CN112487666B - 一种电子设备机箱腐蚀故障预防性维修时机的优化方法 - Google Patents

Abstract

本发明公开了一种电子设备机箱腐蚀故障预防性维修时机的优化方法，包括如下步骤：收集电子设备机箱腐蚀退化过程中的绝缘电阻下降值检测数据序列；计算检测值增量，结合绝缘电阻下降值检测数据序列使用统计学最小二乘法拟合绝缘电阻下降增量平稳伽马过程模型；基于绝缘电阻下降增量平稳伽马过程模型，建立电子设备机箱多阶段退化伽马过程模型；基于多阶段退化伽马过程模型建立腐蚀退化量维修回退模型；计算电子机箱免维护工作时间；计算预防性维修工作时间；建立维修时间优化目标函数和约束条件；构建优化算法，确定电子设备机箱的最优预防性维修时机序列。本发明能够确定优化的预防性维修时机序列，辅助使用人员制定机箱维修预防性工作计划。

Description

一种电子设备机箱腐蚀故障预防性维修时机的优化方法

技术领域

本发明属于电子设备机箱技术领域，更具体的说是涉及一种电子设备机箱腐蚀故障预防性维修时机的优化方法。

背景技术

电子设备机箱以金属材料为主，在使用过程中，尤其是在温、湿度变化大，雾季长、风雨天数多的使用环境中，为防止其发生腐蚀，常对电子设备机箱表面涂覆防锈涂层。环境条件的交替变化所处导致的温度差异会加速电子设备机箱表面防锈涂层的老化、龟裂、局部脱落，这些情况随腐蚀程度的加深而增长。这些防腐蚀覆盖物的损伤会导致材料表面氧化膜受到侵蚀而发生点蚀，若不能及时处理就会发生材料的晶间腐蚀乃至最后的剥蚀，导致机箱内电子设备失效，设备的任务和安全受到严重威胁。因此需要在掌握机箱腐蚀退化规律的基础上，对设备机箱进行有效的预防性维护，以消除或补偿机箱腐蚀对设备带来的有害影响。

对涂覆有防锈涂层的电子设备机箱，可以通过检测其表面绝缘电阻的变化，拟合绝缘电阻变化的增量过程，预测电子设备机箱的腐蚀程度，在机箱失效前进行预防性维护，以延长机箱的使用寿命。当绝缘电阻下降值增长到给定的预防性维修阈值时，电子设备机箱即需要进行预防性维修。该阈值是判断电子设备机箱是否进行预防性维修的判据，通常根据设备研制过程中组件的安全性等级确定。预防性维修在寿命周期内，通过对腐蚀区域涂层的局部恢复完成修复，属于不完全维修，经过几次不完全修复后，对腐蚀机箱不再进行修复，这时更换全新状态的机箱。

目前对电子设备机箱的腐蚀故障进行维修通常是采用定时维护的方式，维护间隔太短，造成维修过于频繁，不仅增加设备停机时间，而且导致维修资源浪费，维护间隔过长会带来任务或安全隐患。如果能够找到机箱绝缘电阻阈值在腐蚀条件下变化的规律，进一步确定机箱修复和更换的时机，将能够有效避免定时维护带来的各种不利影响。

因此，如何提供一种电子设备机箱腐蚀故障预防性维修时机的优化方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种电子设备机箱腐蚀故障预防性维修时机的优化方法，通过收集腐蚀故障影响下的机箱绝缘电阻数据，确定机箱退化增量随机过程模型，进而对机箱的工作时间均值进行分析，以机箱免维护工作时间为目标构建优化模型，确定优化的预防性维修时机，以此辅助使用人员制定机箱维修预防性工作计划。

为了实现上述目的，本发明采用如下技术方案：

一种电子设备机箱腐蚀故障预防性维修时机的优化方法，包括如下步骤：

步骤1、收集电子设备机箱腐蚀退化过程中的绝缘电阻下降值检测数据序列；

步骤2，根据步骤1中所得的绝缘电阻下降值检测数据序列，计算检测值增量ΔD(t)，并结合步骤1中所得的绝缘电阻下降值检测数据序列使用统计学最小二乘法拟合绝缘电阻下降增量平稳伽马过程模型；

