杨志远， 赵建民， 程中华， 郭驰名， 李俐莹

(1. 陆军工程大学石家庄校区 装备指挥与管理系，石家庄 050003；2. 河北科技大学 信息科学与工程学院， 石家庄 050000)

现代复杂系统通常装备有状态监测单元如传感器、仪表、计算设备[1]，这为基于状态的维修(CBM)实施提供了系统状态数据.相对于基于时间的维修方式，CBM能够有效控制“维修不足”和“维修过度”的问题[2].通常来说，获取系统状态信息的方式可分为定期检测和连续监测两类，相比于定期检测，连续监测能够实时获取系统状态信息，从而更为及时有效地进行CBM决策，降低系统故障风险和维修费用.随着传感器技术的发展，连续监测的应用场景越来越多，特别是对于一些关键部件或系统，如发电机组，其本身价值高、停机损失大，对系统状态进行连续监测更为适用.同时，复杂系统通常存在多个退化过程，且由于共同的运行环境、应力等因素，退化过程间往往是相关的，在CBM决策中需要充分考虑这些因素[3]，这也增加了多元退化系统CBM决策的难度.

对于有多个相关退化过程的系统而言，CBM决策的基础是对不同退化过程间的相关性进行建模描述.目前，常用的方法包括多维退化模型[4-5]、退化率相关模型[6-7]和基于Copula函数的退化相关模型[8-9].文献[4-5]分别采用多元正态分布和二元Birnbaum-Saunders(B-S)分布来描述不同退化过程间的相关关系，而分布形式也限制了此类方法的应用.文献[6-7]将不同退化过程间的相关关系表示为一个部件退化水平对其……