| 中文摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-33页 |
| 1.1 课题的研究背景及意义 | 第13-16页 |
| 1.1.1 单机调度与预防性维修决策的集成研究 | 第14-15页 |
| 1.1.2 单设备系统的预防性维修决策研究 | 第15页 |
| 1.1.3 考虑系统可靠性的维修决策模型和集成模型的研究 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-28页 |
| 1.2.1 单机调度与维修决策集成的研究现状 | 第16-21页 |
| 1.2.2 单设备维修决策的研究现状 | 第21-23页 |
| 1.2.3 维修决策模型和集成模型中的系统可靠度研究现状 | 第23-26页 |
| 1.2.4 问题的提出 | 第26-28页 |
| 1.3 本文主要的研究工作 | 第28页 |
| 1.4 本文的结构安排 | 第28-33页 |
| 第二章 单机调度与基于故障率的预防性维修决策的集成建模及优化 | 第33-45页 |
| 2.1 单机调度与基于故障率的预防性维修决策的集成建模 | 第33-38页 |
| 2.1.1 问题描述与模型假设 | 第33-34页 |
| 2.1.2 集成模型的联合策略 | 第34页 |
| 2.1.3 单机调度与基于故障率的预防性维修的集成建模 | 第34-38页 |
| 2.2 基于混合编码的遗传算法 | 第38-40页 |
| 2.2.1 编码的设计 | 第38页 |
| 2.2.2 遗传算子设计 | 第38-39页 |
| 2.2.3 遗传算法优化步骤及流程 | 第39-40页 |
| 2.3 数值仿真实验 | 第40-43页 |
| 2.3.1 三种情况下加工作业的总期望完成时间比较 | 第41页 |
| 2.3.2 与早期集成模型的比较 | 第41-43页 |
| 2.4 本章小结 | 第43-45页 |
| 第三章 单机调度与视情维修决策的随机期望值集成模型 | 第45-61页 |
| 3.1 不考虑维修的单机调度模型 | 第45-46页 |
| 3.2 单机调度与视情完美预防性维修决策的集成建模 | 第46-48页 |
| 3.2.1 问题描述 | 第46-47页 |
| 3.2.2 符号定义 | 第47页 |
| 3.2.3 单机调度与完美视情预防性维修决策的集成建模 | 第47-48页 |
| 3.3 单机调度与视情非完美预防性维修决策的集成建模 | 第48-49页 |
| 3.3.1 问题描述及模型假设 | 第48-49页 |
| 3.3.2 单机调度与视情非完美预防性维修决策的集成建模 | 第49页 |
| 3.4 神经网络结合遗传算法的智能优化算法 | 第49-52页 |
| 3.4.1 编码与遗传算子的设计 | 第50页 |
| 3.4.2 神经网络的训练 | 第50-52页 |
| 3.4.3 混合智能优化算法流程 | 第52页 |
| 3.5 数值仿真实验 | 第52-58页 |
| 3.5.1 在集成研究中采用视情维修策略与基于时间的维修策略的比较 | 第53-57页 |
| 3.5.2 在集成研究中采用非完美与完美视情策略的比较 | 第57页 |
| 3.5.3 在不同作业规模下集成模型采用三种维修策略的优化结果比较 | 第57-58页 |
| 3.6 本章小结 | 第58-61页 |
| 第四章 考虑性能可靠度约束的维修决策建模及优化 | 第61-73页 |
| 4.1 模型假设及维修策略 | 第61-62页 |
| 4.2 考虑性能可靠度约束的维修决策建模 | 第62-63页 |
| 4.2.1 长期平均维修费用率的计算 | 第62页 |
| 4.2.2 考虑性能可靠度约束的视情维修决策模型 | 第62-63页 |
| 4.3 稳态概率密度的计算 | 第63-64页 |
| 4.4 遗传算法 | 第64-65页 |
| 4.4.1 编码的设计 | 第64页 |
| 4.4.2 遗传算子的设计 | 第64-65页 |
| 4.5 数值仿真实验 | 第65-71页 |
| 4.5.1 维修成本与更换成本的比率对优化结果的影响 | 第65-66页 |
| 4.5.2 对优化结果的影响 | 第66-68页 |
| 4.5.3 对优化结果的影响 | 第68-70页 |
| 4.5.4 实例分析 | 第70-71页 |
