基于随机参数Gamma过程的剩余寿命预测方法

为了提高剩余寿命预测的可信度,针对进行过加速老化试验的产品,提出利用Gamma过程参数的非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法.将加速老化数据作为先验信息,利用Gamma过程进行老化建模,通过加速因子获得形状参数在工作应力下的折算值,使用Anderson-Darling统计量确定随机参数的先验分布.将产品工作中的少量实测数据作为现场信息,利用基于Gibbs抽样的Markov Chain Monte Carlo(MCMC)仿真得到参数的后验均值.以某型导弹电连接器为例说明了该方法的研究意义和工程应用价值.     

多元随机过程的剩余寿命预测

为了探究复杂系统的实际退化过程和剩余寿命,将采用一种新的权重计算方法融合多维性能指标退化过程,并利用马尔科夫蒙特卡洛方法在线更新模型参数,进而得出系统剩余寿命概率密度函数。通过裂纹增长实验的验证分析,结果表明所提方法能够有效地预测系统剩余寿命,并相较于一元随机过程预测模型,所提方法具有更好的预测精度且随着退化数据的增加,系统剩余寿命预测结果更加精确。     

考虑不确定测量的惯性平台剩余寿命自适应预测

针对现有剩余寿命预测方法未考虑测量误差引起的不确定性,且存在预测不确定性大的问题,提出了一种基于Wiener过程的退化过程建模方法,并将测量的不确定性考虑到剩余寿命预测中,推导出了剩余寿命的概率分布。为了实时更新模型参数,利用Kalman滤波算法实时估计Wiener过程中的漂移系数,并利用期望最大化算法实时估计其它相关参数。以某型号惯性平台的退化测量数据为例,进行了实验验证,结果表明,相比其它算法,文中算法能够降低剩余寿命预测的不确定性,提高预测精度。     

数据驱动的闭环控制系统剩余寿命预测方法综述

随着先进传感与监测技术的快速发展,数据驱动的设备剩余寿命（RUL）预测技术已成为可靠性和自动化领域的研究前沿,并在设备运维决策中得到广泛应用,提高了设备运行的安全性、可靠性与经济性。关于数据驱动的设备剩余寿命预测方法,多数文献主要聚焦于部件级剩余寿命预测技术,并没有关注闭环控制系统剩余寿命预测技术。不同于部件级的预测,利用数据驱动的方法预测闭环控制系统剩余寿命,需要考虑控制器及反馈控制机制对系统性能退化及剩余寿命预测结果的影响。本文系统综述了数据驱动的闭环控制系统剩余寿命预测及基于预测信息的延寿控制方法的发展动态,剖析了基于Poisson过程的方法、基于Gamma过程的方法、基于Wiener过程的方法和基于混合模型方法的原理、特点与局限性。同时,对于未来数据驱动的闭环控制系统剩余寿命预测及延寿控制,在健康状态表征与综合健康指标构建、多退化部件系统剩余寿命预测及基于预测信息的延寿控制理论和验证应用等方向进行了展望。     

基于SAE-VMD的锂离子电池健康因子提取方法

电池退化信号具有非平稳、非线性特性,为自适应提取能准确表达电池退化特性的健康因子(HI),提高锂离子电池剩余寿命(RUL)的预测精度,提出一种基于堆叠稀疏自编码(SAE)和变分模态分解(VMD)的HI构建方法。首先利用SAE深度神经网络对多个电池参数去噪、降维,提取出一个集中包含电池退化特性的融合HI;然后利用VMD将融合HI的全局衰减、局部再生和其他噪声3种模态进行有效分离,将被分离的3个分量作为电池HI,以此消除HI不同尺度上波动之间的相互干扰,提高RUL预测精度。锂离子电池RUL的预测结果表明,使用该方法所提HI得到的RUL预测精度最高,说明所提HI品质最高。     

基于隐马尔科夫模型的变压器剩余寿命分析

针对电力变压器故障引起的被迫停机状况,推进符合运维需求的视情维修机制,利用隐马尔科夫模型对变压器剩余寿命进行了研究.收集系统相关运行状态和工况数据,利用退化信息及历史寿命数据基于隐马尔科夫模型对系统进行退化状态评价,得出状态转移矩阵以及观测概率矩阵.利用故障比率模型进行可靠度分析,得出变压器剩余寿命概率分布.结果表明,本文方法能大概率准确预测变压器剩余寿命.     

基于加速退化试验的真空荧光显示器寿命快速预测

为了精确、快速地预测真空荧光显示器(VFD)的常规寿命,在提高阴极灯丝温度的基础上开展了一组VFD加速退化试验。具体做法是:采集加速亮度衰减数据,基于三参数威布尔函数、右逼近法、加速寿命与常规寿命间的关系建立了寿命快速预测模型,从而实现了对VFD寿命的估算。结果表明:提出的寿命预测模型仅借助于一组加速退化试验数据便可精准地估算产品的常规寿命,大大缩短了试验测试时间,降低了寿命预测成本。     

基于隐马尔科夫模型的变压器剩余寿命分析

针对电力变压器故障引起的被迫停机状况,推进符合运维需求的视情维修机制,利用隐马尔科夫模型对变压器剩余寿命进行了研究.收集系统相关运行状态和工况数据,利用退化信息及历史寿命数据基于隐马尔科夫模型对系统进行退化状态评价,得出状态转移矩阵以及观测概率矩阵.利用故障比率模型进行可靠度分析,得出变压器剩余寿命概率分布.结果表明,本文方法能大概率准确预测变压器剩余寿命.     

