一种非线性退化设备剩余寿命计算方法及系统技术方案

本发明专利技术涉及一种非线性退化设备剩余寿命计算方法及系统，具体涉及设备剩余寿命技术领域。所述方法包括：采用极大似然估计法对历史退化信息进行处理得到固定参数、固定扩散系数、随机参数向量均值和随机参数向量协方差的极大似然估计结果；根据后两个极大似然估计结果采用序贯贝叶斯方法得到当前时刻随机参数向量均值和随机参数向量协方差的结果；根据设备退化模型确定当前时刻设备剩余寿命的概率密度表达式；将固定参数、固定扩散系数、当前时刻随机参数向量均值和当前时刻随机参数向量协方差的结果代入剩余寿命的概率密度表达式得到剩余寿命的概率密度最终表达式；根据最终表达式确定剩余寿命表达式。本发明专利技术可提高剩余寿命的预测精度。寿命的预测精度。寿命的预测精度。

【技术实现步骤摘要】
一种非线性退化设备剩余寿命计算方法及系统


[0001]本专利技术涉及设备剩余寿命
，特别是涉及一种非线性退化设备剩余寿命计算方法及系统。

技术介绍

[0002]大部分工程退化设备的性能健康指标并非是严格单调变化的，可能会受到包含温度、湿度、光照、电磁等在内的外部环境影响，将呈现一种非单调退化趋势，如陀螺仪漂移系数变化、锂电池容量退化以及风机振动幅度等。据悉，基于Wiener过程的方法在刻画非单调退化过程具备通用性与普适性，并且Wiener过程涵盖了正态分布的诸多优良品质，近年来在退化建模中与剩余寿命预测领域受到越来越多的关注。Doksum和Hoyland首次尝试将Wiener过程应用于退化建模和剩余寿命预测。随后，为更好地适应实际复杂情形以及改善剩余寿命的准确性，研究并改进了一大批基于Wiener过程的预测模型。在这些预测模型中，Bayesian方法作为一种典型的方法，通常用来更新Wiener过程的随机参数。为处理实际应用中可能遇到的各类非线性退化过程，Si等人率先提出了一种非线性漂移的布朗运动来描述退化过程，并采用时空变换推导出首次到达恒定阈值的时间分布。然而，模型参数仅采用极大似然估计方法估计，一旦得到新的监测数据无法进行更新。鉴于此，Si在一类特殊的非线性形式下采用Bayesian方法更新随机参数。Tang等人基于带有测量误差的扩散过程退化模型研究了一种两阶段参数估计方法，并推导出了剩余寿命分布的近似解析解。根据贝叶斯方法的迭代结果，一旦得到新的退化监测信息，即可在线更新随机参数的后验分布。此外，Wang等人提出了一种基于加性Wiener过程的混合退化设备退化模型，该模型由线性退化部分和非线性部分组成。相应的参数估计方法同样包含两个阶段的过程：基于极大似然估计的离线估计以及基于Bayesian方法的在线更新。上述文献均表明，Bayesian方法能够保证随机参数与剩余寿命预测的准确性。
[0003]尽管如此，当采用传统Bayesian方法估计扩散过程退化模型参数时，将存在一类常见的典型问题。即由于扩散过程中复杂的非线性漂移函数，一旦获得新的退化监测信息，计算Bayesian更新结果往往需要进行大量且重复的积分运算，因而将不可避免地降低计算效率以及预测实时性。作为一类特殊的扩散过程，Wiener过程的线性漂移项将有助于简化计算，更新参数过程中虽然不存在上述问题，但会存在另外一种缺陷，Bayesian更新后的参数仅利用了当前观测的退化信息，忽略了当前时刻之前观测的退化信息，进而Wiener过程的Bayesian更新机制很难确保剩余寿命的预测精度。因此，迫切需要研究一种克服扩散过程常见问题和Wiener过程特殊问题的通用方法。

