CN113326649A - 一种考虑健康状态劣化的装备保障资源配置策略制定方法 - Google Patents

Abstract

本发明提供了一种考虑健康状态劣化的装备保障资源配置策略制定方法，为了解决目前装备保障资源配置方案精确性、准确性低等问题。其具体步骤如下：步骤(1)：装备组成部件的健康状态退化建模；步骤(2)：装备保障过程描述；步骤(3)：装备可用度和保障成本评估；步骤(4)：装备保障资源配置优化策略；本发明考虑到装备各组成部件退化程度的差异性、维护资源/维护人员/保障时间的限制性等因素，发明了一种考虑健康状态劣化的装备保障资源配置策略制定方法，为多级维修站点配置保障资源，可满足装备中各异质部件精确化、异质化的保障资源需求，在保证装备效能的同时，降低整体的保障成本。

Description

一种考虑健康状态劣化的装备保障资源配置策略制定方法

(一)所属技术领域

本发明属于涉及装备保障技术领域，涉及一种考虑健康状态劣化的装备保障资源配置策略制定方法。

(二)背景技术

随着国际社会形势的日益复杂，国防科技的地位显得愈发重要。现代高科技战争不仅重视装备的作战性能，更重视装备的保障能力，从某种程度来看，装备的保障能力已成为了影响部队整体作战能力的重要因素。同时，由于装备任务过程中的动态性、复杂性，装备各组成部件退化程度的差异性、维护资源/维护人员/保障时间的限制性等原因，保障费用占装备寿命周期内总费用的60％甚至更高，使得装备的保障资源配置方案已成为了提高装备作战效能的关键性因素。

现有的装备保障资源配置方法主要包括经验法和基于装备故障率的配置方法。经验法是最普遍的一种装备保障资源配置方法，其以经验数据为主要依据，不考虑装备的任务/使用过程，对保障资源进行大批量存放，不仅无法有效提高装备的效能，还造成了巨大的保障成本。基于装备故障率的配置方法是以装备的寿命规律或静态可靠性特征来制定装备保障资源的配置方案，导致保障资源的配置方案精确性和准确性较低，无法满足现代装备精确化、异质化的保障资源配置方案要求。

因此，如何考虑装备的各组成部件在使用过程中的异质退化数据，设计一种考虑健康状态劣化的装备保障资源配置策略制定方法，能够在保证装备效能的同时，降低整体的保障成本是一个亟待解决的复杂问题。

(三)发明内容

本发明的目的是为了解决上述问题，提出一种考虑健康状态劣化的装备保障资源配置策略制定方法，具体步骤如下：

步骤(1)：装备组成部件的健康状态退化建模；

步骤(2)：装备保障过程描述；

步骤(3)：装备可用度和保障成本评估；

步骤(4)：装备保障资源配置优化策略；

其中，在步骤(1)中，构建装备组成部件的健康状态退化模型。由于装备使用过程中的累积损伤，其组成部件的健康状态会逐渐退化。同时，由于装备组成部件的使用环境、任务剖面等差异，其健康状态的退化呈现明显的异质化特征。因此，本发明利用Wiener过程的随机过程来描述并预测装备组成部件的健康状态退化。假设{X(t)，t≥0}为装备关键参数的退化量，μ＞0表征Winener的漂移参数，假设装备组成部件的失效阈值为D_f＞0，则其健康状态首次达到失效阈值的时间，可表示为：

T_RUL＝inf{t|X(t)＝D_f，t≥0} (1)

装备组成部件的故障累积概率和故障密度函数可表示为：

装备组成部件的剩余寿命期望与方差分别为：

装备组成部件健康状态的退化建模仿真具体步骤如下：

Step 1：选定装备中的关键特征参数Par，设置退化建模最大仿真迭代次数Iters_max，设置当前退化建模仿真迭代次数Iters＝1；

Step 2：确定参数Par的退化过程，设定失效阈值D_f、漂移参数μ以及方差σ²；

Step 3：设置仿真步长Δt及N个时间点0＜t₁＜t_N，并初始化参数X＝0，t₀＝0，n＝1；

Step4：若n＜N，生成随机数Z～N(μ，σ²)，

若n≥N，则停止仿真；否则，n＝n+1；

Step 5：若X＜D_f，返回Step 4；若X≥D_f，记录仿真时长t；

Step 6：若Iters＜Iters_max，则令Iters＝Iters+1，返回Step 2；否则，结束仿真。

根据上述装备组成部件健康状态的退化建模仿真过程，可统计得出在t时刻该设备退化量达到失效阈值的概率P_prog。

其中，在步骤(2)中，对装备的保障过程进行分解，明晰装备的结构组成、各组成部件的预防性维护工作流程、所需备件类型、维修保障工作等级、保障备件运输流程等，为步骤(4)中装备保障资源配置优化策略的制定提供场景基础。

