部件寿命服从威布尔分布时典型系统的寿命与剩余寿命估计

在实际工程中,对系统寿命以及剩余寿命的估计非常重要。在已知系统中部件寿命与可靠度的前提下,关于如何快速得到系统级寿命与剩余寿命的相关研究比较缺乏。针对这一问题,首先研究了可靠度、寿命以及剩余寿命的关系,进一步假设部件寿命服从同一威布尔分布,根据部件的寿命与可靠度函数,推导得到串联、并联和表决系统寿命与剩余寿命期望的封闭表达式,并给出了相应的计算方法。对于冷备系统,当部件寿命服从同一指数分布时,推得了系统寿命及剩余寿命期望的封闭表达式,而当部件寿命服从同一威布尔分布时,给出了系统寿命与剩余寿命的数值计算方法。仿真试验证明本文所提出的方法是准确高效的。最后,以卫星中的动量轮r/n(G)表决系统为例开展了实例研究,证明了该方法在工程实践中的有效性。     

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。     

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。     

多阶段随机退化设备剩余寿命预测方法

剩余寿命预测是系统视情维护和健康管理的重要基础.针对设备退化过程中表现出的阶段性差异,提出了一种基于累加和检验变点分析与漂移布朗运动的剩余寿命预测方法.该方法首先对获取的状态检测信息进行累加和检验,获得退化过程的最新显著变点;然后利用最新变点之后的状态检测数据对漂移布朗运动模型的参数进行极大似然估计;最后利用失效阈值的首达时间分布预测设备的剩余寿命.连续搅动水箱式反应堆仿真试验说明了所提方法的有效性.试验结果表明,所提方法能够准确地检测出退化过程的显著变化点,预测设备的剩余寿命,且预测结果波动较小,具有更好的鲁棒性.     

基于RCNN-ABiLSTM的机械设备剩余寿命预测方法

针对机械设备的关键退化信息易淹没在非线性、多维度、长时间、大规模监测数据中的问题，提出了一种基于残差卷积神经网络和注意力双向长短时记忆网络融合(residual convolutional neural network-attentional bidirectional long short-term memory network, RCNN-ABiLSTM)的机械设备剩余寿命预测方法。首先通过训练RCNN提取监测数据的深度空间特征；然后通过引入注意力机制，优化双向长短时记忆网络提取时间相关特征的权重参数，加强关键退化信息对剩余寿命预测的表达；最后通过航空发动机数据集验证了方法的有效性。分析结果表明，对于运行条件复杂和故障模式多变的多维监测数据，所提方法能够准确寻找退化时间点，有效提高长时间运行设备的剩余寿命预测准确度。     

考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。     

基于核自构建-高斯过程回归的锂离子电池剩余使用寿命预测

高斯过程回归是锂离子电池剩余使用寿命的有效预测方法之一，其中核函数的选择对预测结果有着重要影响。对此，提出了一种自回归核自构建高斯过程回归的锂离子电池剩余寿命预测框架，可结合同型号电池的历史容量退化规律，自动构建出合适的组合核函数。通过与不同的机器学习方法及不同核函数比较，所提方法可在电池退化早期做出长期且准确的电池健康状态退化趋势预测，预测寿命均方根误差小于1%,相对误差小于6%,置信区间也更为集中，证明了所提方法能够有效提高电池剩余使用寿命的长期预测精度。     

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。     

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。     

二元相关退化系统可靠性分析及剩余寿命预测

退化相关性和个体差异对二元退化系统可靠性有直接影响,针对该问题,在退化过程模型基础上,建立了相应的系统可靠度和剩余寿命预测模型。首先同时考虑个体退化过程和相关性差异,采用随机参数的Gamma过程和Copula函数建立系统二元相关退化模型,为提高模型适用性,随机参数采用非共轭先验分布假设。在此基础上,分析随机参数对系统可靠度影响,提出基于贝叶斯理论的剩余寿命预测方法。利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)方法对模型未知参数进行估计。案例分析结果说明了在此类系统可靠性估计时考虑个体差异的必要性,也验证了该剩余寿命预测方法的精确性。     

二元相关退化系统可靠性分析及剩余寿命预测

退化相关性和个体差异对二元退化系统可靠性有直接影响,针对该问题,在退化过程模型基础上,建立了相应的系统可靠度和剩余寿命预测模型。首先同时考虑个体退化过程和相关性差异,采用随机参数的Gamma过程和Copula函数建立系统二元相关退化模型,为提高模型适用性,随机参数采用非共轭先验分布假设。在此基础上,分析随机参数对系统可靠度影响,提出基于贝叶斯理论的剩余寿命预测方法。利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)方法对模型未知参数进行估计。案例分析结果说明了在此类系统可靠性估计时考虑个体差异的必要性,也验证了该剩余寿命预测方法的精确性。     

基于Copula函数的齿轮箱剩余寿命预测方法

齿轮箱是风力发电机组的关键部件，对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命，提出了一种多退化量下的剩余寿命预测方法.首先，在分析齿轮箱寿命的影响因素基础上，选取齿轮箱的振动加速度和噪声作为退化量；其次，采用基于核估计和随机滤波理论的方法分别对齿轮箱的振动加速度和噪声进行建模，从而获得齿轮箱的剩余寿命概率密度函数，进而得到其边缘分布函数；再利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性，求得齿轮箱剩余寿命的联合分布函数，从而得到齿轮箱剩余寿命的联合概率密度函数，得到齿轮箱剩余寿命预测值；最后，提出基于赤池信息准则模型评价的Copula函数选择方法.通过齿轮箱的试验验证了该方法的有效性.     

