《Reliability Engineering & System Safety》：Component Cascade Utilization Optimization Based on an Integrated Framework with Hybrid Crack Growth Prediction
编辑推荐：
本文提出一种结合动态Gamma-Gamma过程与Paris定律的混合裂纹生长模型，利用粒子滤波实现实时状态与参数更新，并通过两阶段优化框架实现级联利用的决策优化，有效提升系统可靠性和经济性。
马骄阳|何曙光
天津大学管理与经济学院，中国天津市卫津路92号，300072
摘要
在复杂的工程系统中，关键部件在高负载条件下会逐渐退化，从而增加故障风险和维护成本。级联利用策略通过将部件从高负载服务重新分配到低负载服务，提供了一种经济有效的延长使用寿命的方法。关键决策（如切换时间和退化阈值）依赖于准确的剩余使用寿命（RUL）预测和风险评估。
本文提出了一个集成的闭环框架，在该框架中，疲劳裂纹扩展预测直接为级联利用决策提供支持。巴黎定律被结构性地嵌入到动态Gamma-Gamma过程的参数中，从而形成了一个混合裂纹扩展模型，该模型将确定性断裂力学与随机退化变异性有机结合。粒子滤波（PF）技术实现了实时状态和参数更新，以支持自适应预测。为了捕捉退化的物理层次结构，采用了两阶段决策框架：第一阶段确定最佳切换时间，第二阶段根据第一阶段继承的健康状态优化退化阈值。数值实验和敏感性分析表明，所提出的方法提高了建模精度，并通过预测-预测集成支持了自适应的、基于风险的级联利用。
引言
在复杂的工程系统中，关键部件通常在高应力下运行，并会随时间逐渐退化。由于这些部件的重要性及其高昂的成本，过早更换会导致经济损失，而延迟干预则会增加故障风险。为了应对这种权衡，级联利用策略将部件从高负载应用转移到低负载应用，从而在平衡成本和可靠性的同时延长使用寿命。然而，不同负载条件下的退化过程有所不同。高负载环境中的部件通常会加速磨损并面临更高的故障风险。时机不当的切换可能会低估部件的残值，而不合适的退化阈值则可能导致系统发生严重故障。确保级联利用的有效性需要两个关键决策：确定最佳切换时间以及设定确保持续安全使用的退化阈值。这些决策依赖于对部件健康状况的前瞻性评估，而这又需要准确的RUL预测和相关风险量化。这些见解对于在管理生命周期不确定性的同时最大化部件残值的级联利用策略至关重要。
为了解决这些挑战，本文提出了一个集成的闭环决策框架，在该框架中，疲劳裂纹扩展预测直接且自适应地为级联利用决策提供支持。核心贡献在于将巴黎定律结构性地嵌入到动态Gamma-Gamma过程的参数演化中，使得确定性断裂力学和随机环境变异性能够在统一的状态演化框架内共同控制裂纹扩展，而不是顺序或松散地耦合。PF技术用于实现裂纹状态和模型参数的联合在线更新，从而为决策支持提供基于不确定性的预测信息。在此基础上，开发了一个两阶段结构化决策框架，以捕捉级联利用中的物理退化层次结构。第一阶段在高负载退化动态下确定最佳切换时间，第二阶段根据继承的健康状态优化退化阈值，明确模拟了传统单阶段方法所忽略的阶段间依赖性。这种预测-预测集成实现了一个基于物理信息、具有风险意识的闭环决策框架，用于在不确定性环境下进行生命周期级联利用。
本文的其余部分组织如下：第2节回顾了疲劳裂纹预测和级联利用的相关工作，确定了关键方法和研究空白。第3节介绍了所提出的混合裂纹扩展建模方法，强调了巴黎定律在动态Gamma-Gamma过程中的结构嵌入以及基于PF的在线更新。第4节介绍了一个结构化的两阶段优化框架，用于捕捉级联利用中的物理层次结构和阶段间依赖性。第5节提供了数值实验和案例研究，以验证该框架的有效性，评估其性能，并进行风险偏好敏感性分析。第6节总结了主要发现、局限性以及未来研究的方向。
部分摘录
疲劳裂纹扩展预测
在剩余使用寿命（RUL）预测领域，研究人员开发了多种预测方法。对国内外研究的回顾表明，预测和健康管理（PHM）技术已在不同应用领域得到广泛探索和系统分类。基于此基础，表1重点回顾并比较了专门应用于疲劳裂纹扩展的PHM预测方法。
结合动态Gamma-Gamma过程和巴黎定律的混合模型进行疲劳裂纹预测
本节介绍了为级联利用决策提供预测基础的混合裂纹扩展模型。通过将巴黎定律结构性地嵌入到动态Gamma-Gamma过程的参数演化中，该模型能够在不同运行条件下实现基于不确定性的疲劳裂纹预测。
基于疲劳裂纹预测的级联利用两阶段优化
在第3节开发的概率疲劳裂纹预测框架的基础上，本节将裂纹扩展不确定性转化为以决策为导向的级联利用优化。建立了一个结构明确的两阶段优化框架，反映了从高负载到低负载操作引起的退化物理层次结构，并明确模拟了负载切换与裂纹容忍度决策之间的依赖性。
案例研究和数值实验
本节基于合成裂纹观测数据提供了一个案例研究，以验证所提出的混合裂纹扩展预测和结构化两阶段级联利用框架。数值实验旨在检验（i）混合预测模型捕捉异质性和时变裂纹演化能力，以及（ii）在不确定性下，由退化驱动的两阶段决策结构在协调负载切换和风险控制方面的有效性。
结论
本文提出了一个基于物理信息的闭环决策框架，将疲劳裂纹扩展预测与级联利用规划紧密耦合，形成了一个用于组件生命周期内自适应和风险意识操作的预测-预测循环。通过将断裂力学一致性嵌入到动态演化的随机过程中，开发了一个混合裂纹扩展模型，实现了在不同运行条件下基于不确定性的疲劳退化预测。
马骄阳：撰写——审稿与编辑、撰写——初稿、软件开发、方法论设计、数据整理。何曙光：撰写——审稿与编辑、可视化处理、项目监督、资金筹措。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的竞争性财务利益或个人关系。
