李志強(qiáng) 徐廷學(xué) 高松 鄧春饒 趙建忠

摘 要：在現(xiàn)有多狀態(tài)可修元件完全維修建模和非完全維修建模的基礎(chǔ)上， 應(yīng)用Markov過程構(gòu)建了多狀態(tài)可修元件的視情維修可靠性分析模型。 從多狀態(tài)元件的定義出發(fā)， 分析了多狀態(tài)元件在無維修條件下的狀態(tài)轉(zhuǎn)移關(guān)系， 拓展構(gòu)建了元件在完全維修、 非完全維修以及視情維修條件下的狀態(tài)轉(zhuǎn)移微分方程和關(guān)系矩陣。 以某可修系統(tǒng)的狀態(tài)3元件和狀態(tài)4元件為例進(jìn)行了實例分析， 仿真結(jié)果表明， 視情維修相對于完全維修和非完全維修， 可以使元件保持更高的可靠度和可用度。

關(guān)鍵詞： 多狀態(tài); 完全維修; 非完全維修; 視情維修; 狀態(tài)轉(zhuǎn)移

中圖分類號：TJ760; TB114.3文獻(xiàn)標(biāo)識碼：A文章編號： 1673-5048（2018）05-0079-06[SQ0]

0 引言

傳統(tǒng)的可靠性分析方法假設(shè)元件只有正常運(yùn)行與故障失效兩個狀態(tài)。 在現(xiàn)實世界中， 諸多元件、 系統(tǒng)都是多狀態(tài)的[1-2]， 即除了正常運(yùn)行與故障失效兩個狀態(tài)之外， 還有一個或者多個中間狀態(tài)， 如機(jī)械元件的性能劣化狀態(tài)、 發(fā)電機(jī)的低壓輸出狀態(tài)等。 由于Markov過程在描述狀態(tài)轉(zhuǎn)移關(guān)系方面具有獨(dú)特的優(yōu)勢， 已廣泛應(yīng)用于元件的多狀態(tài)建模與分析中[3-4]。 劉航等[5]根據(jù)裝備的維修性和劣化性能分析， 提出了基于Markov過程的維修決策優(yōu)化模型， 研究了在考慮維修經(jīng)費(fèi)和時間條件下的最優(yōu)時間點。 為了提高兩級污水排放系統(tǒng)的可靠度， 綦法群等[6]應(yīng)用Markov過程構(gòu)建了系統(tǒng)的預(yù)防性維修模型， 以可用度最大化為目標(biāo)， 優(yōu)化維護(hù)頻率， 確定最佳的設(shè)備維護(hù)策略。

現(xiàn)有研究大多都基于完全維修假設(shè)， 即元件修復(fù)如新， 最簡單的例子就是換件維修。 修復(fù)如新只是理想條件下的維修方式， 實際上， 完全維修更多的是指換件維修， 以全新的元件更換故障失效的元件， 這樣就實現(xiàn)了真正的修復(fù)如新。 王明智等[7]應(yīng)用馬爾科夫鏈蒙特卡洛仿真方法， 分析了在少樣本情況下， 數(shù)控機(jī)床的非完全維修可靠性評估問題。 針對任務(wù)期內(nèi)有限維修能力下的單級保障效能評估問題， 李華等[8]在維修時間短、 備件充足的假設(shè)條件下， 提出了多層級不完全修復(fù)件的可用度近似評估算法。 Liu和Cai等[9-10]應(yīng)用動態(tài)貝葉斯網(wǎng)絡(luò)研究了深海封井器在非完全維修情況下的共因失效、 系統(tǒng)和元件的狀態(tài)轉(zhuǎn)移等相關(guān)問題。 非完全維修適用于故障后維修元件， 如處于人難以介入環(huán)境中的元件， 只有當(dāng)這類元件失效之后才能采取維修措施。 非完全維修的維修效果與工程實際比較吻合， 經(jīng)歷維修， 故障失效元件有可能直接恢復(fù)到正常運(yùn)行狀態(tài)， 也有可能恢復(fù)到某一中間狀態(tài)。

