一种存在竞争失效条件下的设备剩余寿命预测方法
【专利摘要】本发明涉及一种对存在竞争失效条件下的高可靠性设备进行剩余寿命预测的方法。将造成其失效的故障模式看成两种模式的组合：第一种是缓变故障模式，用带漂移的维纳模型进行描述；第二种是突变故障模式，用泊松过程进行描述；设这两种故障模式相互独立，分别获得这两种故障模式下的剩余寿命以后，就可以得到设备的剩余寿命；具体包括：构建动态性能退化数据库；建立存在竞争失效条件下的设备性能退化模型；模型参数估计；剩余寿命预测。本发明预测设备剩余寿命的方法，可以对设备的个体寿命特征量进行预测分析，为设备的维修保障提供有力的理论依据和技术支撑，具有很好的工程应用前景。
【专利说明】一种存在竞争失效条件下的设备剩余寿命预测方法
【技术领域】
[0001]本发明属于可靠性工程【技术领域】，主要内容为一种对存在竞争失效条件下的高可靠性设备进行剩余寿命预测的方法。
【背景技术】
[0002]设备的寿命，通常指设备的使用寿命，根据GJB451A-2005的定义，使用寿命是“设备使用到无论从技术上还是经济上考虑都不宜再使用，而必须大修或报废时的寿命单位数”。更具体一些，设备的(可)使用寿命是指从设备制造完成到出现不能修复(或不值得修复)的故障或不能接受的故障率时的寿命单位数。剩余寿命(remaining life:RL),通常指剩余有效寿命(remaining useful life:RUL),也称为剩余服务寿命(remainingservicelife:RSL)或残余寿命(residual life)。剩余寿命预测,在现有技术的实际应用中是指在当前设备状态和历史状态数据已知的条件下，去预测在一个(或多个)失效发生之前还剩下多少时间。定义为条件随机变量:
[0003]P{T-t|T > t, Z(t)} (I)
[0004]其中，T表示到失效时间的随机变量，t为当前寿命，Z(t)为到当前时间的历史状态数据。由于RUL是随机变量，RUL预测通常是指:求RUL的分布，即式⑴，或者求RUL的期望，即:
[0005]E[T-t|T > t, Z(t)] (2)
[0006]当前，设备剩余寿命预测的方法主要有三类:基于机理模型的方法、基于人工智能的方法和基于统计模型的方法。
[0007]I)基于机理模型的剩余寿命预测方法
[0008]当已知系统精确的机理模型时，基于机理模型的预测方法能够给出比较准确的预测结果。然而，现代工业过程、生产制造设备、航空航天设备等的现代化水平不断提高，很多设备都是集机械、电子、液压和自动控制技术于一体的复杂设备，一般难以建立准确的机理模型。
[0009]2)基于人工智能的剩余寿命预测方法
[0010]基于人工智能的剩余寿命预测方法能充分考虑退化量的相关性、数据自相关和环境因子等因素，能够应用在多种场合下。然而，基于人工智能的方法难以得到体现剩余寿命随机不确定特征的概率分布函数，因此这类方法在设备的最优维护等相关的决策应用中有一定的局限性。
[0011]3)基于统计模型的剩余寿命预测方法
[0012]这类方法可以分为两种:基于间接状态监测数据的方法和基于直接状态监测数据的方法。基于间接状态监测数据的方法利用间接或部分反映设备性能的监测数据建模，对被检测设备的机理知识要求不高，易于建立剩余寿命预测模型。但是，由复杂设备组成的系统往往是非线性和随机性都很强的复杂系统，观测值由于系统非线性过程的传递，不一定会有明显的退化趋势，另外，在设备使用过程中，容易受到干扰和噪声的影响，也使得间接观测数据不能够真实地反映设备当前状态，导致这类剩余寿命预测方法存在一定的误差。基于直接状态监测数据的方法利用可以直接反映设备性能的监测数据建立退化轨迹模型，包括Ga_a过程、Markov过程和Wiener过程。其中，Gamma过程和Markov过程描述的退化过程，基本上都假设了退化过程是单调的、不可逆的。但是工程实际中，由于设备负载情况、内部状态的动态变化、外部环境的改变都有可能使得测量得到的退化变量具有非单调的特性。而Wiener过程能够较好地描述具有增加或减小趋势的非单调退化过程。
【发明内容】
[0013]针对上述现有技术状况，本发明的目的是:提供一种充分利用设备在性能退化过程中测得的性能退化数据，科学预测高可靠性设备个体剩余寿命，以解决存在竞争失效条件下设备的剩余寿命预测问题。[0014]现将本发明构思及技术解决方案叙述如下:
