[发明专利]一种考虑年龄和状态依赖的退化设备剩余寿命预测方法

说明书

本发明公开了一种考虑年龄和状态依赖的退化设备剩余寿命预测方法，对工程中存在的退化设备，首先，通过构造状态空间模型，描述了隐含退化状态与观测值之间的关系。然后，采用卡尔曼滤波(KF)和期望最大化(EM)算法，自适应地估计和更新退化状态和未知参数。基于估计的退化状态和模型参数，推导出基于现有观测值且可实时更新的剩余寿命分布解析形式；有效改善了剩余寿命预测精度。

技术领域

本发明属于可靠性工程技术领域，具体涉及一种考虑年龄和状态依赖的退化 设备剩余寿命预测方法。

背景技术

作为预测与健康管理(PHM)的关键问题之一，估计退化设备的剩余寿命(RUL) 可以为基于状态的维护决策，最佳检测间隔和备件订购提供有用的信息参考。为 了获得准确的RUL分布估计，需要一个能够充分表征实际退化过程特征的合适的 退化模型。

非线性和随机性是在随机退化模型框架中估计RUL时必须考虑的重要因素， 通常利用随机过程模型描述退化的随机性。同时，个体差异性也是RUL估计中需 要考虑的重要因素。个体差异性可以定义为同一批设备中的不同个体，因不同的 工作环境和健康状态所表现出不同的退化率。此外，由于系统的复杂性或直接观 测退化状态的成本高昂，在工程实际中经常会遇到隐含或部分可观测的退化过程。 已有文献对上述问题进行了一定的研究，需要注意的是，在现有文献和发明中， 针对的是的退化过程仅依赖年龄的设备，但仍存在大量的退化过程不仅受设备年 龄的影响，而且依赖于设备自身的健康状态。以疲劳裂纹扩展为例，疲劳裂纹初 期的退化率较低。随着疲劳裂纹的增长，应力强度将逐渐增加，从而导致退化速 率加快。目前，缺乏考虑个体差异和隐含退化状态下，年龄和状态同时依赖的退 化设备剩余寿命预测方法的相关研究。

发明内容

本发明的目的是一类退化过程依赖年龄和状态的退化设备，同时考虑了设备 个体差异性和隐含退化状态的影响，提出一种考虑年龄和状态依赖的退化设备剩 余寿命预测方法。

本发明采用的技术方案是：

一种考虑年龄和状态依赖的退化设备剩余寿命预测方法，包括以下步骤：

步骤1、建立退化模型，利用漂移函数描述设备退化与年龄和状态的依赖性， 并考虑退化过程中的设备间个体化差异和测量误差；

步骤2、在步骤1基础上，建立状态空间模型，并描述隐含退化状态与观测 值之间的关系；

步骤3、利用卡尔曼滤波算法估计隐含退化状态，利用期望最大化算法估计 状态空间模型中的参数；

步骤4、基于步骤3估计的退化状态和模型参数，推导出基于现有观测值且 可实时更新的剩余寿命分布解析形式；

步骤5、当产生新的观测值时，对状态空间模型中的参数实时更新，并将其 代入设备剩余寿命分布的表达式中，从而实现退化设备的寿命预测。

优选的，在上述步骤1中，所述退化模型建立过程如下：

设X(t)表示样品在t时刻的性能退化量，则基于扩散过程的退化过程 {X(t),t≥0}可以表示为：

dX(t)＝μ(X(t),t；θ)dt+σ_BdB(t)          (1)

其中，μ(X(t),t；θ)表示非线性漂移系数函数，同时依赖年龄和状态，则假设 μ(x,t；θ)＝ax+bh(t；ξ)，其中θ＝(a,b,ξ)，并且h(t)是关于时间t的函数，ξ是函数h(t；ξ) 中的未知参数矢量；其中，参数a为固定常数，参数b为表示个体差异性的随机 效应系数，即b:μ_b是参数b的均值，是参数b的方差；σ_B为扩散 系数，θ为参数矢量，B(t)为标准Brownian运动，且B(t):N(0,t)；不失一般性， 当t＝0时，X(0)＝0；