基于非齐次马尔可夫过程的多动作动态维护策略研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究意义与目的 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 设备维护体制演变 | 第14-15页 |
| 1.2.2 传统定期维护制度 | 第15-16页 |
| 1.2.3 基于状态的维护制度 | 第16-17页 |
| 1.2.4 基于状态的维护策略研究 | 第17-18页 |
| 1.3 存在的问题及本文创新点 | 第18-20页 |
| 1.4 论文架构 | 第20-22页 |
| 第二章 系统多状态建模与分析 | 第22-36页 |
| 2.1 基于设备指标参数的健康指数判别法 | 第22-25页 |
| 2.1.1 设备健康状态定义 | 第23页 |
| 2.1.2 设备健康指数的意义 | 第23-24页 |
| 2.1.3 设备健康指数模型 | 第24-25页 |
| 2.2 层次分析法获取权值 | 第25-28页 |
| 2.2.1 传统层次分析法 | 第26-28页 |
| 2.2.2 改进型层次分析法 | 第28页 |
| 2.3 设备指标数据标准化 | 第28-32页 |
| 2.3.1 变量数据和等级数据的标准化 | 第29页 |
| 2.3.2 基于神经网络的属性数据量化方法 | 第29-32页 |
| 2.4 多状态划分实例 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 衰退老化模型与多动作描述 | 第36-49页 |
| 3.1 马尔可夫过程概述 | 第36-37页 |
| 3.2 衰退与老化过程描述 | 第37-40页 |
| 3.2.1 衰退现象描述 | 第37-38页 |
| 3.2.2 老化现象描述 | 第38-40页 |
| 3.3 维护动作描述 | 第40-42页 |
| 3.3.1 维护动作分类 | 第40-41页 |
| 3.3.2 维护动作时间 | 第41页 |
| 3.3.3 维护动作风险 | 第41-42页 |
| 3.4 应用神经网络进行概率估计 | 第42-48页 |
| 3.4.1 神经网络原理 | 第42-43页 |
| 3.4.2 构建神经网络拟合时变分布函数 | 第43-45页 |
| 3.4.3 方法验证 | 第45-46页 |
| 3.4.4 转移概率和维护风险概率的估计步骤 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 动态维护策略算法 | 第49-57页 |
| 4.1 动态规划法 | 第49-50页 |
| 4.1.1 动态规划概述 | 第49页 |
| 4.1.2 动态规划的适用条件 | 第49-50页 |
| 4.2 维护模型描述 | 第50页 |
| 4.3 维护策略目标 | 第50-51页 |
| 4.4 策略动态规划算法 | 第51-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 策略数值验证及分析 | 第57-69页 |
| 5.1 策略参数设定 | 第57-59页 |
| 5.2 与参照策略对比实验 | 第59-62页 |
| 5.3 策略动态性分析 | 第62-66页 |
| 5.4 概率估计效果分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 结论 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录1-停机时间成本系数 | 第75-76页 |
| 附录2-离散型指数差分布 | 第76-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79页 |