[0015]在工程实践中，可以获得一些机理知识和大致反映系统性能状态的监测数据，这些信息为使用基于统计模型的方法预测设备的剩余寿命提供了条件。对于发生缓变故障的设备，可以用带漂移的维纳模型近似地描述其退化过程。然而，由于运行环境的突然冲击，可能会使设备发生突然失效，即在系统发生缓变故障的同时发生突变故障，也就是在设备性能发生退化的过程中存在竞争失效的现象。因此，对于这类型的设备，本发明将造成其失效的故障模式可以看成是两种模式的组合:第一种是缓变故障模式，用带漂移的维纳模型进行描述；第二种是突变故障模式，用泊松过程进行描述；假设这两种故障模式相互独立，分别获得这两种故障模式下的剩余寿命以后，就可以得到设备的剩余寿命；具体包括以下步骤:
[0016]步骤1:动态性能退化数据库的构建
[0017]在设备的长期运行及储存过程中，由于本身元器件内在应力的释放，并在动载荷、腐蚀、磨损、疲劳载荷等的长期作用以及温度、湿度等环境因素的影响下，设备的某些器件将发生老化，从而出现缺陷，而这将使设备的某些性能状态发生漂移。当设备的性能退化量在某一时刻超过阈值时，设备不能很好地完成既定任务，从而导致故障的发生。与此同时，一些不确定的随机冲击因素，如通断电循环、指令错误、外在应力作用等，将使设备发生突然失效。因此，应该根据设备的运行情况，合理选择性能退化监测数据，如油液分析数据、温度、压力以及声音监测数据等，建立设备的性能退化数据库，并通过有效的维护方法，以减小设备发生故障的概率。在所构建的性能数据库中，主要包括两列，其中第一列为测试时间，第二列为测试数据。当新的测试数据到来后，将数据直接存入到测试数据库中，因而数据库是动态的。当对退化模型进行建模时，选取长度为N的数据，对模型参数进行更新。
[0018]步骤2:建立存在竞争失效条件下的设备性能退化模型
[0019]在工程实际中，一些设备的性能会同时受到两种故障模式的影响。一种是缓变故障，即设备性能发生缓慢退化而最终超过阈值I时发生的故障。另一种是突变故障，即当系统受到的突然冲击幅度大于阈值I时发生失效的故障。对于这种存在竞争失效条件下的设备性能退化过程，分成两种故障建模，如下所示:
[0020]步骤2.1:对于缓变故障，选取如下的模型:
[0021]y (t) = ao+a^i+ σ wff (ti) (3)[0022]其中，y(t)为性能退化量，&为第i次测量时的时间长度，a0为零次项，B1为一次项，称为漂移系数，ow为扩散系数，Wai)为标准的维纳过程；对所获取的数据进行抽样，以一定的间隔在测试数据中取Ii1 Oi1为正整数)个点仏，少。)，(A，M)，…，(、，A)，其中
…根据式⑶，可以得到:
【权利要求】
1.一种存在竞争失效条件下的设备剩余寿命预测方法，其特征在于:将造成其失效的故障模式可以看成是两种模式的组合:第一种是缓变故障模式，用带漂移的维纳模型进行描述；第二种是突变故障模式，用泊松过程进行描述；假设这两种故障模式相互独立，分别获得这两种故障模式下的剩余寿命以后，就可以得到设备的剩余寿命；具体包括以下步骤: 步骤1:构建动态性能退化数据库:在所构建的性能数据库中，包括两列数据，第一列为测试时间，第二列为测试数据；当对退化模型进行建模时，选取长度为N的数据，对模型参数进行更新； 步骤2:建立存在竞争失效条件下的设备性能退化模型； 步骤3:模型参数估计； 步骤4:剩余寿命预测。
2.根据权利要求1所述的一种存在竞争失效条件下的设备剩余寿命预测方法，其特征在于:步骤2中所述的“建立存在竞争失效条件下的设备性能退化模型”具体包括以下步骤: 步骤2.1:对于缓变故障，选取如下的模型: y (t) = ao+a^i+ σ ^it1)(3) 其中，y(t)为性能退化量，t为第i次测量时的时间长度，％为零次项，为一次项，称为漂移系数，σ?为扩散系数，Wai)为标准的维纳过程；对所获取的数据进行抽样，以一定的间隔在测试数据中取叫匕为正整数)个点
3.根据权利要求1所述的一种存在竞争失效条件下的设备剩余寿命预测方法，其特征在于:步骤3中所述的“剩余寿命预测”具体包括以下步骤: 步骤3.1:对于缓变故障，使用极大似然法对该模型中的参数进行估计。由维纳过程平稳独立增量可得
4.根据权利要求1所述的一种存在竞争失效条件下的设备剩余寿命预测方法，其特征在于:步骤4中所述的“模型参数估计”具体包括以下步骤: 步骤4.1 表示第一次发生突发失效的时间，7；1表示由于缓变性能退化而引起失效的剩余时间；假设缓变性能退化过程与突变故障的泊松过程相互独立；则此类设备的失效可以看成是两个过程之间的竞争，剩余有效寿命为7；，对应的剩余寿命分布
【文档编号】G06F19/00GK103678858SQ201210385248
【公开日】2014年3月26日 申请日期:2012年9月26日 优先权日:2012年9月26日
【发明者】胡昌华, 周志杰, 樊红东, 陈业 申请人:中国人民解放军第二炮兵工程大学