复杂情况下多变点的设备剩余使用寿命预测方法技术

本发明专利技术涉及一种复杂情况下多变点的设备剩余使用寿命预测方法，属于设备剩余寿命预测领域，包括以下步骤：S1：确定设备退化模型，改变其漂移系数来描述多变点下的退化轨迹；S2：以退化模型为已知条件，描述变点前后的退化速率的变化，得到多变点下剩余寿命分布表达式；S3：以剩余寿命分布为已知条件，根据实时检测得到的最新变点，解决最新变点的参数估计问题；S4：以未知参数为已知条件，得到剩余寿命分布函数，对其求期望，实现多变点下设备参数独立的剩余寿命预测；S5：以多变点下设备参数独立的寿命分布为已知条件，描述参数之间的相关性，并获得多变点下设备参数相关的寿命分布。

【技术实现步骤摘要】
复杂情况下多变点的设备剩余使用寿命预测方法
本专利技术属于设备的剩余寿命预测领域，涉及一种复杂情况下多变点的设备剩余使用寿命预测方法。
技术介绍
近年来，预测与健康管理(PrognosticsandHealthManagement,PHM)技术围绕设备安全可靠运行要求得到了迅猛发展。大量的研究已经表明，PHM技术能够降低维护费用和减少间歇性故障的发生以提高产品的可靠性，并可以提供系统失效的高级告警，避免灾难的发生，因此，研究设备的剩余使用寿命预测方法。具有十分重要的意义。基于数据驱动的方法不需要产品的具体退化模型，直接利用产品本身的监测数据或合并相似产品的历史数据可以估计的方法，受到国内外许多学者的青睐。在实际工程中，大多设备都是处于复杂的工作环境中，如用于国防领域的顶尖装备的滚动轴承、航天发动机等，会受到高温高压、磨损、过载的影响出现变点，从而使设备偏离正常的性能退化轨迹，虽说变点的出现不会导致设备突然失效，但依旧改变了原来的退化趋势，使设备剩余使用寿命缩短。图1表示多变点情况下设备的退化曲线。比如，在滚动轴承运行过程中，润滑油质量不符合要求或者变质、轴承装配不当、负荷过大等均会造成轴承过早损坏，即使轴承正常运行，由于磨损的存在，也会导致轴承性能退化直至失效。现有的退化模型大多针对单一退化行为，而在退化试验中发现，不少产品在退化过程中呈现出一种多阶段的退化行为，退化轨迹中存在着明显的变点，在变点前后，产品的退化机制不同。对这种带变点的分阶段退化轨迹，有研究表明设备在变点前是处于不稳定阶段，并把此阶段的数据直接视为无效并舍弃；或者认为变点的位置是固定值或服从某种定分布。然而事实上由于材料、制造和运行环境的差异，即使是同类型、同批次的产品，个体之间仍存在细微差异，变点发生的位置往往是随机的，并且存在多个变点。这就造成了用一般方法所得到的寿命预测结果和实际寿命相差较大，参考价值有限。考虑复杂情况多变点影响下的设备剩余寿命预测是一个难点。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种复杂情况下多变点的设备剩余使用寿命预测方法。利用Wiener过程建立复杂情况下多变点的退化模型，其漂移系数用来描述变点前后的退化轨迹的变化，扩散系数描述退化过程的稳定性，得到基于首达时间的剩余寿命分布；利用已有的检测信息，对设备退化过程中变点的存在性进行统计检验，从而确认最新变点对应的检测时刻；根据最新变点，利用EM算法解决参数估计问题；由于变点的出现会同时影响多个性能参数的变化，并且在此过程中参数之间存在强耦合性，通过假设参数服从正态逆伽马分布，从而获取了设备多变点的剩余寿命预测模型，实现了设备在复杂情况下多变点的剩余寿命预测，能有效提高剩余寿命预测的准确性，从而降低了停机风险，减少了维护频率，提高了生产效率和经济效益。为达到上述目的，本专利技术提供如下技术方案：第一方面，本专利技术提供一种复杂情况下多变点的设备剩余使用寿命预测方法，包括以下步骤：S1：确定设备退化模型，利用Wiener过程的特性，改变其漂移系数来描述多变点下的退化轨迹；S2：以步骤S1所得的退化模型为已知条件，描述变点前后的退化速率的变化，得到多变点下剩余寿命分布表达式；S3：以步骤S2所得的剩余寿命分布为已知条件，根据CUSUM实时检测得到的最新变点，利用EM算法解决最新变点的参数估计问题；S4：以步骤S3所得的未知参数为已知条件，得到步骤S2所确定的剩余寿命分布函数，并对其求期望，得到的期望值为所预测的剩余寿命值，从而实现多变点下设备参数独立的剩余寿命预测；S5：以步骤S4所得的多变点下设备参数独立的寿命分布为已知条件，利用高斯逆伽马分布描述参数之间的相关性，并获得多变点下设备参数相关的寿命分布，从而完成设备的剩余寿命预测。进一步，所述步骤S1中，退化模型为：其中，X(t；β,σ)表示设备在时刻t的性能退化量，βi-1和βi分别为变点τi前后的退化速率；B(t)为标准布朗运动，即B(t)～N(0,t)。进一步，步骤S2中，多变点下剩余寿命分布的概率密度函数为：对应的剩余寿命累积分布函数为：其中Φ(·)为标准正态分布。进一步，步骤S3中使用CUSUM实时检测得到最新变点，其累加和表示为：其中τi<n<r，r为当前检测时刻tr的序号。进一步，步骤S3中检验统计量的近似渐进分布函数表达式为：其中，为序列方差的极大似然估计值，为时的状态检测量的增量。进一步，步骤S3中使用EM算法解决最新变点的参数估计问题，其完全数据对数似然函数表示为：其中，Θ为退化模型参数，m为设备的数量；为第k个设备在变点τi后的第j次监测值；为第k个设备到达变点τi-1分界值的时间；为第k个设备在变点τi后的监测次数；为第k个设备在变点τi后的第j次监测时间。进一步，步骤S5中当参数之间相关时，其联合分布为：其中，a,b,c,d为高斯逆伽马分布中的未知参数，Γ(·)为伽马函数。第二方面，本专利技术提供一种电子设备，包括：处理器、通信接口、通信总线和存储器，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于当执行所述计算机程序时，实现如前所述复杂情况下多变点的设备剩余使用寿命预测方法。第三方面，本专利技术提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如前所述复杂情况下多变点的设备剩余使用寿命预测方法。本专利技术的有益效果在于：提供了一种设备剩余使用寿命预测方法，首次把多变点影响引入寿命预测方法，提高了寿命预测的可靠性和准确性。将变点的实时检测引入剩余寿命预测过程中，获取了最新变点位置。考虑参数之间耦合情况下的寿命预测。利用EM算法估计退化模型和高斯逆伽马分布函数的未知参数，并得到设备在多变点下参数耦合情况下的剩余寿命预测模型。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优选的详细描述，其中：图1为复杂情况多变点下的设备退化曲线示意图；图2为变点实时检测流程图；图3为设备的剩余使用寿命预测结果示意图；图4为本专利技术所述复杂情况下多变点的设备剩余使用寿命预测方法流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本本文档来自技高网...

