随着计算机和电子技术的飞跃发展,生产设备正向高速、高负载和高自动化程度的方向发展,同时由于设备故障所导致的事故的严重程度也大幅增加,产生了严重的社会影响。随着设备的运行,其运行状态、操作成本、维护动作可靠性等等都会随之发生变化,传统的定期维护策略会导致维护缺乏或过度,所以基于状态的动态维护研究逐渐成为一个热门的研究方向。本研究拟定的对象是具有在线监控装置的单体设备,该设备运行状态会衰退,且随着运行时间的增加,衰退现象加速。研究的基本流程是:首先,引入健康指数概念,提出针对设备的整体健康指数模型,利用获得的设备运行实时数据,经过标准化处理,得到设备的整体健康指数,进而将运行状况划分为多个离散状态;其次,利用神经网络的自学习和函数拟合功能,从设备的历史运行状态信息中,估计出设备在不同虚拟年龄下的状态转移幅度(状态转移前后的状态值之差)服从的分布函数,进而得到随着设备运行而发生变化的状态转移概率矩阵;最后,根据所获得的设备状态转移概率矩阵,采用离散非齐次马尔可夫衰退模型来描述设备状态的变化,使用上三角转移概率矩阵描述设备状态的衰退,转移概率的改变来描述设备的老化现象(状态衰退的“加速”)。并假设有多种不完全维护动作可供选用且维护动作具有失败的风险,时间不可忽略。在此基础上,建立动态预防维护模型,引入停机损失成本因子,将停机时间转化为停机损失成本,应用动态规划算法得出当前的最优维护动作,以使得未来一段时间内期望总成本最小。数值验证的结果显示,本研究提出的动态策略在多种类型的参数设定值组合下,相对比传统的定期维护策略,有显著的降低成本的效果。