步骤3、基于绝缘电阻下降增量平稳伽马过程模型，考虑维修效果建立电子设备机箱多阶段退化伽马过程模型；

步骤4、基于多阶段退化伽马过程模型建立腐蚀退化量维修回退模型；

步骤5、计算电子机箱免维护工作时间；

步骤6、计算预防性维修工作时间；

步骤7、建立维修时间优化目标函数和约束条件；

步骤8、构建优化算法，确定一组电子设备机箱的最优预防性维修时机序列。

优选的，在步骤1中，需要收集的绝缘电阻下降值检测数据序列包括电子设备机箱绝缘电阻检测结果及检测时间、绝缘电阻下降值预防性维修阈值C_PM以及电子设备机箱更换维修所需时间T_r，其中绝缘电阻预防性维修阈值C_PM由电子设备机箱的安全性或任务性要求确定。

优选的，在步骤3中，基于绝缘电阻下降增量平稳伽马过程模型，考虑不完全预防性维修的效果，建立电子设备机箱多阶段退化伽马过程模型。

优选的，在步骤4中，考虑预防性维修次数增加对机箱绝缘电阻的影响，采用最小二乘法将电子设备机箱绝缘电阻下降值维修回退随机变量分布拟合为贝塔分布。

优选的，在步骤5中，计算电子机箱免维护工作时间时，要计算第i次与第i+1次预防性维修间的可用时间T_i+1的期望值E(T_i+1)，使用残存概率P建立退化时间和退化量的函数关系，在绝缘电阻维修回退随机变量分布拟合的基础上，通过求解在维修回退条件下的退化时间期望来确定电子设备机箱免维护工作时间均值。

优选的，在步骤6中，建立与预防性维修次数i相关的预防性维修时间指数分布。

优选的，在步骤7中，选择电子设备机箱预防性维修总免维护工作时间作为优化目标，电子设备机箱在第i次预防性维修活动中的预防性维修时间上限值T_PMmax和机箱绝缘电阻退化量阈值为约束条件，建立机箱预防性维修时机优化模型。

本发明的有益效果在于：

本发明提供了一种电子设备机箱预防性维修时机的优化方法，能够根据电子设备机箱总免维护工作时间衡量预防性维修策略的优劣，并将其作为优化目标，从而确定合理的预防性维修时机，辅助相关使用维护人员进行动态维修决策，制定电子设备机箱维护计划，节省使用单位相关产品的使用维护成本。本发明具有很好的适用性，适用于所有具有此腐蚀退化特征的电子设备机箱以及类似产品。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明的方法流程图。

图2附图为本发明电子设备机箱多阶段退化伽马过程模型的示意图。

图3附图为本发明实施例1中的电子设备机箱多阶段退化伽马过程模型的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅附图1，本发明提供了一种电子设备机箱腐蚀故障预防性维修时机的优化方法，包括如下步骤：

步骤S1，收集检测数据并处理：首先明确需收集的机箱的相关数据(绝缘电阻下降值检测数据序列)，包括电子设备机箱绝缘电阻下降值检测结果、检测时间以及预防性维修阈值C_PM以及电子设备机箱更换维修所需时间T_r。其中预防性维修阈值C_PM由电子设备机箱的安全性或任务性要求确定，当电子设备机箱表面绝缘电阻下降值超过预防性维修阈值C_PM时，即需要进行预防性维修，否则将影响电子设备机箱的正常工作任务。

设计数据收集表格，而后计算并记录检测间隔Δt以及相邻两次检测间一种电子设备机箱表面绝缘电阻下降检测值的增量ΔD(t)。

步骤S2，建立伽马过程，拟合过程参数：根据步骤S1中所得数据并分析机箱表面绝缘电阻下降值与其工作状态之间的对应关系，建立考虑检测与维修的电子设备机箱腐蚀退化平稳伽马过程模型。收集到的电子设备机箱表面绝缘电阻下降值第i次检测结果d_i，可用平稳伽马过程模型来拟合，即绝缘电阻下降值第i次检测结果d_i服从形状参数为θ，尺度参数为ξ的平稳伽马过程模型，其概率密度函数如下：

