一种基于性能退化分析的智能制造装备可靠性的评估方法与流程

技术特征：

1.一种基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，包括步骤：

(1)分析：

分析识别表征智能制造装备使用可靠性的现场使用的目标性能退化指标，以及影响其可靠性的目标环境和工况应力因素。

(2)采集信息：

采集所述目标性能退化指标数据和所述目标环境和工况应力因素数据。

(3)评估：

对采集到的所述目标性能退化指标数据进行建模分析，并将采集到的所述目标环境和工况应力因素数据进行建模引入，应用贝叶斯方法构建可靠性评估。

2.根据权利要求1所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤(1)分析具体包括：

A1、识别所述智能制造装备的系统中的目标子系统；

A2、建立所述智能制造装备的系统、所述目标子系统与系统使用功能和输出特性之间的关联关系。

A3、监测所述系统使用功能和输出特性参数，选择确定表征所述智能制造装备的系统可靠性的目标性能退化指标。

A4、收集所述智能制造装备现场的故障信息和售后维修记录，对故障原因和影响因素进行分析识别，确认使用环境和工况中影响系统性能参数的目标环境和工况应力因素。

3.根据权利要求1所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤(2)具体包括：

在识别所述智能制造装备的系统中的目标子系统为主轴子系统和液压子系统基础上，令Y₁(t)描述所述液压子系统对应指标的性能退化过程，Y₂(t)描述所述主轴子系统对应指标的性能退化过程，X^E为工作环境变量，X^O为加工任务变量。

性能退化观测数据定义为：y_k(t_ihj)(k＝1，2，i＝1，2，h＝1，…，10，j＝1，…，m_ih)，y_k(t_ihj)即为第i个样本的第k个子系统，在第h个任务区间内的第j个观测时间点观测到的性能退化值。

其中，k为液压子系统(k＝1)和主轴子系统(k＝2)的系数，i为样本的系数，h为工作任务的系数，j为观测点的系数。为第i个样本所处工作环境变量的观测值；为第i个在第h个任务区间内所经历工作任务变量的观测值。

4.根据权利要求1所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤(3)的实现具体包括以下步骤：

C1、获取各目标性能退化指标的退化增量数据；

C2、若所述退化增量数据为单调递增型退化增量，则通过逆高斯过程模型对性能退化过程进行建模；若否，则选择维纳过程模型进行建模；

C3、将采集到的所述目标环境和工况应力因素数据引入到各目标性能指标对应的性能退化模型中；

C4、应用贝叶斯方法，对引入了所述目标环境和工况应力因素的性能退化模型的模型参数进行估计，得到所述模型参数的后验概率分布抽样样本，以及所述模型参数的点估计值；

C5、在所述模型参数的点估计值的基础上，基于C2中各性能退化增量数据对应的模型，获取所述目标性能退化指标的退化增量数据在对应模型下的累计概率分布函数值；

C6、在步骤C5中的所述累计概率分布函数值的基础上，通过所述目标性能退化指标两两组合的散点分析，并以此选择Copula函数来对所述目标性能退化指标间的相关关系进行建模；

C7、在步骤C6中所述目标性能退化指标间Copula函数确定的基础上，利用C5中所有目标性能退化指标的退化增量数据的累计概率分布函数值，应用贝叶斯方法对Copula函数的模型参数进行估计，获取Copula函数模型参数的后验概率分布抽样的样本。

C8、在所述C4和C5中模型参数的后验概率分布样本的基础上，结合所述维纳过程模型和逆高斯过程模型在所述Copula函数组合下可靠度函数的表达式，将所述模型参数的后验概率分布样本带入可靠度函数的表达式中，获得可靠度后验概率分布的样本，并通过计算所述样本的均值、方差和核函数，获得装备使用寿命的点估计、区间估计和近似概率分布。

5.根据权利要求4所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤C1具体为：

采用散点图形式将Y₁(t)和log(Y₂(t))的退化增量绘制出来，分别记Δy₁(t_ihj)＝y₁(t_ihj)-y₁(t_ih，j-1)和Δlog(y₂(t_ihj))＝log(y₂(t_ihj))-log(y₂(t_ih，j-1))为Y₁(t)和log(Y₂(t))的退化增量。

