一种考虑测量不确定性的退化设备剩余寿命预测方法技术

本发明专利技术公开了一种考虑测量不确定性的退化设备剩余寿命预测方法，包括以下步骤：S1：采集退化设备的离散测量时间点和退化量集合，并建立性能退化模型；S2：根据性能退化模型，对性能退化模型进行参数估计；S3：基于性能退化模型和参数估计结果，进行剩余寿命预测。本发明专利技术给出了一种考虑测量不确定性的自适应退化设备剩余寿命预测方法，针对实际设备退化过程中退化的随机性，充分考虑了设备在退化过程中特征提取的误差情况，不仅可以对此类设备的剩余寿命进行准确预测分析，还可以作为寿命周期中一种有效分析工具。

【技术实现步骤摘要】
一种考虑测量不确定性的退化设备剩余寿命预测方法
本专利技术属于可靠性工程
，具体涉及一种考虑测量不确定性的退化设备剩余寿命预测方法。
技术介绍
随着生产技术的不断发展，现代工业设备正朝着大型化、复杂化和智能化的方向发展。然而，大型复杂的工业设备在长期运行过程中会受到各种环境因素的影响，设备的性能也会发生相应的变化。经过一段时间的积累，达到一定的阈值，设备发生损坏，表现为设备输出参数的变化，如部件性能的恶化、机械部件的磨损和绝缘材料的老化。积累到一定程度，设备最终会失效。一旦因这种故障而发生事故，人员和财产损失甚至环境损害往往是不可估量的。如果能够在性能退化的早期阶段监测和评估设备的寿命，以确定设备维护的最佳时间并制定相应的维护计划，这可以提高设备的可靠性，降低设备运行的风险，降低运行成本。因此，通过设备退化的测量数据，建立退化规律的演化模型，进而实现设备的剩余使用寿命(RUL)预测，是预测与健康管理(PHM)的基础和核心内容。寿命预测结果为维修决策和备件更换提供了科学依据。在工程实践中，准确测量设备的隐藏退化状态往往是不现实的或昂贵的。此外，通过传感器状态监测获得的与设备的隐含退化状态相关的测量数据不可避免地受到诸如噪声、干扰和不合理的测量仪器等因素的影响。在这种情况下，获得的测量数据是不合理的，只能部分反映设备的退化状态。为了描述测量不确定性的影响，准确描述设备退化情况，需要建立起潜在退化状态和不确定测量数据之间的关系。实际上，基于自适应Wiener过程框架，建立一种考虑不确定性测量的退化模型。进一步基于对数变换和逆高斯特性，从理论上推导出了靠虑不确定测量自适应Wiener过程的设备寿命分布的解析形式，推导出剩余寿命的解析解。从而得到考虑不确定测量自适应Wiener过程的随机退化设备的剩余寿命预测，以提高剩余寿命预测的准确性。
技术实现思路
本专利技术的目的是为了解决剩余寿命预测的问题，提出了一种考虑测量不确定性的退化设备剩余寿命预测方法。本专利技术的技术方案是：一种考虑测量不确定性的退化设备剩余寿命预测方法包括以下步骤：S1：采集退化设备的离散测量时间点和退化量集合，并建立性能退化模型；S2：根据性能退化模型，对性能退化模型进行参数估计；S3：基于性能退化模型和参数估计结果，进行剩余寿命预测。进一步地，步骤S1包括以下子步骤：S11：采集退化设备的离散测量时间点0＝t0<t1<…<ti和退化量集合Y1:i＝{y1,y2,…,yi}，得到对应的退化状态集合X1:i＝{x1,x2,…,xi}，其中，y1,y2,…,yi表示t1,…,ti时刻退化设备的退化量，x1,x2,…,xi表示t1,…,ti时刻退化设备的退化状态；S12：建立退化状态集合X1:i＝{x1,x2,…,xi}和退化量集合Y1:i＝{y1,y2,…,yi}之间的性能退化方程yi＝xi+εi，作为性能退化模型，其中，εi表示ti时刻的随机测量误差。