案例分析——PHM在恩威迪亚GPU问题处理中应用.docVIP

PAGE 1周期和随机检测策略综述翻译：吴坤摘 要：本文针对工作后故障的检查介绍了两种策略，建立了一种花费最低的最优检测策略。关键词：检测 检测时间 随机时间1 引言一些系统工作时间是随机的。对于这些系统而言，在工作完成之后对它们进行检测以发现故障是有效的，这就是随机检测策略。当系统以周期或者连续检测且同样在工作完成之后检测的方式进行时，作者研究了两种检测策略。然后得出在故障发现之前的总的期望花费，而且当随机工作时间服从指数分布时，可以分析推导出花费最小的最优检测策略。更进一步可以得出系统只在第N次工作完成后检测的检测策略。最后，作为一种随机检测模型的变形形式，通过运用检测策略，可以得到并分析出，当系统发生故障前的最近一次检测时间时的支援模型。大多数备用和储存的单元都需要在合适的时间检测以发现故障，这就叫做检测策略。早已得出可以最小化故障发现前的总的期望花费的最优策略。对于备用和储存单元的渐进性的检测规划和策略已经得到了广泛的讨论，而且已经在一些油气管道和工厂得以应用。文献[4]已经对有限时间区间的周期和序惯检测策略进行了总结。在办公室和工厂的一些系统连续工作然后计算机进行处理。对于这些系统，让它们保持一种严格周期状态是不可能的，也是不切实际的。例如，当某项工作处于一种变化的工作周期和处理时间状态，最好还是在它完成处理好工作之后进行一些检修。由此已经分析得出随机寿命更换策略的可靠性度。当一个单元仅在随机时间更换时，文献[5]对两次连续故障器件之间的更换时间的性质进行了研究。文献[6]通过运用退化率对随机生命周期的最优更换策略进行了分析探讨。文献[7]对随机处理时间的不同工作的规划进行了小结。我们考虑这样一个工作系统，随机工作时间为（j=1,2,…）和，且（见图1）。图1 随机工作时间过程也就是说系统工作的时间是随机的。假定是独立的，且服从相同的分布，有限平均值为。即系统工作处于分布为G(x)的更新状态。然后，在间隔[0,x]之间系统工作j次的概率为，(j=1,2,…)代表j的对G(x)自身的斯蒂尔斯吉卷积，且当x0时。并且，表示在(0,x]之间工作的期望数。假定系统随着它使用年限而不断恶化，例如不考虑工作数量，根据总体分布和密度函数及其有限平均值，对于任意函数，有，则总的工作时间会下降。我们将检测策略运用于处于随机工作时间状态的系统：在第二部分中，系统在连续工作时间和在周期时间KT（k=1,2,…）时进行检测，在第三部分中系统在和连续时间(k=1,2, …)时进行检测。由此得到两种检测策略的总期望花费，并且当随机工作时间服从指数分布，可以分析得出和数值计算出可以最小化花费的最优策略，其中周期模型中最优的在文献[2]中已经推导得出。而且，根据系统故障期间由于工作数量而造成的停机损耗，我们提出了一种变形模型。在第四部分中，假定系统仅在每一第N次工作时间完成后进行检查。当工作和故障时间都服从指数分布，可以分析得出最小化总期望花费的最优数。而且，当故障时间服从威布尔分布时，可以数值计算得出。在结论中表明，我们可以对如何得到最大化可用性的最优策略做类似的探讨。文献[11]到[13]提出了系统发生故障前最近一次检测点时间的监测点模型。最后，作为一种随机检测和检测点模型的的组合变形形式，我们在第五部分中提出了支援模型，即当系统故障发现时我们在最近一次检查之前一直采取支援措施。通过运用第四部分的类似模型，我们得出从故障到最近一次检测时间之间完成支援措施的总的期望花费，而且分析推导出可以最小化花费的最优策略。2 周期性检测假定在连续工作时间(j=1,2,…)和周期时间KT(k=1,2, …)（特别地，T0）检测系统。周期和随机时间检测故障发现图2 随机和周期检测过程在随机或者周期检测时间都会检测出故障，但无论哪个先检测出来，过程都将终止。故障由周期性检测检测出来的概率是： （1）由随机性检测检测出来的概率是： （2）这里（1）+（2）=1.用表示周期性检测的花费，表示随机性检测的花费，表示在故障发生和下一次检测出故障的时刻之间因为该时间流逝所造成的平均单元停机花费。然后，故障发现前的总的期望花费为：（3） 特别地，当T=，例如，系统仅用随机性检测进行检查，则总的期望花费为： （4）另外，当, ，在（3）中的总的期望花费为： （5）我们可以找到可以最小化的一个最优检测时间。相对T要区分开，并设其值为0，则： （6）因为。对于得到最小化的最优来说这是一个必要条件。另外，对于（），在（5）式中的总的期望花费为： （7）显然有：等式6可以简化为： （8）其中等式左边严格地从0增加到。所以，如果，则存在一个满足等式（8）的有限唯一解（0T）。