其中，在步骤(3)中，装备保障相关参数主要包括：装备可用度和装备保障成本。其中，装备可用度函数可表示为：

其中，MUT代表装备的可用时间，MDT代表装备的不可用时间。MDT可被具体分为两类，一类是装备发生故障后的维修时间；另一类是由于保障人员或保障资源的短缺而导致的延误时间。因此，MDT可被表示为：

MDT＝MTTR+MLDT (7)

其中，MTTR是装备的平均维修时间，MLDT是保障延误时间。同时，由于在任务剖面内，每个装备可能会故障多次，因此，系统可用度可表示为：

其中，cri_i代表装备组成部件i的状态是否会影响系统的运行。若第i个组成部件发生故障时，装备停止工作，则cri_i＝1；否则，cri_i＝0。s_i是装备组成部件i在任务期间的修复性维修次数；k_i是装备组成部件i在任务期间的预防性维修次数；pm_i是装备组成部件i的预防性维修时间；MTTR_i是装备组成部件i的修复性维修时间。

其中，装备的保障成本可表示为：

min C＝C_s+C_c+C_r+C_p (9)

其中，C代表装备保障总成本；C_s代表装备保障资源贮存成本；C_c代表装备保障资源使用成本；C_r代表装备保障资源运输成本；C_p代表装备保障人员成本。

考虑到装备的多级维修机制，其备件通常存储在多个不同级别的维修保障站点。因此，在本发明中，装备保障备件的贮存费用C_s可表示为：

其中，

为基层级备件的贮存费用，

为基地级备件的贮存费用；

为第i类备件在基层级贮存中单位时间内所需要的费用，

为第i类备件中的第n个备件在基层级贮存的时间；

为第i类备件在基地级贮存中单位时间内所需要的费用，

为第i类备件中的第n个备件在基地级贮存的时间；

为第i类备件在基层级贮存的数量；

为第i类备件在基地级贮存的数量。若对装备进行维修，则需消耗相应的备件，其使用成本可表示为：

其中，cost_i为第i类备件的固定使用成本，consu_i为第i类备件的消耗数量，目

若在任务过程中，需要将备件从基层级运送至基地级进行维修，则将产生备件的运输费用，其可表示为：

其中，travel_i为第i类备件的运输单价，ntra_i为第i类备件在任务期间需要运送的备件数量。

在维修保障的过程中，涉及到的保障人员将会产生相应的工时费，其可表示为：

其中，MTTR_i是第i类备件的平均维修时间，c_p是保障人员单位时间的工时费。在本发明中，保障人员不区分基层级和基地级，所有保障人员单位时间的工时费相同。

其中，在步骤(4)中，针对装备在任务过程中所需的备件类型，建立参数集合，表示为：

其中，

为第i类备件在基层级的贮存数量，

为第i类备件在基地级的贮存数量；Φ为退化类设备的集合(用i′为索引)；

为集合Φ中第i′个退化设备的特征参数超过失效阈值D_f的概率。

本发明将上述参数集合封装为一个粒子，粒子中各参数的取值区间构成了粒子的优化解空间。以粒子中各参数为依据，对装备保障系统进行仿真，以装备可用度和保障成本作为粒子的适应度值，为粒子在解空间的位置优化提供方向。具体步骤如下：

Step 1：初始化

首先，对粒子的各类参数进行初始化，使得其构成一个F×H的欧式空间，其中F是粒子的个数，H是粒子中参数的个数，前2×i个参数为备件在基层级和基地级贮存的数量，后(H-2×i)个参数为退化类设备特征参数超过失效阈值的概率。则第f个粒子的状态可描述为：

X_f＝(x_f1，x_f2，…，x_fH) (15)

若h为偶数，则x_fh即为第h/2类备件在基地级的贮存数量；若h为奇数，则x_fh为第(h+1)/2类备件在基层级的贮存数量。初始化各粒子的初始速度和位置，并设置最大迭代次数Iters_max。

Step 2：适应度函数评估

将初始化的F个粒子代入到装备保障仿真模型中进行计算，并以步骤(3)中的装备可用度、保障成本作为粒子的适应度函数进行评估，得到当前粒子群的最优位置和粒子群体的全局最优位置。以此为粒子适应度函数的评估标准，对解空间进行搜索，最终得到装备各备件在不同层级的贮存数量。