| 4.6 本章小结 | 第71-73页 |
| 第五章 考虑性能可靠度约束的单机调度与视情维修决策的随机期望值集成模型 | 第73-99页 |
| 5.1 考虑性能可靠度约束的单机调度与维修决策的集成建模 | 第73-75页 |
| 5.1.1 模型假设 | 第73-74页 |
| 5.1.2 集成模型的建立 | 第74-75页 |
| 5.2 概率密度函数 | 第75-78页 |
| 5.2.1 概率密度函数的定义 | 第75-77页 |
| 5.2.2 概率密度函数的数值解法 | 第77-78页 |
| 5.3 数值仿真实验 | 第78-83页 |
| 5.3.1 预防性维修时间与小修时间的比率对优化结果的影响 | 第79-80页 |
| 5.3.2 θ对优化结果的影响 | 第80-83页 |
| 5.4 实例研究 | 第83-97页 |
| 5.4.1 问题描述 | 第84-85页 |
| 5.4.2 电弧炉的生产调度与视情维修的集成建模 | 第85-88页 |
| 5.4.3 电弧炉内衬蚀损过程的退化建模 | 第88-93页 |
| 5.4.4 数值实验 | 第93-96页 |
| 5.4.5 实例总结 | 第96-97页 |
| 5.5 本章小结 | 第97-99页 |
| 第六章 单机调度与视情维修决策的随机机会约束规划集成模型 | 第99-127页 |
| 6.1 单机调度与非完美视情维修决策集成的机会约束规划模型 | 第99-103页 |
| 6.1.1 问题描述 | 第99-100页 |
| 6.1.2 机会约束规划集成模型的建立 | 第100-103页 |
| 6.2 随机仿真、神经网络、分类器结合遗传算法的联合智能优化算法 | 第103-106页 |
| 6.2.1 算法提出的依据 | 第103-104页 |
| 6.2.2 算法描述 | 第104-106页 |
| 6.3 数值仿真实验 | 第106-110页 |
| 6.3.1 参数说明 | 第106-107页 |
| 6.3.2 引入分类器的优势 | 第107-109页 |
| 6.3.3 集成模型的仿真结果及分析 | 第109-110页 |
| 6.4 部分作业交付期受限的单机调度与视情维修的多目标集成模型 | 第110-124页 |
| 6.4.1 问题描述 | 第110-111页 |
| 6.4.2 单目标模型的建立 | 第111-114页 |
| 6.4.3 联合智能优化算法求解单目标问题 | 第114-119页 |
| 6.4.4 单目标优化的数值仿真实验 | 第119-123页 |
| 6.4.5 多目标模型的建立及优化 | 第123页 |
| 6.4.6 多目标优化的数值仿真实验 | 第123-124页 |
| 6.5 本章小结 | 第124-127页 |
| 第七章 单机调度与刀具预防性更换的集成建模及优化 | 第127-141页 |
| 7.1 问题描述及模型假设 | 第127-128页 |
| 7.2 单机调度与刀具预防性更换的集成建模 | 第128-132页 |
| 7.2.1 可在线检测劣化状态的刀具对应的集成模型 | 第128-130页 |
| 7.2.2 不可在线检测劣化状态的刀具对应的集成模型 | 第130-132页 |
| 7.3 刀具磨损过程的退化建模 | 第132-135页 |
| 7.3.1 退化模型的建立 | 第132-133页 |
| 7.3.2 丝锥退化模型的参数估计 | 第133-135页 |
| 7.4 基于混合编码的遗传算法 | 第135-136页 |
| 7.4.1 遗传编码与遗传算子的设计 | 第135页 |
| 7.4.2 适应值的计算 | 第135-136页 |
| 7.5 实例研究 | 第136-139页 |
| 7.5.1 可在线检测丝锥磨损状态的集成模型 | 第136-138页 |
| 7.5.2 不可在线检测丝锥磨损状态的集成模型 | 第138-139页 |
| 7.6 本章小结 | 第139-141页 |
| 第八章 总结与展望 | 第141-143页 |
| 8.1 工作总结 | 第141-142页 |
| 8.2 工作展望 | 第142-143页 |
| 参考文献 | 第143-157页 |
| 致谢 | 第157-159页 |
| 附录 | 第159-165页 |
| 攻读学位期间发表的学术论文目录及参与的项目 | 第165页 |