對于時刻處于狀態(tài)監(jiān)測條件下的元件、 系統(tǒng)，如機(jī)載捷聯(lián)慣導(dǎo)系統(tǒng)、 火控系統(tǒng)等， 適合采取更有效的維修措施， 即視情維修[11-12]（Conditional Based Maintenance，CBM）。 視情維修根據(jù)元件的故障機(jī)理影響分析， 參照傳感器狀態(tài)實時監(jiān)測結(jié)果， 對出現(xiàn)了退化現(xiàn)象的元件采取包括換件維修在內(nèi)的維修措施， 從而避免了元件發(fā)生“功能故障”， 避免

系統(tǒng)發(fā)生嚴(yán)重故障， 有效降低元件和系統(tǒng)的故障發(fā)生率。

1 無維修條件下多狀態(tài)元件可靠性建模

1.1 多狀態(tài)元件定義

多狀態(tài)元件包括正常運(yùn)行狀態(tài)、 中間退化狀態(tài)和故障失效狀態(tài)。 根據(jù)不同的狀態(tài)劃分標(biāo)準(zhǔn)， 中間退化狀態(tài)可以分為一級退化狀態(tài)、 二級退化狀態(tài)等多個狀態(tài)。 假設(shè)某元件具有k個狀態(tài)， 可表示為g={g1， g2， …， gk}， 對于任意狀態(tài)等級i， 有g(shù)i+1≥gi。 假設(shè)元件當(dāng)前的狀態(tài)函數(shù)為G（t）， 有G（t）∈g， 性能水平函數(shù)為W（t）， W（t）∈w={w1， w2， …， wm}， 對于滿足使用要求的元件， 滿足條件：G（t）≥W（t）。

1.2 無維修條件下的狀態(tài)轉(zhuǎn)移模型

定義一個離散狀態(tài)連續(xù)時間隨機(jī)過程{X（t）|t≥0}， X（t）∈{1， 2， …，K}， 時間參數(shù)t連續(xù)取值， t∈[0， ∞）。 對于t0<t1<t2<…<tn-1<tn<t， 條件概率分布函數(shù)滿足[13]：

Pr{X（tn）=xn|X（tn-1）=xn-1， …， X（t1）=x1，X（t0）=x0}=Pr{X（tn）=

xn|X（tn-1）=xn-1}（1）

則隨機(jī)過程{X（t）|t≥0}稱為Markov過程。

多狀態(tài)元件發(fā)生漸變劣化和突變劣化的狀態(tài)轉(zhuǎn)移過程， 以λ表示失效率，如圖1所示。在初始時刻， 元件處于完好無損狀態(tài)k， 隨著時間推移可能發(fā)生從狀態(tài)k到k-1的漸變劣化過程， 或者發(fā)生從狀態(tài)k到狀態(tài)i（i<k-1）的突變劣化過程。

根據(jù)元件的狀態(tài)轉(zhuǎn)移關(guān)系， 可以建立如下的微分方程組：

dpk（t）dt=-pk（t）∑k-1e=1λk， e

dpi（t）dt=∑ke=i+1λe， ipe（t）-pi（t）∑i-1e=1λi， e，

i=2， 3， …， k-1

dp1（t）dt=∑ke=2λe， 1pe（t） （2）

式中：

λi， j為元件從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的劣化密度函數(shù);

pi（t）為元件處于狀態(tài)i的概率函數(shù)。

微分方程的初始條件滿足：

pk（0）=1， pk-1（0）=pk-2（0）=…=p1（0）=0（3）

2 考慮維修因素的多狀態(tài)元件可靠性建模

當(dāng)元件為多狀態(tài)可修元件時， 除了發(fā)生漸變劣化和突變劣化的狀態(tài)轉(zhuǎn)移過程外， 還包括相應(yīng)的最小維修和較大維修， 以μ表示維修率， 如圖2所示。 最小維修， 使元件從狀態(tài)i轉(zhuǎn)移到狀態(tài)i+1; 較大維修， 使元件從狀態(tài)i轉(zhuǎn)移到狀態(tài)k（k>i+1）。 在任意時刻t， 元件處于狀態(tài)i， 下一時刻元件可能發(fā)生到狀態(tài)j（j≠i）的轉(zhuǎn)移， 或者繼續(xù)停留在狀態(tài)i。

當(dāng)元件發(fā)生故障失效時， 即處于狀態(tài)1， 完全維修可以使元件通過維修從狀態(tài)1回到完好狀態(tài)k， 不完好維修可以使元件通過維修從狀態(tài)1回到任一上級狀態(tài)i（1

