[发明专利]基于时变马尔科夫过程的寿命预测方法

说明书

本发明提供一种基于时变马尔科夫过程的寿命预测方法，该方法通过建立时变马尔科夫模型，利用改进的前向‑后向算法计算初始前向概率，后向概率和状态序列的条件概率公式，并对模型参数进行重估，根据已确定设备当前运行状态，得到设备在状态逗留时间的期望，并求解设备在各状态的状态停留时间，计算当前状态停留时间的剩余寿命。

技术领域

本发明涉及可靠性领域，尤其涉及轨道交通滚动轴承的寿命预测方法。

背景技术

安全域(Safety Region,SR)是一种从域的角度描述系统整体可安全稳定运行区域的定量模型，安全域边界与系统运行点的相对关系可提供定量化的系统不同状况下的运行安全裕度和最优控制信息。

现有技术中将安全域的概念扩展至轨道交通领域，并提出了完整的安全域估计方法框架，并针对滚动轴承进行了有益尝试。研究将轴承状态特征变量空间人为划分为两个区域，安全域与非安全域，并根据状态信息将状态特征数据直接对应至“正常”、“故障”等不同类别。然而大部分轴承性能是逐渐衰退的过程，在正常和故障之间，存在多个安全子域，且不同安全子域之间存在一定的概率转移关系。并且随着传感器技术的发展，工业工程领域对系统或关键部件运行过程的观测越来越普遍，因此产生了大量的时间序列，而且这些时间序列往往是多变量相互影响和相互联系的。因此，本发明将基于安全域估计理论的轴承退化模型扩展至多安全子域，采用时序模糊聚类算法，实现安全域与非安全域的界限、各安全子域的临界位置的自动定位。

发明内容

为了实现上述目的，本发明基于时变马尔科夫过程的可靠性分析及寿命预测方法主要包含四大步骤：退化特征选取，模糊安全域划分、时变马尔科夫过程建模、可靠性评估及剩余寿命预测，技术路线图如图1所示。本发明具体采用如下技术方案：

(1)提取全寿命运行特征向量，基于多元模糊分段算法进行分段，采用动态时间规整算法进行样本时间规整，完成样本数据预处理；

(2)采用模糊安全域算法对部件的状态进行划分；

(3)建立时变马尔科夫模型，利用改进的前向-后向算法计算初始前向概率，后向概率和状态序列的条件概率公式；并对模型参数进行重估；根据已确定设备当前运行状态i，得到设备在状态i逗留时间的期望，并求解设备在状态i+1,i+2,…,N的状态停留时间；计算当前状态i停留时间为的剩余寿命；

首先根据样本集，确定各状态的停留时间分布，再采用改进的向前-向后算法对模型参数进行估计：

1)当已知模型M＝(π,A,ST)参数时，t时刻系统处于状态i的停留时间为T^*的概率

当t＝1时，初始前向概率为：

当t＝2,3，…,T时，前向概率递推公式为：

2)当t时刻状态i的驻留时间为时，在以后的T-t时间内产生的状态序列(s_t+1,s_t+2,...,s_T)的后向概率为

当t＝T时，初始后向概率公式为：

当0＜t＜T时，后向概率递推公式为：