任意分布的冷备表决系统可靠度求解

k/n: M(G)冷备表决系统包含n个工作部件, M个冷储备件, 至少有k个部件工作时系统工作。然而, 现有对于k/n: M(G)冷备表决系统的研究集中在同型指数分布的情况, 缺乏针对其工作部件非同型且服从任意分布的情况的研究。本文研究了k/n: M(G)冷备表决系统的可靠度, 系统部件服从任意分布, 冷备件服从同一分布。对k=n的情况, 给出了M取任意值时部件同型和非同型情况下的系统可靠度解析式。对于k＜n的情况, 考虑了两种不同的冷备件替换策略, 给出了部件同型情况和非同型M取特定值情况下的系统可靠度解析式。蒙特卡罗仿真实验证明了所提方法的准确性。     

威布尔型可修备件需求量的解析算法研究

针对寿命服从Weibull分布、维修时间服从指数分布的可修系统,首先根据“累积失效概率相等”原则,提出一种改进的指数确定方法,能够将Weibull分布等效成为指数分布,然后利用马尔可夫过程理论近似计算备件需求量。根据系统运行过程,设计了一种基于ExtendSim软件的仿真算法用来检验给定备件数量下的保障度,并以马尔可夫系统为例验证了该仿真算法的正确性。在此基础上,通过正交试验分析与设计,对两种指数算法的结果进行比较,结果表明改进算法能够有效降低原算法的保守性。     

基于比例关系加速退化建模的设备剩余寿命在线预测

针对传统基于加速退化建模的剩余寿命在线预测方法需在特定共轭分布条件下才能实现漂移系数和扩散系数同步更新的问题,提出一种基于比例关系加速退化建模的设备剩余寿命在线预测方法。首先,在传统Wiener退化模型中引入扩散系数与漂移系数的比例关系,从建模角度保证了扩散系数与漂移系数同步更新的可能性。其次,提出一种基于两步极大似然的参数估计方法,实现对模型参数的合理估计。然后,基于加速因子不变原则制定退化数据折算规则,并采用卡尔曼滤波原理在线更新设备退化状态。最后,基于全概率公式,推导出常应力条件下设备剩余寿命的概率密度函数。以某型加速度计加速退化数据为例进行分析验证,证明了所提方法能够有效提升剩余寿命预测的准确性,具备工程应用价值。     

基于最优分配的多目标滤波系统性能评估

针对现有多目标滤波性能评估方法中存在的目标源分配不合理问题,提出一种新的目标源最优分配方法。所提方法首先利用估计目标的协方差矩阵和标准椭球波门初步检测出虚假估计和漏检目标,然后利用最优分配法完成剩余估计目标和剩余源目标间的分配。由于采用马氏距离测度和标准椭球波门,使得目标源分配不受量纲选取的影响且与具体应用背景无关。在此基础上,推广了一种多目标误差距离测度对多目标滤波性能进行评估。实验分析和比较验证了所提方法的合理有效性。     

不完全维修下海底腐蚀管道剩余寿命预测

本文提出了一种在考虑不完全维护影响下的腐蚀管道分阶段退化模型和剩余寿命预测方法.首先,设其全寿命周期内进行3次不完全维护,则退化过程为4个阶段;其次,在维护活动干预下的非线性分阶段随机扩散过程框架下,对其退化规律进行建模,推导首达时间意义下剩余寿命概率分布,实现实时剩余寿命估计;然后,利用状态监测数据和维护数据对模型参数进行极大似然估计和贝叶斯更新;最后通过实例验证所提参数估计和寿命预测方法的有效性.结果表明:该模型能很好地描述不完全维修下腐蚀管道分阶段退化过程,能够给出可信的可靠性评估结果,使得腐蚀管道具有较高的安全运营等级,克服了传统方法过维修或欠维修带来的不利影响,降低了维修成本.     

基于多源信息融合与HMM的剩余寿命预测

针对设备剩余使用寿命预测问题, 提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先, 针对发动机结构复杂、监控数据参数多等问题, 提出一种基于传感器信噪比和主成分分析(principal component analysis, PCA)降维的多源传感器数据融合方法。在此基础上, 利用样本数据训练高斯混合隐马尔可夫模型, 同时为降低模型偏差并避免过拟合风险, 提出一种“定制”策略训练方法, 训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后, 通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证, 并与几种具有代表性且预测精度较高的文献方法进行了比较分析, 验证了方法的有效性。     

考虑随机失效阈值的设备剩余寿命在线预测

退化失效阈值是影响设备剩余寿命预测的重要因素。针对现有剩余寿命预测方法忽略失效阈值随机性影响的问题,提出考虑随机失效阈值的设备剩余寿命在线预测方法。首先,基于带测量误差与随机效应的非线性Wiener过程构建设备退化模型;其次,采用极大似然估计(maximum likelihood estimation, MLE)算法估计退化模型参数与随机失效阈值分布系数;然后,在考虑随机失效阈值的基础上推导出设备剩余寿命的概率密度函数(probability density function, PDF),并基于Bayesian原理实时更新退化模型参数,实现对剩余寿命的在线预测。最后,将该方法应用于陀螺仪剩余寿命在线预测分析,结果表明该方法能够有效提高剩余寿命预测的精度与准确性。     

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.