以圖2為例， 完全維修使得元件從狀態(tài)1回到狀態(tài)k， 非完全維修使得元件從狀態(tài)1回到狀態(tài)任一上級。 視情維修通過對出現(xiàn)性能退化的元件進(jìn)行維修， 可以使元件從退化狀態(tài)j恢復(fù)到較好的任一狀態(tài)i（j<i≤k）。 根據(jù)元件的狀態(tài)轉(zhuǎn)移關(guān)系， 分別建立元件在完全維修、 非完全維修和視情維修下的微分方程組：

dpk（t）dt=μ1，kp1（t）-pk（t）∑k-1e=1λk， e

dpi（t）dt=∑ke=i+1λe， ipe（t）-pi（t）∑i-1e=1λi， e，

i=2， 3， …，k-1

dp1（t）dt=-μ1，kp1（t）+∑ke=2λe， 1pe（t） （4）

dpk（t）dt=μ1，kp1（t）-pk（t）∑k-1e=1λk， e

dpi（t）dt=μ1， ip1（t）+∑ke=i+1λe， ipe（t）-pi（t）∑i-1e=1λi， e

dp1（t）dt=-p1（t）∑ke=2μ1， e+∑ke=2λe， 1pe（t） （5）

dpk（t）dt=∑k-1e=1μe，kpe（t）-pk（t）∑k-1e=1λk， e

dpi（t）dt=∑ke=i+1λe， ipe（t）+∑i-1e=1μe， ipe（t）-

pi（t）（∑i-1e=1λi， e+∑ke=i+1μi， e）

dp1（t）dt=∑ke=2λe， 1pe（t）-p1（t）∑ke=2μ1， e ?（6）

式中：

μj， i為元件從狀態(tài)j轉(zhuǎn)移到狀態(tài)i的維修密度函數(shù)。

微分方程的初始條件同式（3）。

以狀態(tài)4元件為例， 根據(jù)狀態(tài)間轉(zhuǎn)移關(guān)系建立完全維修、 非完全維修和視情維修條件下的狀態(tài)轉(zhuǎn)移關(guān)系矩陣， 如表1～3所示。

3 案例分析

某系統(tǒng)由元件A和元件B并聯(lián)構(gòu)成， 元件A為狀態(tài)3元件， 失效率和維修率分別為λA=5-1y， μA=85-1y;元件B為狀態(tài)4元件， 失效率和維修率分別為λB=4.5-1y， μB=80-1y。 統(tǒng)計歷次故障數(shù)據(jù)與維修信息， 可對模型作如下假設(shè)：

對于狀態(tài)3元件A有：

對于元件A， 考慮元件的劣化與維修過程， 構(gòu)建如圖3所示的狀態(tài)轉(zhuǎn)移關(guān)系模型。

參照表1～3可建立狀態(tài)轉(zhuǎn)移微分方程， 其中視情維修條件下的微分方程為

dp3（t）dt=-（λ3， 2+λ3， 1）p3（t）+μ1， 3p1（t）+μ2， 3p2（t）

dp2（t）dt=-（λ2， 1+μ2， 3）p2（t）+λ3， 2p3（t）+μ1， 2p1（t）

dp1（t）dt=-（μ1， 2+μ1， 3）p1（t）+λ3， 1p3（t）+λ2， 1p2（t） （7）

經(jīng)Laplace Stieltjes變換與反變換， 確定元件A在3種維修方式下以gA1<w≤gA2為性能水平的可靠度曲線， 如圖4所示。

顯然， 在采取維修措施之后， 元件A能夠保持很高的可靠度水平， 完全維修條件下的可靠度指標(biāo)明顯高于非完全條件下的可靠度指標(biāo)。 由于視情維修充分考慮了元件的性能退化過程， 對出現(xiàn)的“潛在故障”進(jìn)行及時維修， 使得元件保持更高的水平。

對于元件B， 構(gòu)建如圖5所示的狀態(tài)轉(zhuǎn)移關(guān)系模型， 建立在視情維修條件下的狀態(tài)轉(zhuǎn)移微分方程， 如式（8）所示。 經(jīng)Laplace Stieltjes變換與反變換， 確定元件在視情維修條件下不同性能水平下的可靠度曲線， 如圖6所示。 作為對比， 以gB1<w≤gB2為性能水平， 確定元件B在3種維修方式下的可靠度曲線， 如圖7所示， 可以得出與元件A類似的結(jié)論。

