[发明专利]一种基于连续Weiner过程损伤的设备剩余寿命评估方法

权利要求书

1.一种基于连续Weiner过程损伤的设备剩余寿命评估方法，其特征在于以下步骤：

步骤S10：对n台设备进行全全寿命周期监测，并通过滑窗将监测数据分为多个监测批次，并对各设备前两批数据与最后一批数据进行性能退化量的标注；

步骤S20：建立通用的长短期记忆网络(LSTM)，将各设备收尾批监测数据及相应的性能退化量标签值，输入长短期记忆网络(LSTM)进行训练；

步骤S30：将所述的训练好的长短期记忆网络LSTM输入所有设备的全寿命监测数据，得到的输出作为设备全寿命周期里的性能退化指标， 然后选取可适合一次函数拟合的区间，求解区间中性能退化指标的最大值作为失效阈值；

步骤S40：针对所述的适合一次函数拟合的区间的性能退化指标数据，采用改进最小二乘拟合方法，解算连续Weiner过程的均值和方差参数估计值如下：

DHI_fault＝max(DHI_ij),i＝1,2...n,j＝1,2,....mi ；

其中DHI_ij为采用长短期记忆网络与全寿命监测数据进行预测得到的第i台设备j时刻的性能退化指标；DHI_fault为设备失效阈值，其通过画出所有样品设备全寿命周期中性能退化指标，选择性能退化指标均值和方差可通过一次函数拟合的区间，并选取基于区间中性能退化指标的最大值而得到；mi 为均值和方差同时满足时间一次函数的最大时间值；与为基于连续Weiner过程的设备退化性能指标均值和方差参数估计值；

步骤S50：针对所述的连续Weiner过程的均值以及设备性能失效阈值，采用失效概率密度损伤累积算法，得到设备从健康到故障失效的预测时间如下：

其中MTBF(DHI_fault)表示设备从性能退化指标为0的健康状态退化到故障失效阈值DHI_fault的预测时间；f(t)为连续Weiner过程损伤累积模型的失效概率密度函数；DHI_fault为设备性能失效阈值；与为基于连续Weiner过程的设备退化性能指标均值和方差参数估计值；

步骤S60：根据所述的任意时刻的设备状态性能退化指标，采用所述的连续Weiner失效概率密度损伤累积算法，计算i时刻设备的平均故障时间，同时当作设备的可靠性指标如下：

MTBF_ji＝MTBF(DHI_fault)-MTBF(DHI_ji)；

其中DHI_ji为第j台设备i时刻的性能退化指标，MTBF_ji为第j台设备i时刻故障失效时间，DHI_fault为设备从性能退化指标为0的健康状态退化到故障失效阈值的预测时间，MTBF_ji为设备j从当前i时刻状态到故障状态的平均故障时间，同时也记作该设备i时刻的可靠性指标；

步骤S70，通过统计获得样品设备在各寿命长度L下的故障概率先验概率分布，然后计算设备在各剩余寿命条件下，可靠性指标和性能指标的联合条件概率分布函数如下：

其中和为在剩余寿命RUL＝l条件下，可靠性指标和性能指标的均值，为在剩余寿命RUL＝l条件下，性能指标和可靠性指标的协方差， L_max为设备的可能最长剩余寿命，选取试验数据的最大寿命值即L_max＝max(m_ij)， P(MTBF,DHI|RUL＝l)为样品在各剩余寿命条件下，可靠性指标和性能指标的联合条件概率分布函数；

步骤S80：根据一台正在运行的设备的当前监测信息，输入训练好的长短期记忆网络，得到性能退化指标，然后根据可靠性评估算法计算样品可靠性评估指标，再通过贝叶斯公式，计算各寿命条件下的后验概率，最终得到样品剩余寿命的期望值如下：

MTBF_new＝MTBF(DHI_fault)-MTBF(DHI_new)；

其中DHI_new为对正在运行的设备进行全寿命监测，并将得到的监测信息，输入训练好的LSTM网络，得到的性能退化评估值；MTBF_new将正在运行的设备的性能退化评估值带入可靠性评估模型通过模型计算得到的设备可靠性评估指标；P(RUL＝l|MTBF_new,DHI_new)为在MTBF_new和DHI_new条件下，设备在各剩余寿命l＝1,2,....RUL_max条件下的后验概率，P(L)为通过统计获得样品设备在各寿命长度L下的故障概率先验概率分布，为根据设备后验概率分布P(RUL＝l|MTBF_new,DHI_new)求取的设备剩余寿命的期望值，也就是设备基于可靠性与性能一体化的剩余寿命预测结果。