复杂装备的维修成本以及修后可靠性和性能。一般地说，维修工作范围越大，复杂装备修后可靠性和性能越好，但维修成本也越高；维修工作范围越小，维修成本就越低，同时修后可靠性和性能也越差。维修工作范围制定的不合理，会出现所谓的欠维修或过维修问题。欠维修不能达到送修目标；过维修则会增加维修成本。因此，合理确定复杂装备的维修工作范围具有重要的意义。

目前，对于采取事后维修、定时维修或视情维修策略的设备，其每次送修时需要进行检查、维修的零部件分别取决于设备发生的故障、设备的使用时间或设备的状^]。在确定了需要进行检查、维修的零部件后，为了减少计划维修的次数，一般将维修工作范围决策问题转化为机会维修问题，并采用动态规划、基于组件相似性的模糊模型、蒙特卡罗仿真、基于信号模型的可靠性分析等方法来确定最终的维修工作范围。

复杂装备广泛采用定时维修、视情维修和状态监控三种方式相结合的维修策略，其维修工作范围制定的影响因素众多，一般设备维修工作范围的决策方法不能适用于复杂装备。复杂装备结构复杂，大都采用了模块化设计思想，由多个部件装配而成，所以确定装备整机的维修工作范围也就是确定各个组成部件的维修工作范围。为了简化部件维修工作范围的制定，复杂装备制造商一般对每个部件都给出了几个标准的维修工作范围，称为维修级别。因此，确定复杂装备维修工作范围就转化为确定各部件的维修级别了。

现阶段，复杂装备送修时，一般通过由装备用户、承修厂和制造商代表三方召开的会议确定各部件维修级别。在会议上确定部件维修级别时，即使是经验丰富的工程师，也需要耗费大量的时间和精力，而且还难以获得最优的部件维修级别。

发明内容

本发明针对现有技术复杂装备部件维修过程存在的部件维修级别确定困难、维修效率低、维修效果差等不足，提出一种能够快速准确的获得复杂装备部件的维修级别、有效提高维修效率及可靠性、降低复杂装备部件维修成本的复杂装备部件维修级别优化系统及其建立方法。

本发明可以通过以下措施达到：

一种复杂装备部件维修级别优化系统，其特征在于待维修复杂装备包含的部件数量记为                                                ，第个部件各维修级别L按照从低到高分别记为L₁，L₂，……L_m，最低维修级别记为，则该复杂装备部件维修级别系统由下式表示：

式中，表示第个部件选择的维修级别；表示整数集合；表示第个部件采用维修级别时所需的维修成本；表示性能函数；表示整机目标性能；表示可靠性函数；表示整机目标可靠性。

本发明还提出了一种复杂装备部件维修级别优化系统的建立方法，其特征在于包括以下步骤：

步骤一：建立部件维修级别知识库，获得基于支持向量机的部件维修级别与整机性能贡献的挖掘模型，

步骤二：确定部件送修目标，其具体操作为从使用时间、性能、可靠性三个方面给出复杂装备的送修目标，送修目标应根据装备类型，并结合用户实际需求确定，

步骤三：获得部件最低维修级别，其具体操作为根据使用时间目标要求，获得本次送修需要更换的寿命件清单，其中当能够直接获知零件损伤趋势发展模型时，根据使用时间目标要求，获得本次送修需要修理的零件清单，当不能直接获知零件损伤趋势发展模型时，根据大量历史损伤数据，采用模式识别方法建立零件损伤趋势发展模型，进而获得本次送修需要修理的零件清单，在此基础上，根据步骤一中所得的维修级别知识库，获得由各零件组成的各部件的最低维修级别，

步骤四：优化各部件维修级别，基于步骤一中所得的维修级别知识库和送修目标要求，建立复杂装备部件维修级别优化模型，采用粒子群优化算法、模拟退火算法进行求解。

本发明所述步骤一中部件的维修级别可以定义为目视检查或最小修理、大修，其中目视检查不分解部件，只对部件整体进行检查，最小修理是将部件的特定部分进行分解，对特定的零件进行修理；大修是将部件 完全分解，执行最细致的工作；部件维修级别的定义一般根据装备制造商给出的维修手册确定，也可以根据用户自己的需求进行调整。

