基于问题解耦的航空发动机全寿命维修决策优化算法的制作方法

技术特征：
1.一种基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，将发动机全寿命维修决策问题的决策变量分为三组，第一组是发动机全寿命期内的维修次数，第二组是历次维修时机，第三组是历次维修时，各单元体是否大修、各寿命件是否更换；其中第一组决策变量进行遍历处理，第二组决策变量采用粒子群优化算法进行求解，第三组决策变量处理方法包括以下步骤：步骤1：根据发动机维修间隔估计出发动机最小送修次数m
min
和最大送修次数m
max
；步骤2：设置粒子群规模s、发动机维修间隔[i
min
,i
max
]、最大迭代次数n、学习因子c1和c2、权重w、r1、r2、发动机维修次数m＝m
min
；步骤3：粒子维度q＝m，随机初始化s个粒子，包括各个粒子的位置x
i
＝{t
i1
,t
i2
,...,t
im
}和速度v
i
＝{v
i1
,v
i2
,...,v
im
}，迭代次数n＝0；步骤4：根据每个粒子的位置x
i
以及寿命件最优更换策略和单元体最优维修策略的求解方法，计算出所有寿命件全寿命期内的总更换成本c
llp,min
(x
i
)和所有单元体全寿命期内的总维修成本c
mod,min
(x
i
)，进而得到总维修成本c(x
i
)，并将总维修成本c(x
i
)的负数作为该粒子的适应值；步骤5：对于每个粒子，将当前适应值与所经历过的最大适应值进行比较，如果更大，则将其作为粒子的个体历史最大适应值，用当前位置更新个体历史最好位置，否则不更新；步骤6：对于每个粒子，将其历史最大适应值与群体内全局最大适应值进行比较，若更大，则将粒子当前适应值更新为全局最大适应值，当前位置更新为全局历史最好位置，否则不更新；步骤7：更新粒子的位置和速度，迭代次数n＝n 1；步骤8：判断迭代次数是否超过n次，如果没超过则跳转步骤4。超过则记录n次迭代中的全局最大适应值、全局历史最好位置，维修次数m＝m 1；步骤9：判断维修次数m是否超过m
max
，如果没超过则转到步骤3，超过则比较不同维修次数中全局最大适应值的大小，输出其中最大的适应值、最大适应值对应的维修次数m
*
和维修次数m
*
中全局最好位置，最大的适应值对应总维修成本最小的负值，全局最好位置对应最优的维修时机；步骤10：在维修时机确定的条件下，按照寿命件最优更换策略和单元体最优维修策略的求解方法得到寿命件最优更换策略和单元体最优维修策略。2.根据权利要求1所述的一种基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，当第一组决策变量确定时，以第二组决策变量历次维修时机为决策变量所建立的发动机全寿命维修决策优化模型如式(8)所示，minc(t1,t2,
…
,t
m
)＝m
·
c0 c
llp,min
(t1,t2,
…
,t
m
) c
mod,min
(t1,t2,
…
,t
m
)c
llp,min
(t1,t2,...,t
m
)：决策变量历次维修时机确定时，所有寿命件全寿命期内的总更换成本最小值；c
mod,min
(t1,t2,...,t
m
)：决策变量历次维修时机确定时，所有单元体全寿命期内的总维修成本最小值。
3.根据权利要求1所述的一种基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，寿命件最优更换策略的确定规则可以形式化表示为式(9)：式中：——代表第k次维修时寿命件l
j
是否更换，取值为1代表更换，取值为0代表不更换。4.根据权利要求1所述的一种基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，单元体最优维修策略通过依次对各单元体的最优更换策略进行求解，对单个单元体，其最优维修策略的取值空间大小为2
m
，由于发动机全寿命期内的维修次数往往很小，所以单元体最优维修策略的取值空间也很小，因此，可采用遍历式的方法对单个单元体的最优维修策略进行求解。

技术总结
本发明涉及航空发动机维修策略技术领域，具体的说是一种可以有效的降低发动机的维修成本的基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，将发动机全寿命维修决策问题的决策变量分为三组，第一组是发动机全寿命期内的维修次数，第二组是历次维修时机，第三组是历次维修时，各单元体是否大修、各寿命件是否更换；其中第一组决策变量进行遍历处理，第二组决策变量采用粒子群优化算法进行求解，第三组决策变量采用基于粒子群优化的发动机维修决策算法。动机维修决策算法。


技术研发人员：付旭云 钟诗胜 张永健 何文辉
受保护的技术使用者：哈尔滨工业大学（威海）
技术研发日：2020.07.01
技术公布日：2022/1/3