技术实现思路

[0004]本专利技术的目的是提供一种非线性退化设备剩余寿命计算方法及系统，可提高剩余寿命的预测精度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种非线性退化设备剩余寿命计算方法，包括：
[0007]基于广义扩散过程构建设备退化模型；
[0008]获取与非线性退化设备同类的退化设备的历史退化信息；
[0009]采用极大似然估计法对所述历史退化信息进行处理得到所述设备退化模型中固定参数的极大似然估计结果、固定扩散系数的极大似然估计结果、随机参数向量均值的极大似然估计结果和随机参数向量协方差的极大似然估计结果；
[0010]根据所述随机参数向量均值的极大似然估计结果、所述随机参数向量协方差的极大似然估计结果，采用序贯贝叶斯方法得到当前时刻随机参数向量均值的结果和当前时刻随机参数向量协方差的结果；
[0011]根据所述设备退化模型确定当前时刻设备剩余寿命的概率密度表达式；
[0012]将所述固定参数的极大似然估计结果、所述固定扩散系数的极大似然估计结果、所述当前时刻随机参数向量均值的结果和所述当前时刻随机参数向量协方差的结果代入所述当前时刻设备剩余寿命的概率密度表达式得到当前时刻设备剩余寿命的概率密度最终表达式；
[0013]根据当前时刻设备剩余寿命的概率密度最终表达式确定当前时刻所述非线性退化设备的剩余寿命表达式，所述当前时刻非线性退化设备的剩余寿命表达式用于确定当前时刻非线性退化设备的剩余寿命。
[0014]可选的，所述采用极大似然估计法对所述历史退化信息进行处理得到所述设备退化模型中固定参数的极大似然估计结果、固定扩散系数的极大似然估计结果、随机参数向量均值的极大似然估计结果和随机参数向量协方差的极大似然估计结果，具体包括：
[0015]根据所述设备退化模型计算基于所述历史退化信息的对数似然函数；
[0016]根据所述对数似然函数得到所述设备退化模型中随机参数向量均值的极大似然估计表达式；
[0017]根据所述随机参数向量均值的极大似然估计表达式和所述对数似然函数得到剖面似然函数；
[0018]极大化所述剖面似然函数分别得到所述设备退化模型中固定参数的极大似然估计结果、固定扩散系数的极大似然估计结果和随机参数向量协方差的极大似然估计结果；
[0019]将所述设备退化模型中固定参数的极大似然估计结果、所述固定扩散系数的极大似然估计结果和所述随机参数向量协方差的极大似然估计结果带入所述随机参数向量均值的极大似然估计表达式，得到随机参数向量均值的极大似然估计结果。
[0020]可选的，所述根据所述随机参数向量均值的极大似然估计结果、所述随机参数向量协方差的极大似然估计结果，采用序贯贝叶斯方法得到当前时刻随机参数向量均值的结果和当前时刻随机参数向量协方差的结果，具体包括：
[0021]根据所述随机参数向量均值的极大似然估计结果、所述随机参数向量协方差的极大似然估计结果，得到当前时刻随机参数向量的先验分布；
[0022]根据当前时刻随机参数向量的先验分布，结合序贯贝叶斯递归机制，得到当前时刻随机参数向量均值的结果和当前时刻随机参数向量协方差的结果。
[0023]可选的，所述根据所述对数似然函数得到所述设备退化模型中随机参数向量均值的极大似然估计表达式具体包括：
[0024]极大化所述对数似然函数得到偏导数表达式；
[0025]根据所述偏导数表达式得到所述设备退化模型中随机参数向量均值的极大似然估计表达式。
[0026]可选的，所述根据所述设备退化模型确定当前时刻设备剩余寿命的概率密度表达式，具体包括：
[0027]根据所述设备退化模型确定当前时刻设备剩余寿命的条件概率密度函数；
[0028]根据当前时刻设备剩余寿命的条件概率密度函数和全概率公式确定当前时刻设备剩余寿命的概率密度函数；
[0029]根据当前时刻设备剩余寿命的概率密度函数确定当前时刻设备剩余寿命的概率密度表达式。
[0030]一种非线性退化设备剩余寿命计算系统，包括：
[0031]模型构建模块，用于基于广义扩散过程构建设备退化模型；
