一種兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種兩階段退化情況下的設(shè)備剩余壽命預(yù)測(cè)方法，可應(yīng)用于機(jī)械設(shè)備以及電力電子器件的在線壽命預(yù)測(cè)及健康管理。本發(fā)明采用維納過(guò)程模型作為對(duì)象的基本退化模型，將退化漂移系數(shù)擴(kuò)展為狀態(tài)，并用封閉斜維納過(guò)程去描述。為了克服一般維納過(guò)程的馬爾可夫特性而引起的預(yù)測(cè)偏差，本發(fā)明提出了新的算法。針對(duì)在線預(yù)測(cè)階段的狀態(tài)估計(jì)，本發(fā)明提出了迭代濾波算法來(lái)獲得更新?tīng)顟B(tài)的解析表達(dá)式。在參數(shù)估計(jì)上，本發(fā)明提出了兩階段的參數(shù)估計(jì)算法。利用更新?tīng)顟B(tài)和參數(shù)，本發(fā)明獲得了關(guān)于剩余壽命預(yù)測(cè)結(jié)果的解析表達(dá)式。本發(fā)明提出的模型更符合一般退化規(guī)律，能夠獲得更加準(zhǔn)確的在線剩余壽命預(yù)測(cè)結(jié)果，對(duì)于工程上的故障預(yù)測(cè)和健康管理有重大意義。
【專(zhuān)利說(shuō)明】
一種兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于可靠性工程技術(shù)領(lǐng)域，涉及一種兩階段退化情況下的機(jī)電設(shè)備剩余壽 命在線預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 故障預(yù)測(cè)與健康管理（Prognostics and Health Management，PHM)對(duì)于運(yùn)彳丁中的 產(chǎn)品的可靠性和安全性至關(guān)重要，并且已經(jīng)應(yīng)用在很多不同的產(chǎn)品上。實(shí)現(xiàn)故障預(yù)測(cè)和健 康管理的核心在于設(shè)備剩余壽命預(yù)測(cè)。維納過(guò)程模型由于具有良好的數(shù)學(xué)特性和物理可解 釋性，因而被廣泛應(yīng)用在不同工業(yè)領(lǐng)域的壽命數(shù)據(jù)分析，比如接觸圖像掃描儀的LED，自控 溫加熱電纜，鋁電解槽，橋梁和軸承。進(jìn)一步，為了考慮歷史退化數(shù)據(jù)和當(dāng)前測(cè)量量，自適應(yīng) 維納過(guò)程模型成為了廣泛采用的預(yù)測(cè)模型。但是針對(duì)廣泛存在的具有緩慢退化和加速退化 兩個(gè)階段的機(jī)電設(shè)備的剩余壽命預(yù)測(cè)上，現(xiàn)有基于維納過(guò)程的預(yù)測(cè)方法的假設(shè)存在一定的 不合理性，因而不能得到更加精確的預(yù)測(cè)效果。

【發(fā)明內(nèi)容】

[0003] 針對(duì)現(xiàn)有的技術(shù)狀況，本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的問(wèn)題，并針對(duì)存在 符合兩階段退化特性的機(jī)電設(shè)備，根據(jù)能夠得到的性能退化數(shù)據(jù)，構(gòu)建能夠更加合理描述 退化過(guò)程特性的模型實(shí)現(xiàn)對(duì)設(shè)備剩余壽命的在線高準(zhǔn)確性預(yù)測(cè)。
[0004] 現(xiàn)將本發(fā)明的構(gòu)思闡述如下：
[0005] 本發(fā)明采用維納過(guò)程模型作為對(duì)象的基本退化模型，將退化漂移系數(shù)擴(kuò)展為狀 態(tài)，并用封閉斜維納過(guò)程去描述。為了克服一般維納過(guò)程的馬爾可夫特性而引起的預(yù)測(cè)偏 差，本發(fā)明提出了新的算法。針對(duì)在線預(yù)測(cè)階段的狀態(tài)估計(jì)，本發(fā)明提出了迭代濾波算法來(lái) 獲得更新?tīng)顟B(tài)的解析表達(dá)式。在參數(shù)估計(jì)上，本發(fā)明提出了兩階段的參數(shù)估計(jì)算法。利用更 新?tīng)顟B(tài)和參數(shù)，本發(fā)明獲得了關(guān)于剩余壽命預(yù)測(cè)結(jié)果的解析表達(dá)式。本發(fā)明提出的模型更 符合一般退化規(guī)律，能夠獲得更加準(zhǔn)確的在線剩余壽命預(yù)測(cè)結(jié)果
