面向智能预诊的维护决策技术研究

面向预诊的维护决策是一种新兴的维护决策技术，其核心是基于设备性能评价与剩余寿命预测结果进行预测性维护决策过程建模与优化，与传统的预防性维护决策确定固定最佳维护周期问题有本质区别。本项目对预测维修过程建模、维修效果建模、考虑库存等约束的维修优化决策、以及维护策略制定等预诊维护决策关键技术展开研究，建立设备的拓扑关系、设备性能衰退关联关系、维修所需资源的量化模型，提出通过成组技术对维护任务进行相似性分析可以简化优化调度的观点；建立基于保养、维修、更换三种维修策略的维修效果模型，提出维修效果模型的自动更新方法；提出将数据挖掘技术应用于调度数据库中，从优化调度结果中发现规则，对未来的决策进行指导及验证，甚至改进优化决策过程。研究工作是实现设备的实时维护、提高设备维护的智能化水平以及保证系统安全运行的重要支撑技术，对于提高设备的可利用率、可维护性、延长设备的运行寿命具有重大的理论研究意义与应用价值。

本项目对预测维修过程建模、维修效果建模、考虑库存等约束的维修优化决策、以及维护策略制定等预诊维护决策关键技术展开研究，建立了设备的拓扑关系、设备性能衰退关联关系、维修所需资源的量化模型，提出了通过成组技术对维护任务进行相似性分析可以简化优化调度的观点，建立了成组维护过程数学模型并实现了成组维护优化；研究了维护活动触发策略，提出了基于性能阈值、以及基于费效比的决策方法，提出了基于规则以及基于聚类的成组维护方法，并给出了维护策略的选择准则；建立了基于保养、维修、更换三种维修策略的维修效果模型，提出了维修效果模型的自动更新方法；提出了基于混合遗传算法、禁忌搜索算法、人工免疫算法的维护决策优化方法，并将数据挖掘技术应用于调度数据库中，实现了决策过程优化。