一种轨道车辆led驱动电源剩余寿命预测方法
【技术领域】：
[0001] 本发明涉及一种剩余寿命预测方法，具体是指一种轨道车辆LED驱动电源剩余寿 命预测方法。属于可靠性工程技术领域。
【背景技术】：
[0002] 现有的剩余寿命预测方法可分为两大类:基于模型的预测方法和基于数据的预测 方法。随着信号采集和信号处理等相关技术的发展，往往能够采集到丰富的系统运行数据， 根据这些数据建立起相应的数学模型，即为基于数据的预测方法，该方法已逐渐成为了预 测方法的中流砥柱，基于数据的预测方法主要由人工智能和概率统计两种方法组成。
[0003] 当前轨道车辆LED驱动电源剩余寿命预测采用的是基于失效数据的人工智能法， 尽管人工智能法的数据拟合程度较高，但是其对于未来的预测效果较差，且对于高可靠性 产品而言，失效数据往往在短时间内是难以获得的，因此其可行性较差。
[0004] 由于轨道车辆LED驱动电源的某些性能却会随着时间的推移而退化，大量与可靠 性和寿命相关的信息都包含于退化数据中，且概率统计方法可以根据退化数据较好地预测 未来状态的概率分布。因此，采用基于退化数据的概率统计法对轨道车辆LED驱动电源进行 剩余寿命预测更加合理、有效。
【发明内容】
：
[0005] 本发明的目的是提供轨道车辆LED驱动电源的剩余寿命预测方法，它能够提高轨 道车辆LED驱动电源剩余寿命预测的精度，同时降低了预测的不确定性。轨道车辆LED驱动 电源的剩余寿命预测方法分为五大模块，模块一为利用Wiener过程建立轨道车辆LED驱动 电源的退化模型；模块二为采用Hallberg-Peck加速模型来构造退化模型中漂移系数与温 湿度应力之间的关系；模块三为采用无信息先验分布，利用Bayes方法，通过对联合后验分 布进行积分从而将多余参数去除的算法，对退化模型中参数进行更新，从而获得其后验分 布;模块四为利用温度、湿度作为加速应力，实时采集轨道车辆LED驱动电源的性能退化数 据;模块五为根据采集的性能退化数据，外推出轨道车辆LED驱动电源在正常应力条件下的 剩余寿命。
[0006] 本发明技术方案的是：
[0007] 模块三为采用无信息先验分布，利用Bayes方法，通过对联合后验分布进行积分从 而将多余参数去除的算法，对退化模型中参数进行更新，从而获得其后验分布。根据Bayes 定理，后验分布可表示为：
[0008] p(0|y)〇cf(y|0)p(0) (1)
[0009] 式中p(0|y)为后验分布的概率密度函数，f(y|0)为似然函数，ρ(θ)为先验分布的 概率密度函数。
[0010]假设在Tl应力下第一组样本测量数据的分布为正态分布，其参数用了无 信息先验分布，该先验分布概率密度函数可表示为如下：
[0011]
(2) 2' 1
[0012] 令0￡1=01 Δ tiikJaLef Δ tiik，贝丨伊(見，€.)沈1
[0013] 则待估参数(0a，ea2)的联合后验分布为：
[0014] (3)
[0015] 首先，对待估参数03进行更新，则可将632看成多余参数，通过对联合后验分布进行 积分从而将多余参数去除，如式(4)所示：
[0016]
[0017]
[0018]
[0019] 可将
#其带入式(5)，可得：
[0020]
η
[0021] 式中：
从式(6)可以看出，Θ!的边缘后验 分布服从均值为Δ4.，尺度参数为￡的正态分布。 ?
