【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 ...
【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
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。