双时间尺度下的设备随机退化建模与剩余寿命预测方法

基于退化建模的剩余寿命预测（Remaining useful life,RUL）是当前可靠性领域研究的热点.现有的退化模型都是针对单个时间尺度下的退化设备,缺少对设备性能变化与多个时间尺度相关的退化建模与剩余寿命预测方法.鉴于此,本文基于Wiener过程提出了一种双时间尺度随机退化建模与剩余寿命预测方法,用随机比例系数描述不同时间尺度之间的不确定关系,推导出丫首达时间意义下设备的双时间尺度剩余寿命分布,讨论了其与基于单时间尺度退化模型得到的剩余寿命分布之间的关系,并给出了基于历史退化数据的未知参数极大似然估计方法.最后,将所提方法应用到惯性平台关键器件陀螺仪的退化建模与剩余寿命预测中,验证了方法的有效性.     

带测量误差的非线性退化过程建模与剩余寿命估计

剩余寿命(Remaining useful lifetime, RUL)估计是设备视情维护和预测与健康管理(Prognostics and health management, PHM)中的一项关键问题. 采用退化过程建模进行剩余寿命估计的研究中,现有方法仅考虑了具有线性或可以线性化的退化轨迹的问题.本 文提出了一种基于扩散过程的非线性退化过程建模方法,在首达时间的意义下,推导出了剩余寿命的分布.该方法可以描述一般的非线性退化轨迹, 现有的线性退化建模方法是其特例.在参数的推断中,考虑到真实的退化过程受到测量误差的影响,难以直接测量得到, 因此,在退化建模的过程中引入了测量误差对退化观测数据的影响,通过观测数据,提出了一种退化模型未知参数的极大似然估计方法. 最后,通过激光发生器和陀螺仪的退化测量数据验证了本文方法明显优于线性建模方法,具有潜在的工程应用价值.     

大数据下数模联动的随机退化设备剩余寿命预测技术

面向大数据背景下随机退化设备剩余寿命(Remaining useful life, RUL)预测的现实需求, 结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题, 深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态, 剖析了当前研究存在的局限性和共性难题. 针对存在的局限性和共性难题, 以多源传感监测大数据下剩余寿命预测问题为例, 提出了一种数模联动的大数据下随机退化设备剩余寿命预测解决思路, 并通过航空发动机多源监测数据初步验证了该思路的可行性和有效性. 最后, 借鉴数模联动思路, 综合考虑机器学习方法和统计数据驱动方法的优势, 紧紧扭住大数据背景下随机退化设备剩余寿命预测不确定性量化问题, 提出了大数据背景下深度学习与随机退化建模交互联动、监测大数据与剩余寿命及其预测不确定性映射机制、非理想大数据下的剩余寿命预测等亟待解决的关键科学问题.     

基于非线性数据融合的设备多阶段寿命预测

为解决设备监测数据具有维数高、非线性且退化过程中存在多阶段的问题,提出了一种基于非线性数据融合和多阶段退化的设备寿命预测模型.首先,利用神经网络理论中的自编码器对表征设备退化的多维参数进行了融合,构建出设备的退化指示量;然后,利用CUSUM算法提取出设备退化过程中的分段点;最后,构建了多阶段维纳退化模型,从而实现对设备寿命的预测.利用航空发动机状态监测数据对所提模型进行了验证,剩余寿命预测的平均误差为0.254 5,低于传统的基于线性数据融合方法和基于单阶段维纳过程退化模型的寿命预测方法.结果证明,基于非线性数据融合的多阶段退化模型具有很好的鲁棒性,对设备的寿命预测更加精准.     

系统健康管理中的寿命模型仿真研究

在航空、航天、通信等领域,高可靠性和长寿命设计的产品所占比重逐渐增大;性能退化状态评估和剩余使用寿命预测技术在提高该类产品安全性和维护效率、降低全寿命周期成本等方面意义重大;针对当前国内健康管理研究中缺乏寿命及可靠性基础数据的现状,介绍了系统寿命预测的典型过程,重点分析了寿命模型研究和仿真中存在的若干问题,旨在建立实现简单且与实际系统运行过程相似度高的寿命模型的建模方法,为后续系统性能状态评估提供有效的数据支持。     

基于WSVR和FCM聚类的实时寿命预测方法

针对产品的性能退化轨迹呈现为非线性特性, 且个体的性能退化数据为小样本的情形, 为了充分利用同类产品的性能退化数据进行特定个体的实时寿命预测, 从研究退化轨迹相似性的角度出发, 提出一类基于小波支持向量回归机 (Wavelet support vector regression, WSVR)和模糊C均值(Fuzzy c-means, FCM)聚类的实时寿命预测方法. 该方法分为离线和实时两个阶段: 离线阶段先采用WSVR对同类产品的性能退化数据进行规范化处理, 接着对规范化数据进行FCM聚类, 然后,基于WSVR建立各聚类中心的退化轨迹模型;在实时阶段,针对特定个体的历史测量数据是否规范化,分别提出两种实时退 化轨迹建模和寿命预测方法——隶属度加权法和误差加权法. 最后, 通过两个实例分析验证了所提方法的有效性.     