[0022] 对待估参数ea2进行更新，如式(7)所示：
[0023]
[0024] 从式(7)可以看出，参数ε a2的后验分布与逆Gamma分布的概率密度函数成比例，因 此其形状参数为#，尺度参数为。可得参数9:的验后分布的均值为#，尺度参 数为;参数ει2的验后分布的形状参数为￥，尺度参数为。则在Τι应力下参数^ 和.￡.:12的估计值为：
[0025]
(8)
[0026]同理可得出在Τ2、Τ3···Τι应力下的参数估计值。
[0027] 本发明能够提高轨道车辆LED驱动电源剩余寿命预测的精度，同时降低了预测的 不确定性。
【附图说明】：
[0028] 图1为一种轨道车辆LED驱动电源剩余寿命预测方法的预测流程图。
【具体实施方式】：
[0029] 如图1所示，【具体实施方式】采用以下步骤：
[0030] (1)基于Wiener过程建立轨道车辆LED驱动电源的退化模型。
[0031] (2)利用Hallberg-Peck加速模型来构造退化模型中漂移系数Θ与温湿度应力之间 的关系，系数Θ和温湿度应力之间的关系。
[0032] (3)采用无信息先验分布，利用Bayes方法，通过对联合后验分布进行积分从而将 多余参数去除的算法，对退化模型中参数进行更新，从而获 [0033] 得其后验分布。根据Bayes定理，后验分布可表示为：
[0034] p(9|y)cxf(y|0)p(0) (1)
[0035]式中p(0|y)为后验分布的概率密度函数，f(y|0)为似然函数，ρ(θ)为先验分布的 概率密度函数。
[0036]假设在Ti应力下第一组样本测量数据的分布为正态分布，其参数01和￡12采用了无 信息先验分布，该先验分布概率密度函数可表示为如下：
[0037]
[0038]
[0039] 则待估参数(0a，ea2)的联合后验分布为：
[0040]
⑴
[0041 ]首先，对待估参数03进行更新，则可将632看成多余参数，通过对联合后验分布进行 积分从而将多余参数去除，如式(4)所示：
[0042? 1 (4)
[0043] 对其进行整理：
[0044]
Η
[0045] 可)1彳
将其带入式(5)，可得：
[0046]
[0047] 式中：
2。从式(6)可以看出，Θ:的边缘后验 分布服从均值为，尺度参数为&的正态分布。 η
[0048]对待估参数ea2进行更新，如式(7)所示：
[0049]
[0050]从式(7)可以看出，参数ε a2的后验分布与逆Gamma分布的概率密度函数成比例，因 此其形状参数为^，尺度参数为^可得参数01的验后分布的均值为，尺度参数 2 2 δ?πα 为_·，参数ε I2的验后分布的形状参数为^ ·，尺度参数为…。则在Τι应力下参数》t和 ?的估计值为：
[0051 ]
(8)
[0052]同理可得出在Τ2、Τ3···Τι应力下的参数估计值。
[0053] (4)利用温度、湿度作为加速应力，实时采集轨道车辆LED驱动电源的性能退化数 据，将数据带入Bayes算法中，外推出轨道车辆LED驱动电源在正常应力条件下的可靠度及 剩余寿命D
【主权项】
1. 一种轨道车辆LED驱动电源剩余寿命预测方法，其特征在于如下剩余寿命预测步骤： (1) 利用Wi ener过程建立轨道车辆LED驱动电源的退化模型； (2) 采用Hallberg-Peck加速模型来构造退化模型中漂移系数Θ与温湿度应力之间的关 系； (3) 采用无信息先验分布，利用Bayes方法，通过对联合后验分布进行积分从而将多余 参数去除的算法，对退化模型中参数进行更新，从而获得其后验分布，根据Bayes定理，后验 分布可表示为： ρ(θ|γ)^Γ(γ|θ)ρ(θ) (1) 式中P(9|y)为后验分布的概率密度函数，f(y|0)为似然函数，ρ(θ)为先验分布的概率 密度函数，假设在!^应力下第一组样本测量数据的分布为正态分布，其参数01和￡12采用了 无信息先验分布，该先验分布概率密度函数可表示为如下： ρ((1ε2)^\ (62) ￡ 2 1 令0a=01 A tiik，= Δ tiik，则).0^ -F A 贝幡估参数(，εa2)的联合后验分布为： [Σ-^^ιια-Ο2] 户(Κ I AZ1U) ex (?2) 2 β (3 ) 首先，对待估参数03进行更新，则可将￡32看成多余参数，通过对联合后验分布进行积分 从而将多余参数去除，如式(4)所示： 〇 -?