[发明专利]一种传感器测量误差模型参数可行域分析方法及系统

说明书

本发明公开一种传感器测量误差模型参数可行域分析方法及系统，方法包括：首先确定首达时间下设备的真实寿命，然后确定设备的伪寿命，最后根据所述首达时间下设备的真实寿命和所述伪寿命确定测量误差模型均值和标准差的可行域，解决了高可靠性设备剩余使用寿命估计的退化数据中存在测量误差的问题，以便后续进行维修决策分析。

技术领域

本发明涉及测量误差可行分析技术领域，特别是涉及一种传感器测量误差模型参数可行域分析方法及系统。

背景技术

近些年来，统计数据驱动方法作为一种能够刻画退化过程随机性、反映寿命估计不确定性的有效方法，在退化建模与寿命估计领域得到了广泛发展与应用。测量、获取退化数据是退化建模与寿命估计的前提与基础，而在实际工程中由于测试设备性能、操作人员水平以及测试方法等因素的影响，得到的退化数据中往往都存在测量误差。若直接采用带测量误差的退化数据进行建模与寿命估计，必然造成预测结果存在偏差。

相比于存在偏差的寿命估计结果，利用准确的预测结果来对装备系统进行维护管理，能减小安全风险、降低经济损失。如果测量误差能够在线的检测与校准，那么寿命估计的偏差可通过剔除退化数据中的测量误差来避免，这样该反向问题便没有意义。遗憾的是，对于很多退化设备，其测量误差难以在线的辨识与估计。因此，有必要将传感器测量误差限于合理的范围，以确保寿命估计结果的精确性。目前，仅有很少部分学者对其展开研究。

例如，司小胜和唐圣金等人基于线性Wiener过程退化模型研究了给定寿命估计的性能精度要求下测量误差的可行域问题，并进一步分析了测量误差对于维护决策的影响。研究仍然存在一定的缺陷和不足，首先测量误差定义为随机变量且服从一个参数固定与时间无关的随机分布，如正态分布、Gamma分布等。然而在实际中，首先，测量误差可能会随着传感器性能的退化而出现趋势性的变化。例如，常用于反映高炉炉壁退化的温度传感器——金属热电偶，其测量性能会随着使用时间的增加而发生劣化。若仅用随机变量来描述测量误差的变化，无法反映其误差变化的时间相关性。其次，为了描述无测量误差影响下寿命估计结果与存在测量误差影响下寿命估计结果之间的偏差，上述文献已提出了多个测量指标来衡量。但是，鉴于统计数据驱动方法下得到的设备寿命存在随机性，即为一个随机变量而不是固定常值。而上述文献所提出来衡量两个随机变量间偏差的测量指标仅能反映分布的部分统计特征，存在一定的局限性。除此之外，上述文献主要研究了首达时间意义下真实寿命与伪寿命(存在测量误差下退化过程首达失效阈值的时间)之间的偏差。而在实际工程应用中，伪寿命往往是将带测量误差的退化数据直接应用于未考虑测量误差的退化模型所得到的结果。

发明内容

基于此，本发明的目的是提供一种传感器测量误差模型参数可行域分析方法及系统。

为实现上述目的，本发明提供了一种传感器测量误差模型参数可行域分析方法，所述方法包括：

步骤S1：确定首达时间下设备的真实寿命；

步骤S2：确定设备的伪寿命；

步骤S3：根据所述首达时间下设备的真实寿命和所述伪寿命确定测量误差模型参数的可行域；所述测量误差模型参数包括测量误差模型的均值和测量误差模型的标准差。

可选地，所述根据首达时间下设备的真实寿命和伪寿命确定测量误差模型参数的可行域，具体包括：

步骤S31：确定真实寿命估计值对应的概率密度分布和伪寿命估计值对应的概率密度分布；

步骤S32：确定KL距离公式；

步骤S33：将所述真实寿命估计值对应的概率密度分布和所述伪寿命估计值对应的概率密度分布代入所述KL距离公式确定传感器测量误差模型参数的可行域。

可选地，确定真实寿命估计值对应的概率密度分布和伪寿命估计值对应的概率密度分布，具体包括：