[0006] 根據(jù)以上發(fā)明構(gòu)思，本發(fā)明提出了一種兩階段退化情況下的機(jī)電設(shè)備剩余壽命在 線預(yù)測(cè)方法，設(shè)備實(shí)際退化分為正常退化和加速退化兩個(gè)階段，性能退化過(guò)程符合自適應(yīng) 斜維納過(guò)程模型，針對(duì)模型的參數(shù)采用兩階段的參數(shù)估計(jì)算法，采用迭代濾波算法來(lái)實(shí)時(shí) 獲得退化狀態(tài)，在完成退化狀態(tài)估計(jì)和參數(shù)估計(jì)后，用更新的退化漂移狀態(tài)、估計(jì)的參數(shù)和 測(cè)量量進(jìn)行設(shè)備的剩余壽命預(yù)測(cè);具體步驟如下：
[0007] 步驟1:建立刻畫(huà)符合兩階段退化特性設(shè)備的性能退化模型，具體步驟如下：
[0008] 步驟1.1:將滿足兩階段退化特性的設(shè)備退化模型表達(dá)如下：
[0009] % = %-i+vk
[0010] 5k = %-iTk+a B (ik)
[0011] 5k = xk-Xk-i
[0012] 其中，tk為第k個(gè)采樣時(shí)刻，rik是tk的退化漂移系數(shù)，用來(lái)表征退化速度，且滿足封 閉斜高斯分布，其概率密度函數(shù)f (η)為：
[0014]上式中，Φ (·)為標(biāo)準(zhǔn)高斯分布的概率密度函數(shù)，φ (·)為標(biāo)準(zhǔn)高斯分布的累積 分布函數(shù);μ和σ分別為位置參數(shù)和尺度參數(shù)，ξ為一般參數(shù)，λ為形狀參數(shù);Vk是系統(tǒng)白噪聲， 且V k~Ν(0，ε2) ; α是擴(kuò)散系數(shù)，且α>〇，1^是采樣時(shí)間間隔，且Tk = tk-tk-1，B (Tk)是標(biāo)準(zhǔn)布朗 運(yùn)動(dòng)，且B(&)~#(0，<) ;Xk表征第k個(gè)采樣時(shí)刻設(shè)備的退化程度為相鄰兩個(gè)采樣時(shí)刻 的退化程度增量；
[0015] 步驟1.2:-旦產(chǎn)品開(kāi)始運(yùn)行，監(jiān)測(cè)系統(tǒng)將在tHti，…，tk}對(duì)它進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)到 設(shè)備狀態(tài)數(shù)據(jù)，即設(shè)備退化程度為= -般假設(shè)為〇,定義從產(chǎn)品投 入使用到第k個(gè)采樣時(shí)刻的歷史退化增量為3^=01 . . .
[0016] 步驟2:采用迭代濾波算法估計(jì)退化的隱藏狀態(tài)，具體步驟如下：
[0017] 步驟2.1:機(jī)電設(shè)備退化速度，也即是斜維納過(guò)程模型的隱藏退化漂移系數(shù)，其初 始狀態(tài)滿足封閉斜高斯分布，即％~1)，CSN為封閉斜高斯分布，初始退化 漂移狀態(tài)的未知參數(shù)通過(guò)擬合同類(lèi)產(chǎn)品的初始退化數(shù)據(jù)得到;進(jìn)一步，設(shè)備的初始狀態(tài)為 (Silno)~Ν(% τι，α2τι)，未知參數(shù)通過(guò)歷史退化數(shù)據(jù)以及估計(jì)得到的初始退化漂移狀態(tài)采 用最大似然估計(jì)法得到；
[0018] 步驟2.2:在第k個(gè)采樣時(shí)刻，有退化隱藏狀態(tài)滿足分布
[0019] (η^ \ δνκ_λ) ~ CSN(//A__15 λΙ(_ν ξ^)
[0020] 有退化程度(5k I %-：l，51:k-Ο ~Ν(%-iTk，a2Tk)。
[0021] 步驟2.3:根據(jù)獲得的新的測(cè)量量，設(shè)備的退化隱藏狀態(tài)滿足封閉斜高斯分布