[0032]信息获取模块，用于获取与非线性退化设备同类的退化设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非线性退化设备剩余寿命计算方法，其特征在于，包括：基于广义扩散过程构建设备退化模型；获取与非线性退化设备同类的退化设备的历史退化信息；采用极大似然估计法对所述历史退化信息进行处理得到所述设备退化模型中固定参数的极大似然估计结果、固定扩散系数的极大似然估计结果、随机参数向量均值的极大似然估计结果和随机参数向量协方差的极大似然估计结果；根据所述随机参数向量均值的极大似然估计结果、所述随机参数向量协方差的极大似然估计结果，采用序贯贝叶斯方法得到当前时刻随机参数向量均值的结果和当前时刻随机参数向量协方差的结果；根据所述设备退化模型确定当前时刻设备剩余寿命的概率密度表达式；将所述固定参数的极大似然估计结果、所述固定扩散系数的极大似然估计结果、所述当前时刻随机参数向量均值的结果和所述当前时刻随机参数向量协方差的结果代入所述当前时刻设备剩余寿命的概率密度表达式得到当前时刻设备剩余寿命的概率密度最终表达式；根据当前时刻设备剩余寿命的概率密度最终表达式确定当前时刻所述非线性退化设备的剩余寿命表达式，所述当前时刻非线性退化设备的剩余寿命表达式用于确定当前时刻非线性退化设备的剩余寿命。2.根据权利要求1所述的一种非线性退化设备剩余寿命计算方法，其特征在于，所述采用极大似然估计法对所述历史退化信息进行处理得到所述设备退化模型中固定参数的极大似然估计结果、固定扩散系数的极大似然估计结果、随机参数向量均值的极大似然估计结果和随机参数向量协方差的极大似然估计结果，具体包括：根据所述设备退化模型计算基于所述历史退化信息的对数似然函数；根据所述对数似然函数得到所述设备退化模型中随机参数向量均值的极大似然估计表达式；根据所述随机参数向量均值的极大似然估计表达式和所述对数似然函数得到剖面似然函数；极大化所述剖面似然函数分别得到所述设备退化模型中固定参数的极大似然估计结果、固定扩散系数的极大似然估计结果和随机参数向量协方差的极大似然估计结果；将所述设备退化模型中固定参数的极大似然估计结果、所述固定扩散系数的极大似然估计结果和所述随机参数向量协方差的极大似然估计结果带入所述随机参数向量均值的极大似然估计表达式，得到随机参数向量均值的极大似然估计结果。3.根据权利要求1所述的一种非线性退化设备剩余寿命计算方法，其特征在于，所述根据所述随机参数向量均值的极大似然估计结果、所述随机参数向量协方差的极大似然估计结果，采用序贯贝叶斯方法得到当前时刻随机参数向量均值的结果和当前时刻随机参数向量协方差的结果，具体包括：根据所述随机参数向量均值的极大似然估计结果、所述随机参数向量协方差的极大似然估计结果，得到当前时刻随机参数向量的先验分布；根据当前时刻随机参数向量的先验分布，结合序贯贝叶斯递归机制，得到当前时刻随机参数向量均值的结果和当前时刻随机参数向量协方差的结果。
4.根据权利要求2所述的一种非线性退化设备剩余寿命计算方法，其特征在于，所述根据所述对数似然函数得到所述设备退化模型中随机参数向量均值的极大似然估计表达式，具体包括：极大化所述对数似然函数得到偏导数表达式；根据所述偏导数表达式得到所述设备退化模型中随机参数向量均值的极大似然估计表达式。5.根据权利要求1所述的一种非线性退化设备剩余寿命计算方法，其特征在于，所述根据所述设备退化模型确定当前时刻设备剩余寿命的概率密度表达式，具体包括：根据所述设备退化模型确定当前时刻设备剩余寿命的条件概率密度函数；根据当前时刻设备剩余寿命的条件概率密度函数和全概率公式确定当前时刻设备剩余寿命的概率密度函数；根据当前时刻设备剩余寿命的概率密度函数确定当前时刻设备剩余寿命的概率密度表达式。6.一种非线性退化设备剩余寿命计...

【专利技术属性】
技术研发人员：裴洪，司小胜，胡昌华，李天梅，郑建飞，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：