基于随机退化数据建模的设备 剩余寿命自适应预测方法

Zjianeng

摘 要： 针对现有剩余寿命预测研究中需要多个同类设备历史数据离线估计模型参数的问题，本文提出了一种 基于退化数据建模的服役设备剩余寿命自适应预测方法．该方法，利用指数随机退化模型来建模设备的退化过程，基 于退化监测数据运用 Ｂａｙｅｓｉａｎ方法更新模型的随机参数，进而得到剩余寿命的概率分布函数及点估计．区别于现有方 法，本文方法基于设备到当前时刻的监测数据，利用期望最大化算法对模型中的非随机未知参数进行在线估计，由此 无需多个同类设备历史数据．最后，通过数值仿真与实例分析，验证了本文方法在剩余寿命预测时的有效性．
# `' @/ q) s' B6 i6 w
" l& V3 O) ?* B7 [关键词： 寿命预测；退化；Ｂａｙｅｓｉａｎ方法；期望最大化
9 U6 k0 V, V  ~) j7 U4 S$ a
$ H& M4 A4 ?9 Q+ [6 |2 w" h

$ A4 i( @9 m+ F        随着信息和传感技术的快速发展，预测与健康管理领域的研究工 作引起了更多研究者的兴趣，在此基础上制定的最优维 修决策对提高系统可靠性、预防系统未知失效事件发生 以及减少维修费用具有重要的实际效益．ＰＨＭ的核心 问题［１］，就是根据传感器所获得的监测数据，有效预测 设备的剩余寿命． 传统的寿命预测方法以失效数据为基础，但是，对 于可靠性高，造价昂贵的设备，通常很难获得大量的同 类产品的失效数据．研究表明，退化数据比失效时间数 据能提供更多的信息来预测设备的剩余寿命［２，３］．目 前，基于退化建模的剩余寿命预测方法已经成为一类主 要方法，文献［１］对这类方法进行了详细系统的综述．


附件下载：

游客，如果您要查看本帖隐藏内容请回复

fordies1

无需多个同类设备历史数据