复杂性能监测环境和变工况下部分可观测系统最优维护策略研究

Properly scheduled maintenance activities can effectively improve the system reliability and reduce maintenance cost. While, how to properly schedule maintenance activities is always a research focus in the field of optimal maintenance optimization research, which results in the rapid development of optimal maintenance decision based on collected information. However, in fact, sensors used to collect the information may suffer from performance degradation, and the collected information may be missed when transferred through network. Furthermore, the system may operate under different conditions. These situations make a new challenge to optimal maintenance decision. Therefore, this project tries to study the optimal maintenance policies for a partially observable system with complex performance monitoring environments and variable operational states on the context of the control system of the new missile weapon. 1) In theory, obtain the optimal policies for a partially observable system with complex performance monitoring environments, and make a real-time optimal maintenance policy for a for a partially observable system with variable operational states based on fault prediction results; 2) In engineering, make an application to the control system of the new missile weapon with the obtained theoretical results, and propose an advice to make military training and equipment maintenance scheme, which ultimately helps to improve the equipment reliability and safety, and reduce the maintenance cost at the same time.

合理安排的维护活动能够有效提高系统可靠性、降低系统运行成本，而如何提高维护活动安排的合理性始终是最优维护领域研究的焦点，使得基于性能监测数据的最优维护研究得到了快速发展。然而，实际工作环境下常常存在传感器性能退化、监测数据缺失、变工况等复杂因素的影响，给最优维护策略研究带来了新的困难。因此，以某新型导弹武器控制系统为背景，开展复杂性能监测环境和变工况下部分可观测系统最优维护策略研究。1)在理论上，分别建立传感器存在性能退化、监测数据存在缺失以及性能监测手段对退化过程存在影响下的最优维护策略；研究基于实时故障预测信息的变工况下复杂设备实时最优预测维护问题，建立变工况下复杂设备实时最优预测维护策略；2）在工程上，应用所提方法解决某型导弹武器控制系统维护决策问题，为部队合理制定训练和维护计划提供理论指导，提高武器装备安全性和可靠性，降低维护保障费用。

实际工作环境下常常存在传感器性能退化、监测数据随机缺失等复杂因素的影响，给最优维护策略的制定带来了新的困难。项目以某新型导弹武器控制系统为背景，开展了复杂性能监测环境和变工况下部分可观测系统最优维护策略研究。主要研究内容及进展如下：.（1）针对性能退化监测数据存在丢失情形时的剩余寿命估计问题进行了深入研究。首先，利用布朗运动和伯努利分布分别对设备性能退化过程和监测数据丢失情形进行了描述，然后，在状态空间模型框架下，推导出量测数据缺失情形下的滤波器、平滑器以及基于EM算法的未知参数估计方法，再将估计得到的性能退化值代入首达时间意义下的剩余寿命分布表达式中，进而实现了设备的实时剩余寿命预测和最优维修决策。.（2）针对非周期性监测以及监测操作对退化性能存在影响等情形下部分可观测系统的最优维修问题，建立了基于马氏决策过程的具有一般意义的最优维修方程，获得了用以提高最优维修策略求解算法效率的关键特性，并证明了阈值型最优维修策略的存在性和阈值的单调性，在此基础上进一步给出了最优维修决策算法。.（3）研究了传感器存在性能退化情形下基于多传感器监测数据融合的设备寿命估计问题。通过状态增广的方式重新构造系统的状态空间模型，然后在分布式融合结构下，基于每个传感器量测信息，结合Kalman滤波和带有遗忘因子的递归最小二乘估计方法对每个传感器对应的性能退化值进行估计；在融合中心，以均方误差最小为准则，通过计算获得各传感器估计结果的最优融合权重以导出性能退化值的融合估计器，在此基础上，设计了最优融合估计算法。.（4）以导弹控制系统测试设备为研究对象，项目组利用理论研究成果设计与开发了剩余寿命预测与最优维修辅助决策支持系统，实现了对测试设备关键部件的剩余寿命预测，并在基础上制定最优策略，以指导部队维修实践，提高了部队的战斗力，降低了维修保障费用。