一种不确定退化测量数据下的设备剩余寿命预测方法
【专利摘要】本发明属于可靠性工程【技术领域】，涉及一种不确定退化测量数据下的设备剩余寿命预测方法。该方法包括以下步骤：建立不确定退化测量数据下的设备性能退化模型；估计模型参数；估计设备潜在性能退化状态；预测剩余寿命。本发明给出了一种不确定退化测量数据下的预测设备剩余寿命的方法，同时考虑了退化状态不确定性和测量不确定性，不仅可以对设备的个体寿命和总体可靠性寿命特征量进行预测分析，还可以作为预测设备剩余寿命的一种有效分析工具，为设备基于状态的维修保障提供有力的理论依据和技术支撑，从而节约经费开支，避免不必要的经济损失，有很好的工程应用价值。
【专利说明】一种不确定退化测量数据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】，涉及一种不确定退化测量数据下的对高可靠性设备进行剩余寿命预测的方法。 【背景技术】
[0002]现有的剩余寿命预测方法，主要分为两大类:基于模型的方法和基于数据的方法。基于模型的方法包括基于机理模型的方法和基于统计模型的方法。其中，基于机理模型的方法由于系统的复杂性和随机性，难以得到系统准确的机理模型，使得该方法的应用受到限制:基于统计模型的方法综合利用了系统机理知识和状态监测数据，可以充分利用已有信息对剩余寿命进行预测。基于数据的方法充分利用了设备的有效测试数据，不需要建立系统性能退化过程的机理模型，然而，由于测量得到的数据会受到各种干扰以及噪声的影响，使测量数据存在一定的不确定性，这将降低对设备剩余寿命的预测的准确性。
[0003]在工程实践中，基于设备的测量退化数据进行剩余寿命预测得到了很大的关注.由于系统随机退化过程和测量误差的影响，测量数据中不可避免包含退化随机性和测量不确定性.然而，现有基于观测数据的剩余寿命估计研究中，没有将退化随机性和测量不确定性对估计的剩余寿命分布的影响同时考虑，因此基于数据的剩余寿命预测方法在解决实际问题上的应用受到了很大的限制，至今没有见到相关的报道。
【发明内容】
[0004]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得到的测量数据，科学预测高可靠性设备个体寿命和总体寿命特征量，以解决不确定测量数据下设备的剩余寿命预测问题。
[0005]现将本发明构思及技术解决方案叙述如下:
[0006]本发明的基本构思是，对于潜在性能退化过程可以采用带漂移的维纳模型近似地描述，而不确定测量的影响可以在性能退化状态的基础上通过引入加性噪声的方式考虑；然后利用滤波技术，实现了潜在退化状态的实时估计；在退化状态估计的基础上，实现同时考虑退化状态不确定性和测量不确定性的剩余寿命预测，以提高剩余寿命预测的准确性。
[0007]根据上述发明构思，本发明一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:包括以下步骤:
[0008]步骤1:建立不确定退化测量数据下的设备性能退化模型:
[0009]步骤1.1:潜在性能退化过程，将性能退化过程{X(t)，t≥0}选取为基于维纳过程的性能退化模型:
[0010]X(t) = X(O)+ Θ t+σ B(t)(I)
[0011]其中，Θ是漂移系数，σ (σ >0)是扩散系数；{B(t)，t≥0}是标准布朗运动，且有oB(t) DN(0, o2t)，用来刻画退化过程的随机动态及退化过程随时间变化的不确定性.令X(O) = X0表示初始退化状态.不失一般性，令Xtl = O ；[0012]步骤1.2:不确定测量数据，令{Y(t)，t > 0}表示对应的测量过程，通过测量过程建立潜在的退化状态与不确定测量数据之间的关系。采用以下退化领域最常用的测量模型，即t时刻的潜在退化状态与测量之间的关系为:
[0013]Y(t) = X(t)+ ε(2)
[0014]其中，ε是随机测量误差，假设在任一时刻t测量误差是独立同分布的，且有ε □ N(0, Y2).进一步假设ε与B(t)是相互独立的；
[0015]步骤1.3:基于以上的模型描述，一旦随机退化过程{X(t)，t≥0}首次达到预先给定的失效阈值ω，则认为设备失效，根据首达时间的概念，设备的寿命T可以定义为
[0016]T= inf {t:X(t) ^ ω | X (O) < ω },(3)
[0017]其中，ω为预先给定的失效阈值；
[0018]步骤1.4:在以上的框架下，基于实时测量的退化数据实现对服役设备剩余寿命的预测，并在新的退化测量数据获取后可以实现剩余寿命分布的更新；假设获取退化测量数据的离散监测时间点为O = h < & <...< tk,令yk = Y(tk)表示tk时刻的退化测量.因此，到时刻tk的所有退化测量数据的集合可以表示为Y1:k= {yi，y2，...，yk}，对应的退化状态的集合为X1:k = {x1; x2,..., xk},其中xk = X(tk).由式(2),进一步可以将tk时刻的测量方程描述为yk = Xk+ ε k，其中ε k是ε的独立同分布实现；
[0019]步骤2:估计模型参数:
[0020]步骤2.1:令O = (σ2，2, Θ)'表示未知参数向量.假设有N个测量设备，且第i个设备的测量时间为t1;..., tM,对应的测量数据为(Yi (tj) = Jup i = I,..., N, j =1，...，Μ}，其中表示每个设备的测量数据的个数.由式⑵知，第i个设备的在时刻的测量可以表示为
[0021]Yi (tj) = Θ tj+ σ B(tj)+ ε(4)
[0022]其中，ε。是测量误差，且有ε u □ N(0，Y 2)；