GP-MaxEnt模型的蛋白质二级结构预测

针对单序列蛋白质二级结构预测问题,提出了一种基于高斯先验最大熵(GP-MaxEnt)模型的预测方法.该方法根据氨基酸的构象偏好进行特征构造,利用改进迭代缩放算法(ⅡS)训练高斯先验最大熵模型.使用CB513数据集对GP-MaxEnt模型进行了测试分析.试验表明,该方法简单有效,能够获得较好的预测精度.     

基坑开挖参数反分析贝叶斯方法比较研究

根据基坑开挖过程中获取的现场监测数据可以反分析现场土层的土体参数.贝叶斯方法为充分利用现场监测数据分析土体参数提供了一条有效的途径.实现贝叶斯更新一般有两种方法:一是各开挖阶段的观测值依次对土体参数进行更新,即分步更新,更新过程中需假设后验分布类型,如正态分布;二是将多阶段的观测值作为整体对土体参数进行更新,即整体更新.为了研究贝叶斯更新方法对更新结果的影响,在先验分布为正态或均匀分布时分别采用这两种方法对台北国营企业中心开挖工程的土体参数进行更新.结果表明:当先验分布为正态分布时,假设后验分布为正态分布进行分步更新,得到的参数分布基本合理,能够准确预测开挖引起的最大沉降和失效概率;相反,当先验分布为均匀分布时,假设后验分布为正态分布进行分步更新,不能够准确预测开挖引起的最大沉降和失效概率,此时应采用整体更新方法.     

降雨入渗条件下分层非饱和土质边坡随机反分析

基于时变数据参数随机反分析理论,采用马尔可夫链蒙特卡罗方法(Markov chain Monte Carlo simulation,MCMC法),建立了分层边坡非饱和渗流随机反分析模型.以香港东涌某天然坡地降雨入渗现场试验为案例,建立单层土和双层土非饱和渗流模型,利用DREAM算法对时变降雨条件下非饱和土渗流模型参数进行随机反演,研究了单层土和双层土模型参数后验分布和预测效果.结果表明,参数后验分布变异性较先验分布减小,与单层土模型相比,双层土模型能缩减更多的参数不确定性,校准期内置信区间更窄,验证期内预测与实测值吻合程度较高.     

基于威布尔分布的长水口使用可靠性研究

采用了连铸用长水口使用寿命数据基于威布尔分布的可靠性分析方法,并对3种不同技术方案制作的长水口产品的使用可靠性进行对比分析。结果表明,长水口的使用寿命数据服从威布尔分布,3种不同技术方案制作的长水口寿命数据的威布尔分布形状参数分别为3.65,3.99和3.42,尺度参数分别为450,539和407。与常规方差分析方法和正态分布方法相比,该方法可对长水口使用可靠性进行有效量化,并实现相应产品的可靠性预测。     

盐渍土环境中钢筋混凝土基于Wiener随机过程寿命预测

针对西部盐渍土地区混凝土结构耐久性寿命较短的突出问题,将钢筋混凝土试件置于格尔木盐渍土地区进行现场埋置,每隔150d定期搜集试件超声声速、质量及钢筋电阻等无损退化指标,通过动弹性模量评价参数ξ_a、质量评价参数ξ_b、钢筋未锈蚀评价参数ξ_c及SEM图像从宏观、微观两方面进行耐久性损伤劣化评价分析,选择Wiener随机过程建模并进行寿命预测,研究结果表明：在腐蚀离子及气候的综合作用下混凝土ξ_a及ξ_b值呈波动式变化,初期略有上升,中后期加速下降,ξ_a值对混凝土性能变化更敏感,钢筋ξ_c值基本呈直线下降；腐蚀性阴离子进入混凝土中生成Friedel’s盐、硅灰石膏、钙矾石、石膏、碳酸钙等晶体,腐蚀产物呈棒状、杆状、纤维状、针状,钢筋锈蚀产物呈颗粒状、团簇状堆积,表面有蚀坑形成；Wiener随机过程模型可以很好地预测盐渍土环境中钢筋混凝土寿命,各退化指标得到的寿命曲线呈两阶段变化,钢筋退化指标得到的寿命曲线第一阶段持续时间更长,而混凝土退化指标得到的寿命值高于钢筋退化指标得到的寿命,且通过混凝土动弹性模量得到的寿命低于质量退化指标寿命,以钢筋退化指标得到C35、C40、C45钢筋混凝土在格尔木盐渍土环境中的服役寿命分别约为4500d、5000d及5800d。     

基于多尺度分解和深度学习的锂电池寿命预测

针对目前的剩余寿命预测（RUL）方法存在模型适应性差及预测不准确等问题,提出多尺度深度神经网络的锂电池健康退化预测模型. 通过经验模态分解（EEMD）方法和相关性分析（CA）,将采集到的锂电池能量数据分解为主趋势数据和波动数据;采用深度置信网络（DBN）和长短期记忆网络（LSTM）,分别对主趋势与波动数据进行建模;将DBN与LSTM预测结果进行有效集成,得到锂电池的健康预测结果. 实验结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的RUL预测结果,性能优于其他典型的预测方法.     