上式中，

u为辅助积分计算的中间变量，e为自然常数。平稳伽马过程模型的形状参数θ，尺度参数ξ可由极大似然估计法得出。

由平稳伽马过程模型增量概率密度函数可得极大似然函数：

其中，d_i(i＝1,2…)表示第i次电子设备机箱绝缘电阻下降的检测值；对极大似然函数求对数似然函数，并分别对θ和ξ求偏导，可得似然方程组，求解似然方程组即可求出参数θ和ξ的极大似然估计值。

记电子设备机箱绝缘电阻下降值为D(t)。假设该下降值随时间变化的过程服从平稳伽马过程模型，则绝缘电阻下降值的增量服从平稳伽马分布，绝缘电阻下降值增量ΔD(t)服从形状函数为θ(t)＝θΔt，尺度参数为ξ的平稳伽马分布，其概率密度函数如下：

步骤S3、建立电子设备机箱多阶段退化伽马过程模型：基于电子设备机箱退化伽马过程模型，考虑不完全预防性维修的效果，建立电子设备机箱多阶段退化伽马过程模型，多阶段退化伽马过程的示意图如图2所示。图2中横轴为时间t，纵轴为电子设备机箱绝缘电阻退化量D(t)。电子设备机箱退化过程服从形状函数为θ(t)，尺度参数为β的伽马过程。C_PM为电子设备机箱预防性维修阈值，T_i(i＝1,2,3…)为电子设备机箱第i次维修活动前的工作时间，B_i(i＝0,1,2…)为一种电子设备机箱第i次检测与第i+1次检测间的检测间隔期，T_mi(i＝1,2,3…)为电子设备机箱第i次维修活动时间，T_r为电子设备机箱进行更换维修活动的时间。

电子设备机箱性能指标随着工作时间的增长逐渐恶化，即绝缘电阻下降值增量D(t)逐渐增加。D(t)初始值为0，当D(t)增加到预防性维修阈值C_PM时，如图2中B₁点对应位置所示，电子设备机箱即进行预防性维修。预防性维修为不完全维修，维修后电子设备机箱性能退化量将随机地回退至区间(0,C_PM)内的某个值，如图2中点

对应位置所示，此后电子设备机箱即从当前位置继续随时间退化。在经过若干次预防性维修之后，电子设备机箱在单次维修活动中的维修工作时间将高于给定的最高维修工作时间，如图2中时间点B₄对应位置所示，此时根据电子设备机箱可用性要求以及维修成本要求，对其进行更换维修，维修时间为T_r。在更换维修完成后，电子设备机箱性能退化量回退至初始值0，如图2中时间点

对应位置所示。

步骤S4、基于多阶段退化伽马过程模型建立腐蚀退化量维修回退模型；考虑预防性维修次数增加对机箱绝缘电阻的影响，采用最小二乘法将电子设备机箱绝缘电阻下降值维修回退随机变量分布拟合为贝塔分布。

由图2可知电子设备机箱在预防性维修活动后所处状态对应的退化量为

为区间(0,C_PM)内的随机变量，且

的均值随着预防性维修次数的增加而增加，则有：

与

其中，C_PM表示电子设备机箱绝缘电阻预防性维修阈值，B_i(i＝0,1,2…)表示电子设备机箱检测前时刻，

表示电子设备机箱检测后时刻，

表示变量

的均值函数，

表示变量

的方差函数。μ表示退化量均值服从的指数分布参数，σ²表示变量

的方差值，μ≥0，σ²≥0。

可用贝塔分布描述在区间(0,C_PM)的随机变量

的取值，

的概率密度函数为：

其中，N表示电子设备机箱绝缘电阻一个预防性维修周期中的维修次数，α_i和β_i(i＝0,1,2…)表示贝塔分布参数，分布参数α＞0和β＞0与参数μ和σ²相关，关系如下：

与

参数μ和σ可由极大似然估计法估计得出，极大似然函数如下：

其中y_i,j＝x_i,j/C_PMj，x_i,j是第j个电子设备机箱样本经过第i次预防性维修后的退化量，C_PMj是第j个电子设备机箱样本的预防性维修阈值。将对数似然函数分别对参数μ和σ求偏导，列出似然方程组，即可计算得出参数μ和σ的极大似然估计值。

