[发明专利]一种基于故障发生概率的产品健康判断方法

说明书

本发明提供了一种基于故障发生概率的产品健康判断方法，能够对没有大数据时通过将数据转化为概率分布密度函数然后进行统计量极限分布分析，用于进行产品健康判断。本发明通过把试验中获得的时间序列数据转化为概率分布密度函数，然后构造一个统计量，确定该统计量的极限分布，然后根据极限分布在一定的显著性水平下来判断两个概率分布密度函数是否来自同一个母体，这样就可以借助来自统计学领域的研究成果来解决健康监检测领域里的技术问题，不依赖大数据完成故障概率计算，节省了大量的试验经费和试验时间，本发明方法只需要两次试验(一次正常产品和一次故障产品)就可以实现同样的效果，经济效益非常明显。

技术领域

本发明属于时间序列数据处理技术领域，具体涉及一种基于故障发生概率的产品健康判断方法，所述产品为有壳体的产品。

背景技术

固体火箭发动机由于其具有结构简单、工作可靠、维护简单、使用方便等特点，在军事领域得到广泛应用。但由于发动机具有“长期贮存、一次性使用、贮存中免测试”的特殊性，因此通过对发动机进行健康监测有着重要的意义。

根据国内外研究结果，超声导波是应力波的一种，使用导波检测不仅具有波信息检测方法的一系列优点，而且具有探测距离远、检测效率高、速度快等特点。其不受周围环境低频振动的影响，适用的类型也比较多，对多层粘接结构(如固体火箭发动机：包含金属/复合材料壳体、绝热层、药柱结构等)中常见的如脱粘、分层以及裂纹等缺陷都能产生比较强的响应。

通过超声导波对固体发动机进行产品健康叛断时，需要对获得信号随时间的变化数据(即时间序列数据)，然后对获得的时间序列数据进行处理进而获得产品的故障发生率。但是现有的时间序列数据处理主要是通过傅立叶分析、小波分析等方法转换为频域进行特征分析，只能适用于响应时间比较长的时间序列数据，超声导波监测方式获得的时间序列数据的响应时间很短(1ms)，无法激活产品固有频率的响应，因而无法获得有效频域信息，因而不能有效进行产品健康判断。

另外，在研究过程中发现如果采用短时间时域信息时如何判断产品是否健康的难点是试验数量，如果试验数量足够多，可以采用大数据方法判断正常情况下参数的分布，然后根据显著性水平判断某个产品是否有故障，但是这种方法在研究的场合中不适用，主要是由于在研究的场合中试验数量非常少，只进行了两轮试验，这样的试验数量根本不足以进行统计分析，但是统计要求必须要用概率方法判断产品是否健康。

发明内容

有鉴于此，本发明提供了一种基于故障发生概率的产品健康判断方法，能够对没有大数据时通过将数据转化为概率分布密度函数然后进行统计量极限分布分析，用于进行产品健康判断。

为实现上述目的，本发明的基于故障发生概率的产品健康判断方法如下：

通过对一个正常产品和一个故障产品用相同的测试方法在相同测点进行测量，获得两组时间序列数据；获取两组时间序列数据的分布密度函数f₁和f₂；

计算两个分布密度函数之间的距离d(f₁,f₂)，得到在测点的故障发生概率P(d(f₁,f₂),n)，其中n为等效自由度；

根据P(d(f₁,f₂),n)＝P₀，求解此时的等效自由度n，其中P₀为已知的故障发生概率；

根据要求的容忍故障发生概率p，根据P(d,n)＝p求解得d，其中d为故障发生概率为p时的距离临界值；

用相同的测试方法在相同测点获得待测产品的时间序列数据及其分布密度函数f₃，计算得d(f₁,f₃)；