6.根据权利要求4所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤C2具体为：

y₁(t_ihj)～IG(β₁t_ihj，λ₁(β₁t_ihj)²)，i＝1，2；h＝1，L，10，

log(y₂(t_ihj))～N(θ₂+β₂t_ihj，σ₂²t_ihj)，j＝1，L，m_ih

其中，y₁(t_ihj)～IG(β₁t_ihj，λ₁(β₁t_ihj)²)为Y₁(t)的观测值y₁(t_ihj)对应的逆高斯过程模型；log(y₂(t_ihj))～N(θ₂+β₂t_ihj，σ₂²t_ihj)为Y₂(t)的观测值log(y₂(t_ihj))对应的维纳过程模型。

7.根据权利要求4所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤C3具体为：

Δy₁(t_ihj)～IG(ΔΛ₁(t_ihj)，λ₁ΔΛ₁(t_ihj)²)，i＝1，2；h＝1，L，10，

Δlog(y₂(t_ihj))～N(μ_2ihΔt_ihj，σ₂²Δt_ihj)，j＝1，L，m_ih，

F(Δy₁(t_ihj)，Δlog(y₂(t_ihj)))＝C(F(Δy₁(t_ihj))，F(Δlog(y₂(t_ihj)))|θ_C)，

$\begin{array}{c}F\left({\mathrm{\Δy}}_1\left(t_{ihj}\right)\right)=\mathrm{\Φ}\left(\sqrt{\frac{{\mathrm{\λ}}_1}{{\mathrm{\Δy}}_{1ij}}}\left({\mathrm{\Δy}}_1\left(t_{ihj}\right)-{\mathrm{\Δ\Λ}}_1\left(t_{ihj}\right)\right)\right)+\\ \exp \left(\frac{2{\mathrm{\λ}}_1}{{\mathrm{\Δ\Λ}}_1\left(t_{ihj}\right)}\right)\mathrm{\Φ}\left(-\sqrt{\frac{{\mathrm{\λ}}_1}{{\mathrm{\Δy}}_{1ij}}}\left({\mathrm{\Δy}}_1\left(t_{ihj}\right)-{\mathrm{\Δ\Λ}}_1\left(t_{ihj}\right)\right)\right),\end{array}$

$F\left(\mathrm{\Δ}\log \left(y_2\left(t_{ihj}\right)\right)\right)=\mathrm{\Φ}\left(\frac{\mathrm{\Δ}\log \left(y_2\left(t_{ihj}\right)\right)-{\mathrm{\μ}}_{2ih}{\mathrm{\Δt}}_{ihj}}{{\mathrm{\σ}}^2\sqrt{{\mathrm{\Δt}}_{ihj}}}\right),$

${\mathrm{\Δ\Λ}}_1\left(t_{ihj}\right)=({\mathrm{\β}}_1+{\mathrm{\β}}_1^{E}log(x_i^E\left)\right)\exp \left({\mathrm{\β}}_1^O\frac{x_{ih}^O-x_0^O}{x_0^O}\right){\mathrm{\Δt}}_{ihj},$

${\mathrm{\μ}}_{2ih}={\mathrm{\β}}_2+\left({\mathrm{\β}}_2^{E}log\right(x_i^E)+{\mathrm{\β}}_2^O\frac{x_{ih}^O-x_0^O}{x_0^O})$

其中，Δt_ihj＝t_ihj-t_ih，j-1，逆高斯过程模型的退化增量为Δy₁(t_ihj)，对应模型参数为维纳过程模型的退化增量为Δlog(y₂(t_ihj))，对应的模型参数为

8.根据权利要求4所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤C4具体为：

$\begin{array}{c}p\left({\mathrm{\θ}}_{IG}^F|Y_{1,1:2},X^E,X^O\right)\∝\mathrm{\π}\left({\mathrm{\β}}_1,{\mathrm{\β}}_1^O,{\mathrm{\β}}_1^E,{\mathrm{\λ}}_1\right)\×\\ \underset{i=1}{\overset{2}{\mathrm{\Π}}}\underset{i=1}{\overset{8}{\mathrm{\Π}}}\underset{j=2}{\overset{m_{ih}}{\mathrm{\Π}}}\sqrt{{\mathrm{\λ}}_1}{\mathrm{\Δ\Λ}}_1\left(t_{ihj}\right)\exp \left(-\frac{{\mathrm{\λ}}_1{\left({\mathrm{\Δy}}_1\left(t_{ihj}\right)-{\mathrm{\Δ\Λ}}_1\left(t_{ihj}\right)\right)}^2}{2{\mathrm{\Δy}}_1\left(t_{ihj}\right)}\right)\end{array}$

