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...

【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