分系統(tǒng)的可靠度可以通過建立元件A和元件B并聯(lián)后狀態(tài)組合的微分方程組確定， 為了解算方面， 可以利用通用生成函數(shù)求解， 具體方法參見文獻(xiàn)[14-15]， 此處不作闡述。

4 結(jié)論

由于現(xiàn)有研究多從完全維修和非完全維修角度出發(fā)， 進(jìn)行多狀態(tài)元件/系統(tǒng)的可靠性分析， 本文在分析元件狀態(tài)轉(zhuǎn)移關(guān)系的基礎(chǔ)上建立了基于Markov過程的視情維修模型：

（1） 基于Markov過程的多狀態(tài)元件視情維修模型充分考慮了元件的漸變劣化、 突變劣化等失效過程， 以及可能發(fā)生在任一退化狀態(tài)的維修過程， 這正好反映了視情維修的核心思想， 即對出現(xiàn)“潛在故障”的元件進(jìn)行及時維修;

（2） 視情維修條件下， 元件的可靠度相對于完全維修和非完全維修條件下更高， 這也正是傳統(tǒng)維修方式逐漸向視情維修轉(zhuǎn)變的原因。 對關(guān)鍵元件視情維修模型的構(gòu)建有利于提高元件的可用度， 避免不必要的故障停機(jī)， 從而保證系統(tǒng)處于可用狀態(tài)。 當(dāng)然， 如何合理協(xié)調(diào)多個多狀態(tài)元件之間的維修時機(jī)、 減少不必要的停機(jī)時間和節(jié)約維修成本是下一步的研究重點。

參考文獻(xiàn)：

[1] Ramirez Marquez J E， Coit D W. Multi State Component Criticality Analysis for Reliability Improvement in Multi State Systems[J]. Reliability Engineering and System Safety， 2007， 92（12）： 1608-1619.

[2] Zhang Ruijun， Zhang Lulu， Dong Mingxiao.Multi State System Importance Analysis Method of Fuzzy Bayesian Networks[J]. International Journal of Industrial and Systems Engineering， 2015， 21（3）： 395-414.

[3] Lisnianski A，Elmakias D，Laredo D，et al.A Multi State Markov Model for a Short Term Reliability Analysis of a Power Generating Unit[J].Reliability Engineering and System Safety， 2012， 98（1）：1-6.

[4] 耿巖，郭霖瀚，王寄明，等. 考慮休眠的兩部件系統(tǒng)可用度馬氏建模方法[J]. 儀器儀表學(xué)報， 2016， 37（9）： 1996-2003.

Geng Yan， Guo Linhan， Wang Jiming， et al. Markov Modeling Method for Availability of Two Item System under Passivation[J]. Chinese Journal of Scientific Instrument， 2016， 37（9）： 1996-2003.（in Chinese）

[5] 劉航，李群湛，郭鍇.組合式同相供電裝置維修決策建模及優(yōu)化[J]. 西南交通大學(xué)學(xué)報， 2017， 52（2）：355-362.

Liu Hang， Li Qunzhan， Guo Kai.Equipment Maintenance Decision Modeling and Optimization Based on Markov Process

for Combined Co Phase Power Supply[J].Journal of Southeast Jiaotong University，2017，52（2）：355-362. （in Chinese）

[6] 王京， 李天梅， 何華鋒， 等.多源測試性綜合評估數(shù)據(jù)等效折合模型與方法研究[J].兵工學(xué)報， 2017，38（1）：151-159.

Wang Jing， Li Tianmei， He Huafeng， et al. Research on Multi Source Data Equivalent Methods for Testability Integrated Evaluation[J]. Acta Armamentarii， 2017， 38（1）：151-159.（in Chinese）

[7] 王智明， 楊建國.數(shù)控機(jī)床不完全維修的貝葉斯可靠性評估[J]. 上海交通大學(xué)學(xué)報， 2014，48（5）：614-618.

Wang Zhiming， Yang Jianguo. Bayesian Reliability Assessment for Numerically Controlled Machine Tools with Imperfect Repair[J]. Journal of Shanghai Jiaotong University， 2014， 48（5）： 614-618.（in Chinese）

[8] 李華， 李慶民， 劉任洋.任務(wù)期內(nèi)多層級不完全修復(fù)件的可用度評估[J]. 系統(tǒng)工程與電子技術(shù)， 2016， 38（2）： 476-480.