进一步地，步骤S2包括以下子步骤：S21：根据性能退化模型，对未知参数θ＝(k2,σ2,γ2,v,α)建立退化设备的似然函数l(θ|Y)，其中，k2表示自适应漂移项扩散系数的平方，σ2表示自适应Wiener的扩散系数的平方，γ2表示测量误差的方差，v表示漂移系数，α表示非线性退化的时间指数幂，Y表示考虑测量不确定性的监测数据；S22：根据退化设备的似然函数l(θ|Y)，依次得到k2、σ2、γ2和α的剖面似然函数l(k,σ,γ,α|Y,v)与v的极大似然函数，其中，Y表示未知参数θ对应的退化设备的测量数据，k表示自适应漂移项扩散系数，σ表示自适应Wiener的扩散系数，γ表示测量误差；S23：利用多维搜索法，根据k2、σ2、γ2和α的剖面似然函数l(k,σ,γ,α|Y,v)与v的极大似然函数，依次得到k2,σ2,γ2,α和v的极大似然估计值，完成参数估计。进一步地，所述步骤S21中，退化设备的似然函数l(θ|Y)的表达式为：其中，θ表示未知参数，Y表示考虑测量不确定性的监测数据，N表示退化设备的个数，M表示一个退化设备的监测点个数，Yi表示某个设备的监测数据，Σ表示Yi的方差，v表示漂移系数，Si表示两个监测点时间间隔；步骤S22中，漂移系数v的极大似然函数的表达式为：步骤S22中，k2、σ2、γ2和α的剖面似然函数l(k,σ,γ,α|Y,v)的表达式为：其中，k表示自适应漂移项扩散系数，σ表示自适应Wiener的扩散系数，γ2表示测量误差的方差，Yi表示某个设备的监测数据，Σi表示Yi的方差，Ωi表示不考虑自适应Wiener时Yi的方差。进一步地，步骤S3包括以下子步骤：S31：在离散测量时间点0＝t0<t1<…<ti内，根据性能退化方程yi＝xi+εi、退化状态集合X1:i＝{x1,x2,…,xi}和参数估计结果，对性能退化模型进行变换；S32：利用Kalman滤波算法，根据变换后的性能退化模型进行退化状态估计，完成寿命预测。进一步地，步骤S31中，对性能退化模型进行变换的计算公式为：其中，xi表示离散测量时间ti退化设备的退化状态，xi-1表示离散测量时间ti-1退化设备的退化状态，v表示漂移系数，ΔSi表示非线性退化时间间隔，η表示退化过程时变不确定性造成的噪声项，yi表示考虑测量误差时的监测数据，εi表示测量误差。进一步地，步骤S32中，利用Kalman滤波算法，进行退化状态估计，并在退化状态估计过程中进行更新，退化状态估计的计算公式为：其中，表示通过退化量集合Y1:i对退化状态xi估计的期望，Pi|i表示通过退化量集合Y1:i对退化状态xi估计的方差，表示上一步通过退化量集合Y1:i对退化状态xi估计的期望，Pi|i-1表示上一步通过退化量集合Y1:i对退化状态xi估计的方差，K(i)表示滤波增益，表示在ti-1时刻监测数据估计值的均值，v表示漂移系数，ΔSi表示非线性退化时间间隔，y(i)表示考虑测量误差时的监测数据，γ2表示测量误差的方差，Pi-1|i-1表示在ti-1时刻监测数据估计值的方差，πi表示噪声项η的方差；进行更新的计算公式为：Pi|i＝(1-K(i))Pi|i-1。进一步地，步骤S32中，进行剩余寿命预测的具体方法为：将退化状态估计结果第一次达到预定故障阈值的时间作为退化设备的剩余寿命起始时间。本专利技术的有益效果是：本专利技术给出了一种考虑测量不确定性的自适应退化设备剩余寿命预测方法，针对实际设备退化过程中退化的随机性，充分考虑了设备在退化过程中特征提取的误差情况，不仅可以对此类设备的剩余寿命进行准确预测分析，还可以作为寿命周期中一种有效分析工具，为设备备件订购等维修管理决策提供有力的理论依据，从而可实现高效合理的装备管理，避免浪费，因此该方法具有很好的工程应用价值。附图说明图1为本文档来自技高网...