基于最后逃逸时间的随机退化设备寿命预测方法

现有基于随机退化过程建模的寿命预测研究中, 通常用退化过程的首达时间(First passage time, FPT)来定义寿命. 但是, 这种寿命定义较为保守, 可能会导致其明显小于设备实际寿命. 鉴于此, 基于最后逃逸时间(Last exit time, LET)的概念, 给出一种新的寿命与剩余寿命(Remaining useful life, RUL)定义方式. 在该新框架下, 提出一种基于最后逃逸时间的寿命预测方法, 推导得到最后逃逸时间下基于Wiener退化过程模型的寿命与剩余寿命表达形式, 讨论了该方法与传统首达时间下寿命预测方法之间的关系. 此外, 通过数值仿真验证了该方法的正确性, 并对模型参数进行了敏感性分析. 最后, 通过轴承以及激光器的实际退化数据说明了该方法的有效性、可行性以及潜在的工程应用价值.     

Bayesian更新与EM算法协作下退化数据驱动的剩余寿命估计方法

设备的剩余寿命(RUL)估计是对设备进行视情维护、预测与健康管理的关键问题之一.为实现对于单个服役设备退化过程的建模以及RUL的估计,文中提出一种Bayesian更新与期望最大化算法协作下退化数据驱动的RUL估计方法.首先利用指数退化模型来描述设备的退化过程,基于监测的退化数据,利用Bayesian方法对模型的随机参数进行更新,进而得到RUL的概率分布函数和点估计.其次,利用运行设备到当前时刻的监测数据,基于EM算法给出退化模型中非随机未知参数的估计方法,并证明参数迭代估计中每步得到的结果是唯一最优解.最后通过数值仿真和实际数据应用研究,表明文中方法可对单个设备退化过程进行建模,有效估计退化模型中的未知参数,进而得到更好的RUL估计结果.     

考虑不确定测量和个体差异的非线性随机退化系统剩余寿命估计

剩余寿命估计是预测与健康管理的基础,是降低系统运行风险、提高系统安全性与可靠性的有效途径.针对工程实际中大量存在的非线性随机性退化系统,现有方法仅单独考虑了不确定测量或系统间个体差异对剩余寿命的影响,尚未实现同时考虑不确定测量和个体差异的剩余寿命估计.因此,本文首先建立了一种基于扩散过程的非线性退化模型,进一步通过建立的状态空间模型和Kalman滤波实现了同时考虑不确定测量和个体差异下的随机退化系统剩余寿命自适应估计,同时对漂移系数进行自适应估计,以获取非线性退化系统更加精确的剩余寿命估计.最后,将所提方法应用于疲劳裂纹和陀螺仪的监测数据,结果表明本文方法显著优于仅考虑不确定测量或仅考虑个体差异的寿命估计方法,具有潜在的工程应用价值.     

基于振动传感器性能退化数据的可靠性评估

在基于失效数据可靠性评估和性能可靠性评估方法的基础上,提出了基于性能退化量分布的可靠性评估方法,以对具有退化失效机理的振动传感器进行可靠性评估。基于性能退化量分布的可靠性评估方法,首先,计算不同测量时刻产品性能退化量的统计特征,对其进行曲线拟合得到统计特征随时间变化的函数,即性能退化量分布参数,然后,利用可靠性与性能退化量分布的关系评估产品的可靠性,最后,运用基于性能退化量分布的可靠性评估方法对振动传感器进行了可靠性评估。     

一种基于性能退化建模的设备最优监测时机确定方法

为了克服长寿命、高成本、高可靠性设备失效数据获取困难和监测维护策略不合理的缺点,基于漂移布朗运动,利用设备的周期性能监测数据,对设备的退化失效过程进行建模,评估设备服役期内的可靠性、剩余有效寿命,并综合考虑设备的监测维护成本和可靠性的要求,以单位时间期望监测维护成本最小为目标,提出了确定最优监测间隔的方法。使用某型号惯性平台存储时月监测数据及提出的方法,得到了其关键部件陀螺仪的可靠性和剩余有效寿命的评估结果,以及最新监测点之后的最优监测间隔,从而验证了所提方法的有效性。     

