装备平行仿真技术的基础理论问题

平行仿真技术是近年来系统建模与仿真领域的新兴仿真技术,已经成为研究前沿。从战场指挥决策领域、装备任务规划领域和装备维修保障领域对仿真技术的新需求出发,归纳了以往仿真技术面临的突出问题,即领域模型固定,不具备自适应演化能力。提出了装备平行仿真技术的概念,并指出其应具备的特点,系统梳理了装备平行仿真技术的理论缘起和相关技术研究现状,并对主要相关技术进行了对比分析。在装备维修保障领域中,侧重讨论了面向装备剩余寿命预测的平行仿真技术,分析了模型定位问题和技术框架,探讨了主要建模技术,包括装备退化状态在线感知、装备退化状态空间模型构建、装备退化状态空间模型演化,为下一步开发面向装备剩余寿命预测的平行仿真原型系统提供了技术思路。     

基于状态信息的条件剩余寿命建模研究

根据监测到的设备状态信息预测其条件剩余寿命一直是基于状态维修中的关键问题。利用滤波理论,建立了基于状态信息的剩余寿命预测通用模型,并推导出采用极大似然估计法下参数估计的通式,使得在已知寿命服从其他任何分布形式时直接代入通式便可快速地得出其模型,从而预测其剩余寿命,省去了复杂繁琐的迭代过程。通过案例发现模型能够根据状态信息很好地预测其剩余寿命,并在不断更新状态信息的条件下越来越精确地预测其剩余寿命。     

基于贝叶斯融合与仿真的系统剩余寿命预测

针对复杂设备的系统级剩余寿命预测问题, 提出一种将贝叶斯理论与仿真相结合的融合预测方法。首先, 采用仿真方法将单机级的多源失效信息折合到系统级, 并转化为验前分布。然后, 结合系统级的现场试验数据, 获得多源信息的验后分布, 并通过加权融合确定联合验后分布, 从而预测系统的剩余寿命。最后, 以某系统作为实例进行方法验证。结果表明,所提方法为系统剩余寿命预测提供了一条可行思路, 并能够在工程实践中运用。     

企业生产装备系统维修决策分析

企业生产装备系统的维修管理在企业管理中的地位日益突出,企业为管理维修生产装备系统所耗费的成本也日益高昂。如何确定装备系统的维修周期、维修次数及最优经济寿命周期,成为企业最重要的决策活动之一。针对企业生产装备系统运作实际,提出了基于最低可接受可靠度的可变维修周期的装备费用维修决策策略,并提供了决策模型。通过模型可以科学合理地确定装备系统的维修周期及维修次数,并实现装备系统全寿命周期内系统维修费用最小。     

失效信息已知时r/n(G)表决系统的剩余寿命预测

剩余寿命预测在可靠性工程中十分重要。而r/n(G)表决系统由于结构复杂, 对于其剩余寿命研究相对较少。本文假定部件寿命服从指数-威布尔分布, 在部件失效信息已知的情况下, 推导得到了表决系统剩余寿命期望的解析式, 也分别给出了失效信息未知和部件寿命服从威布尔分布这两种特殊情况下的解析式。仿真实验证明了所提方法的准确性和有效性, 也表明忽略部件失效信息对系统的剩余寿命进行预测, 所得结果偏差很大。     

导弹预防性检测系统设计

导弹贮存期间经历多次测试维修,检测数据繁杂,只有更好利用其现场数据才能更合理预测导弹寿命及检测时间。对此,结合装备失效率曲线,提出三种样本采集方案,设计了一套预防性检测系统,并以威布尔分布为例,进行了仿真验证,结果验证系统的正确性与实用性。     

基于一致性检验的航空发动机剩余寿命预测

针对目前没有将退化的多阶段性和维修前的退化数据用于维修后的剩余寿命预测问题,提出了一种基于多阶段Wiener过程的正态总体均值和变异系数一致性检验的剩余寿命预测方法。首先选用Wiener过程构建多阶段的退化模型;然后根据维修前后的退化监测数据,提出了正态总体均值的一致性检验方法,在检验结果的基础上根据变异系数的倒数构造H随机变量,提出了一种基于概率分布的数据一致性检验方法。最后,根据维修前后的退化数据的一致性检验结果,融合维修前后的退化数据进行剩余寿命的预测,通过预测误差对比结果证实了所提检验方法的有效性。     