[0023]步骤2.2:令 t = (t1；..., tM) ' , Yi = (yia,..., yijM);.根据独立性假设和布朗运动的独立增量性质，可知Ji是多变量正态分布的，其均值和方差特征如下:
[0024]YiDN(UjQ), μ = 0t(5)
[0025]Ω = O2Q+2ΙΜ，Q= [minIti, t」}]丄《匕(6)
[0026]其中，Im是M阶单位阵；
[0027]步骤2.3:对于第i个设备的测量数据，有
[0028]Yi □ Ν( Θ t, σ 2Q+Y 2I1).(7)
[0029]步骤2.4:令Y = (y1; y2，...，yN)'表示N个设备所有的测量数据.根据不同设备测量数据之间的独立性假设，关于Θ对应所有测量数据Y的似然函数为
[0030]
【权利要求】
1.一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:对于潜在性能退化过程用带漂移的维纳模型近似地描述，不确定测量的影响在性能退化状态的基础上通过引入加性噪声的方式考虑；利用滤波技术，实现潜在退化状态的实时估计；在退化状态估计的基础上，实现退化状态不确定性和测量不确定性的剩余寿命预测，提高剩余寿命预测的准确性；包括以下步骤: 步骤1:建立不确定退化测量数据下的设备性能退化模型: 步骤2:估计模型参数: 步骤3:估计设备潜在性能退化状态: 步骤4:预测剩余寿命。
2.根据权利要求1所述的一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:步骤I中所述的“建立不确定退化测量数据下的设备性能退化模型”的具体步骤如下: 步骤1.1:潜在性能退化过程，将性能退化过程{X(t)，t ^ 0}选取为基于维纳过程的性能退化模型: X(t)=X(0)+ Θ t+σ B(t)(I) 其中，Θ是漂移系数，σ (σ>0)是扩散系数；{B(t)，t 0}是标准布朗运动，且有oB(t) DN(0, o2t)，用来刻画退化过程的随机动态及退化过程随时间变化的不确定性.令X (O) =X0表示初始退化状态.不失一般性,令Xtl=O ；
步骤1.2:不确定测量数据 ，令{Y(t)，t > 0}表示对应的测量过程，通过测量过程建立潜在的退化状态与不确定测量数据之间的关系。采用以下退化领域最常用的测量模型，即t时刻的潜在退化状态与测量之间的关系为: Y(t)=X(t)+e(2) 其中，ε是随机测量误差，假设在任一时刻t测量误差是独立同分布的，且有ε □ N(0, y2).进一步假设ε与B(t)是相互独立的； 步骤1.3:基于以上的模型描述，一旦随机退化过程{X(t)，t大于0}首次达到预先给定的失效阈值ω，则认为设备失效，根据首达时间的概念，设备的寿命T可以定义为T=inf {t:X (t)大于 ω IX (O)〈 ω }，(3) 其中，ω为预先给定的失效阈值； 步骤1.4:在以上的框架下，基于实时测量的退化数据实现对服役设备剩余寿命的预测，并在新的退化测量数据获取后可以实现剩余寿命分布的更新；假设获取退化测量数据的离散监测时间点为O=I^t1GKtk,令yk=Y(tk)表示tk时刻的退化测量.因此，到时刻tk的所有退化测量数据的集合可以表示为Y1:k={yi，y2,...，yk}，对应的退化状态的集合为X1:k= Ix1, x2, , xk}，其中xk=X(tk).由式(2)，进一步可以将tk时刻的测量方程描述为yk=xk+ek，其中￡15是ε的独立同分布实现。
3.根据权利要求1所述的一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:步骤2中所述的“估计模型参数”的具体步骤如下: 步骤2.1:令Θ = (σ2，y2, θ)'表示未知参数向量.假设有N个测量设备，且第i个设备的测量时间为t1;..., tM,对应的测量数据为(Yi (tj) =Yijj, i=l,..., N, j=l,..., Μ},其中表示每个设备的测量数据的个数.由式(2)知，第i个设备的在时刻\的测量可以表示为
Yi (tj) = Θ tj+ O B(tj)+ ε Jj,(4) 其中，％是测量误差，且有％ON(0，Y2)； 步骤2.2:令t=(t1；..., tM) ' , YiKyi,1;..., YijΜ)'.根据独立性假设和布朗运动的独立增量性质，可知Ji是多变量正态分布的，其均值和方差特征如下:
4.根据权利要求1所述的一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:步骤3中所述的“估计设备潜在性能退化状态”的具体步骤如下: 步骤3.1:将性能退化状态方程和测量方程在监测时刻转换为离散时间方程.然后在离散时间点tk，k=l，2，...上可以得到变换后的退化模型:
5.根据权利要求4所述的一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:步骤3.3:中所述的“在时间tk，基于卡尔曼滤波的潜在退化状态估计和更新过程”的具体步骤如下: 步骤3.3.1:状态估计:
6.根据权利要求1所述的一种不确定退化测量数据下的设备剩余寿命预测方法，其特征在于:步骤4中所述的“预测剩余寿命”的具体步骤如下: 步骤4.1:通过首达时间，tk时刻的剩余寿命Lk可以定义为 Lk=inf {lk > O:X (lk+tk)≥ ω }.(10) 步骤4.2:对应剩余寿命Lk的概率密度函数和累积分布函数分别为和
且有
【文档编号】G06F19/00GK103488881SQ201310409735
【公开日】2014年1月1日 申请日期:2013年9月6日 优先权日:2013年9月6日
【发明者】胡昌华, 司小胜, 何华锋, 周涛, 张建勋, 张琪 申请人:中国人民解放军第二炮兵工程大学