【技术保护点】
1.一种复杂情况下多变点的设备剩余使用寿命预测方法，其特征在于：包括以下步骤：/nS1：确定设备退化模型，利用Wiener过程的特性，改变其漂移系数来描述多变点下的退化轨迹；/nS2：以步骤S1所得的退化模型为已知条件，描述变点前后的退化速率的变化，得到多变点下剩余寿命分布表达式；/nS3：以步骤S2所得的剩余寿命分布为已知条件，根据CUSUM实时检测得到的最新变点，利用EM算法解决最新变点的参数估计问题；/nS4：以步骤S3所得的未知参数为已知条件，得到步骤S2所确定的剩余寿命分布函数，并对其求期望，得到的期望值为所预测的剩余寿命值，从而实现多变点下设备参数独立的剩余寿命预测；/nS5：以步骤S4所得的多变点下设备参数独立的寿命分布为已知条件，利用高斯逆伽马分布描述参数之间的相关性，并获得多变点下设备参数相关的寿命分布，从而完成设备的剩余寿命预测。/n

【技术特征摘要】
1.一种复杂情况下多变点的设备剩余使用寿命预测方法，其特征在于：包括以下步骤：
S1：确定设备退化模型，利用Wiener过程的特性，改变其漂移系数来描述多变点下的退化轨迹；
S2：以步骤S1所得的退化模型为已知条件，描述变点前后的退化速率的变化，得到多变点下剩余寿命分布表达式；
S3：以步骤S2所得的剩余寿命分布为已知条件，根据CUSUM实时检测得到的最新变点，利用EM算法解决最新变点的参数估计问题；
S4：以步骤S3所得的未知参数为已知条件，得到步骤S2所确定的剩余寿命分布函数，并对其求期望，得到的期望值为所预测的剩余寿命值，从而实现多变点下设备参数独立的剩余寿命预测；
S5：以步骤S4所得的多变点下设备参数独立的寿命分布为已知条件，利用高斯逆伽马分布描述参数之间的相关性，并获得多变点下设备参数相关的寿命分布，从而完成设备的剩余寿命预测。


2.根据权利要求1所述的复杂情况下多变点的设备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；β,σ)表示设备在时刻t的性能退化量，βi-1和βi分别为变点τi前后的退化速率；B(t)为标准布朗运动，即B(t)～N(0,t)。


3.根据权利要求1所述的复杂情况下多变点的设备剩余使用寿命预测方法，其特征在于：步骤S2中，多变点下剩余寿命分布的概率密度函数为：



对应的剩余寿命累积分布函数为：



其中Φ(·)为标准正态分布。


4.根据权利要求1所述的复杂情况下多变点的设备剩余使用寿命预测方法，其特征在于：步骤S3中使用CUSUM实时检测得到最新变点，其累加...

【专利技术属性】
技术研发人员：林景栋，马晨雨，赵越，蔡力，刘志文，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50