基于累积成本限制的k-out-of-n:F系统维护决策

doi:10.13196/j.cims.2022.03.012

计算机集成制造系统 ›› 2022, Vol. 28 ›› Issue (3): 780-786.DOI: 10.13196/j.cims.2022.03.012

基于累积成本限制的k-out-of-n:F系统维护决策

周宏明¹,罗晓璇¹,黄华浙¹,张宁¹,綦法群^1,2+,黄沈权¹

1.温州大学机电工程学院
2.同济大学机械与能源工程学院

出版日期:2022-03-31 发布日期:2022-03-24
基金资助:
浙江省教育厅一般资助项目(Y202146596);温州市重大科技创新攻关资助项目(ZG2020028,ZG2020015,2018ZG026);国家自然科学基金资助项目(71501143)。

Cumulative cost limit based k-out-of-n:F system maintenance decision

Online:2022-03-31 Published:2022-03-24
Supported by:
Project supported by the Department of Education of Zhejiang Province,China(No.Y202146596),the Major Scientific Research Projects of Wenzhou City,China(No.ZG2020028,ZG2020015,2018ZG026),and the National Natural Science Foundation,China(No.71501143).

摘要/Abstract

摘要： 为了在提高系统可靠性的同时有效控制修复成本,以k-out-of-n:F系统为研究对象,提出基于累积修复成本限制策略的维护模型,模型中考虑系统部件之间的失效相关性,根据系统中失效部件的数量m将系统故障分为两类。其中,Ⅰ类故障：系统失效部件数0<m<k,修复方式为最小修复;Ⅱ类故障：系统失效部件数m≥k,系统失效,对系统进行更换。以最小累积修复成本率为目标,采用迭代算法对模型进行数例分析,结果表明所建模型是有效且实用的。

关键词: k-out-of-n:F系统, 累积成本, 随机失效, 退化失效

Abstract: To improve the reliability of the system while effectively controlling the repair cost,taking the k-out-of-n:F system as the research object,a maintenance model based on the cumulative repair cost limitation strategy was proposed,and the failure correlation between system components was considered in the model.According to the number m of failed components in the system,system failures were divided into two categories.Among them,typeⅠfailure:the number of system failure parts 0＜m＜k,the repair method was the minimum repair;TypeⅡfailure:the system failure parts number m≥k,the system was failed and replaced.Aiming at the minimum cumulative repair cost rate,iterative algorithm was used to analyze several examples of the model.The results showed that the proposed model was effective and practical.

Key words: k-out-of-n:F system, cumulative cost, random failure, degradation failure

中图分类号:

TH17

周宏明, 罗晓璇, 黄华浙, 张宁, 綦法群, 黄沈权. 基于累积成本限制的k-out-of-n:F系统维护决策[J]. 计算机集成制造系统, 2022, 28(3): 780-786.

[1]	王庆锋, 刘家赫, 刘晓金, 许述剑. 数据驱动的旋转设备性能退化趋势预测方法[J]. 计算机集成制造系统, 2022, 28(3): 724-734.
[2]	王红, 杨国军, 何勇, 熊律. 考虑客流分布的动车组部件预防性维护决策[J]. 计算机集成制造系统, 2022, 28(2): 409-416.
[3]	樊盼盼,袁逸萍,孙文磊,樊小朝,赵琴,马占伟. 融合多时段SCADA数据的风电机组风险态势预测[J]. 计算机集成制造系统, 2021, 27(7): 1993-2004.
[4]	蔡伟立,胡小锋,刘梦湘. 基于迁移学习的刀具剩余寿命预测方法[J]. 计算机集成制造系统, 2021, 27(6): 1541-1549.
[5]	何勇,王红,李振华,蒋祖华. 考虑备件弹性订货的动车组部件分阶段维护决策[J]. 计算机集成制造系统, 2021, 27(6): 1760-1767.
[6]	王子生,姜兴宇,刘伟军,石敏煊,杨世奇,杨国哲. 再制造机床装配过程误差传递模型与精度预测[J]. 计算机集成制造系统, 2021, 27(5): 1300-1308.
[7]	杜彦斌,吴国奥,许磊. 基于神经网络和再制造因子的再制造机床可靠性分配方法[J]. 计算机集成制造系统, 2021, 27(4): 1052-1061.
[8]	刘惠,刘振宇,郏维强,张栋豪,谭建荣. 深度学习在装备剩余使用寿命预测技术中的研究现状与挑战[J]. 计算机集成制造系统, 2021, 27(1): 35-53.
[9]	廖小平,黎宇嘉,陈超逸,张振坤,鲁娟,马俊燕,薛斌. 基于核主成分和灰狼优化算法的刀具磨损状态识别[J]. 计算机集成制造系统, 2020, 26(11): 3031-3039.
[10]	张卫贞,石慧,曾建潮,张云正. 基于核微分同胚变换的实时剩余寿命预测[J]. 计算机集成制造系统, 2020, 26(10): 2781-2791.
[11]	邓超,张子晗,朱锦璇,吴军,王远航. 考虑健康状态的风电机组发电量预测模型[J]. 计算机集成制造系统, 2020, 26(9): 2367-2378.
[12]	黄联标,敖银辉. 基于模拟退火算法的多工段系统预防维护策略[J]. 计算机集成制造系统, 2020, 26(9): 2404-2411.
[13]	张根保,杨斌,冉琰,庾辉,蒋林. 机械产品基于元动作方程的运动分析方法[J]. 计算机集成制造系统, 2020, 26(9): 2412-2421.
[14]	李锋,陈勇,王家序,汤宝平. 基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测[J]. 计算机集成制造系统, 2020, 26(8): 2050-2059.
[15]	张卫贞1,曾建潮2,石慧1,董增寿1. 基于核密度估计的实时剩余寿命预测[J]. 计算机集成制造系统, 2020, 26(7): 1794-1801.

基于累积成本限制的k-out-of-n:F系统维护决策

Cumulative cost limit based k-out-of-n:F system maintenance decision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics