基于状态观测数据的复杂系统可靠性评估与选择性维护决策方法研究

摘要

随着现代制造与工业系统和国防技术装备朝着复杂化、大型化和智能化方向发展，其功能高度集成、性能参数不断提升、工作载荷复杂多变、环境条件更加恶劣，保障其服役阶段可靠性水平的任务日益艰巨。有效保障系统安全可靠的运行关键在于准确掌握复杂系统状态演变规律、评估其寿命周期内的健康状态和可靠性，并在此基础上科学地制定维护策略。一方面，复杂系统其失效演变规律往往呈现出多状态特征，如何准确描述多状态系统在服役阶段的状态演变规律是当前可靠性领域研究的热点和难点；另一方面，在连续执行多个阶段任务时需要在任务间隔期内对系统进行维护，如何有效地将有限的维护资源合理分配给系统各单元是保障复杂系统服役阶段运行可靠性的关键所在。
　　伴随各种先进传感器和状态监测技术的发展，工程人员能够在系统运行过程中观测到反映系统健康状态的数据。有效利用系统在服役阶段的状态观测数据，能揭示系统状态演变规律和预测其状态变化趋势，从而为系统的维护和健康管理提供决策依据。而维护策略的制定又要兼顾有限维护资源在多阶段任务中的均衡。本文将从复杂系统状态观测数据的多层次性、不完全性以及执行任务的多阶段性角度出发，开展复杂系统状态转移参数估计和选择性维护决策方法研究。本文主要内容和创新点如下：
　　（1）提出了融合多层次状态观测序列的多状态系统状态转移参数估计方法。针对多状态系统运行过程中状态观测数据的多层次性以及系统状态的退化行为，本文建立了基于动态贝叶斯网络的多状态系统可靠性评估模型，有效融合多状态系统的多层次状态观测序列，并提出一种将动态贝叶斯网络与最小二乘法相结合的多状态系统状态转移参数估计方法。在此基础上，对多状态系统的可靠度进行评估。研究结果表明，本论文所提出的参数估计方法能有效融合多种观测策略下的多层次观测序列，从而估计多状态系统状态转移参数。
　　（2）提出了不完全状态观测下的稳健选择性维护决策方法。针对复杂系统进入任务间隔期时单元状态和有效役龄不完全观测的现象，本文提出了一种稳健选择性维护决策方法。首先，单元状态和有效役龄的后验分布通过贝叶斯方法更新得到；其次，系统任务完成概率的不确定性可以由单元的可靠度期望与方差表征和量化；最终，借鉴稳健设计的思想，从多目标优化的角度提出了以可靠度期望最大和方差最小的系统稳健选择性维护决策模型。研究发现，本文考虑状态观测数据不完全性下的稳健选择性维护策略能显著提高系统任务完成的稳健性。
　　（3）提出了多阶段任务下的选择性维护决策方法。本文将传统单次任务间隔期内的选择性维护决策拓展到多阶段任务，单元状态和有效役龄的不确定性以及多阶段任务的不确定性均由相应概率分布量化。单元在任务间隔期内的维护效果通过非完好维护模型描述，并构建了基于最大-最小各阶段任务完成概率的选择性维护决策模型。本文运用数值积分方法解决了在计算系统多阶段任务完成概率中面临的高维积分问题，最终通过模拟退火遗传算法求解各阶段任务间隔期内的维护策略。通过算例发现，本文所提的多阶段任务下的选择性维护策略较以往方法优势明显，系统经过维护后各阶段任务完成概率都显著提高。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 论文的研究内容

1.4 论文的主要结构

第二章 融合多层次状态观测序列的多状态系统状态转移参数估计方法

2.1 多状态系统可靠性理论基础

2.2 系统描述与多层次状态观测序列

2.3 基于贝叶斯网络的多状态系统可靠性建模

2.4 融合多层次状态观测序列的参数估计

2.5 算例分析

2.6 方法的优点与局限

2.7 本章小结

第三章 不完全状态观测下的稳健选择性维护决策方法

3.1 引言

3.2 系统描述与维护模型

3.3 不完全状态观测下单元可靠度评估模型

3.4 稳健选择性维护决策模型

3.5 基于粒子群算法的维护决策优化

3.6 算例分析

3.7 本章小结

第四章 多阶段任务下的选择性维护决策方法

4.1 引言

4.2 系统描述与维护模型

4.3 任务完成概率

4.4 选择性维护决策模型

4.5 基于模拟退火遗传算法的维护决策优化

4.6 算例分析

4.7 本章小结

第五章 总结与展望

5.1 全文总结

5.2 后续工作展望

致谢

参考文献

附录

攻读硕士学位期间取得研究成果