有限资源下多部件系统维护决策研究.pdfVIP

摘要

摘要

随着技术进步和社会发展，大多数设备日益复杂化，精密化，为典型的多部

件系统。多部件系统因其内部高度的相互依赖性、动态变化性、非线性行为和难

以预测的故障模式特性为维护决策带来了巨大的挑战，忽略多部件之间的随机关

联性将导致故障概率增加，且传统的故障后维修将造成严重的经济成本损失，这

对于设置合理的预防性维护策略提出了较高的要求。此外，已有研究中往往考虑

维护资源可以无限供应，然而在实际应用中，维护资源往往是有限的，这就要求

在制定维护策略时必须考虑到资源的有限性和优化配置。针对上述问题，本文的

主要研究内容和创新点如下：

本论文首先考虑维护资金资源，对单部件系统全生命周期的维护策略进行研

究。本文引入非齐次伽马退化过程对退化规律进行建模，并建立对应的非完美维

护策略和非周期检查方案，以长期运行平均成本最小为目标函数，分别建立马尔

科夫决策过程和半马尔科夫决策过程模型来获得最佳维护策略，非完美维护策略

最佳检查周期为3，成本为22.966，非周期检查的最佳成本为25.978，实验结果表

明非完美维护策略和非周期检查方案均可以有效地节约资金资源。

随后，本文进一步对备件资源限制下的多部件系统的替换策略进行研究。将

当前的备件数量作为系统状态，利用基于策略梯度的方法，直接令策略网络输出

维护动作的采样概率。在实验论证环节，首先对备件服从泊松过程到达的随机情

况进行进行了实验仿真，在该实验中验证了所提出策略梯度算法相比基于值函数

的算法可以实现更小的长期运行平均成本。随后进一步比较了传统的固定形式的

备件预定方案与本论文提出的直接输出备件预定数量的方法在长期运行成本上的

差距，非固定结构库存策略的成本为77.574，明显优于传统固定形式的方案。

最后，本文考虑可重复利用资源，对维护时间和维护人员的有限性对短期内

维护工序调度的影响进行了研究。将维护工序调度问题转换为以最大化下一任务

时刻部件可用度的整数规划问题，并建立对应的析取图表征模型。利用图神经网

络对单个节点特征进行处理，使网络可以综合考虑多个特征，通过共享参数的方

法，使得所提出的算法在某一规模实例上训练后的网络可以泛化应用到其他实例。

实验结果表明本论文提出的算法相比手工设计的优先分配规则可以实现更大的可

用度，可用度达到4.537，且具有良好的泛化性能。

关键词：维护决策，有限资源，维护工序调度，多部件系统，深度强化学习

I

ABSTRACT

ABSTRACT

Thisthesisfocusesonthechallengesbroughtaboutbytheincreasingcomplexityand

precisionofmostequipmentastechnologyadvancesandsocietydevelops,whicharetyp-

icallymulti-componentsystems.Multi-componentsystemsposesignificantchallenges

formaintenancedecision-makingduetotheirhighinternalinterdependencies,dynamic

changes,non-linearbehaviors,andunpredictablefailuremodes.Ignoringthestochas-

ticcorrelationsbetweencomponentscanleadtoincreasedfailureprobabilities,andtra-

ditionalrepair-on-failuremaintenancecanresultinsevereeconomiclosses,whichsets

higherdemandsforestablishingreasonablepreventivemaintenancestrategies.Moreover,

existingresearchoftenassumesthatmaintenancereso