步骤S5、计算电子机箱免维护工作时间；计算电子机箱免维护工作时间时，要计算第i次与第i+1次预防性维修间的可用时间T_i+1的期望值E(T_i+1)，使用残存概率P建立退化时间和退化量的函数关系，在绝缘电阻维修回退随机变量分布拟合的基础上，通过求解在维修回退条件下的退化时间期望来确定电子设备机箱免维护工作时间均值。

根据伽马过程，从退化量x到预防性维修阈值C_PM的到达时间分布为：

其中，θ(t)表示电子设备机箱绝缘电阻下降值增长伽马过程模型的形状函数，P表示电子设备机箱绝缘电阻下降值增长的残存概率阈值，ξ表示电子设备机箱绝缘电阻下降值增长伽马过程模型的尺度参数。

则有第i次与第i+1次预防性维修之间的可用时间T_i+1，即第i+1次预防性维护周期内的电子设备机箱免维护工作时间的期望值为：

T_i(i＝0,1,2…)表示电子设备机箱第i-1次与第i次预防性维修间的可用时间，

表示随机变量

的概率密度函数，E(T_i)表示电子设备机箱第i-1次与第i次预防性维修间的可用时间的期望值。

这里使用残存概率P建立退化时间和退化量的函数关系，在绝缘电阻维修回退随机变量分布拟合的基础上，通过求解在维修回退条件下的退化时间期望来确定电子设备机箱免维护工作时间均值，残存概率为电子设备机箱绝缘电阻值退化到检查要求阈值时对应的概率。

步骤S6、计算预防性维修工作时间；建立与预防性维修次数i相关的预防性维修时间指数分布。

通常预防性维修时间取决于电子设备机箱的初始状态与预防性维修阈值，随着维修次数的增加，电子设备机箱的预防性维修时间也会随之增加。因此，预防性维修活动的时间也是一个随维修次数的增长而递增的随机变量。假设第i次预防性维修所需要的时间为T_mi，各次预防性维修时间为独立同分布的随机变量，服从指数分布。则有：

E[T_mi]＝γ₀C_PM exp(iγ₁C_PM)

其中参数γ₀＞0和γ₁≥0是独立于预防性维修阈值C_PM的常数，可由预防性维修时间的统计值拟合得出。

步骤S7、建立维修时间优化目标函数和约束条件；选择电子设备机箱预防性维修总免维护工作时间作为优化目标，电子设备机箱在第i次预防性维修活动中的预防性维修时间上限值T_{PM max}和机箱绝缘电阻退化量阈值为约束条件，建立机箱预防性维修时机优化模型。

给定一个预防性维修时间的上限值T_{PM max}，当电子设备机箱在第i次预防性维修活动中的预防性维修时间E[T_mi]高于该上限值T_{PM max}时，电子设备机箱即放弃进行预防性维修，而直接采用更换维修，电子设备机箱退化量回复至初始值0。由此可得出本优化模型的约束条件，即：

E[T_mi]≤T_{PM max}

则建立的优化模型如下：

Subject to D(t)≤C_PM

E[T_mi]≤T_{PM max}

其中

为电子设备机箱预防性维修总免维护工作时间，C_PM为电子设备机箱的预防性维修阈值，E[T_mi]为计算出的电子设备机箱预防性维修活动时间的期望值。

步骤S8、构建优化算法，确定一组电子设备机箱的最优预防性维修时机序列。

本发明中的优化算法步骤如下：

(1)根据步骤S2所给方法，得到电子设备机箱的退化过程参数，进行退化过程建模。

(2)i＝1时，计算免维护时间E[T₁]，并计算此时的预防性维修时机t₁＝E[T₁]，

(3)令i＝i+1，利用步骤S4中给出的计算方法计算电子设备机箱在预防性维修活动后所处状态对应的退化量

(4)根据计算出的电子设备机箱在预防性维修活动后所处状态对应的退化量

利用步骤S5中给出的计算方法计算电子设备机箱每一次预防性维修活动中的免维护时间E[T_i]；并计算此时的预防性维修时机t_i＝t_i-1+E[T_i]；

(5)利用步骤S6给出的计算方法计算电子设备机箱每一次预防性维修活动中的维修时间E[T_mi]，将电子设备机箱预防性维修时间E[T_mi]与上限T_{PM max}作比较，若E[T_mi]≤T_{PM max}，重复步骤(3)-步骤(5)；若E[T_mi]＞T_{PM max}，则转入步骤(6)；

