[0029] 实施本发明实施例，具有如下有益效果：
[0030] 在本发明实施例中，由于能够将人为因素的设备状态检修和计划检修相结合，生 成可优化的检测修复成本函数，得到最优的单个检测周期、总检测周期以及最小成本，从而 克服了现有技术的局限性，结合人为因素更有效的评估设备检修风险，降低了设备检修周 期和成本。
【附图说明】
[0031] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据 这些附图获得其他的附图仍属于本发明的范畴。
[0032] 图1为本发明实施例提供的一种结合人为因素评估设备检修风险的方法的流程 图；
[0033] 图2为本发明实施例提供的一种结合人为因素评估设备检修风险的方法应用场景 中故障设备形成过程的结构示意图；
[0034] 图3为本发明实施例提供的一种结合人为因素评估设备检修风险的方法应用场景 中预设总检测周期与设备故障率二者之间曲线变化的结构示意图；
[0035]图4为本发明实施例提供的一种结合人为因素评估设备检修风险的系统的结构示 意图。
【具体实施方式】
[0036]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一 步地详细描述。
[0037] 如图1所示，为本发明实施例中，提供的一种结合人为因素评估设备检修风险的方 法，所述方法包括：
[0038] 步骤S1、根据设备状态检修的预设总检测周期，获取检测总次数及每一检测次数 对应的单个检测周期，并进一步获取单个检测周期内状态检修的平均检测成本作为第一成 本，以及获取单个检测周期内每次缺陷修复的平均费用成本和每次故障修复的平均费用成 本分别作为第二成本和第三成本；
[0039] 具体过程为，第一步、定义TN为预设总检测周期，T为单个检测周期，因此检测总次 数Nn=[Tn/T];其中，"[]"为取整函数；
[0040] 第二步、定义单个检测周期T平均检测费用成本为第一成本C1;每次检测出缺陷并 修复或替换（即缺陷修复）的平均费用成本为第二成本Cr;每次缺陷发展成故障被修复（BP 故障修复)为第三成本Cb;整个预设总检测周期的平均费用成本为CN;
[0041] 应当说明的是，上述四种费用成本均包括由于停机造成的削减负荷损失和补贴等 费用。
[0042] 步骤S2、确定人为因素检测失误的概率，并根据所述确定的人为因素检测失误的 概率，得到缺陷检测概率，且进一步根据所述得到的缺陷检测概率，获取单个检测周期与缺 陷修复次数的关联函数，以及单个检测周期与故障修复次数的关联函数；
[0043] 具体过程为，步骤S21、确定人为因素检测失误的概率，并根据确定的人为因素检 测失误的概率，得到缺陷检测概率;其中，人为因素检测失误的概率与得到的缺陷检测概率 相加后为1;
[0044] 在本发明实施例中，人为因素分主要为状态检测中的人为因素。例如，在历史数据 统计及模型参数估计过程中可能发生数据统计错误、选用模型错误、参数估计存在偏差等 人为失误;参数检测及数据处理过程中可能发生状态检测方法有误、偏离标准程序、数据读 取偏差等人为失误;设备当前状态判断过程中有可能发生状态偏离标准等人为失误。因此， 对于人为因素检测失误的概率我们简化为一个常数Hep，然后发生的缺陷（没有劣化为故 障)在检测点以P = l_Hep的概率被检测出来，即得到缺陷检测概率。
[0045]步骤S22、根据得到的缺陷检测概率，得到单个检测周期与其对应检测出缺陷时所 得数量的关联函数，单个检测周期与其对应所检缺陷检修后在下一检测周期仍为缺陷时所 得数量的关联函数，以及单个检测周期其对应所检缺陷在上一检测周期仍为缺陷且在下一 检测周期被完美检修时所得数量的关联函数，并进一步推导出单个检测周期与缺陷修复次 数的关联函数；
