故障影响下设备的剩余使用寿命预测方法技术

本发明专利技术公开了一种故障影响下设备的剩余使用寿命预测方法，具体包括：1)确定设备存在故障的退化模型；2)确定故障影响下设备的剩余寿命分布函数；3)确定模型的未知参数；4)确定多参数的设备寿命预测模型。本发明专利技术利用Wiener过程建立设备的退化模型，计算基于首达时间的寿命分布函数，通过EM算法同时估计退化模型未知参数和故障发生时刻分布的未知参数，最终完成设备在故障影响下的剩余寿命预测，该发明专利技术能有效的预测复杂环境下的设备剩余寿命，有利于对设备进行维护与保养，确保设备安全可靠进行工作。

Prediction Method of Residual Service Life of Equipment Affected by Fault

【技术实现步骤摘要】
故障影响下设备的剩余使用寿命预测方法
本专利技术涉及设备的剩余寿命预测领域，特别涉及一种故障影响下设备的剩余使用寿命预测方法。
技术介绍
剩余寿命作为预测与健康管理技术(PHM)重要的组成部分，已经广泛应用于航空航天、军事和大型复杂装备领域。剩余寿命预测技术是保证设备可靠性和安全性的关键，同时是降低设备维护费用的重要手段。因此，研究设备的剩余寿命预测方法，具有十分重要的实际意义。由于设备的性能退化数据与设备的健康状态直接相关，基于退化数据的设备寿命预测方法成为了主流。但由于多数设备的工作环境非常复杂，如航空发动机、旋转轴承和大型风机等设备，会受到设备之间的磨损、过载运行和高温、高压等环境，设备将会在其性能退化过程中引起某种故障的发生，该故障的出现并不影响设备的继续运行，但会改变原来的退化趋势，加速设备的失效，最终缩短设备的剩余寿命。图1表示故障发生在退化过程的设备退化曲线。比如，风机的某一叶片产生了缺陷，而这种缺陷并不会影响风机的继续运转，但是这种故障的产生会影响整个系统的寿命。现有关于设备寿命预测的方法大多数都是考虑设备的整个寿命周期都处于正常退化状态，而没有考虑退化过程中可能会有故障的发生，从而降低了寿命预测的精准性。近些年也有许多研究表明，设备的退化轨迹会在某个时刻甚至多个时刻发生改变(工况切换)。但是这个时刻往往视为确定的，转换次数是已知的。根据故障的不确定性，故障的发生时刻是不可观测的和未知的。故障可能发生在任意时刻，其发生的概率随着设备工作时间的增加而增加。这就造成用一般方法所得的寿命预测结果和实际寿命相差较大，参考价值比较有限。考虑故障影响到设备的退化过程，是设备寿命预测研究的一个难点。
技术实现思路
有鉴于此，本专利技术的目的是提供一种故障影响下设备的剩余使用寿命预测方法。有鉴于此，本专利技术的目的就是提供一种考虑故障影响情况下设备的剩余寿命方法。利用Wiener过程建立故障影响下的退化模型，其漂移系数用于描述退化轨迹的变化，扩散系数用于描述退化过程的稳定性；然后通过假设故障发生时刻为一个随机变量，服从某种分布，从而获取基于首达时间的剩余寿命分布；由于故障的不确定性，其发生时刻不可观测，使得观测区间存在缺失值，利用EM算法解决存在缺失数据下的参数估计问题；故障的发生会同时影响多个性能参数的变化，并且参数之间在退化过程章存在强相关性，通过Copula函数获取了故障影响下多参数的设备寿命预测，从而实现了设备在故障影响下的剩余寿命预测，能有效提高寿命预测的准确性，有利于设备的维护与保养，确保其能安全可靠的工作。本专利技术的目的是通过以下技术方案实现的：第一方面，本专利技术的故障影响下设备的剩余使用寿命预测方法，包括以下步骤：步骤S1：确定设备退化模型，利用Wiener过程的特性，改变漂移系数以描述故障影响的退化轨迹；步骤S2：以步骤S1所得的退化模型为已知条件，确定故障发生前后与退化速率的关系，分别得到正常退化状态与故障退化状态的剩余寿命分布表达式；步骤S3：以步骤S2所得两个状态的寿命分布为已知条件，将故障发生时刻视为随机变量，从而得到故障不确定下的寿命分布函数；步骤S4：以步骤S3所得的故障影响下设备寿命分布函数为已知条件，将故障发生时刻在整个检测区间中视为缺失数据，并利用EM算法解决检测数据存在缺失数据的参数估计问题；步骤S5：以步骤S4所得的未知参数为已知条件，得到步骤3所确定的寿命分布函数，并对其求期望，得到的期望值为所预测的剩余寿命值，从而实现考虑故障影响下设备的单个性能参数寿命预测；步骤S6：以步骤S5所得的故障影响下单个参数的寿命分布为已知条件，利用Copula函数描述多个参数之间的相关性，并且获得故障影响下多个参数的联合寿命分布，从而完成设备的剩余寿命预测。特别地，所述步骤S1中，退化模型为：其中，X(t)表示设备的退化性能特征值，λ1和λ2是故障发生前后的退化速率；B(t)是标准的布朗运动，其服从N(0,t)，τ为故障发生时刻；考虑检测值为离散量，其对应的退化模型为：其中，ΔXi,j为在增量Xi,j+1-Xi,j，Δti,j＝ti,j+1-ti,j。特别地，步骤S2中，已知故障发生时刻，其寿命分布函数表达式为其中，为在ti,j时刻的寿命概率密度函数，w为设备设定的失效阈值，Zi,j为当前时刻的性能退化量；对应的剩余寿命累积分布函数为：其中Φ(·)为标准的正态分布。特别地，步骤S3中，将故障发生时刻视为随机变量所得到的寿命分布函数表示为：其中，fτ(τ,θτ)和Fτ(t,θτ)分别为故障发生时刻τ的概率密度函数和累积分布函数，θτ表示未知参数。特别地，步骤S4中使用EM算法解决缺失数据下的参数估计问题，其完全数据似然函数可表示为：其中，m为实验设备的数量，ni为被测试设备i的观测数量，I{·}为指示函数；为故障发生时刻发生在增量三个不同位置的增量概率密度函数，其表达式为：其中，{k＝1,2,3}分别表示为τ>ti,j+1,ti<τ<ti,j+1和τ<ti,j。特别地，步骤S6中故障影响下多个参数的寿命分布可以分为参数之间独立和相关的两种情况，其在参数独立情况下可以表示为：其中，为第c个性能特征的剩余寿命；步骤S6中当多个性能参数存在相关性的时候，其联合寿命分布函数和联合概率密度函数可以表示为：其中C(·)为Copula函数。第二方面，本专利技术的一种电子设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前述的方法。第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如前所述的方法。本专利技术的有益效果是：1.提供了一种寿命预测方法，首次把故障影响引入寿命预测方法中，提高了寿命预测的可靠性和准确性。2.将故障发生时刻视为随机变量，获取基于首达时间的寿命分布函数。3.利用EM算法同时估计退化模型和故障发生时刻分布函数的未知参数。4.同时考虑多个性能参数到故障影响下的寿命预测中。5.针对多个退化参数存在强相关的情况下，通过Copula函数描述参数之间的额相关性，并得到设备在故障影响下的多参数寿命预测模型。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为本专利技术的正常状态和故障状态的退化曲线示意图；图2为故障影响下多个性能参数的退化轨迹示意图；图3为设备的剩余使用寿命预测结果示意图；图4为本专利技术流程图。具体实施方式以下将参照附图，对本专利技术的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。本专利技术的实施过程包括：1)确定故障影响下的退化模型；2)确定能够表征设备的各个性能参数；3)确定故障影响下的寿命分布；4)确定未知参数；5)确定故障影响下多参本文档来自技高网...