工程p-S-N曲线的小子样预测方法研究

基于非嵌入多项式混沌(NIPC)展开及贝叶斯更新方法,提出一种中等寿命区p-S-N曲线的小子样预测方法。该方法运用较少应力水平下的小子样疲劳寿命数据样本,采用优化方法求解Basquin应力-寿命模型参数的样本数据;由此建立NIPC展开式并进行大子样抽样计算,通过大子样拟合优度检验,得其概率特性,继而拟合模型参数统计量与应力水平的关系。为改进模型参数统计量的预测精度,引入另一应力水平下的小子样试验数据,运用贝叶斯更新方法对模型参数统计量进行修正;由此通过Nataf变换对任意应力水平下模型参数进行抽样,代入模型计算获得疲劳寿命样本,进一步统计获得其概率分布,即完成基于小子样的p-S-N曲线预测。完成了铝合金2024-T3疲劳试验,各应力水平下试验寿命均落于预测概率疲劳寿命的上下95%分位数区间内,表明新方法得到的p-S-N曲线可有效预测疲劳寿命的概率特性。     

考虑奇点扰动问题的时间序列预测方法

目前，对于各种工业产品可靠性或者剩余寿命的预测方法通常都基于历史退化数据，这些历史数据的趋势变化可以为产品最终的维修和保障决策提供理论依据。然而，退化数据中出现的奇点扰动问题经常导致预测的准确性严重下降，这是可靠性预测领域的一个巨大挑战。为解决这个问题，该文采用样条函数方法作为数据趋势逼近模型，针对退化趋势中存在的各种奇点扰动情况，三次非多项式样条模型的二阶导数可以形成观测状态序列。引入了一种改进的结合粒子群优化算法的加权隐马尔科夫方法来外推样条函数所生成的观测序列，计算所产生的参数将更新样条函数的参数，组成一套综合完整的优化预测器。仿真和实例实验均证明了该方法的有效性。     

导弹命中精度一体化试验鉴定方法中先验信息研究

传统的导弹试验鉴定方法主要依靠现场试验提供信息,试验消耗多,费用大.一体化试验方法可以充分利用不同条件下的先验信息,并且结合现场试验信息对产品进行鉴定,能够有效克服传统试验鉴定方法的不足.阐述了先验信息的类型、特点及其预处理过程;重点对不同试验条件下先验信息整体变换以及方差一致性检验进行了研究;并分析研究了先验信息与现场试验信息相融合的一体化试验方法及其特性,给出了一体化试验方法的OC(operating characteristic)功效曲线图.     

GEP算法在无线传感器网络数据预测中的仿真应用

数据预测是研究无线传感器网络数据融合的重要方法。利用因特尔伯克利实验室开源数据为样本,采用时序预测方法分析了数据的时间相关性,深入研究了基因表达式编程方法(GEP)在无线传感器网络预测应用的可能性。通过与同等条件下ARMA算法进行比较分析可知,GEP算法不依赖先验知识,并且预测精度高于ARMA算法,为GEP算法在无线传感器网络数据融合应用提供了研究依据。     

热控涂层性能退化模型与模型参数求解

针对航天器热控涂层性能的退化规律,提出了类指数模型、指数-指数组合模型,并应用LM(阻尼最小二乘法)算法给出了模型参数的求解方法.利用美国Teflon型涂层地面模拟试验数据进行模型参数求解,并应用得到的模型进行预测外推,将各模型对应的预测结果以及国际上常用的简单指数模型对应的预测结果和美国9年时间跨度的试验数据进行了比较.比较结果表明,提出的模型和给出的方法对于航天器热控涂层性能退化预测是有效的和可行的,并且预测结果优于已有的简单指数模型.     

战术导弹储存可靠性计算方法研究

为合理确定导弹的储存可靠性,通过对导弹储存可靠性的变化机理进行分析,建立了2个导弹储存可靠性预测模型.模型Ⅰ是定期检测修复条件下储存寿命的修复更新模型;模型Ⅱ是定期检测修复条件下储存寿命的修复退化模型.采用统计分析方法,对检测时刻储存可靠度进行了区间估计,对模型中的未知参数和退化系数进行了最小二乘估计.根据假设的数据,确定了储存可靠性模型拟合参数的计算方法,通过储存可靠性和储存寿命的计算,对模型进行了对比分析.