[发明专利]一种含有多个相关退化过程的剩余寿命预测方法

权利要求书

1.一种含有多个相关退化过程的剩余寿命预测方法，其特征在于：按照如下步骤依次进行：

步骤1：读入M组状态监测退化数据，利用C-MAPSS模拟大型商用涡扇发动机的退化，为简便起见，考虑包含HPC退化和风扇退化在内的二元退化过程，利用传感器测量HPC退化和风扇退化数据，即传感器测量数据，第j组传感器测量数据记为其中，j＝1,2,…,M；

步骤2：将每组首个数据作为初始测量偏差各个监测时刻下隐含的退化状态记为x_k，针对如下结构初始化模型参数，包括漂移系数λ，非线性系数γ，状态方程的协方差矩阵Q，测量系数矩阵g^(j)以及各个测量的噪声方差

其中，表示第j组传感器在t_k时刻下的测量向量，Φ_k～N(0,Q_k)，Φ_k为扩散系数矩阵；τ_k为第k个监测间隔，

步骤3：基于序贯卡尔曼滤波方法辨识隐含的退化状态x_k|k；

步骤4：利用EM算法迭代更新未知参数λ,γ,Q,的估计；

步骤5：通过蒙特卡洛仿真方法进行离散采样，分别在串联失效模式M₁、并联失效模式M₂以及加性失效模式M₃下，计算剩余寿命的可靠度函数R_k(t)，即

其中，L_j表示第j个退化过程x_j(t)的失效阈值，且有j＝1,2,…,N；τ表示蒙特卡洛采样间隔；为第k个监测时刻下退化状态的估计值；Υ_k为第k个监测时刻以前的所有测量数据；

步骤6：利用数值微分求取剩余寿命的概率密度函数，即

步骤7：分别计算三种失效模式下的均方误差MSE，即

其中，为t_k时刻时真实的剩余寿命，根据MSE的值检验模型的预测效果，并输出对应的f_k(t)。

2.根据权利要求1所述的含有多个相关退化过程的剩余寿命预测方法，其特征在于：在步骤7中，根据MSE的值检验模型的预测效果的具体方法：若MSE随着监测时刻逐渐减小直至趋于零，即说明预测效果良好，按照使用对象的实际需求判断系统的失效模式，具体为若系统各个部件均为关键部件，则为串联失效；若尚有一个部件正常仍能继续工作，则为并联失效；若各个部件对于系统的失效体现为部分失效，且存在累积效应，则为加性失效。