$\begin{array}{c}p\left({\mathrm{\θ}}_W^F|Y_{2,1:2},X^E,X^O\right)\∝\mathrm{\π}\left({\mathrm{\θ}}_2,{\mathrm{\β}}_2,{\mathrm{\β}}_2^O,{\mathrm{\β}}_2^E,{\mathrm{\σ}}_2\right)\×\\ \underset{i=1}{\overset{2}{\mathrm{\Π}}}\left(\begin{array}{c}\mathrm{\φ}\left(\frac{\log \left(y_2\left(t_{i,1,2}\right)\right)-{\mathrm{\μ}}_{2ih}{t}_{i,1,2}}{{\mathrm{\σ}}_2\sqrt{t_{i,1,2}}}\right)\×\underset{j=3}{\overset{m_{i,1}}{\mathrm{\Π}}}\mathrm{\φ}\left(\frac{\mathrm{\Δ}\log \left(y_2\left(t_{i1j}\right)\right)-{\mathrm{\μ}}_{2i1}\left(t_{i1j}-t_{i1,j-1}\right)}{{\mathrm{\σ}}_2\sqrt{t_{i1j}-t_{i1,j-1}}}\right)\×\\ \underset{h=2}{\overset{8}{\mathrm{\Π}}}\underset{j=2}{\overset{m_{ih}}{\mathrm{\Π}}}\mathrm{\φ}\left(\frac{\mathrm{\Δ}\log \left(y_2\left(t_{ihj}\right)\right)-{\mathrm{\μ}}_{2ih}\left(t_{ihj}-t_{ih,j-1}\right)}{{\mathrm{\σ}}_2\sqrt{t_{ihj}-t_{ih,j-1}}}\right)\end{array}\right)\end{array}$

其中，Y_1，1∶2，Y_2，1：2，X^E，X^O分别为Y₁(t)、Y₂(t)、工作环境和工作任务的观测数据；π(g)为模型参数的先验分布，p(g)为模型参数的后验分布。

9.根据权利要求4所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤C6具体为：

$\begin{array}{c}F\left({\mathrm{\Δy}}_1\left(t_{ihj}\right),\mathrm{\Δ}\log \left(y_2\left(t_{ihj}\right)\right)\right)=C\left(F\left({\mathrm{\Δy}}_1\left(t_{ihj}\right)\right),F\left(\mathrm{\Δ}\log \left(y_2\left(t_{ihj}\right)\right)\right)|{\mathrm{\θ}}_C\right)\\ ={\∫}_{-\mathrm{\∞}}^{{\mathrm{\Φ}}^{-1}\left(u_{ihj}\right)}{\∫}_{-\mathrm{\∞}}^{{\mathrm{\Φ}}^{-1}\left(v_{ihj}\right)}\frac{1}{2\mathrm{\π}\sqrt{1-{\mathrm{\α}}^2}}\exp \left\{-\frac{x^2-2\mathrm{\α}xy-y^2}{2\left(1-{\mathrm{\α}}^2\right)}\right\}dxdy,\end{array}$

u_ihj＝F(Δy₁(t_ihj))，v_ihj＝F(Δlog(y₂(t_ihj)))

其中，θ_C＝{α}且-1≤α≤1，Ф^-1(g)为标准正态分布累积概率分布函数的逆函数。

10.根据权利要求4所述的基于性能退化分析的智能制造装备可靠性的评估方法，其特征在于，所述步骤C8具体为：

$T^{RUL}=inf\left\{r:\begin{array}{c}{Y}_1\left(t_m+r\right)\>D_1,or,Y_2\left(t_m+r\right)\>D_2\\ |Y_1\left(t_m\right)\<D_1,and,Y_2\left(t_m\right)\<D_2|\end{array}\right\}$

对于液压子系统和主轴子系统性能退化过程的性能退化阈值分别为D₁＝80和D₂＝40。