Step3：速度和位置更新

由于粒子在前2×i个参数位置均被强制为整数，则其粒子的速度和位置更新公式如下：

其中，

是粒子f在第Iters次迭代中第h个参数的速度；

是粒子f在第Iters次迭代中第h个参数的位置；

是粒子f在第(Iters+1)次迭代中位置的更新；

是粒子f在历史中第h个参数的最佳位置；

是所有粒子中第h个参数的最佳位置；τ是惯性系数，c₁和c₂是加速因子，ρ_fh是经验参数。

为了提高算法的搜索性能，本发明采用一种自适应的调整策略，通过调整惯性系数τ，使得其随着迭代次数的增大而减小，其可表示为：

其中，τ_max和τ_min是惯性系数τ的最大和最小值，Iters是当前的迭代次数，Iters_max为其最大迭代次数。

需说明的是，后(H-2×i)个参数由步骤(1)中的仿真统计结果得到。

Step 4：粒子优胜劣汰

根据Step 2和Step 3中所示的粒子速度、位置更新规则和适应度函数的评估，粒子优胜劣汰的规则可表示为：

若更新后的粒子适应度函数fit(i′)优于更新前的粒子适应度函数ft(i)，则将更新后的粒子位置进行保留；相反地，若更新前的粒子适应度函数fit(i)优于更新后的粒子适应度函数fit(i′)，算法也不会立刻将其抛弃，而是采取一定概率的方式对其进行保留。

在[0，1]区间中随机产生一个随机数ε，若ε＜P，则保留该粒子的位置；否则，放弃该粒子位置。设置迭代次数L，若在L次过程中，均无法找到适应度函数更优的粒子位置，则可认为当前粒子的位置在解空间中最优。该过程的目的是为了给算法跳出局部最优的能力，以使得其能够在解空间内进行更好的搜索。

本发明的技术构思为：考虑到装备各组成部件退化程度的差异性、维护资源/维护人员/保障时间的限制性等因素，发明了一种考虑健康状态劣化的装备保障资源配置策略制定方法，可满足装备中各异质部件精确化、异质化的保障资源需求，在保证装备效能的同时，降低整体的保障成本。

本发明的有益效果为：本发明提出的一种考虑健康状态劣化的装备保障资源配置策略制定方法，可在考虑装备的组成部件存在退化异质的情况下，为多级维修站点的保障资源配置进行制定，不仅满足装备的维修保障需求，还可降低装备的维护成本。

(四)附图说明

图1为装备组成部件的健康状态退化建模示意图

图2为舵机健康状态退化仿真示意图

图3为装备维修工作流程

图4为各级维修工作流程图

图5为装备保障资源配置优化算法流程示意图

(五)具体实施方式

下面结合附图对本发明的示例实施进行过详述。以下描述包括具体细节以辅助理解，但这些具体细节应仅被示为示例性的。因此，本领域普通技术人员将认识到，可以在不脱离本公开范围和精神的情况下对这里描述的各个实例进行各种改变和修改。此外，为了清楚和简明起见，省略了公知功能和结构的描述。

以下描述和权利要求中使用的术语和词语不限于其字面含义，而是仅有发明人用于实现本发明的清楚一致的理解。因此，本领域技术人员应当清楚，对本发明各个示例实施的以下描述仅被提供用于说明目的，而不意在限制由所附权利要求及其等同物限定的本发明。

步骤(1)：装备组成部件的健康状态退化建模。以导弹为例，其结构组成如表1所示。

表1导弹组成

其中，部件“活塞”“节流阀”“舵机”“电子延时装置”“药筒”为退化类部件，其相关参数如表2所示。

表2退化类部件相关参数

部件名称	失效阈值/h	漂移参数	漂移方差
				活塞	5000	μ＝5	σ<sup>2</sup>＝20
节流阀	4000	μ＝5	σ<sup>2</sup>＝18
				舵机	4000	μ＝5	σ<sup>2</sup>＝20
电子延时装置	4500	μ＝6	σ<sup>2</sup>＝18
				药筒	4500	μ＝8	σ<sup>2</sup>＝25