(6)计算各次预防性维修周期内免维护工作时间的总和，输出各次预防性维修的执行时间。

本发明提供了一种电子设备机箱预防性维修时机的优化方法，能够根据电子设备机箱总免维护工作时间衡量预防性维修策略的优劣，并将其作为优化目标，从而确定合理的预防性维修时机，辅助相关使用维护人员进行动态维修决策，制定电子设备机箱维护计划，节省使用单位相关产品的使用维护成本。本发明具有很好的适用性，适用于所有具有此腐蚀退化特征的电子设备机箱以及类似产品。

实施例1

本实施例提供了一种电子设备机箱腐蚀故障预防性维修时机的优化方法，包括如下步骤：

步骤A1，收集检测数据并处理，表1是收集的一种电子设备机箱绝缘电阻下降值数据。

时间/h	绝缘电阻/10<sub>10</sub>Ω	时间/h	绝缘电阻/10<sub>10</sub>Ω
				0	36.5	48	0.28
6	36.5	54	0.273
				12	28.75	60	0.267
18	21	66	0.121
				24	13.67	72	0.112
30	6.34	78	0.103
				36	0.622	84	0.054
42	0.451	90	0

表1

根据上表数据可以计算得出一种电子设备机箱绝缘电阻下降值增量数据，如表2所示。

表2

根据安全性要求确定该电子设备机箱绝缘电阻下降值的预防性维修阈值为3.5×10¹¹Ω。

步骤A2，根据步骤A1所收集的一种电子设备机箱绝缘电阻下降值数据，可用平稳伽马过程模型来拟合其腐蚀退化过程，即电子设备机箱表面绝缘电阻下降值的腐蚀退化平稳伽马过程模型。可得电子设备机箱表面绝缘电阻下降值检测值增量ΔD(t)服从形状参数为θ，尺度参数为ξ的伽马分布，其概率密度函数如下：

平稳伽马退化过程模型参数θ和β可由极大似然估计法估计得出。

由本实施例数据使用极大似然估计法可得θ＝0.0797，ξ＝5.0137。

步骤A3，建立电子设备机箱多阶段退化伽马过程模型。基于电子设备机箱退化伽马过程模型，电子设备机箱多阶段退化伽马过程模型。

步骤A4，基于多阶段退化伽马过程模型建立腐蚀退化量维修回退模型。由图2可知电子设备机箱在预防性维修活动后所处状态对应的退化量为

为区间(0,C_PM)内的随机变量，且

的均值随着预防性维修次数的增加而增加，则有：

与

其中μ≥0，σ²≥0。

可用贝塔分布描述在区间(0,C_PM)的随机变量

的取值，

的概率密度函数为：

贝塔分布参数α＞0和β＞0与参数μ和σ²相关，关系如下：

与

参数μ和σ可由极大似然估计法估计得出，极大似然函数如下：

其中y_i,j＝x_i,j/C_PMj，x_i,j是第j个电子设备机箱样本经过第i次预防性维修后的退化量，C_PMj是第j个电子设备机箱样本的预防性维修阈值。可由极大似然估计法估计得出参数μ＝0.5，σ＝0.005。

步骤A5，计算电子设备机箱免维护工作时间。根据伽马过程，从退化量x到预防性维修阈值C_PM的到达时间分布为：

则有第i次与第i+1次预防性维修间的可用时间T_i+1的期望值为：

在本发明的计算中，我们使用残存概率反解时间分布求解E(T_i)，设残存概率P＝0.9，根据已有残存概率反解出预防性维修到达时间t和退化量x的关系式，在区间(0,C_PM)上进行迭代计算，得到E(T_i+1)的数值解。

步骤A6，计算预防性维修工作时间。产品第i次预防性维修所需的时间期望为：

E[T_mi]＝γ₀C_PM exp(iγ₁C_PM)

可由预防性维修时间的统计值给出γ₀＝0.005和γ₁＝0.025。

步骤A7，建立维修时间优化目标函数和约束条件。

本发明的优化模型选择电子设备机箱预防性维修总免维护工作时间作为衡量预防性维修策略优劣的依据，并将其作为优化目标。

给定一个预防性维修时间的上限值T_{PM max}＝10h，当电子设备机箱在第i次预防性维修活动中的预防性维修时间E[T_mi]高于该上限值T_{PM max}时，电子设备机箱即放弃进行预防性维修，而直接采用更换维修，电子设备机箱退化量回复至初始值0。由此可得出本优化模型的约束条件，即：