[0024]式中帶·'符號(hào)的表示該參數(shù)的估計(jì)值；
[0025]步驟2.4:根據(jù)步驟2.3的結(jié)果，退化隱藏狀態(tài)的后驗(yàn)分布服從
[0028] 根據(jù)以上四步即構(gòu)建了退化程度預(yù)測(cè)和歷史退化數(shù)據(jù)的聯(lián)系，能夠迭代實(shí)時(shí)更新 隱藏狀態(tài)。
[0029] 步驟3:在線估計(jì)性能退化模型參數(shù)，具體步驟如下：
[0030] 步驟3.1:根據(jù)采樣得到的退化數(shù)據(jù)，構(gòu)造對(duì)數(shù)似然函數(shù)1η /Λ=?|Λι(4Αρ? 4):
[0032]步驟3.2:在得到新測(cè)量量，即獲得退化程度的條件概率密度函數(shù)后，將上式擴(kuò)展 為：
[0034] 步驟3.3:采用數(shù)值方法搜索獲得最大化In 4 ,A (U 4)的參數(shù)。
[0035] 步驟4:獲得設(shè)備剩余壽命的概率分布表達(dá)式，具體步驟如下：
[0036] 步驟4.1:采用首次通過(guò)時(shí)間作為連接預(yù)測(cè)退化程度與剩余壽命預(yù)測(cè)的紐帶，即剩 余壽命隨機(jī)變量定義為1=11^{1 :奴1+以)>?41:1{}，其中1是剩余壽命隨機(jī)變量的實(shí)現(xiàn)，(〇 是預(yù)先定義的閾值，X 1:k是歷史測(cè)量量。
[0037] 步驟4.2:在第k個(gè)采樣時(shí)刻的剩余壽命分布概率密度函數(shù)為，
[0040] 至此，得到了在線預(yù)測(cè)設(shè)備剩余壽命的概率密度函數(shù)精確表達(dá)式，用于機(jī)電設(shè)備 剩余壽命在線預(yù)測(cè)。
[0041] 本發(fā)明方法的公式中，未定義的具有下標(biāo)的參數(shù)表示該下標(biāo)對(duì)應(yīng)的采樣時(shí)刻的參 數(shù)值，如λ，〇k分別為第k個(gè)采樣時(shí)刻的位置參數(shù)和尺度參數(shù)。
[0042] 本發(fā)明提出的兩階段退化情況下的剩余壽命在線預(yù)測(cè)方法，可應(yīng)用于機(jī)械設(shè)備以 及電力電子器件的在線壽命預(yù)測(cè)。通過(guò)構(gòu)建能夠合理描述退化過(guò)程特性的斜高斯模型，能 夠獲得更加準(zhǔn)確的預(yù)測(cè)效果。這將給后續(xù)的設(shè)備健康管理提供強(qiáng)有力的數(shù)據(jù)支撐，對(duì)于高 可靠性的設(shè)備維護(hù)管理尤有價(jià)值，在實(shí)際工程應(yīng)用方面具有廣闊前景。
【附圖說(shuō)明】
[0043] 圖1為實(shí)施例中軸承的振動(dòng)數(shù)據(jù)；
[0044] 圖2為實(shí)施例中剩余壽命預(yù)測(cè)的性能對(duì)比。
【具體實(shí)施方式】
[0045] 現(xiàn)結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步的說(shuō)明。
[0046]下面本例通過(guò)一組來(lái)自PR0N0STIA實(shí)驗(yàn)平臺(tái)的實(shí)際軸承退化數(shù)據(jù)來(lái)闡述具體操作 步驟以及驗(yàn)證方法的效果。
[0047]在該退化實(shí)驗(yàn)的數(shù)據(jù)采集中，每個(gè)采樣時(shí)刻，實(shí)驗(yàn)者收集了2560個(gè)振動(dòng)數(shù)據(jù)，并且 采樣時(shí)間間隔為10秒。在每個(gè)采樣時(shí)刻，本例計(jì)算了 2560個(gè)振動(dòng)數(shù)據(jù)的均方根值作為每個(gè) 采樣時(shí)刻的特征值，從而為每個(gè)軸承形成了一個(gè)新的時(shí)間序列數(shù)據(jù)。均方根特征值的采樣 時(shí)間間隔為10秒。由于本發(fā)明的模型是受到自適應(yīng)高斯-維納過(guò)程模型的啟發(fā)，故在此例中 本例將比較兩者的性能差異。
[0048] 步驟1:建立刻畫(huà)符合兩階段退化特性設(shè)備的性能退化模型