本发明步骤三中所述零件损伤趋势发展模型可以采用基于幂律退化轨道的损伤趋势发展模型：

式中，表示在时刻的损伤观测值；表示增长因子；表示形状参数。

下面对模型的参数进行估计。假设服从正态分布，又根据可知

显然，、均服从正态分布，记，，有以下关系成立：

采用极大似然法来进行参数估计。假设在时刻损伤量的观测值为，则似然函数为：

对上式两边取对数可以得到：

对上式求偏导并令其为0：

求解上式的方程组得到各个参数的估计值，将其代入得到损伤趋势发展模型：

本发明所述步骤四中可以采用粒子群优化算法进行模型求解，所述算法的流程如下：

步骤1 在整个搜索空间内随机初始化粒子群的位置和速度，，为群体大小；

步骤2 计算每个粒子的适应值；

步骤3 对于每个粒子，将其适应值与所经历过的最好位置的适应值进行比较，如果，那么，；

步骤4 对于每个粒子，将其历史最优适应值与群体内所经历的最好位置的适应值进行比较，如果，那么，；

步骤5 根据下式对粒子的速度和位置进行更新，

式中，表示惯性权重，、表示学习因子，、表示在区间内均匀分布的伪随机数，表示对进行取整，具体取值为区间中最接近的整数；

步骤6 若未达到终止条件，则转步骤2，一般将终止条件设置为一个足够好的适应值或达到一个预设的最大迭代次数。

本发明与现有技术相比，能够提高复杂装备部件维修效率，具有准确、可靠等优点。

附图说明：

附图1是复杂装备树形结构图。

附图标记：装备1、部件2、零件3。

具体实施方式：

下面结合附图和实施例对本发明作进一步的说明。

本发明提出了一种复杂装备部件维修级别优化系统及其建立方法，如附图1所示，一个待维修的复杂装备由多个部件组成，每个部件又由多个零件组成，以图1中的部件2为例进行说明：

一、建立维修级别知识库，获得基于支持向量机的部件维修级别与整机性能贡献的挖掘模型：

具体为先假设部件2有四个（或更多的）维修级别，按级别高低依次记作L1，L2，L3，L4，其中L1级别最低，L4级别最高，如果要对部件2中的零件21进行修理，假如L2、L3、L4这三个维修级别都可以接近零件21并完成修理工作，那么建立的映射关系应该是{零件21，部件2，L2}，以此类推，就可以建立所有零件与其所在部件的最低维修级别的映射关系；

此后，采用支持向量机从历史使用维护数据中挖掘部件各维修级别与其对整机性能贡献、可靠性贡献之间的映射关系，下面以整机性能贡献为例进行说明，具体步骤如下：

（1）收集装备历史使用维护数据，该历史使用维护数据包括装备送修前后的性能、可靠性数据，对各部件实施的维修级别数据等；

（2）建立基于支持向量机的部件维修级别与整机性能贡献的挖掘模型。

    支持向量机的核函数选定为Gauss核函数，核半径为，正则化参数定为，不敏感系数定为。

（3）将装备历史使用维护数据输入模型，使部件维修级别数据与装备各次送修的性能贡献数据分别作为模型的输入量和输出量，对模型进行训练，

（4）训练完成后，部件各维修级别与其对整机性能贡献的映射关系就保存在模型中了。

二、确定送修目标：

送修目标是装备用户根据自己需求确定的，比如，某装备的送修目标是修后工作8000小时。

以根据寿命件确定最低维修级别进行说明：比如，寿命件当前使用总时间为，限制使用时间为，送修目标为本次送修后还能使用的时间为，如果，那么该寿命件不能满足送修目标要求。如果不能满足送修目标要求，那么该寿命件必须进行更换。

三、获得部件最低维修级别，其具体操作为根据使用时间目标要求，获得本次送修需要更换的寿命件清单，其中当能够直接获知零件损伤趋势发展模型时，根据使用时间目标要求，获得本次送修需要修理的零件清单，当不能直接获知零件损伤趋势发展模型时，根据大量历史损伤数据，采用模式识别方法建立零件损伤趋势发展模型，进而获得本次送修需要修理的零件清单，在此基础上，根据步骤一中所得的维修级别知识库，获得由各零件组成的各部件的最低维修级别，