【技术保护点】
1.故障影响下设备的剩余使用寿命预测方法，其特征在于：所述方法包括以下步骤：步骤S1：确定设备退化模型，利用Wiener过程的特性，改变漂移系数以描述故障影响的退化轨迹；步骤S2：以步骤S1所得的退化模型为已知条件，确定故障发生前后与退化速率的关系，分别得到正常退化状态与故障退化状态的剩余寿命分布表达式；步骤S3：以步骤S2所得两个状态的寿命分布为已知条件，将故障发生时刻视为随机变量，从而得到故障不确定下的寿命分布函数；步骤S4：以步骤S3所得的故障影响下设备寿命分布函数为已知条件，将故障发生时刻在整个检测区间中视为缺失数据，并利用EM算法解决检测数据存在缺失数据的参数估计问题；步骤S5：以步骤S4所得的未知参数为已知条件，得到步骤S3所确定的寿命分布函数，并对其求期望，得到的期望值为所预测的剩余寿命值，从而实现考虑故障影响下设备的单个性能参数寿命预测；步骤S6：以步骤S5所得的故障影响下单个参数的寿命分布为已知条件，利用Copula函数描述多个参数之间的相关性，并且获得故障影响下多个参数的联合寿命分布，从而完成设备的剩余寿命预测。

【技术特征摘要】
1.故障影响下设备的剩余使用寿命预测方法，其特征在于：所述方法包括以下步骤：步骤S1：确定设备退化模型，利用Wiener过程的特性，改变漂移系数以描述故障影响的退化轨迹；步骤S2：以步骤S1所得的退化模型为已知条件，确定故障发生前后与退化速率的关系，分别得到正常退化状态与故障退化状态的剩余寿命分布表达式；步骤S3：以步骤S2所得两个状态的寿命分布为已知条件，将故障发生时刻视为随机变量，从而得到故障不确定下的寿命分布函数；步骤S4：以步骤S3所得的故障影响下设备寿命分布函数为已知条件，将故障发生时刻在整个检测区间中视为缺失数据，并利用EM算法解决检测数据存在缺失数据的参数估计问题；步骤S5：以步骤S4所得的未知参数为已知条件，得到步骤S3所确定的寿命分布函数，并对其求期望，得到的期望值为所预测的剩余寿命值，从而实现考虑故障影响下设备的单个性能参数寿命预测；步骤S6：以步骤S5所得的故障影响下单个参数的寿命分布为已知条件，利用Copula函数描述多个参数之间的相关性，并且获得故障影响下多个参数的联合寿命分布，从而完成设备的剩余寿命预测。2.根据权利要求1所述的故障影响下设备的剩余使用寿命预测方法，其特征在于：所述步骤S1中，退化模型为：其中，X(t)表示设备的退化性能特征值，λ1和λ2是故障发生前后的退化速率；B(t)是标准的布朗运动，其服从N(0，t)，τ为故障发生时刻；考虑检测值为离散量，其对应的退化模型为：其中，ΔXi，j为在增量Xi，j+1-Xi，j，Δti，j＝ti，j+1-ti，j。3.根据权利要求1所述的故障影响下设备的剩余使用寿命预测方法，其特征在于：步骤S2中，已知故障发生时刻，其寿命分布概率密度函数表达式为其中，为在ti，j时刻的寿命概率密...

【专利技术属性】
技术研发人员：林景栋，林正，陈敏，王静静，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50