[0049] 步驟1.1:將軸承退化模型表達(dá)如下：
[0050] nk=nk-i+vk
[0051 ] 5k = nk-iTk+a B (ik)
[0052] 5k = xk~Xk-i
[0053] 其中，tk為第k個(gè)采樣時(shí)刻，rik是tk的退化漂移系數(shù)，用來(lái)表征退化速度，且滿足封 閉斜高斯分布，其概率密度函數(shù)f (η)為：
[0055] 上式中，Φ (·)為標(biāo)準(zhǔn)高斯分布的概率密度函數(shù)，Φ (·)為標(biāo)準(zhǔn)高斯分布的累積 分布函數(shù);μ和σ分別為位置參數(shù)和尺度參數(shù)，ξ為一般參數(shù)，λ為形狀參數(shù);Vk是系統(tǒng)白噪聲， 且v k~Ν(0，ε2) ; a是擴(kuò)散系數(shù)，且a>〇，1^是采樣時(shí)間間隔，且Tk = tk-tk-1，B (Tk)是標(biāo)準(zhǔn)布朗 運(yùn)動(dòng)，且Β0-Α)~#(0，<) ;Xk表征第k個(gè)采樣時(shí)刻設(shè)備的退化程度，也即是振動(dòng)信號(hào)強(qiáng)度。； Sk為相鄰兩個(gè)采樣時(shí)刻的退化程度增量。
[0056] 步驟1.2:監(jiān)測(cè)系統(tǒng)在tiHi，...，tk}對(duì)它進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)到軸承退化狀態(tài)數(shù)據(jù)，即 設(shè)備退化程度為{氣"一，\} 心本例定義從產(chǎn)品投入使用到第k個(gè)采樣時(shí)刻的 X 〇 歷史退化增量為5i:k={5i,…，5k} ,δρχχ。
[0057] 步驟2:采用迭代濾波算法估計(jì)退化的隱藏狀態(tài)
[0058]步驟2.1:機(jī)電設(shè)備退化速度，也即是模型的隱藏退化漂移系數(shù)，其初始狀態(tài)滿足 封閉斜高斯分布，即~ ^^(凡，<，噸，矣），進(jìn)一步，設(shè)備的初始狀態(tài)為(31|%)~以11。丁1， α2τι)
[0059]本例首先隨機(jī)選取了軸承#1-4，#2-6和#3-1作為訓(xùn)練數(shù)據(jù)。利用該訓(xùn)練數(shù)據(jù)，估計(jì) 得到斜維納過(guò)程模型和高斯-維納過(guò)程模型的未知參數(shù)初始值，分別為μ〇 = 〇.〇88，σ〇 = 0.155,λ〇= 1.393,ξ0=1. 105 , ε = 〇 . 〇〇3 , a = 〇 . 〇〇9μ7 0 = 0.0015 , σ7 〇 = 〇 . 1265 , ε7 = Ο.ΟΟΟδ,α7 =0.012〇
[0060]步驟2.2:在第k個(gè)采樣時(shí)刻，有退化隱藏狀態(tài)滿足分布
[0062] 有退化程度(5k | %-：l，51:k-Ο ~N(%-iTk，a2Tk)。
[0063] 步驟2.3:根據(jù)獲得的新的測(cè)量量，設(shè)備的退化隱藏狀態(tài)滿足封閉斜高斯分布
[0066]步驟2.4:根據(jù)步驟2.3的結(jié)果，退化隱藏狀態(tài)的后驗(yàn)分布服從
[0069] 根據(jù)以上四步即構(gòu)建了退化程度預(yù)測(cè)和歷史退化數(shù)據(jù)的聯(lián)系，能夠迭代實(shí)時(shí)更新 隱藏狀態(tài)。
[0070] 步驟3:在線估計(jì)模型參數(shù)
[0071 ]步驟3.1:根據(jù)采樣得到的退化數(shù)據(jù)，構(gòu)造對(duì)數(shù)似然函數(shù)：
[0073]步驟3.2:在得到新測(cè)量量，即獲得退化程度，的條件概率密度函數(shù)后，將上式擴(kuò)展 為：
[0075]步驟3.3:采用數(shù)值方法搜索獲得最大化上式的參數(shù)，針對(duì)軸承#1-3,得到兩個(gè)模 型的參數(shù)估計(jì)結(jié)果如下表。
[0076]表1斜維納過(guò)程模型和高斯-維納過(guò)程模型中未知參數(shù)的估計(jì)
[0078] 步驟4:獲得設(shè)備剩余壽命的分布表達(dá)式