Li Hua， Li Qingmin， Liu Renyang. Evaluation of Availability for Multi Indenture Partial Repairable Spares During the Mission[J]. Systems Engineering and Electronics， 2016， 38（2）： 476-480.（in Chinese）

[9] Liu Zengkai， Liu Yonghong， Cai Baoping， et al. Dynamic Bayesian Network Modeling of Reliability of Subsea Blowout Preventer Stack in Presence of Common Cause Failures[J]. Journal of Loss Prevention in the Process Industries， 2015， 38（1）： 58-66.

[10] Cai Baoping， Liu Yonghong， Zhang Yunwei， et al. Dynamic Bayesian Networks Based Performance Evaluation of Subsea Blowout Preventers in Presence of Imperfect Repair[J]. Expert Systems with Applications， 2013， 40（18）： 7544-7554.

[11]叢林虎， 徐廷學(xué)， 董琪， 等.基于改進(jìn)證據(jù)理論的導(dǎo)彈狀態(tài)評估方法[J]. 系統(tǒng)工程與電子技術(shù)， 2016， 38（1）： 70-76.

Cong Linhu， Xu Tingxue， Dong Qi， et al. Missile Condition Assessment Method Based on Improved Evidence Theory[J]. System Engineering and Electronics， 2016， 38（1）： 70-76.（in Chinese）

[12] 李志強(qiáng)， 徐廷學(xué)， 顧鈞元， 等.視情維修條件下的多狀態(tài)控制單元可用性建模與分析[J]. 兵工學(xué)報， 2017， 38（11）： 2240-2250.

Li Zhiqiang， Xu Tingxue， Gu Junyuan， et al. Availability Modeling and Analyzing of Multi State Control Unit under Condition Based Mintenance[J]. Acta Armamentarii， 2017， 38（11）： 2240-2250.（in Chinese）

[13] 李志強(qiáng)， 徐廷學(xué)， 董琪， 等. 基于 Markov 模型的多狀態(tài)不可修元件可靠性評估[J]. 電光與控制， 2017， 24（9）： 58-63.

Li Zhiqiang， Xu Tingxue， Dong Qi， et al. Reliability Assessment of Non Repairable Element with Multiple States Based on Markov Model[J]. Electronics Optics & Control， 2017 24（9）： 58-63.（in Chinese）

[14] 李春洋， 陳循， 易曉山， 等.基于向量通用生成函數(shù)的多性能參數(shù)多態(tài)系統(tǒng)可靠性分析[J]. 兵工學(xué)報， 2010， 31（12）：1604-1610.

Li Chunyang， Chen Xun， Yi Xiaoshan， et al. Reliability Analysis of Multi State System with Multiple Performance Parameters Based on Vector Universal Generating Function[J]. Acta Armamentarii， 2010， 31（12）： 1604-1610.（in Chinese）

[15] 闞琳潔， 張建國， 王丕東， 等.基于性能退化和通用發(fā)生函數(shù)的在軌空間機(jī)構(gòu)系統(tǒng)多狀態(tài)可靠性分析[J].機(jī)械工程學(xué)報，2017，53（11）： 20-28.

Kan Linjie， Zhang Jianguo，Wang Pidong，et al.Multi State System Reliability Analysis of Space Mechanism in Orbit Based on Performance Degradation and Universal Generating Function[J]. Journal of Mechanical Engineering，2017，53（11）： 20-28. （in Chinese）

Reliability Modeling for Repairable Multi StateElements

Based on Markov Process

Li Zhiqiang1，Xu Tingxue1，Gao Song2，Deng Chunrao3，Zhao Jianzhong1

（1. Navy Aeronautical University， Yantai 264001， China;2. Air Force Logistic Academy， Xuzhou 221000， China;

3.91206 of PLA， Qingdao 266108， China）

Abstract： On the basis ofperfect repair and imperfect repair of existing multi state repairable elements， the reliability analysis model of multi state repairable elements is established by using theMarkov process.

Based on the definition of multi state elements， the state transition relationship of multi state elements under without repair conditions is analyzed， and the state transition differential equation and relation matrix are developed under the condition of perfect repair， imperfect repair and conditional based maintenance. The example of state 3 elements and state 4 elements of a repairable system is given. The simulation results show that compared with to perfect repair and imperfect repair，conditional based maintenance can maintain higher reliability and availability of multi state elements.