以部件“舵机”为例，其健康退化曲线如图2所示。

步骤(2)：装备保障过程描述。装备在未执行作战任务时，需对各类部件进行日常维护。通常来说，对装备的日常维护包括预防性保障工作和维修保障工作两类。预防性保障工作主要是依据装备的使用而进行的日常维护；维修保障工作主要是当设备发生故障后，对其展开维修保障等工作，以恢复装备的战斗力与任务执行能力，维修保障流程图如图3所示。装备在进行具体的维修保障过程中，需先考虑维修级别，根据维修级别的不同确定维修地点。若出现保障备件不足的情况，则需要从其他保障站点进行调运，以实现保障资源的供给。在示例中，装备采用两级维修体制：基层级+基地级。装备各级维修的主要流程图和维修内容如图4和表3所示。

表3各级维修内容

步骤(3)：装备可用度和保障成本评估。

装备可用度可表示为：

装备的保障成本可表示为：

min C＝C_s+C_c+C_r+C_p (22)

在示例中，装备可用度和保障成本的相关参数设置如表4所示。

表4装备可用度和保障成本相关参数

步骤(4)：装备保障资源配置优化策略。本发明设计了一种考虑健康状态劣化的装备保障资源配置策略制定方法。

Step 1：初始化。首先，构建一个F×H的欧式空间，其中F＝100是粒子群的个数，H＝40是粒子中参数的个数。前41个参数是备件在基层级和基地级的存放数量，对应着表4中的18个组成部件；后5个参数是“活塞”“节流阀”“舵机”“电子延时装置”“药筒”5个健康状态退化类部件特征参数超过失效阈值的概率。

Step 2：适应度函数评估。将粒子位置带入到蒙特卡洛仿真过程，对当前粒子的适应度函数进行评价，获取各粒子的适应度排序。

Step3：速度和位置更新。随机生成F＝100个粒子的位置，每个粒子的前36个参数按照如下公式进行更新。

后5个参数由步骤(1)中的仿真统计结果得到。

Step4：粒子优胜劣汰。若更新后的粒子适应度函数fit(i’)优于更新前的粒子适应度函数fit(i)，则将更新后的粒子位置进行保留；相反地，若更新前的粒子适应度函数fit(i)优于更新后的粒子适应度函数fit(i′)。设ε＝0.5，若P＞0.5，则保留该粒子的位置；否则，放弃该粒子位置。设置迭代次数L，若在L次过程中，均无法找到适应度函数更优的粒子位置，则可认为当前粒子的位置在解空间中最优。

以上所述的实例对本发明的各个部分的实现方式做了详细的说明，本发明的具体实现形式并不局限于此，对于本技术领域的一般技术人员来说，在不背离本发明所述方法的精神和权利要求范围的情况下对它进行的各种显而易见的改变都在本发明的保护范围之内。

Claims (3)

1.一种考虑健康状态劣化的装备保障资源配置策略制定方法，包括步骤：

步骤(1)：装备组成部件的健康状态退化建模；

步骤(2)：装备保障过程描述；

步骤(3)：装备可用度和保障成本评估；

步骤(4)：装备保障资源配置优化策略。

2.根据权利要求1所述的一种考虑健康状态劣化的装备保障资源配置策略制定方法，其特征在于，在步骤(1)中所述的装备组成部件的健康状态退化建模过程，表示为：

Step 1：选定装备中的关键特征参数Par，设置退化建模最大仿真迭代次数Iters_max，设置当前退化建模仿真迭代次数Iters＝1；

Step 2：确定参数Par的退化过程，设定失效阈值D_f、漂移参数μ以及方差σ²；

Step 3：设置仿真步长Δt及N个时间点0＜t₁＜t_N，并初始化参数X＝0，t₀＝0，n＝1；

Step 4：若n＜N，生成随机数Z～N(μ，σ²)，

若n≥N，则停止仿真；否则，n＝n+1；

Step 5：若X＜D_f，返回Step 4；若X≥D_f，记录仿真时长t；

Step 6：若Iters＜Iters_max，则令Iters＝Iters+1，返回Step 2；否则，结束仿真。

3.根据权利要求1所述的一种考虑健康状态劣化的装备保障资源配置策略制定方法，其特征在于，在步骤(4)中所述的装备保障资源配置优化策略，表示为：

其中，

为第i类备件在基层级的贮存数量，

为第i类备件在基地级的贮存数量；Φ为退化类设备的集合(用i′为索引)；

为集合Φ中第i’个退化设备的特征参数超过失效阈值D_f的概率；

Step 3：速度和位置更新

粒子的前2×i个参数位置被强制为整数，其粒子速度和位置更新公式如下：

Step 4：粒子优胜劣汰

粒子优胜劣汰的规则可表示为：

Images