基于数据融合和改进MUGM(1,m,w)的导弹装备故障预测

针对现代导弹装备系统组成复杂、结构关系模糊、特征参数获取不完整和不确定,造成其故障预测实现困难的问题,借鉴数据融合技术和灰色预测理论,提出了一种基于数据融合和改进多因素新陈代谢不等时距加权灰色预测模型(improved multi variables metabolism unequal interval weighted grey model, IMUGM(1,m,w))的导弹装备故障预测方法。首先,通过引入加权因子w的方式建立多因素不等时距加权灰色预测模型(UGM(1,m,w)),再通过初始值改进、残差修正、新陈代谢思想相结合的方式对模型进行改进;然后以特定个体的历史监测数据为基准,计算同类产品和特定个体的相应预测值及其与特定个体性能退化数值的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的性能退化模型,最后结合实时监测数据依次更新性能退化数据、Euclid距离、隶属度权值和性能退化模型,实现导弹装备故障预测,实例仿真及分析验证了方法的有效性。     

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。     

两阶段非线性Wiener过程退化建模与可靠性分析

基于性能退化数据对产品进行可靠性分析一直是可靠性工程领域研究的热点与难点。针对多阶段退化过程中存在的非线性规律,同时考虑变点位置位于测试时刻之间的一般情形且各试样变点存在个体差异性的实际情况,提出了基于Wiener过程的两阶段非线性退化模型,给出了模型参数极大似然估计方法,建立了可靠性分析和寿命预测方法。最后通过高压脉冲电容器实例的对比分析,验证了所提方法的合理性与有效性。结果表明,与多阶段线性Wiener过程方法相比,所提方法能够更加准确地描述退化过程的非线性时变特征,进而得到更为合理的寿命评估结果。     

基于FDN的装备体系任务能力依赖性分析

为了深入分析装备体系内各装备系统在任务执行过程中自身性能退化对其相互依赖性的影响, 并准确把握体系内各装备系统在自身性能退化和相互依赖性的双重影响下其当前效能的演变规律, 对传统功能依赖网络分析(functional dependency network analysis, FDNA)方法进行了一定改进。引入自身效能退化系数, 给出考虑时间因素的动态FDNA算法; 以Markov过程为基础, 构建体系内装备系统的性能退化模型, 为自身效能退化系数的计算提供相应依据, 从而提出一种基于功能依赖网络的装备体系任务能力依赖性分析方法, 并用案例验证了方法的可行性。     

基于联合局域相关向量机的雷达导引头状态预测方法

针对雷达导引头机电结构组成复杂、性能指标测试数据信息利用率不足、使用传统基于数据驱动的状态预测方法精度不高的问题,借鉴相关向量机(relevance vector machine,RVM)和Dempster-Shafer (D-S)证据理论,提出了一种基于证据融合和改进局域RVM的状态预测方法。首先,对标准RVM回归模型进行改进,通过构建方差高斯核函数(variance Gauss kernel function, VGKF)来提高核函数的全局性能和泛化能力;然后通过借鉴混沌序列局域预测法中邻近点个数的选取方法,利用Hannan-Quinn (H-Q)准则对训练空间预测嵌入维数进行优化,避免了主观选取的盲目性,完成了改进局域相关向量机模型(local relevance vector machine, LRVM)的构建;最后,利用具有近似退化规律的同源装备测试数据对LRVM进行了改进,通过D-S证据理论对两种模型的预测结果进行了融合,建立了联合局域相关向量机(united local relevance vector machine, U-LRVM)模型。通过对导引头相关参数的实例预测,验证了该方法的可行性和优越性。     

基于HGERT网络模型的退化型失效可靠性评估

针对退化型失效的复杂装备系统,提出基于隐图解评审技术(hidden graphic evaluation and review technique,HGERT)网络模型来进行系统可靠性预计和评估的方法。图解评审法(graphic evaluation and review technique,GERT)网络中的节点代表装备失效过程中正常状态到失效状态的转移,通过传感器将反映系统隐性状态的性能特征参数进行量化输入,从而将GERT网络中的各个劣化状态节点进行展开。应用Viterbi算法对模型参数进行解码和学习,确定退化型失效系统状态转移概率。将装备运行中所处的工作应力、环境载荷等影响性能衰退的因素作为输入,将关键性能指标退化量作为输出,建立装备性能退化的一般控制模型并将其作为GERT网络活动传递的随机变量。借助于信号流图理论对参数进行解析,监测系统处于不同状态时的性能退化水平,为故障预测和装备健康管理提供支持。案例通过对铣床性能退化量的分析,证明所构模型的可行性和合理性。     

基于灰色时序组合模型的产品实时寿命预测方法

针对产品性能退化数据样本个数少、退化轨迹存在非线性与随机性的特点,提出了一种灰色时序组合模型对产品的退化轨迹进行建模并实时预测个体寿命。首先,采用灰色系统GM(1,1)模型和时间序列AR(p)模型分别对同类产品退化数据中的趋势项与随机项进行预测,构造灰色时序组合预测模型来建立同类产品的退化轨迹。然后,根据K均值聚类理论计算特定个体与同类产品退化轨迹的相似度权值,通过加权同类产品的退化轨迹来获得特定个体的退化轨迹;最后,通过个体实测退化数据更新退化模型并实时预测寿命。将本文方法用于某电子产品的寿命预测中,试验结果验证了该方法的准确性与有效性。     