[0079] 步驟4.1:采用首次通過(guò)時(shí)間作為連接預(yù)測(cè)退化程度與剩余壽命預(yù)測(cè)的紐帶，即剩 余壽命隨機(jī)變量定義為1=11^{1 :奴1+11〇>?41:1{}，其中斜體的1是剩余壽命隨機(jī)變量的 實(shí)現(xiàn)，ω是預(yù)先定義的閾值，X 1:k是歷史測(cè)量量。在實(shí)驗(yàn)中，原始振動(dòng)信號(hào)的失效閾值為20g， 其中，g表示重力加速度。本例定義均方根特征值的閾值為包含首次超過(guò)20g原始振動(dòng)信號(hào) 的采樣時(shí)刻的均方根特征值。以軸承#1-3為例，在第2342個(gè)采樣時(shí)刻，原始振動(dòng)數(shù)據(jù)首次超 過(guò)20g，因此，其均方根特征值的閾值即為第2342個(gè)均方根特征值，即4，7145。
[0082]圖1給出了軸承的振動(dòng)數(shù)據(jù)。圖2給出了兩種模型從第1800個(gè)采樣時(shí)刻到第2300個(gè) 采樣時(shí)刻，每隔100個(gè)采樣時(shí)刻的剩余壽命預(yù)測(cè)的性能對(duì)比。顯然，真的剩余壽命值都被兩 個(gè)模型的剩余壽命分布所覆蓋。并且，隨著測(cè)量數(shù)據(jù)的增多，可以觀察到兩個(gè)模型一些共同 的現(xiàn)象：1.兩個(gè)模型的剩余壽命分布都往更少的剩余壽命方向移動(dòng)；2.兩個(gè)模型的剩余壽 命分布的峰值逐漸變高;3.剩余壽命預(yù)測(cè)的不確定性逐漸變小。這些結(jié)果都驗(yàn)證了模型的 有效性，此外，斜維納過(guò)程模型得到的剩余壽命分布比高斯-維納過(guò)程模型緊湊，這表明本 發(fā)明的斜維納過(guò)程模型能為后續(xù)的管理決策的制定提供更加可靠的信息。
【主權(quán)項(xiàng)】
1. 一種兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法，其特征在于:設(shè)備實(shí)際 退化分為正常退化和加速退化兩個(gè)階段，性能退化過(guò)程符合自適應(yīng)斜維納過(guò)程模型，針對(duì) 模型的參數(shù)采用兩階段的參數(shù)估計(jì)算法，采用迭代濾波算法來(lái)實(shí)時(shí)獲得退化狀態(tài)，在完成 退化狀態(tài)估計(jì)和參數(shù)估計(jì)后，用更新的退化漂移狀態(tài)、估計(jì)的參數(shù)和測(cè)量量進(jìn)行設(shè)備的剩 余壽命預(yù)測(cè);具體步驟如下： 步驟1:建立刻畫(huà)符合兩階段退化特性設(shè)備的性能退化模型； 步驟2:采用迭代濾波算法估計(jì)退化的隱藏狀態(tài)； 步驟3:在線估計(jì)性能退化模型參數(shù)； 步驟4:獲得設(shè)備剩余壽命的概率分布表達(dá)式。2. 根據(jù)權(quán)利要求1所述的一種兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法， 其特征在于:步驟1中所述的"建立刻畫(huà)符合兩階段退化特性設(shè)備的性能退化模型"的具體 步驟如下： 步驟1.1:將滿足兩階段退化特性的設(shè)備退化模型表達(dá)如下： % = %-l+Vk 5k = nk-iTk+a B (ik) 3k - Xk-Xk-l 其中，tk為第k個(gè)采樣時(shí)刻，ilk是tk的退化漂移系數(shù)，用來(lái)表征退化速度，且滿足封閉斜 高斯分布，其概率密度函數(shù)f (η)為：上式中，Φ (·)為標(biāo)準(zhǔn)高斯分布的概率密度函數(shù)，φ (·)為標(biāo)準(zhǔn)高斯分布的累積分布 函數(shù);μ和σ分別為位置參數(shù)和尺度參數(shù)，ξ為一般參數(shù)，λ為形狀參數(shù);vk是系統(tǒng)白噪聲，且vk ~Ν(0，ε2) ;a是擴(kuò)散系數(shù)，且α>〇，τι^采樣時(shí)間間隔，且Tk = tk-tk-1，B (Tk)是標(biāo)準(zhǔn)布朗運(yùn)動(dòng)， 且Β(2ΓΑ) <);Xk表征第k個(gè)采樣時(shí)刻設(shè)備的退化程度為相鄰兩個(gè)采樣時(shí)刻的退化 程度增量； 步驟1.2:-旦產(chǎn)品開(kāi)始運(yùn)行，監(jiān)測(cè)系統(tǒng)將在tiHi，...