【技术实现步骤摘要】
一种基于深度学习的设备剩余寿命预测模型构建方法
[0001]本专利技术涉及一种深度学习与可靠性增长试验的设备剩余寿命预测模型构建方法,属于设备可靠性评估与故障预测领域。
技术介绍
[0002]可靠性增长试验是产品工程研制阶段中单独安排的一个可靠性工作项目,通常安排在工程研制基本完成之后和可靠性鉴定试验之前。在这个时期,产品的性能与功能已基本上达到设计要求,但尚未进入批生产,仍可针对重大可靠性隐患做出设计修改。可靠性增长试验期间采用的环境条件及其随时间变化情况,应能反映受试产品现场使用和任务环境的特征,即应选用模拟现场的综合环境条件。可靠性增长试验的核心就是通过试验
‑
分析
‑
改进
‑
再试验(Test,Analyze and Fix,TAF),发现并解决产品缺陷提高可靠性。因此,在可靠性增长试验过程中,积累了大量不同环境应力下,产品各部件和系统可靠性指标(平均故障时间,MTBF)随试验时间的变化情况。
[0003]虽然经过可靠性增长试验之后,可以得到产品可靠性的最终评估结果(MTBF),但是当前采用的可靠性评估技术是基于传统的以统计分析技术为基础的可靠性理论。可靠性分析通过可靠性增长试验和可靠性鉴定试验中的大量试验,得到产品或其部件的失效数据,然后使用统计方法,选择最合适的统计分析模型,最后通过系统可靠性结构模型和部件故障失效分布函数,得到产品的可靠性评估模型。因此传统的可靠性评估模型,应用于实际场景中的产品可靠性评估时,可靠性影响因素只有时间变量,即可靠性 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的设备剩余寿命预测模型构建方法,其特征在于以下步骤:步骤S10:收集产品可靠性增长试验数据,初始化n台样品设备全寿命周期监测数据(包括任务剖面、环境应力、试验时间、各项性能参数),通过滑窗将每台设备的数据分为多个监测批次,设第i台设备监测批次为m
i
。取各设备前两批数据,并标注其性能退化量为0.01~0.05的随机数,取各设备的最后一批数据,标注其性能退化量为0.9~0.91的随机数,倒数第二批数据,标注其性能退化量为0.89~0.9之间的随机数;步骤S20:选用基于Transformer的多头注意力机制的深度学习模型,将各设备首尾批监测数据、环境应力、性能退化量标签值,以及试验时间的位置编码,输入性能退化仿真模型进行训练;步骤S30:将试验样本全寿命监测数据,通过位置编码,输入Transformer模型进行再训练和预测,模型最终预测结果即为试验样本全寿命周期里的性能退化指标DHI。然后画出所有样品设备全寿命周期中性能退化指标,选择产品性能退化的早期阶段,即DHI变化不大的剩余寿命区间[rul
wmin
,rul
wmax
],并以剩余寿命区间最后阶段rul
wmin
的各样本DHI的均值加2倍方差,作为早期退化过程的失效阈值,其计算如下:DHI
fault
=μ
wmin
+2σ
wmin
;;其中为剩余寿命区间最后阶段rul
wmin
的各样本性能退化指标,DHI
fault
为早期退化过程的失效阈值,μ
wmin
为剩余寿命区间最后阶段rul
wmin
的各样本性能退化指标的均值,σ
wmin
为剩余寿命区间最后阶段rul
wmin
的各样本性能退化指标的方差;步骤S40:对性能退化指标变化不大的剩余寿命区间[rul
wmin
,rul
wmax
],采用n台样本可靠性增长试验数据以及Wiener过程模型,得到Wiener过程的未知参数μ和σ的似然函数,并计算参数μ和σ的极大似然估计值如下:其中Wiener过程模型模型如下:其中Δx
ij
=DHI
ij+1
‑
DHI
ij
为i设备j+1时刻与j时刻性能退化的差值,σ和μ为Wiener过程待求解参数,rul
j
为i设备j时刻的剩余寿命;;利用以下方程组求解参数μ和σ的极大似然估计值和和步骤S50:将所述的均值和方差参数估计值和以及设备性能失效阈值DHI
fault
,代入
连续Weiner过程损伤累积模型的失效概率密度函数f(t),计算设备失效概率随时间变化的分布密度函数如下:分布密度函数如下:分布密度函数如下:分布密度函数如下:其中MTBF(DHI
fault
)表示设备从性能退化指标为0的健康状态退化到故障失效阈值DHI
fault
的预测时间;f(t)为连续Weiner过程损伤累积模型的失效概率密度函数;DHI
fault
为设备性能失效阈值;与为基于连续Weiner过程的设备退化性能指标均值和方差参数估计值;步骤S60:根据所述的设备退化性能指标均值和方差参数估计值与连续Weiner过程损伤累积模型,计算任意时刻i的设备状态到故障状态...
【专利技术属性】
技术研发人员:王瑞奇,徐廷学,李海君,顾钧元,
申请(专利权)人:中国人民解放军海军航空大学,
类型:发明
国别省市:
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。