-1 [Σ-^2{ΑΖΙΙΑ-Θ^ ρ(θα\ΑΖη?,)^1(εα-) 2 de: (4) 对其进行整理： Γ(?/2) Μ|ΔΖιη)?： -· :k=i fk-吋,2]'丄丨.2 ??(--(〇2 e*-1 ' 4εα (5) 0 Τ(ηΠ) Τ(η?2) =--- [Σ^11?：-0Γ/2]"2 k-\ ，η 2 ·η 2 可将-見 > 化为:(碑,,-?)2 + ￡(AZiw - A^m),将其带入式(5 )，可得： f=.l k=\ 辦 |AZlu)<x、 ΓΧ(ΔΖη,-^) /2Ρ ?-ι _Γ(",2)_ [1Χ(ΔΖΠ ,-ΔΖΠΑ.Γ^.[1+ ηη{ΑΖ^-θ^ ]f 2μ Σ(ΔΖπ,-ΔΖΗ?)= 式 Il+.V"(AZut-y.-......]一發 (6； Y(AZm-AZmy k=\ (/7-11^ η 式中：Afls =i文AZ,U，心从式⑷可以看出，01的边缘后验分布 服从均值为缉，，尺度参数为&的正态分布，对待估参数C进行更新，如式(7)所示： η p{s：\KZnk)^\ \ε；) 1 e- z〇' ?θα ? ^CC'：· _?__?Γ+? [-?4τ(η(ΔΖπ*η^^2+Σ(ΔΖι ^(ε;) - [ e "w, λ-! d(i J -ce " (AZnt-0a)i ^ 〇-「丫％ 1ε> m)洲 〇 " ^ ° (7) " 卜Q卜i^Uk-θα? , 〇c(5i；-) 2 .e ^ . J e -￡ci，n ?θα , r (h-1)S2i [ir] χ(ε;) 2 ·ε 』a 从式(7)可以看出，参数ea2的后验分布与逆Gamma分布的概率密度函数成比例，因此其 形状参数为·^，尺度参数为，.参数θι的验后分布的均值为^，尺度参数为^111·， 2 2. Δ^?? η 参数ει2的验后分布的形状参数为^，尺度参数为^^，则在Τι应力下参数洗和的估计 值为： 卜1 坩.,· = ! 削,=! 同理可得出在T2、T3…Τι应力下的参数估计值； (4)利用温度、湿度作为加速应力，实时采集轨道车辆LED驱动电源的性能退化数据，将 数据带入Bayes算法中，外推出轨道车辆LED驱动电源在正常应力条件下的可靠度及剩余寿 命。2. 根据权利要求1所述的一种轨道车辆LED驱动电源剩余寿命预测方法，其特征在于轨 道车辆LE：D驱动电源剩余寿命以小时为计的剩余寿命。3. 根据权利要求1所述的一种轨道车辆LED驱动电源剩余寿命预测方法，其特征在于在 退化数据实时采集过程中，采集内容为轨道车辆LED驱动电源电流。4. 根据权利要求1所述的一种轨道车辆LED驱动电源剩余寿命预测方法，其特征在于在 建立轨道车辆LED驱动电源退化模型过程中，应力为温度和湿度，退化主要为轨道车辆LED 驱动电源输出电流的衰减。5. 根据权利要求1所述的一种轨道车辆LED驱动电源剩余寿命预测方法，其特征在于计 算出的轨道车辆LED驱动电源剩余寿命结果包括:加速应力下剩余寿命和可靠度所对应的 关系、正常应力下剩余寿命和可靠度对应的关系、剩余寿命分位值的点估计。
【专利摘要】本发明一种轨道车辆LED驱动电源剩余寿命预测方法，属于可靠性工程技术领域。该方法包括以下步骤：1、基于Wiener过程建立轨道车辆LED驱动电源的退化模型；2、利用Hallberg-Peck加速模型来构造退化模型中漂移系数θ与温湿度应力之间的关系，系数θ和温湿度应力之间的关系；3、采用无信息先验分布，利用Bayes方法，对退化模型中参数进行更新，从而获得其后验分布；4、利用温度、湿度作为加速应力，实时采集轨道车辆LED驱动电源的性能退化数据，将数据带入Bayes算法中，外推出轨道车辆LED驱动电源在正常应力条件下的可靠度及剩余寿命。本发明的优点在于能够提高轨道车辆LED驱动电源剩余寿命预测的精度，降低预测的不确定性。
【IPC分类】G06F17/50
【公开号】CN105468866
【申请号】CN201510932464
【发明人】张邦成, 陈珉珉, 李波, 高智, 尹晓静
【申请人】长春工业大学, 长春研奥电器有限公司
【公开日】2016年4月6日
【申请日】2015年12月15日