基于接口的协同仿真在武器系统中的应用研究

静强度设计理论由于不能反映实际任务剖面所承受的交变动载荷,因此具有在很大的局限性,且由于一些武器系统装备时间短,许多零部件没有达到寿命周期,故对其进行可靠性研究及剩余寿命预测有很大的困难。将基于接口的协同仿真与武器系统进行有机结合,对武器系统在不同任务剖面下进行行驶仿真试验,在此基础上对动载荷情况下各零部件其进行寿命预测及结构优化方面的研究。用实例证明了此方法的可行性。基于接口的多领域协同仿真在武器系统中的应用研究,不仅解决了由于武器系统装备时间短、任务剖面复杂而导致技术难题,还紧密的与工程应用相联系,有很重要的实用意义。     

基于退化与寿命数据融合的产品剩余寿命预测

产品的剩余寿命预测是其维修、更换和备件策略制定的重要依据。目前的寿命预测方法一般仅利用产品自身的性能退化数据,当性能退化数据较少时,剩余寿命预测结果精度难以保证。针对性能退化过程为具有随机效果的Wiener过程的产品,对其进行寿命预测时,采用Bayes方法融合产品的历史寿命信息和该产品自身的性能退化信息,得到性能退化参数的Bayes估计,进而得到该产品的剩余寿命分布,从而提高剩余寿命分布的预测精度。金属化膜脉冲电容器剩余寿命预测分析实例表明了该方法的有效性。     

基于油液中金属浓度梯度特征的滤波剩余寿命预测模型

基于随机滤波理论的剩余寿命预测模型是基于状态的维修的重要组成部分. 首先根据设备磨损过程，建立了磨损、金属粒子浓度和剩余寿命三者的函数关系. 进而针对滤波模型基于油液信息进行预测时的局限性，建立了基于油液浓度梯度特征的滤波模型. 此模型无需对监测信息中的换油影响进行线性回归处理，从而减少了误差，并以金属浓度梯度特征建模，完善了状态信息与剩余寿命之间的负相关关系. 然后设计了极大似然参数估计方法，在参数估计过程中考虑了截尾数据对估计值的影响. 最后以某型自行火炮发动机的油液光谱分析数据为例，实现了发动机的剩余寿命预测，结果表明了该模型的可行性和有效性.     

随机冲击影响的非线性退化设备剩余寿命预测

退化设备的剩余寿命(remaining useful life, RUL)预测是当前可靠性领域研究的一个热点问题。基于Wiener过程,提出一种考虑随机冲击影响的非线性退化设备RUL预测方法。首先,设备连续退化过程用一个非线性Wiener过程描述,而冲击导致退化水平突变的影响由一个复合泊松过程刻画;其次,基于所建立的退化模型和首达时间概念,推导出剩余寿命概率密度函数及其近似解析解,极大地减少了数值计算时间,并提出一种基于期望最大化算法的模型参数估计方法。数值仿真和航天锂电池实例验证表明,所提方法提高了RUL预测的准确性,对于解决存在随机冲击影响的设备RUL预测问题具有一定的理论指导意义。     

基于改进相似性的装备部件剩余寿命预测及经济性储备策略

针对传统基于相似性的剩余寿命(remaining useful lifetime, RUL)预测方法未考虑运行条件差异, 从而影响预测准确性及部件储备策略科学性的问题, 提出一种基于改进相似性的装备部件RUL预测及经济性储备策略。基于提出的改进相似性方法, 区分装备部件的运行条件类别, 通过各类别内服役部件和参考部件的性能状态相似性, 预测服役部件的RUL; 基于RUL预测结果, 以装备部件维修储备总费用最低为目标, 以资源利用率为约束, 建立经济性储备策略决策模型; 采用差分进化算法对模型寻优求解, 得到最优装备部件储备策略。实例分析表明, 所提方法能够有效提升RUL预测的准确性和部件储备策略的科学性, 具备工程应用价值。     

隐含非线性退化设备的剩余寿命在线预测方法

随机退化设备在实际运行中会产生非线性、隐含性等问题,对其剩余寿命预测会产生不确定性影响。现有剩余寿命预测方法尚未系统研究隐含非线性退化建模及相应的剩余寿命分布。因此,采用Wiener过程,建立了隐含双重非线性退化模型;利用设备现场监测数据,更新了隐含状态的后验分布;利用全概率公式,基于首次达到失效阈值的时间分布推导出设备剩余寿命分布;基于激光器实测退化数据设定仿真参数,对所提方法的正确性和合理性进行了对比验证。     

