【技术实现步骤摘要】
强噪声与非周期状态监测的健康状态与可靠性评估方法
本专利技术涉及系统可靠性评估领域，更具体的涉及健康状态估计与剩余寿命预测领域。
技术介绍
在电子设备系统中，由于存在复杂的电磁干扰和传感器技术的限制，以及可能的状态监测指令失效，获得的健康状态监测信号通常受到噪声的污染且呈非等间隔性。此外，由于制造公差的存在和工作条件的变化，同一批次生产的设备系统也可能显示出较高水平的异质性，在这样的情况下，如何实现对系统准确的健康状态估计，进而实现精确的剩余寿命预测具有重要的工程意义。通过对目前的文献检索发现，现有技术多是对其中的某一个问题进行分析和解决，很少同时考虑所有上述问题。例如，直接采用带噪声的监测信号一般会带来错误的寿命预测与健康评估结果，因为系统的失效是通过健康状态信号超过预定的门限确定的。针对这类有噪声的状态监测信号，大多方法作用于数据预处理阶段，旨在减轻噪声。如将平均平滑技术、异常点去除技术等直接应用于有噪声状态监测信号上以产生拟合状态监测序列。这类方法没有考虑系统的固有退化模式，忽略了状态监测信号的细节。针对状态监...
【技术保护点】
1.一种强噪声与非周期状态监测的健康状态与可靠性评估方法，其特征在于包括下述步骤：/n步骤1：退化建模；/n假设系统的健康状态信号x(t)服从于非齐次Gamma分布，概率密度函数表示为：/n
【技术特征摘要】 【专利技术属性】
1.一种强噪声与非周期状态监测的健康状态与可靠性评估方法，其特征在于包括下述步骤：
步骤1：退化建模；
假设系统的健康状态信号x(t)服从于非齐次Gamma分布，概率密度函数表示为：
其中，v(t)＞0表示形状参数，v(t)单调非减且右连续；u＞0是尺度参数；Γ(·)是Gamma函数；对于x∈(0,∞)，I(0,∞)(x)＝1，否则I(0,∞)(x)＝0；根据Gamma过程的性质，基于Gamma过程的退化模型具有两个特点：1)对于任意监测时刻0≤t1＜t2＜…＜∞，退化增量，即Δx(0,t1),Δx(0,t2),…是相互独立的随机变量；2)给定监测时段[t1,t2]，退化增量Δx(t1,t2)服从于Gamma分布，且退化增量的均值为[v(t2)-v(t1)]u、方差为[v(t2)-v(t1)]u2；
系统健康状态转移模型为：
x(t+Δt)-x(t)～Ga(v(t+Δt)-v(t),u),Δt≥0(2)
用来表示噪声监测信号y(t)的量测模型表示为：
y(t)＝x(t)+ε(3)
其中ε表示量测噪声，服从均值为0，方差为σ2的正态分布；
尺度参数u为一个随机变量，且对应参数为κ和λ-1，且令ξ＝u-1～Ga(κ,λ-1)，则ξ的均值为κ/λ，方差为κ/λ2，x(t)的概率密度函数表示为：
其中B(a,b)是Beta函数，参数为a和b，且B(a,b)＝Γ(a)·Γ(b)/Γ(a+b)，对任意t≥0，Δt≥0，定义退化增量Δx(t)＝x(t+Δt)-x(t)，则Δx(t)的概率密度函数定义为：
其中Δv(t)＝v(t+Δt)-v(t)，给定非齐次效应项(即形状参数u)的条件下，健康状态信号x(t)和对应的退化增量Δx(t)相互独立；因此，给定当前健康状态信号x(t)的条件下，退化增量Δx(t)的条件概率密度函数为：
将失效时刻TF定义为健康状态信号x(t)超过一个预先定义的失效阈值xF的时刻；同时，假设系统在监测时刻t尚未失效，则在给定当前健康状态信号x(t)的条件下，TF的条件概率分布函数为：
其中F(·)是F分布的概率分布函数，该分布自由度为2Δv(tR)和2v(t)+2κ；因此，系统剩余使用寿命tR的概率密度函数为：
步骤2：模型参数估计；
步骤2.1：无迹粒子滤波平滑算法；
输入：Θ＝{v(t),κ,λ,σ2}，
输出：一系列粒子值其中i为设备序号，m为设备总数，j为量测值序号，ni为设备i的量测值数量；
步骤2.1.1：运行无迹粒子滤波算法，从而实现前向滤波；
1)初始化；
对于第i个设备系统，从先验分布p(xi,0)中生成N个随机粒子，将生成的随机粒子表示为d为粒子序号，同时设增强均值为设增强协方差矩阵为
2)对于j＝1,…,ni，使用如下步骤更新粒子：
采用放缩无迹转换计算sigma点和对应的权重w如下：
技术研发人员：赵帅，陈绍炜，温鹏飞，高萌，黄登山，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61
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。