[发明专利]多层次状态监测数据融合的可靠度评估方法

摘要

本发明公开了一种多层次状态监测数据融合的可靠度评估方法，具体包括：根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合；收集系统和单元在服役过程中的状态监测数据或信息；根据多层次的状态监测数据或信息更新系统中单元的当前状态概率；动态地估计多状态系统在剩余服役期内的可靠度。本发明的方法融合了多状态系统中系统级和单元级的状态监测数据或信息，并结合系统和单元状态退化规律的逻辑组合关系，通过构造贝叶斯递归模型确定多状态系统中各单元当前的状态概率，从而对系统未来状态和可靠度进行预测；同时本发明的方法考虑了状态监测数据或信息的误差，使得这一方法更具通用性。

主权项

1.一种多层次状态监测数据融合的可靠度评估方法，具体包括如下步骤：步骤1.根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合：所述的系统具有多个状态，由多个单元组成，每个单元也具有两个或多个离散状态，所述离散状态为一个单元由全新状态到完全失效的过程中所经历的所有可能的中间状态，可表示为其中，N_l为单元l所有可能的状态数，s_l,i代表单元l处于状态i，且s_l,1和分别表示单元l的最差和最好状态；在系统的使用过程中由于单元状态的变化，所述系统也呈现出多个离散的状态，表示为其中，N_S为该系统所有可能的状态数，S_i表示系统处于状态i，且S₁为系统的最差状态，为系统的最好状态；若X_S(t)表示系统在t时刻的状态，有X_S(t)∈S；X_l(t)表示单元l在t时刻的状态，有X_l(t)∈s_l，则有X_S(t)=φ(X₁(t),X₂(t),…,X_M(t))，即系统在任意时刻的状态由单元状态以及系统单元的逻辑结构决定；其中，M为系统中的单元数；系统的逻辑结构用结构函数φ(·)表示；若组成系统的单元数为M，系统中单元状态组合数为用表示系统处于状态i时所有可能的单元状态组合集合，其中，L_i表示使系统处于状态i的单元状态组合总数，S_i,m表示系统状态为i时的第m种单元状态组合；S_i,m(l)表示系统状态为i且单元状态为第m种组合时，单元l所处的状态，且S_i,m(l)∈s_l；步骤2.收集系统和单元在服役过程中的状态监测数据或信息：采用一个概率矩阵来表示所监测状态与被监测对象真实状态的关系：其中，b_ij（i,j∈{1,2,…,N_S}）表示系统被监测出正处于状态i而其真实的状态为j的概率，且若b_ii=1.0则表示被监测的状态是真实的状态，即监测数据无误差；b_ii越小则表示监测误差越大；对于单元l，用概率矩阵A^l来描述这种监测数据或信息的不准确性：其中，表示单元l被监测出正处于状态i而其真实的状态为j的概率，且若则表示被监测的状态是真实的状态，即监测无误差；越小则表示监测误差越大；对于一个系统，系统在运行过程的所采集的监测数据和信息可表示为XSO(tS)={XSO(t1S),···,XSO(tiS),···,XSO(tkS)},]]>其中，t1S<t2S<···<tkS,]]>表示在时刻监测到系统处于状态，且有对于单元l，在系统运行过程所监测的状态数据和信息可表示为XlO(tl)={XlO(t1l),···,XlO(til),···,XlO(tkl)},]]>其中，t1l<t2l<···<tkl,]]>表示在时刻监测到单元l处于状态，且有令表示到t_k时刻（t_k=max{t^S,t^l}）为止所采集的所有系统和单元的状态监测数据；步骤3.根据多层次的状态监测数据或信息更新系统中单元的当前状态概率：根据步骤2获取的监测数据得到最后一次状态监测时系统各单元处于某种单元状态组合的概率，即Pr{X_S(t_k)=S_i,v|Λ_k}，S_i,v∈S_i,·表示当前时刻系统处于状态i且单元的状态组合为第v种；X_S(t_k)表示t_k时刻系统的真实状态；最后一次状态监测有如下两种情况：（1）在t_k时刻的状态监测得到的是系统的状态；（2）在t_k时刻的状态监测是单元l的状态；由于这两种情况下状态监测数据具有层次性关系，即系统状态监测数据一定程度包含了单元的状态信息，且系统状态监测数据与单元状态监测数据不相互独立，故需要实现两种情况的状态监测数据的融合以得到当前系统真实状态及对应单元状态组合概率，即Pr{X_S(t_k)=S_i,v|Λ_k}，进而可确定系统中各单元处于各状态的概率；步骤4.动态地估计多状态系统在剩余服役期内的可靠度：根据已知的单元状态转移率以及在步骤3中得到的当前各单元处于各状态概率，计算系统在剩余服役期内任意时刻的状态概率以及可靠度；当每一次获取新的系统或单元的状态监测数据，系统在剩余服役期内的状态概率和可靠度都将更新一次，实现系统可靠度的动态评估。