基于性能退化分析的电连接器可靠性评估

某型电连接器具有寿命长、可靠性高的特点,传统的基于失效寿命数据的可靠性评估方法行不通。提出了基于性能退化分析的可靠性评估方法,给出了进行评估的一般步骤,并以温度为加速应力设计了该型电连接器的加速退化试验。分析了电连接器的接触失效机理,进而推导出退化模型,估计出了样品的伪寿命值。利用Anderson-Darling统计量确定寿命分布类型为对数正态分布,对寿命分布函数和Arrhenius加速方程的参数值进行了极大似然估计,推导出了该型电连接器在工作温度下的可靠度函数,得出t0.9为244 240h。     

基于退化轨迹未知的多退化量可靠度预测方法

针对退化轨迹未知的具有多种退化量的产品,研究了退化量相关和独立情况下的多性能退化量可靠度的评估方法,总结了可靠度评估的模型,引入三参数威布尔分布模型拟合方法,在不依赖于产品退化轨迹情况下,建立了具有可靠度预测模型,并对某加油车滑片泵的测试数据进行了可靠度分析,验证了方法的有效性。     

融合专家经验和寿命试验数据的产品可靠性评估

专家经验是可靠性工程中常见的一类可靠性数据,通过将其与产品的寿命试验数据融合,可以扩充可靠性信息,为产品可靠性的评估提供新的思路.对此,利用Bayes理论,考虑不同类型和不同形式的专家经验,通过验前矩拟合的方法将其转化为产品寿命分布参数的验前分布.进一步,根据寿命试验数据确定似然函数,推断分布参数的验后分布,可求得数据融合后产品的可靠度和剩余寿命等可靠性评估结果.通过蓄电池算例分析,表明所提出方法的应用及其有效性.     

Designing a screening experiment with a reciprocal Weibull degradation rate

Degradation tests and design of experiments are powerful techniques to improve the reliability of highly reliable products. With respect to a resolution III experiment with a linearized degradation model where the degradation rate follows a lognormal distribution, Yu and Chiao [Yu, H. F., & Chiao, C. H. (2002). An optimal designed degradation experiment for reliability improvement. IEEE Transactions on Reliability, 51 (4) 427–433] addressed the problem of how to determine the optimal settings of decision variables such as the inspection frequency, the sample size, and the termination time for each run, which are influential to the precision of identifying significant factors and the experimental cost. In practical applications, Weibull and lognormal distributions are much alike. They may fit the lifetime data well. However, their predictions may lead to a significant difference. In this paper, we will deal with the optimal design of a resolution III experiment with a linearized degradation model where the degradation rate follows a reciprocal Weibull distribution. First, an intuitively appealing identification rule is proposed. Next, under the constraints of a minimum probability of correct decision and a maximum probability of incorrect decision of the proposed identification rule, the optimal test plan is derived by using the criterion of minimizing the total cost of experiment. An example is provided to demonstrate the proposed method. Finally, a simulation study is also provided to discuss the effects of mis-specification between the models of Yu and Chiao (2002) and the present paper on identification efficiency.     

考虑执行器性能退化的控制系统剩余寿命预测方法

工程控制系统在运行过程中,由于内外部应力的综合作用以及外部环境等的影响,其部件性能将逐渐退化,最终会导致控制系统失效.然而,由于控制系统中闭环反馈的作用,系统的输出残差可能仍在较小范围内变动,使得早期性能退化这种微小故障难以被检测到,呈现隐含退化的特点.现有文献中,针对此类在闭环反馈控制作用下部件存在隐含退化过程的控制系统剩余寿命（Remaining useful lifetime,RUL）预测问题,鲜有研究.为此,本文针对一类仅考虑执行器性能退化的确定闭环控制系统,提出一种基于解析模型的剩余寿命预测方法.该方法首先基于权值优选粒子滤波算法,利用系统的监测数据在线估计出执行器的隐含退化量,然后在每一个预测时刻通过蒙特卡洛（Monte Carlo,MC）仿真计算得到合理的失效阈值,建立基于该失效阈值的系统失效判断准则,最后将隐含退化量的估计值代入退化模型中外推出剩余寿命分布.惯性平台稳定回路控制系统的仿真实验结果验证了该方法的可行性、有效性.     

Reliability of repairable reserved systems with failure aftereffect

We propose new models for analyzing the reliability of repairable systems with failure aftereffect, when the probability distribution of an element’s time to failure changes only during the time when another element is being repaired. The key idea here is the so-called coupling principle for various probability distributions when the system’s operation conditions or the “residual lifetime preservation condition” change. We show a method for constructing a system of integral equations as a universal tool for modeling the reliability of systems under the assumption that time to failure of each element obeys the Weibull distribution.