采用马尔科夫链的装备状态维修检测间隔期动态决策模型研究

2015-12-23张光明,王勇,范渭荣等

兵器装备工程学报 2015年4期

【后勤保障与装备管理】

张光明1，王勇1，范渭荣1，牛星星2

(1.武汉军代局驻焦作地区军代室，河南焦作454001； 2. 63981部队，武汉430312)

摘要：针对传统状态维修中存在的不足，分析了装备状态维修检测间隔期动态决策的基本思路，研究了基于马尔科夫链的装备状态维修检测间隔期动态决策的关键技术，并在此基础上建立了基于马尔科夫链的装备状态维修检测间隔期动态决策模型。

关键词：状态维修；马尔科夫链；维修决策；最小交叉熵

收稿日期：2014-10-20

作者简介：张光明(1988—)，男，硕士，助理工程师，主要从事武器系统与运用工程研究。

doi:10.11809/scbgxb2015.04.023

中图分类号：TJ07

文章编号：1006-0707(2015)04-0081-04

本文引用格式：张光明，王勇，范渭荣，等.采用马尔科夫链的装备状态维修检测间隔期动态决策模型研究[J].四川兵工学报，2015(4):81-84.

Citationformat:ZHANGGuang-ming,WANGYong,FANWei-rong,etal.ResearchonStateofEquipmentMaintenanceInspectionIntervalsDynamicDecision-MakingModelUsingMarkovChain[J].JournalofSichuanOrdnance,2015(4):81-84.

ResearchonStateofEquipmentMaintenanceInspectionIntervals

DynamicDecision-MakingModelUsingMarkovChain

ZHANGGuang-ming1, WANG Yong1, FAN Wei-rong1, NIU Xing-xing2

(1.JundaishiinJiaozuoArea,WuhanJundaiju,Jiaozuo454001,China;

2.TheNo. 63981stTroopofPLA,Wuhan430312,China)

Abstract:: This paper analyzed the defects of traditional state maintenance and the state of equipment maintenance inspection interval dynamic decision-making basic train of thought. The key technology of dynamic decision-making test interval of equipment maintenance inspection based on Markov chain was discussed. Based on the above analysis, equipment state maintenance inspection interval dynamic decision-making model was established.

Keywords:statemaintenance;Markovchain;maintenancedecision;minimumcrossentropy

随着现代武器装备复杂性的不断提高，其故障规律也逐渐呈现多种状态。在现有装备中，具有明显耗损期情况的项目仅占很小比例。与此同时，传统定时维修仅适用于故障率曲线具有明显耗损期的项目，使得此种维修方式无法有效适用于现有装备。依据RCM思想，根据不同故障规律采取不同维修方式，对于上述项目，可采用状态维修(conditionbasedmaintenance，CBM)加以保障。

美军给出的状态维修的定义为：设备(武器系统)预报初始故障的主动维修的一种形式[1]。在国内状态维修的定义为：对产品的技术状态参数及其变化进行连续或定期的检测，及时发现潜在故障，并预测产品的剩余寿命或功能故障将在何时发生，在功能故障发生之前或运行经济性下降到极限时，先期制订维修预案，有目的、有计划地适时适度维修的一种维修方式[2]。分析上述定义可知，状态维修是一种预防性维修，它通过定时或非定时的评估装备状态来判断是否需要进行维修。在进行状态维修时除了要决策是否需要进行维修更重要的是决策检测间隔期。针对检测间隔期的决策，现有的研究主要有：文献[3]中提出了延迟时间的概念，为状态维修建模及间隔期的确定奠定了基础；文献[2]中针对装备不完全检测过程建立了装备等故障风险变间隔期检测模型，然而该模型需事先了解装备潜在故障发生时间分布；文献[4-6]中分别采用不同方法在不同约束条件下确定了状态维修检测间隔期，然而此类文献中确定的检测间隔期均为一定值，无法适用于装备动态状态维修过程中；文献[7]中对状态维修中的评估及预测技术进行了分类，为状态维修提供了思路。

本文主要从装备检测间隔期动态决策角度出发，利用类似装备先验信息，建立检测间隔期动态决策模型，该模型可根据装备实时技术状态及时修正检测间隔，解决缺少当前项目相关概率分布信息的检测间隔期动态决策问题。

1传统状态维修决策过程分析

传统状态维修的基础理论是P-F间隔期，基本方法是采取定期检测的方式确定潜在故障发生时刻，进而采取措施避免功能故障发生。其原理如图1所示。

图1中：P点为潜在故障发生时刻；F点为功能故障发生时刻；二者之间时间间隔为P-F间隔期TPF。

两次检测时间间隔为ΔT，净剩P-F间隔期为TC。其中，TC应大于从发现潜在故障到停机所需最大时间TS。

如图1所示，任意时刻检测出装备潜在故障则进行预防性维修。该方法可有效预防装备功能故障的发生。然而，当装备本身可靠性较好时，过多的检测不仅会有失经济性而且会影响装备性能。增长检测间隔期或许可以减缓这一状况，但是这又带来一个更严重的问题，即可能导致某些P-F间隔期较短的装备无法及时维修，从而导致更大的损失。

2基于马尔科夫链的动态状态维修决策建模

针对传统状态维修过程中存在的问题，本文将建立动态决策模型加以解决。

2.1建立马尔科夫链

令：

1) 产品可靠寿命为Tr，且在寿命周期内共截取n个时间点估计其技术状态情况；

2) 在某一状态上存在一定的停留时间。如第i个状态的停留时间为Δti；

3) 产品在各截取时间点的技术状态为C1,C2,…,Cn(状态C1为装备启用时对应的技术状态；状态Cn为可靠寿命Tr所对应的装备技术状态)，对应的产品可靠度为R1,R2,…,Rn；

4) 产品发生故障为状态D，亦可当作装备的第n+1个技术状态。

则产品的状态变化可由各时间节点的技术状态之间的转变间接表示，并且可假设各状态之间转变存在一定的规律。

由于产品的技术状态是一个渐变的过程且不可逆转，因此可假设技术状态由较好状态Ci转变到较差状态Cj的概率为Pij。当然，装备的技术状态也可能在下一时刻并不发生变化，如状态Ci到Ci的概率为Pii。与此同时，装备任意非故障状态Ci到故障状态D的概率为Pi(n+1)=(1-Ri)。构建马尔科夫链如图2所示。