E[T_mi]≤10

则建立的优化模型如下：

Subject to D(t)≤3.5×10¹¹

E[T_mi]≤10

其中

为电子设备机箱预防性维修总免维护工作时间，C_PM＝3.5×10¹¹Ω为电子设备机箱的预防性维修阈值，E[T_mi]为计算出的电子设备机箱预防性维修活动时间的期望值，T_{PM max}＝10h为给定的电子设备机箱预防性维修活动时间期望值的上限。

步骤A8，根据上述优化模型，确定优化算法，并确定一组电子设备机箱的最优预防性维修时机序列。

根据已确定的优化算法，求出最大预防性维修总免维护工作时间为

小时，据此求出的一组电子设备机箱的最优预防性维修时机序列如表3所示。预防性维修周期最优维修时机所对应的预防性维修的关系图如图3所示。

序号	1	2	3	4	5
						维修时机t<sub>i</sub>/h	131.85	219.51	278.53	318.55	345.43

表3

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种电子设备机箱腐蚀故障预防性维修时机的优化方法，其特征在于，包括如下步骤：

步骤1、收集电子设备机箱腐蚀退化过程中的绝缘电阻下降值检测数据序列；

步骤2，根据步骤1中所得的绝缘电阻下降值检测数据序列，计算检测值增量ΔD(t)，并结合步骤1中所得的绝缘电阻下降值检测数据序列使用统计学最小二乘法拟合绝缘电阻下降增量平稳伽马过程模型；

步骤3、基于绝缘电阻下降增量平稳伽马过程模型，考虑维修效果建立电子设备机箱多阶段退化伽马过程模型；

步骤4、基于多阶段退化伽马过程模型建立腐蚀退化量维修回退模型；

步骤5、计算电子机箱免维护工作时间；

计算电子机箱免维护工作时间时，要计算第i次与第i+1次预防性维修间的可用时间T_i+1的期望值E(T_i+1)，使用残存概率P建立退化时间和退化量的函数关系，在绝缘电阻维修回退随机变量分布拟合的基础上，通过求解在维修回退条件下的退化时间期望来确定电子设备机箱免维护工作时间均值；

步骤6、计算预防性维修工作时间；

步骤7、建立维修时间优化目标函数和约束条件；

步骤8、构建优化算法，确定一组电子设备机箱的最优预防性维修时机序列。

2.根据权利要求1所述的一种电子设备机箱腐蚀故障预防性维修时机的优化方法，其特征在于，在步骤1中，需要收集的绝缘电阻下降值检测数据序列包括电子设备机箱绝缘电阻检测结果及检测时间、绝缘电阻下降值预防性维修阈值C_PM以及电子设备机箱更换维修所需时间T_r，其中绝缘电阻下降值预防性维修阈值C_PM由电子设备机箱的安全性或任务性要求确定。

3.根据权利要求1所述的一种电子设备机箱腐蚀故障预防性维修时机的优化方法，其特征在于，在步骤3中，基于绝缘电阻下降增量平稳伽马过程模型，考虑不完全预防性维修的效果，建立电子设备机箱多阶段退化伽马过程模型。

4.根据权利要求1所述的一种电子设备机箱腐蚀故障预防性维修时机的优化方法，其特征在于，在步骤4中，考虑预防性维修次数增加对机箱绝缘电阻的影响，采用最小二乘法将电子设备机箱绝缘电阻下降值维修回退随机变量分布拟合为贝塔分布。

5.根据权利要求1所述的一种电子设备机箱腐蚀故障预防性维修时机的优化方法，其特征在于，在步骤6中，建立与预防性维修次数i相关的预防性维修时间指数分布。

6.根据权利要求1所述的一种电子设备机箱腐蚀故障预防性维修时机的优化方法，其特征在于，在步骤7中，选择电子设备机箱预防性维修总免维护工作时间作为优化目标，电子设备机箱在第i次预防性维修活动中的预防性维修时间上限值T_PMmax和机箱绝缘电阻退化量阈值为约束条件，建立机箱预防性维修时机优化模型。

Images