王泽洲，陈云翔，蔡忠义，王莉莉，项华春

(1.空军工程大学 装备管理与无人机工程学院，陕西 西安 710051;2.中国人民解放军93920部队，陕西 汉中 723200)

随着科技的进步，航空、航天、核能等诸多高新技术领域得到快速发展，同时也对相关装备提出了更高的安全性要求。为了切实提升装备的可靠性，减少系统运营维护费用，预测与健康管理(Prognostics and Health Management,PHM)技术应运而生，并取得了良好效益[1-3]。PHM技术的核心是通过监测系统关键组成设备的性能退化数据来预测其剩余使用寿命，并提出相应的维修保障策略，从而提升装备运行的安全性与可靠性，降低故障或失效带来的风险。

传统的维修决策研究多基于随机过程描述设备的退化规律，进而依据设备的可靠性指标进行维修策略优化。Kallen等[4]采用Gamma过程描述设备的退化过程，并分析了检测周期与预防性维修阈值对失效风险和费用的影响。van der Weide等[5]通过几何过程预测设备的退化趋势，并优化了设备的维修时间。Ho等[6]则基于Markov过程构建设备性能退化状态转移方程，并以费用为目标函数建立优化模型，从而确定最优检测时间和维修时间。然而，上述研究对设备实际退化过程的描述并不完善，均是基于经验公式构建退化模型，而未能充分利用设备运行过程中的状态监测数据来进行退化建模，这将导致所建模型难以准确反映设备的真实退化规律，进而影响维修决策结果的科学性与合理性。

针对传统维修决策方法存在的不足，利用状态监测数据准确构建设备退化模型，并基于设备剩余寿命预测信息进行维修决策的方法开始逐步得到研究者的关注[7-9]。……