[0046]在本发明实施例中，如图2所示，故障设备的形成要经历两个过程:一、设备缺陷 (潜在故障)发生过程，可通过一定的检测手段识别出来;二、缺陷进一步劣化为功能故障的 过程。假定这两个过程是互相独立的。此时设备的实际运行情况用"正常"、"缺陷"和"故障" 三个状态来描述，其中，"缺陷"是一个中间状态。从图2中可知，缺陷发生到故障形成之间的 时间间隔称为时间延迟h，时间延迟h为随机变量，其分布函数为f(h)，因此单个检修周期T 内已经发生的缺陷的可靠性(没有发展成故障）函数可记为：
[0047]假设设备的缺陷率服从一个与时间相关的函数λ(〇,在不考虑人为失误概率的情 况下单个检测周期发生并检测出的缺陷次数可由公式(1)表示：
[0049] 式(1)中，ΚΚΤ)为单个检测周期发生并检测出的缺陷次数。
[0050] 由于设备检修也通过人来完成，因此式（1)中单个检测周期发生并检测出的缺陷 次数ΚΚΤ)需要进一步考虑人为因素，才能使得结果更准确。
[0051] 按照检修质量的好坏，检修结果可分为五类:完美检修、状态改善、状态不变、状态 恶化及检修故障。为了考虑人为因素对检修的影响，主要考虑完美检修PM(p erfeCt maintenance)，检修后状态不变ABA0(as bad as old，即仍为缺陷）和检修后故障MB (maintenance breakdown)三种情况。分别对应概率Ppm、PabackPmb，服从约束Ppm+Pabaq+Pmb = 1〇
[0052]应当说明的是，缺陷检测、缺陷修复及故障修复时间都远小于单个检测周期T;所 有的故障后检修均为完美检修，且对于缺陷的不完美检修(ΑΒΑ0)后的缺陷状态一定会在下 一个周期发展成故障MB或者被检测出来并完美检修PM。
[0053]在本发明实施例中，根据得到的缺陷检测概率p，得到在单个检修周期T内的t时刻 上，发生的某个缺陷在第一个检测周期内被检测出来的概率为pR(T-t)，因此，在Nn个周期 之前被检测出来的概率为Pi，具体如公式(2)所示；
[0055] 式（2)中，R(T-t)为单个检修周期T内已经发生的缺陷的可靠性（没有发展成故 障），
[0056] 根据公式（1)和(2)，可推导出单个检测周期与其对应检测出缺陷时所得数量的关 联函数Ki(T)，即可计算出结合人为因素时单个检测周期发生并检测出的缺陷次数，具体如 公式(3)所示：
[0058]对公式（3)进一步优化，当（1-ρ)2<<1时把η 2 3部分舍弃得，具体如公式(4)所 示：
[0060]获取单个检测周期与其对应所检缺陷检修后在下一检测周期仍为缺陷时所得数 量的关联函数f η(Τ)，即可计算出所检缺陷检修后保持状态不变的个数，具体如公式(5)所 示：
[0062]以及单个检测周期其对应所检缺陷在上一检测周期仍为缺陷且在下一检测周期 被完美检修时所得数量的关联函数，即可计算出所检缺陷在上一检测周期仍为缺陷且在下 一检测周期被完美检修的个数，具体如公式(6)所示：
[0064] 根据公式(3)-(6)，得到单个检测周期与缺陷修复次数的关联函数K2(T)，如公式 (7)所示：
[0065] K2(T)=Ki(T)+r ii(T)+r ι2(Τ) (7)
[0066] 步骤S23、根据得到的缺陷检测概率，得到单个检测周期与其对应缺陷在检修前衍 生出故障时所得数量的关联函数，以及单个检测周期与其对应缺陷在不完美检修后衍生为 故障时所得数量的关联函数，并进一步推导出单个检测周期与故障修复次数的关联函数。
[0067] 在本发明实施例中，根据得到的缺陷检测概率ρ，得到单个检测周期与其对应缺陷 在检修前衍生出故障时所得数量的关联函数也"），即可计算出单个检测周期内缺陷在检 修之前发展成故障的个数，具体如公式(8)所示：
[0069] 根据公式(4)和(8)，得到单个检测周期与故障修复次数的关联函数Β2(Τ)，具体如 公式(9)所示：
[0070] Β2(Τ)=Βι(Τ)+Κι(Τ)Ρμβ(9)
[0071] 式(9)中，ΚΚ?Ρμ