【技术保护点】
1.一种考虑测量不确定性的退化设备剩余寿命预测方法，其特征在于，包括以下步骤：/nS1：采集退化设备的离散测量时间点和退化量集合，并建立性能退化模型；/nS2：根据性能退化模型，对性能退化模型进行参数估计；/nS3：基于性能退化模型和参数估计结果，进行剩余寿命预测。/n

【技术特征摘要】
1.一种考虑测量不确定性的退化设备剩余寿命预测方法，其特征在于，包括以下步骤：
S1：采集退化设备的离散测量时间点和退化量集合，并建立性能退化模型；
S2：根据性能退化模型，对性能退化模型进行参数估计；
S3：基于性能退化模型和参数估计结果，进行剩余寿命预测。


2.根据权利要求1所述的考虑测量不确定性的退化设备剩余寿命预测方法，其特征在于，所述步骤S1包括以下子步骤：
S11：采集退化设备的离散测量时间点0＝t0<t1<…<ti和退化量集合Y1:i＝{y1,y2,…,yi}，得到对应的退化状态集合X1:i＝{x1,x2,…,xi}，其中，y1,y2,…,yi表示t1,…,ti时刻退化设备的退化量，x1,x2,…,xi表示t1,…,ti时刻退化设备的退化状态；
S12：建立退化状态集合X1:i＝{x1,x2,…,xi}和退化量集合Y1:i＝{y1,y2,…,yi}之间的性能退化方程yi＝xi+εi，作为性能退化模型，其中，εi表示ti时刻的随机测量误差。


3.根据权利要求1所述的考虑测量不确定性的退化设备剩余寿命预测方法，其特征在于，所述步骤S2包括以下子步骤：
S21：根据性能退化模型，对未知参数θ＝(k2,σ2,γ2,v,α)建立退化设备的似然函数l(θ|Y)，其中，k2表示自适应漂移项扩散系数的平方，σ2表示自适应Wiener的扩散系数的平方，γ2表示测量误差的方差，v表示漂移系数，α表示非线性退化的时间指数幂，Y表示考虑测量不确定性的监测数据；
S22：根据退化设备的似然函数l(θ|Y)，依次得到k2、σ2、γ2和α的剖面似然函数l(k,σ,γ,α|Y,v)与v的极大似然函数，其中，Y表示未知参数θ对应的退化设备的测量数据，k表示自适应漂移项扩散系数，σ表示自适应Wiener的扩散系数，γ表示测量误差；
S23：利用多维搜索法，根据k2、σ2、γ2和α的剖面似然函数l(k,σ,γ,α|Y,v)与v的极大似然函数，依次得到k2,σ2,γ2,α和v的极大似然估计值，完成参数估计。


4.根据权利要求3所述的考虑测量不确定性的退化设备剩余寿命预测方法，其特征在于，所述步骤S21中，退化设备的似然函数l(θ|Y)的表达式为：



其中，θ表示未知参数，Y表示考虑测量不确定性的监测数据，N表示退化设备的个数，M表示一个退化设备的监测点个数，Yi表示某个设备的监测数据，Σ表示Yi的方差，v表示漂移系数，Si表示两个监测点时间间隔；
所述步骤S22中，漂移系数v的极大似然函数的表达式为：



所述步骤S22中，k2...

【专利技术属性】
技术研发人员：郑建飞，胡昌华，董青，司小胜，李天梅，张建勋，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：陕西;61