[发明专利]基于支持向量机和模糊信息粒化的产品性能退化区间预测方法

说明书

技术领域

本发明涉及一种基于支持向量机和模糊信息粒化的产品性能退化趋势的区间预测方法，属于寿命预测技术领域。

背景技术

随着科学技术的进步和工业需求的发展，各类先进产品一方面不断向复杂、高速、高效、微型或大型的方向发展，另一方面却又面临更加苛刻的工作和运行环境。一旦产品的关键部件发生故障，就可能影响整个生产过程，造成巨大经济损失。因此，如何评估产品的运行状态，从而能够合理地制定维护计划，确保设备处于正常、稳定的工况，防止灾难性事故的发生是当今各行业最为关注和重视的问题。

产品从正常状态到完全失效通常要经过一系列不同的性能退化状态。产品的性能退化是因其在工作过程中不断地受到各种环境作用力的影响，发生变形、磨损、疲劳、锈蚀、老化、松动等而造成物理与化学特性改变，出现产品的功能与性能逐步降低的现象。性能退化意味着产品出现了受损，若任其发展必然会产生功能性故障。性能退化的外在表现为产品的输出性能特征参数逐步偏离其正常区间，这是因为产品的规定功能与若干输出性能特征参数是紧密相关的。因此，如果能够通过对产品输出性能特征参数进行在线监测，评估和预测产品性能退化的程度及趋势，并按需制定维护计划，就可以有效地避免产品突发故障，减少因产品意外停机而造成的生产损失和产品维护费用，从而提高企业生产效率，降低维护费用和安全风险。产品性能退化评估与趋势预测就是基于以上思想提出的一种主动维护模式的技术，具有重要的科学理论意义和工程应用价值。

近年来，作为故障预测与健康管理(Prognostic and Health Management，PHM)和智能维护系统(Intelligent Maintenance System，IMS)的核心技术，产品性能退化评估与趋势预测技术得到了大量的理论与实践研究。PHM技术从寻找产品故障发生、发展的确定性规律着手，综合分析产品在使用过程中自身状态变化和产品经历的外界环境条件数据，从而预测和评估产品使用寿命或剩余寿命。该技术已应用于大型飞机、机电设备、道路桥梁、大型发电机组等重大设备的故障检测、寿命预测和安全评估中。智能维护系统是一种全新的理念，由美国智能维护系统研究中心主任Jay Lee教授最先提出。智能维护系统的核心思想是对设备和产品的性能退化过程进行预测和评估(包括故障的早期预报)，进而实现故障预测。

产品性能退化评估和趋势预测的实质是对产品运行状态的模式识别。无论是故障预测与健康管理中的产品剩余寿命评估，还是智能维护中的产品性能退化评估与预测，其实质都是通过对产品数据的分析，识别产品当前运行状态，并对状态走势进行预测，以便在产品性能达到不能接受状态之前采取相应措施，避免意外故障的发生。综合目前的研究，用于产品性能退化评估和趋势预测的方法主要有：ARMA时间序列模型、神经网络、贝叶斯决策方法、Logistic回归、隐马尔可夫(HMM)模型方法等。不过，许多的性能退化预测评估算法还处于理论研究阶段，效果还不是很理想，存在着诸如不适用于小样本、过学习、维数灾难、局部极小等问题，这是现有技术存在的第一个问题。

在实际工程问题中，某些结构复杂的产品往往有多个输出性能特征参数同时发生退化，然而目前的研究方法往往是针对单个性能特征的退化数据展开的，这是本领域现有技术存在的第二个问题。为准确地评估产品性能退化状态和趋势，需要把不同性能特征参数的退化进行有效融合，从而获得更准确的性能退化评估和预测结果。目前，有关产品多参数性能退化评估的研究还很少。参考文献[1]WANG Peng，COIT David.Reliability Prediction Based on Degradation Modeling for Systems with Multiple Degradation Measures//Proceedings of the 2004Reliability&Maintainability Symposium(RAMS).Los Angeles，CA，2004：302-307中Wang&Coit针对同一系统中多个性能参数同时退化的情况，研究了多个性能参数独立和相关情况下的可靠度计算模型。如果相互独立，解决方法类似串联系统；如果相关，则估计多个性能退化参数的联合概率密度函数，然后据此估计产品的可靠度。很多情况下，同一个产品多个性能参数之间在物理上是相关的，而数学计算的结果却可能是独立的，这种方法没有考虑这一点。另外，这种方法中联合概率密度函数是通过假设确定，可能与实际情况出入较大。