The invention relates to the field of residual life prediction technology of industrial process, and provides a residual life prediction method of multimodal degradation process, which comprises the following steps: reading in multimodal degradation data, initializing model parameters; detecting change points with pelt algorithm, identifying Hurst index based on wavelet estimator, and estimating unknown parameters of other models with hierarchical maximum likelihood algorithm; and After that, the residual life distribution of each component and the mean square error of prediction are calculated by using weak convergence transformation. The present invention combines two kinds of non Markov random processes, fractional Brownian motion and sub fractional Brownian motion, to represent the stationary increment and non-stationary increment, and further gives the probability density function of the remaining life. Compared with the traditional model, the model can explain the random switching between multiple different modes, and introduces a more generalized memory effect, which is suitable for the actual industrial system The multi-mode non-uniform diffusion process in has high practicability.
【技术实现步骤摘要】
一种多模态退化过程的剩余寿命预测方法
本专利技术涉及工业过程的剩余寿命预测领域,具体涉及一种多模态退化过程的剩余寿命预测方法。
技术介绍
剩余寿命作为预测技术中的一个重要指标,可用于实时地、定量地评估在役设备的健康程度。在首达时间意义下,剩余寿命通常可定义为退化过程距离首次越过失效阈值的剩余时长。针对化工企业的在线过程监测系统,准确预测核心部件的剩余寿命能够有效避免事故的发生。预测信息一般包含剩余寿命的期望和概率密度函数,对于工程师检查运行安全性以及制定维护策略起到了一定的参考作用。值得注意的是,真实设备的退化数据往往存在非平稳特性,可能呈现无规则振荡或是某种回复效应。近年来,维纳过程及其广义形式在退化建模领域获得了较为广泛的关注,推动了数据驱动的剩余寿命预测方法的快速发展。然而,维纳过程本质上属于一类马尔可夫过程,忽略了数据集中可能存在的记忆效应。针对此问题,一些学者将分数布朗运动引入至退化建模、首达时分析以及剩余寿命预测当中。作为维纳过程的非线性扩展形式,分数布朗运动可利用赫斯特指数来描述退化路径的长期、短期记忆效应,在实际应用中常用于拟合特定的非平稳扩散过程。现有预测方法对于多模态切换的研究尚处于初步阶段。Chen和Tsui提出了一种两阶段退化模型,并结合贝叶斯理论提高了寿命预测的精度;Wen等人采用线性多变点模型实现了剩余寿命的在线预测。但是,此类方法均未考虑非马尔可夫、非平稳特征,应用条件较为理想化。特别地,维纳过程和分数布朗运动的增量过程仍为平稳过程,难以模拟大型高炉、汽轮机等设备的复杂扩 ...
【技术保护点】
1.一种多模态退化过程的剩余寿命预测方法,其特征在于,包括以下步骤:/n(1)读入M组退化数据,记为X(t
【技术特征摘要】
1.一种多模态退化过程的剩余寿命预测方法,其特征在于,包括以下步骤:
(1)读入M组退化数据,记为X(tk)=[x1(tk),x2(tk),…,xM(tk)]T,其中,tk表示第k个监测时刻;
(2)基于如下结构初始化模型参数
其中,针对第m个退化过程的第j+1个模态,为退化初值,为漂移系数,λ(tk-τ(j)-δ;γ(j+1))为漂移函数,τ(j)和τ(j+1)为两个相邻的变点时刻,δ为监测时刻间隔,γ(j+1)为非线性系数,σ(j+1)为扩散系数,I为示性函数,为平稳性检测值,若值为1,表示增量平稳,若值为0,表示增量非平稳,BH(tk-τ(j)-δ)为标准分数布朗运动,为标准次分数布朗运动,H为赫斯特指数;
(3)利用PELT算法检测变点τ(1:D+1),并基于小波估计器辨识赫斯特指数H;
(4)利用分层极大似然算法估计其余模型未知参数γ(1:D+1),σ(1:D+1),
(5)利用弱收敛变换预测各个部件的剩余寿命;
(6)计算预测的均方误差,即
其中,N为每个部件的退化数据长度,fm,k(rm,k)为第m个部件估计的概率密度函数,rm,k为剩余寿命随机变量,为tk时刻下真实的剩余寿命,根据的值检验预测精度,并最终输出剩余寿命的概率密度函数。
2.根据权利要求1所述的一种多模态退化过程的剩余寿命预测方法,其特征在于,步骤(3)中,变点检测τ(1:D+1)及赫斯特指数H的辨识由分别调用MATLAB中的findchangepts函数和wfbmesti函数求取。
3.根据权利要求1所述的一种多模态退化过程的剩余寿命预测方法,其特征在于,步骤(4)中,针对第j+...
【专利技术属性】
技术研发人员:周东华,陈茂银,席霄鹏,钟麦英,纪洪泉,王友清,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。