一种机载电子设备剩余寿命自适应预测方法技术

本发明专利技术公开了一种机载电子设备剩余寿命自适应预测方法，涉及电子设备寿命预测技术领域。针对现有新研、小样本条件下机载电子设备剩余寿命预测方法未能综合考虑非线性、测量误差、隐含退化特性以及漂移/扩散系数同步更新的问题，本发明专利技术的方法首先基于Wiener过程建立带测量误差的非线性隐含退化模型，引入漂移系数更新机制，并采用EKF

【技术实现步骤摘要】
一种机载电子设备剩余寿命自适应预测方法


[0001]本专利技术涉及电子设备寿命预测
，特别是涉及一种机载电子设备剩 余寿命自适应预测方法。

技术介绍

[0002]机载电子设备是指飞机上由各类电子元器件所组成的，应用电子技术和软 件来执行多样化军事任务的重要设备。为了应对现代战争网络化、信息化程度 的不断提升，机载电子设备的构成日益复杂、功能愈发多样、性能更加完善， 有力推动了航空装备战斗力的形成与提升。据统计，机载电子设备占现代飞机 采购成本的比重已经高达30％～50％。随着机载电子设备在现代飞机中的全面应 用，其故障数量日趋庞大，新型战机机载电子设备的故障数占比已超过全机总 故障的40％。因此，准确分析机载电子设备性能状态观测数据，科学预测其剩 余寿命，对于合理安排维修计划，确保任务完成与飞行安全都具有重要意义。
[0003]目前，利用传感器获取机载电子设备的退化信息，构建基于Wiener过程 的退化模型，进而预测其剩余寿命的方法已成为主流，并在激光器、LED、航 空锂电池、陀螺仪等机载电子产品中得到了应用。在上述研究中，都需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机载电子设备剩余寿命自适应预测方法，其特征在于，包括以下步骤：基于非线性Wiener过程构建带比例关系的设备隐含退化模型；引入漂移系数更新机制，在所述退化模型的基础上建立设备退化过程的状态转移方程，并采用扩展卡尔曼滤波EKF算法同步更新设备退化状态与漂移系数；输入设备的退化状态的观测数据，采用期望最大化
‑
扩展卡尔曼滤波EM
‑
EKF算法实现对所述退化模型中未知参数的自适应估计；在退化状态与漂移系数更新和退化模型中未知参数自适应估计的基础上，基于全概率公式计算设备剩余寿命的概率密度函数。2.如权利要求1所述的一种机载电子设备剩余寿命自适应预测方法，其特征在于，构建带比例关系的设备隐含退化模型的方法为：基本线性Wiener退化模型表示为：X(t)＝X(0)+αt+βB(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，X(0)表示设备在初始时刻的性能退化量，α用以描述设备的退化速率，称为漂移系数，β用以描述设备退化过程随时间不确定性的程度，称为扩散系数，B(t)为标准布朗运动；考虑到外界环境对设备退化过程的影响，在式(1)线性退化模型的基础上，通过对退化过程进行非线性化处理，得到非线性退化模型：其中，表示时间t的非线性函数，θ表示未知参数；若设备退化过程满足Wiener过程，且退化机理不发生变化，则漂移系数α与扩散系数β具有比例关系：ρ＝β2/α
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)得到带比例关系的退化模型为：基于测量误差v，建立带测量误差的隐含比例退化模型，即带比例关系的设备隐含退化模型：Y(t)＝H(X(t)|τ)+v
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中，Y(t)表示通过传感器获取的设备性能退化状态量；H(X(t)|τ)用以表征设备的隐含退化特性，是设备真实退化量X(t)的线性/非线性函数，τ表示未知参数，测量误差v满足3.如权利要求2所述的一种机载电子设备剩余寿命自适应预测方法，其特征在于，采用扩展卡尔曼滤波EKF算法同步更新设备退化状态与漂移系数的方法为：基于式(5)构建的带比例关系的设备隐含退化模型，可得设备退化过程的状态转移方程为：
其中，t
k
,k＝1,2,
…
,M为第k个状态监测时刻，X
k
＝X(t
k
)，Y
k
＝Y(t
k
)，Y
1:k
＝[Y1,Y2,
…
Y
k
]
T
，ε
k
‑1～N(0,t
k
‑
t
k
‑1)，噪声信号对式(6)中的非线性函数进行线性化处理，得到线性化处理后设备退化的状态转移方程为：其中，H
′
(
·
)为非线性函数的一阶导数，令Z
k
＝[X
k
,α
k
]
T
，则将式(7)转化为：进一步得：其中，L
k
＝[J
k
,0]，W
k
‑1的协方差为式(10)即为扩展卡尔曼滤波的标准...

【专利技术属性】
技术研发人员：王泽州，蔡忠义，王莉莉，陈云翔，项华春，王育辉，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：