具有漂移特征的退化可靠性评估方法研究

针对具有参数漂移特征的产品， 首先采用随机扩散理论描述其参数漂移规律， 并建立了参数漂移模型. 在此基础上， 提出了基于参数漂移特征的退化补充样本容量的确定方法， 建立了基于退化观测数据和补充样本数据的产品退化可靠性评估模型. 最后， 通过对某传感器电压数据进行处理， 说明了该方法得到的可靠性估计结果具有较好的精度和稳健性， 与工程实际相符.     

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。     

基于冲击理论的性能可靠性评估研究

性能退化产品的可靠性通常可以通过性能指标值来反映,而性能指标的退化机理常常可以利用冲击理论进行解释。本文在一定假设下,针对性能退化产品,建立了基于冲击理论的产品性能退化模型,提出了将性能退化模型预测与产品寿命分布拟合相结合的可靠性评估方法,即使用极大似然估计对产品性能退化模型参数进行估计,利用性能退化模型预测拟合产品的寿命分布来评估产品的可靠度。最后,通过实例比较,验证了本方法的可行性和有效性。     

基于伪寿命分布的退化数据可靠性评估方法

提出一种利用加速退化数据对产品进行可靠性评估与寿命预测的建模与参数估计方法。首先,针对加速退化数据的特点,建立了加速条件下特征参数退化曲线的连续时间函数模型。进而,结合工程中常用加速模型,建立了加速退化模型参数估计的整体似然函数,并基于Fisher信息阵采用整体推断的极大似然法给出整体模型参数的区间估计。该方法能够有效利用不同加速应力水平下产品退化数据的横向信息,并综合连续时间函数模型对产品退化曲线拟合性强的优点,可提高产品可靠性评估与寿命预测的精度。以某电子产品为例进行了应用实例分析。     

电子设备健康状态评估与故障预测方法

针对电子设备的健康性能退化问题,提出一种改进流形学算法与隐半马尔可夫模型(hidden semi Markov model, HSMM)相结合的电子设备健康评估与故障预测方法。首先,在有监督邻域保持投影(supervised neighborhood preserving projection, SNPP)算法中引入非相关约束并加入核函数形成核有监督非相关邻域保持投影(kernel supervised uncorrelated neighborhood preserving projection,KSUNPP)算法,将其用于原始特征的提取,获得有效的特征集作为HSMM的输入进行训练|其次,建立了电子设备健康评估与故障预测模型,该模型用Kullback Leibler (KL)距离来衡量故障程度,实现设备退化程度的评估,又可根据各状态驻留时间,预测出设备故障发生的时间。最后,将该方法应用于某型导弹电子设备的健康评估与故障预测,验证其有效性。     

基于使用与维修数据的飞机使用可靠性研究

飞机的使用与维修数据是评估飞机使用可靠性的重要依据,由于航空装备使用管理的特殊性,目前国内外对基于航空装备使用与维修数据的飞机可靠性评估技术缺乏系统的研究。基于某型航空装备日常积累的维修保障数据,利用数据挖掘技术,获取与飞机训练、维护、维修、使用等相关的信息,建立飞机使用可靠度模型,描述飞机使用可靠性随飞行强度和服役年限的相关性,可用于实战或训练环境下飞机使用可靠性的预测。     

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.     

双指标阶段性退化建模及可靠性分析

高可靠长寿命产品常需同时满足多种功能, 退化机理复杂, 其性能退化过程中多指标、多阶段的问题日益凸显。为此, 考虑退化过程的阶段性特征及不同阶段指标间耦合性规律, 基于Copula函数和Wiener过程建立了双指标阶段性退化模型及可靠性分析方法。同时, 针对产品退化过程中两指标变点不在同一位置的一般性情况, 提出了一种考虑双指标变点的模型参数整体估计方法。最后, 通过舱门锁实例的对比分析, 对所提方法的适用性和有效性进行了验证。结果表明, 同传统双指标模型相比, 所提方法能更为准确地描述退化过程的相关性与阶段性规律, 得到的可靠性评估结果更合理有效。     

太阳射电频谱爆发识别的元学习方法

太阳射电频谱图像在太阳活动和空间天气的观测、研究和预报中有着重要的作用。太阳射电宽带动态频谱仪是国内观测太阳射电信号的主要设备, 但受到窗口时间、观测设备和太阳活动规律的影响, 其所采集到的频谱数据存在有效样本量少的问题。针对这一现状, 提出了一种基于元学习和迁移学习的少样本学习方法, 用于改善太阳射电频谱图像的分类性能。首先模型在元学习基准数据集上进行元知识的学习, 然后对射电频谱图像进行小样本识别的模型定义, 最后将元知识迁移到频谱图像数据集的分类任务中。通过对多种元学习方法进行实验分析和性能比较, 证明了本文方法的先进性和有效性。     

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。