[发明专利]融合剩余寿命经验数据的动量轮剩余寿命预测方法

权利要求书

1.融合剩余寿命经验数据的动量轮剩余寿命预测方法，其特征在于，包括如下步骤：

S1. 确定动量轮的剩余寿命经验数据类型，设定动量轮寿命分布参数m和λ的验前分布形式，基于收集到的动量轮的剩余寿命经验数据及其验前矩的拟合确定验前分布参数；

S1.1 动量轮的剩余寿命经验数据是动量轮在τ_p时刻的剩余寿命点估计L_p或/和动量轮在置信水平γ下的剩余寿命置信区间；

S1.2 设定动量轮寿命分布参数m和λ的验前分布形式为

其中

即分布参数m和λ的验前分布相互独立，且m的验前分布π(m)为均匀分布，λ的验前分布π(λ)为伽马分布；

S1.3 基于收集到的动量轮剩余寿命经验数据，确定动量轮剩余寿命经验数据的验前矩；

若动量轮剩余寿命经验数据为动量轮在τ_p时刻的剩余寿命点估计L_p，则其验前矩E(L_p)为

若动量轮剩余寿命经验数据为τ_p时刻处动量轮在置信水平γ下的剩余寿命置信区间，则其验前矩分别为

其中为贝塔函数，为超几何函数，，m_i为从均匀分布[m_l, m_u]抽取的S个样本中的第i个样本，i=1,…,S；,

S1.4 确定验前分布参数α和β；

设收集到M个动量轮剩余寿命经验数据，记为动量轮在τ_pj时刻的剩余寿命点估计L_pj或置信水平γ下的剩余寿命置信区间，其中j=1,…,M；

通过拟合剩余寿命经验数据L_pj或及动量轮的剩余寿命经验数据的验前矩，同时引入新的变量w₁和w₂，其中和，w₁和w₂为任意实数，构建以下无约束优化问题模型：

通过求解上述无约束优化问题模型，求得变量w₁和w₂后即可确定验前分布参数α和β，其中代表动量轮剩余寿命经验数据是点估计的形式，代表动量轮剩余寿命经验数据是置信区间的形式；

S2. 抽取n个动量轮作为试验样品进行寿命试验，采集各试验样品的寿命试验样本数据，并给出寿命试验样本数据的似然函数；

随机抽取n个动量轮作为样品进行寿命试验，在寿命试验中观测各试验样品的工作状态；在终止观测前，若试验样品在某一时刻不能继续工作，则该时刻即为该试验样品的失效时间；假若达到观测时刻，若试验样品仍能继续工作，则该时刻即为该试验样品的截尾时间；失效时间和截尾时间统称为寿命试验样本数据，并记为，其中i=1,…,n，代表寿命试验样本数据为失效时间，代表寿命试验样本数据为截尾时间；基于寿命试验样本数据，给出其似然函数为

其中m和λ为动量轮寿命分布参数，m为形状参数，λ为尺度参数；

S3. 基于随机抽样方法预测动量轮的剩余寿命；

S3.1利用N个位于[0,1]上的随机数u_i，其中i=1,…,N，分别根据和给出样本和，视为从m和λ的验前分布所抽取的验前样本，其中i=1,…,N；

S3.2基于S2中给出的似然函数，对验前样本和进行更新生成验后样本和，即令

且

其中w_i为[0,1]上的随机数，，，i=1,…,N；

S3.3基于更新后所得的验后样本和，预测τ时刻处动量轮融合剩余寿命经验数据后的剩余寿命为：

。

2.根据权利要求1所述的融合剩余寿命经验数据的动量轮剩余寿命预测方法，其特征在于，收集到的动量轮剩余寿命经验数据数量M≥2。