基于智能算法的多设备混联系统动态维护决策研究

论文摘要

维护对于工业生产设备、军事装备以及交通运输工具等系统的正常工作或安全运行具有重要作用。随着市场竞争的日趋激烈,企业面临着不断降低成本的巨大压力,设备的维护费用作为企业的最大单个可控费用,越来越受到企业的重视。因此,合理的维护决策对于企业降低维护成本,提高生产效益具有十分重要的意义。目前,事后维护和预防性维护在企业中得到了广泛的应用,并取得了明显的效果,但存在着维修不足或维修过剩的问题,会给企业带来严重的经济损失。此外,已存在的大量维护模型为单设备维护模型,对由多设备组成的生产系统并不适用。本论文针对上述问题,以多设备混联系统为研究对象,以故障诊断和寿命预测技术为支撑,进行动态维护决策及调度方法研究,主要内容如下:建立多设备混联系统维护模型。模型综合考虑设备的性能衰退特性,设备间的经济相关性和结构相关性,以及维护资源的限制问题。设备性能衰退过程采用威布尔函数模拟,维护调度中采用小修、大修和更换三种维护方式,维护费用包括维护本身的费用和停机损失两部分。考虑到多次维护活动以及维护启动费用,建立维护费用率模型。基于遗传算法,制定多设备维护调度策略。该策略以单次维护活动产生的维护费用最低为目标,在系统长期运行过程中,每产生一次维护活动,调用一次遗传算法对维护活动进行调度求解。针对模型中维护阈值的优化问题,提出一种用于求解连续空间优化问题的改进蚁群算法。该算法按照随机性的概率选择机制进行信息更新,经过局部搜索和全局搜索两个过程,最终找到目标解。经蚁群算法优化阈值后,将以更低的维护费用和更少的维护次数保证系统的平稳运行。建立基于Flexsim的维护仿真模型,并实现MATLAB维护决策模型与Flexsim维护仿真模型之间维护数据的实时动态交互。通过Flexsim强大的统计功能,从设备利用率、系统生产量等方面分析维护策略对生产系统的影响。最后,将本论文的维护策略和仿真技术应用于汽轮机叶片生产系统,应用结果显示本文建立的维护策略在降低生产系统维护费用,提高生产效率上的有效性与实用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源
• 1.2 课题研究的目的及意义
• 1.3 国内外研究现状综述
• 1.3.1 维护类型
• 1.3.2 维护决策模型
• 1.3.3 模型的优化求解方法
• 1.3.4 目前存在的问题
• 1.4 论文结构
• 第2章 多设备混联系统维护决策建模
• 2.1 维护活动描述
• 2.2 维护方式模型
• 2.2.1 性能衰退模型
• 2.2.2 维护方式及维护效果模型
• 2.3 维护费用模型
• 2.4 全周期费用率模型
• 2.5 本章小结
• 第3章 多设备混联系统预测性维护策略
• 3.1 多设备混联系统维护调度策略
• 3.2 遗传算法介绍
• 3.2.1 遗传算法的产生与发展
• 3.2.2 遗传算法的基本思想及特点
• 3.2.3 遗传算法的基本流程
• 3.3 遗传算法在维护调度中的应用
• 3.3.1 维护调度流程
• 3.3.2 遗传算子设计
• 3.4 数值算例
• 3.4.1 维护策略在某生产系统中的应用
• 3.4.2 算法比较
• 3.4.3 含有调整因子的维护策略应用
• 3.5 本章小结
• 第4章 维护策略的优化
• 4.1 蚁群算法简介
• 4.1.1 蚁群算法的基本原理
• 4.1.2 蚁群算法的研究现状
• 4.1.3 基本蚁群算法的数学模型
• 4.1.4 基本蚁群算法的实现步骤
• 4.2 改进的蚁群算法对维护阈值的优化
• 4.3 数值算例
• 4.4 本章小结
• 第5章 维护决策方法在汽轮机叶片加工生产车间中的应用研究
• 5.1 叶片加工车间介绍
• 5.2 智能维护决策方法的应用及其优化
• 5.2.1 基于遗传算法的维护调度
• 5.2.2 维护阈值的优化
• 5.3 基于Flexsim的维护决策仿真
• 5.3.1 Flexsim简介
• 5.3.2 Flexsim动态维护仿真模型
• 5.3.3 仿真结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 附录
• 攻读硕士学位期间发表的学术论文
• 致谢