[发明专利]一种机载电子设备剩余寿命自适应预测方法

权利要求书

1.一种机载电子设备剩余寿命自适应预测方法，其特征在于，包括以下步骤：

基于非线性Wiener过程构建带比例关系的设备隐含退化模型；

引入漂移系数更新机制，在所述退化模型的基础上建立设备退化过程的状态转移方程，并采用扩展卡尔曼滤波EKF算法同步更新设备退化状态与漂移系数；

输入设备的退化状态的观测数据，采用期望最大化-扩展卡尔曼滤波EM-EKF算法实现对所述退化模型中未知参数的自适应估计；

在退化状态与漂移系数更新和退化模型中未知参数自适应估计的基础上，基于全概率公式计算设备剩余寿命的概率密度函数。

2.如权利要求1所述的一种机载电子设备剩余寿命自适应预测方法，其特征在于，构建带比例关系的设备隐含退化模型的方法为：

基本线性Wiener退化模型表示为：

X(t)＝X(0)+αt+βB(t) (1)

其中，X(0)表示设备在初始时刻的性能退化量，α用以描述设备的退化速率，称为漂移系数，β用以描述设备退化过程随时间不确定性的程度，称为扩散系数，B(t)为标准布朗运动；

考虑到外界环境对设备退化过程的影响，在式(1)线性退化模型的基础上，通过对退化过程进行非线性化处理，得到非线性退化模型：

其中，表示时间t的非线性函数，θ表示未知参数；

若设备退化过程满足Wiener过程，且退化机理不发生变化，则漂移系数α与扩散系数β具有比例关系：

ρ＝β²/α (3)

得到带比例关系的退化模型为：

基于测量误差v，建立带测量误差的隐含比例退化模型，即带比例关系的设备隐含退化模型：

Y(t)＝H(X(t)|τ)+v (5)

其中，Y(t)表示通过传感器获取的设备性能退化状态量；H(X(t)|τ)用以表征设备的隐含退化特性，是设备真实退化量X(t)的线性/非线性函数，τ表示未知参数，测量误差v满足

3.如权利要求2所述的一种机载电子设备剩余寿命自适应预测方法，其特征在于，采用扩展卡尔曼滤波EKF算法同步更新设备退化状态与漂移系数的方法为：

基于式(5)构建的带比例关系的设备隐含退化模型，可得设备退化过程的状态转移方程为：

其中，t_k,k＝1,2,…,M为第k个状态监测时刻，X_k＝X(t_k)，Y_k＝Y(t_k)，Y_1:k＝[Y₁,Y₂,…Y_k]^T，ε_k-1～N(0,t_k-t_k-1)，噪声信号

对式(6)中的非线性函数进行线性化处理，得到线性化处理后设备退化的状态转移方程为：

其中，H′(·)为非线性函数的一阶导数，令Z_k＝[X_k,α_k]^T，则将式(7)转化为：

进一步得：

其中，L_k＝[J_k,0]，W_k-1的协方差为

式(10)即为扩展卡尔曼滤波的标准状态空间方程，基于扩展卡尔曼滤波的基本性质，得设备状态转移矩阵为：

由：

f₂＝α_k-1 (12)

将式(11)与(12)带入(10)得：

给定退化状态均值与方差的初始值与P_0|0，并结合状态预测方程、协方差预测方程、滤波增益方程、状态更新方程和协方差更新方程，利用扩展卡尔曼滤波更新公式，同步更新设备的退化状态X_k和漂移系数α_k。