，tk}對(duì)它進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)到設(shè)備 狀態(tài)數(shù)據(jù)，即設(shè)備退化程度為{'，···，\)，心=，定義從產(chǎn)品投入使用到第k個(gè)采樣 時(shí)刻的歷史退化增量為5i:k={5i, · · ·，5k}，5i = xi。3. 根據(jù)權(quán)利要求1所述的兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法，其特 征在于:步驟2中所述的"采用迭代濾波算法估計(jì)退化的隱藏狀態(tài)"的具體步驟如下： 步驟2.1:機(jī)電設(shè)備退化速度，也即是斜維納過(guò)程模型的隱藏退化漂移系數(shù)，其初始狀 態(tài)滿足封閉斜高斯分布，即％ ~ <，'，&)，CSN為封閉斜高斯分布，初始退化漂移 狀態(tài)的未知參數(shù)通過(guò)擬合同類(lèi)產(chǎn)品的初始退化數(shù)據(jù)得到;進(jìn)一步，設(shè)備的初始狀態(tài)為（心 no)~Ν(%τι，α2τι)，未知參數(shù)通過(guò)歷史退化數(shù)據(jù)以及估計(jì)得到的初始退化漂移狀態(tài)采用最 大似然估計(jì)法得到； 步驟2.2:在第k個(gè)采樣時(shí)刻，有退化隱藏狀態(tài)滿足分布有退化程度(3k I %-1，δ::k-1)~N(%-lTk，α2τι〇。 步驟2.3:根據(jù)獲得的新的測(cè)量量，設(shè)備的退化隱藏狀態(tài)滿足封閉斜高斯分布 其中， y κ κ-?* 步驟2.4:根據(jù)步驟2.3的結(jié)果，退化隱藏狀態(tài)的后驗(yàn)分布服從 其中根據(jù)以上四步即構(gòu)建了退化程度預(yù)測(cè)和歷史退化數(shù)據(jù)的聯(lián)系，能夠迭代實(shí)時(shí)更新隱藏 狀態(tài)。4. 根據(jù)權(quán)利要求1所述的一種兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法， 其特征在于:步驟3中所述的"在線估計(jì)性能退化模型參數(shù)"具體步驟如下： 步驟3.1:根據(jù)采樣得到的退化數(shù)據(jù)，構(gòu)造對(duì)數(shù)似然函數(shù)In .1(4, I 4):步驟3.2:在得到新測(cè)量量，即獲得退化稈度的條件概率密度函數(shù)后，將h式擴(kuò)展為：步驟3.3:采用數(shù)值方法搜索獲得最大化1η/；λΙΔι(4/,丨的參數(shù)。5. 根據(jù)權(quán)利要求1所述的兩階段退化情況下的機(jī)電設(shè)備剩余壽命在線預(yù)測(cè)方法，其特 征在于:步驟4中所述的"獲得設(shè)備剩余壽命的分布表達(dá)式"具體步驟如下： 步驟4.1:采用首次通過(guò)時(shí)間作為連接預(yù)測(cè)退化程度與剩余壽命預(yù)測(cè)的紐帶，即剩余壽 命隨機(jī)變量定義為L(zhǎng)=inf{l:X(l+tk)>co |X1:k}，其中1是剩余壽命隨機(jī)變量的實(shí)現(xiàn)，ω是預(yù) 先定義的閾值，X1:k是歷史測(cè)量量。 步驟4.2:在第k個(gè)采樣時(shí)刻的剩余壽命分布概率密度函數(shù)為，至此，得到了在線預(yù)測(cè)設(shè)備剩余壽命的概率密度函數(shù)精確表達(dá)式，用于機(jī)電設(shè)備剩余 壽命在線預(yù)測(cè)。
【文檔編號(hào)】G06F19/00GK105868557SQ201610188456
【公開(kāi)日】2016年8月17日
【申請(qǐng)日】2016年3月29日
【發(fā)明人】徐正國(guó), 柯曉杰, 謝尉揚(yáng), 陳積明, 胡伯勇, 張震偉, 劉林, 黃澤毅, 孫優(yōu)賢
【申請(qǐng)人】浙江大學(xué), 浙江浙能技術(shù)研究院有限公司