[发明专利]基于Box-Cox变换的非线性设备剩余寿命预测方法

说明书

本发明属于寿命预测技术领域，具体公开了一种基于Box‑Cox变换的非线性设备剩余寿命预测方法，包括历史随机退化设备的未知参数估计和在线服役设备的剩余使用寿命预测两部分；本发明利用Box‑Cox变换对非线性退化数据做变换处理，提高了随机退化设备退化数据的线性程度，利用已有的线性Wiener过程建模该变换后的退化数据可得到剩余寿命的精确解析解，避免了已有时间尺度变换函数选择受制于随机退化设备失效数据的约束。

技术领域

本发明属于剩余寿命预测技术领域，涉及一种关键设备剩余寿命预测方法，具体涉及一种基于Box-Cox变换的非线性设备剩余寿命预测方法。

背景技术

剩余寿命预测与健康管理技术是现代复杂工程系统、重大产品、重大设施提高运行可靠性、安全性、可维护性的关键技术，可为重大装备的长周期安全可靠运行提供重要保障。随着先进传感和状态监测技术的发展，获取能够反映设备健康状态的性能退化过程监测数据已成为可能。在此背景需求下，数据驱动的基于随机过程建模的随机退化设备剩余寿命预测技术在过去十余年得到了广泛关注和蓬勃发展，其中以标准布朗运动驱动的Wiener过程为代表的随机过程，由于其良好的数学特性和适于描述非单调退化特征而被广泛应用于剩余寿命预测。

对于复杂的随机退化设备，其退化过程表现出明显的非线性。针对非线性退化数据建模，一般采取两种思路：一是采用对数变换或时间尺度变换将非线性退化数据近似处理成线性退化数据，然后采用线性Wiener过程建模退化数据，进而可得到剩余寿命概率密度函数的精确解析解，常见时间尺度变换函数有幂函数、多项式函数等，具体函数形式的选择取决于具体对象的退化数据，只有当设备退化及寿命数据充足时是可行的，然而对于高可靠性装备，要获取大量退化及寿命数据是不现实的，同时基于对数变换的非线性退化数据的线性化技术，要求退化数据具有指数特征，因此其适用对象受限；二是基于一个一般性的非线性时变漂移系数函数，通过对非线性随机退化模型进行时间-空间变换，将非线性随机过程首达固定边界的问题转化为标准布朗运动首达时变边界的问题，区别于基于时间尺度变换、对数变换等非线性数据重构技术，然而基于该一般性的非线性Wiener过程模型只能得到剩余寿命的近似解。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于Box-Cox变换的非线性设备剩余寿命预测方法，根据提出的基于Box-Cox变换，用线性Wiener过程实现非线性退化数据建模，同时得到剩余寿命概率密度函数精确解析解，提高预测精度。

为了达到上述目的，本发明采用以下技术方案予以实现。

基于Box-Cox变换的非线性设备剩余寿命预测方法，包括以下步骤：

步骤1，对于在线服役运行的非线性随机退化设备，收集在线服役设备从开始运行时刻t₀到当前时刻t_k的退化监测值x₁，x₂，…，x_k，记为在线服役设备原始监测退化数据X_1：k＝{x₁，x₂，...，x_k}；使用Box-Cox变换对X_1：k进行处理，得到经Box-Cox变换后的退化数据

其中，为Box-Cox变换参数，其值通过历史随机退化设备的Box-Cox变换退化监测数据估计得到；

步骤2，采用线性Wiener随机过程对在线服役设备经Box-Cox变换后的退化数据进行建模，得到在线服役设备的随机退化模型，模型参数中退化量初值β和漂移系数θ服从正态分布，其超参数取值通过历史随机退化设备的退化监测数据估计得到；

步骤3，采用Bayesian方法对所述在线服役设备随机退化模型中的退化量初值β和漂移系数θ的后验分布进行更新，得到退化量初值β和漂移系数θ的联合后验分布，从而得到退化量初值β和漂移系数θ的联合后验概率密度函数；