损伤趋势发展模型的获得有多种方法，第一种是通过对零件进行疲劳实验，记录循环次数与损伤尺寸的数据，将循环次数与损伤尺寸进行拟合，就获得了该零件的损伤趋势发展模型；第二种是不对零件进行疲劳实验，而是根据零件在实际使用过程中记录的损伤数据，进行统计分析，建立损伤趋势发展模型，其具体的统计分析方法可以采用简单的最小二乘法，也可以采用更复杂的模型，如基于退化过程的损伤增长模型，具体如下：

考虑到幂律模型能较好地描述退化量与时间的单调函数关系，首先建立基于幂律退化轨道的损伤趋势发展模型：

式中，表示在时刻的损伤观测值；表示增长因子；表示形状参数。

下面对模型的参数进行估计。假设服从正态分布，又根据可知

显然，、均服从正态分布，记，，有以下关系成立：

采用极大似然法来进行参数估计。假设在时刻损伤量的观测值为，则似然函数为：

对上式两边取对数可以得到：

对上式求偏导并令其为0：

求解上式的方程组就可以得到各个参数的估计值，将其代入可以得到损伤趋势发展模型：

  。

四、优化各部件维修级别，基于步骤一中所得的维修级别知识库和送修目标要求，建立复杂装备部件维修级别优化模型，采用粒子群优化算法、模拟退火算法进行求解。

下面以采用粒子群优化算法进行模型求解为例，进行说明：

步骤1 在整个搜索空间内随机初始化粒子群的位置和速度，，为群体大小；

步骤2 计算每个粒子的适应值；

步骤3 对于每个粒子，将其适应值与所经历过的最好位置的适应值进行比较，如果，那么，；

步骤4 对于每个粒子，将其历史最优适应值与群体内所经历的最好位置的适应值进行比较，如果，那么，；

步骤5 根据下式对粒子的速度和位置进行更新，

式中，表示惯性权重，、表示学习因子，、表示在区间内均匀分布的伪随机数，表示对进行取整，具体取值为区间中最接近的整数；

步骤6 若未达到终止条件，则转步骤2，重复步骤2至步骤5，直至达到终止条件。

其中，一般将终止条件设置为一个足够好的适应值或达到一个预设的最大迭代次数，例如最大迭代次数可以为1000次。

Claims (1)

1.一种复杂装备部件维修级别优化系统的建立方法，其特征在于包括以下步骤：

步骤一：建立维修级别知识库，获得基于支持向量机的部件维修级别与整机性能贡献的挖掘模型，

步骤二：确定部件送修目标；其具体操作为从使用时间、性能、可靠性三个方面给出复杂装备的送修目标，送修目标应根据装备类型，并结合用户实际需求确定，

步骤三：获得部件最低维修级别；其具体操作为根据使用时间目标要求，获得本次送修需要更换的寿命件清单，其中当能够直接获知零件损伤趋势发展模型时，根据使用时间目标要求，获得本次送修需要修理的零件清单，当不能直接获知零件损伤趋势发展模型时，根据大量历史损伤数据，采用模式识别方法建立零件损伤趋势发展模型，进而获得本次送修需要修理的零件清单，在此基础上，根据步骤一中所得的维修级别知识库，获得由各零件组成的各部件的最低维修级别，

步骤四：优化各部件维修级别；基于步骤一中所得的维修级别知识库和步骤二中所得的送修目标要求，建立复杂装备部件维修级别优化模型，采用粒子群优化算法或模拟退火算法进行求解；

其中，步骤三中所述零件损伤趋势发展模型采用基于幂律退化轨道的损伤趋势发展模型：                                                式中，表示在时刻的损伤观测值；表示增长因子；表示形状参数；

假设服从正态分布，又根据可知

显然，、均服从正态分布，记，，有以下关系成立：

采用极大似然法来进行参数估计，假设在时刻损伤量的观测值为，则似然函数为：

对上式两边取对数可以得到：

对上式求偏导并令其为0：

求解上式的方程组得到各个参数的估计值，将其代入得到损伤趋势发展模型：

 。