基于LSTM-DBN的航空发动机剩余寿命预测

针对航空发动机剩余寿命(remaining useful life, RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory, LSTM)网络和深度置信网络(deep belief network, DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。     

Remaining useful lifetime prediction for equipment based on nonlinear implicit degradation modeling

Nonlinearity and implicitness are common degradation features of the stochastic degradation equipment for prognostics.These features have an uncertain effect on the remaining useful life(RUL)prediction of the equipment.The current data-driven RUL prediction method has not systematically studied the nonlinear hidden degradation modeling and the RUL distribution function.This paper uses the nonlinear Wiener process to build a dual nonlinear implicit degradation model.Based on the historical measured data of similar equipment,the maximum likelihood estimation algorithm is used to estimate the fixed coefficients and the prior distribution of a random coefficient.Using the on-site measured data of the target equipment,the posterior distribution of a random coefficient and actual degradation state are step-by-step updated based on Bayesian inference and the extended Kalman filtering algorithm.The analytical form of the RUL distribution function is derived based on the first hitting time distribution.Combined with the two case studies,the proposed method is verified to have certain advantages over the existing methods in the accuracy of prediction.     

基于退化特征相似性的航空发动机寿命预测

针对航空发动机结构复杂、性能退化参数众多、寿命预测精度低等问题,提出了一种基于退化特征相似性的寿命预测方法。首先通过基于Relief算法的退化特征筛选、基于主成分分析(principal component analysis,PCA)的特征提取和基于核函数的特征平滑,提取低维正交多变量退化特征;然后进行特征的相似性匹配,寻找与当前样本特征片段最相似的一组历史样本中的特征片段集合,将这些片段对应的RUL信息融合并采用密度加权方法得到当前样本的寿命预测估计值;最后通〖JP2〗过美国国家航空航天局(national aeronautics and space administration,NASA)提供的航空涡轮扇发动机仿真数据集验证了该方法的有效性,其寿命预测性能高于现有几种代表性方法。     

集成模糊推理与定量仿真的故障预测系统研究

为解决传统故障诊断方法在装备维修保障方面的不足，将虚拟样机作为一种新的定量推理机制引入到故障仿真和预测领域，提出了基于虚拟样机的装备故障仿真预测模型。以某型自行火炮为研究对象，在ADAMS环境下建立了火炮虚拟样机。仿真预测过程根据用户输入的初始参量由虚拟样机获取初始状态，由基于动态模糊综合评判的预测方法生成候选故障集，虚拟样机结合知识库确认实际发生的故障并找出相应的故障原因和故障部件。虚拟样机的仿真结果和相关的预测实例验证了模型的有效性，表明基于上述模型的故障仿真预测系统可以获得较高的预测精度，能够满足装备预知维修保障的需求。     

Research on the Hardware-in-the-loop Simulation of Guidance System

Ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　Ｈａｒｄｗａｒｅ－ｉｎ－ｔｈｅ－ｌｏｏｐ　Ｓｉｍｕｌａｔｉｏｎ　ｏｆ　Ｇｕｉｄａｎｃｅ　ＳｙｓｔｅｍＳｈａｎＪｉａｙｕａｎ＆ＬｉＺｈｏｎｇｗｕ（Ｎｏ．１Ｄｅｐｔ．，ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇ...     

基于比例加速退化建模的单台机载设备剩余寿命自适应预测

针对现有机载设备剩余寿命(remaining useful lifetime, RUL)预测方法在新研单一样本条件下, 无法应用于加速退化试验场景的问题, 本文基于比例关系模型提出了一种加速退化场景下适用于单个试验样本的自适应RUL预测方法。首先, 依据加速退化环境下Wiener过程存在的漂移/扩散系数比例关系, 构建考虑设备个体差异与测量误差的非线性随机退化模型; 其次, 针对加速退化试验存在单一受试样本的情况, 提出了基于期望最大和卡尔曼滤波联合算法的参数自适应估计方法; 然后, 基于卡尔曼滤波原理在线更新目标设备的退化状态, 并推导出设备剩余寿命的概率密度函数; 最后, 通过对单台行波管加速退化实测数据进行分析, 验证了方法的正确性和优势。