[發明專利]融合剩余壽命經驗數據的動量輪剩余壽命預測方法

有效

• 申請號: 202010727427.7
• 申請日: 2020-07-27
• 公開（公告）號: CN111597663B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 賈祥;程志君
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F119/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 周達

1.融合剩余壽命經驗數據的動量輪剩余壽命預測方法，其特征在于，包括如下步驟：

S1. 確定動量輪的剩余壽命經驗數據類型，設定動量輪壽命分布參數m和λ的驗前分布形式，基于收集到的動量輪的剩余壽命經驗數據及其驗前矩的擬合確定驗前分布參數；

S1.1 動量輪的剩余壽命經驗數據是動量輪在τ_p時刻的剩余壽命點估計L_p或/和動量輪在置信水平γ下的剩余壽命置信區間；

S1.2 設定動量輪壽命分布參數m和λ的驗前分布形式為

其中

即分布參數m和λ的驗前分布相互獨立，且m的驗前分布π(m)為均勻分布，λ的驗前分布π(λ)為伽馬分布；

S1.3 基于收集到的動量輪剩余壽命經驗數據，確定動量輪剩余壽命經驗數據的驗前矩；

若動量輪剩余壽命經驗數據為動量輪在τ_p時刻的剩余壽命點估計L_p，則其驗前矩E(L_p)為

若動量輪剩余壽命經驗數據為τ_p時刻處動量輪在置信水平γ下的剩余壽命置信區間，則其驗前矩分別為

其中為貝塔函數，為超幾何函數，，m_i為從均勻分布[m_l, m_u]抽取的S個樣本中的第i個樣本，i=1,…,S；,

S1.4 確定驗前分布參數α和β；

設收集到M個動量輪剩余壽命經驗數據，記為動量輪在τ_pj時刻的剩余壽命點估計L_pj或置信水平γ下的剩余壽命置信區間，其中j=1,…,M；

通過擬合剩余壽命經驗數據L_pj或及動量輪的剩余壽命經驗數據的驗前矩，同時引入新的變量w₁和w₂，其中和，w₁和w₂為任意實數，構建以下無約束優化問題模型：

通過求解上述無約束優化問題模型，求得變量w₁和w₂后即可確定驗前分布參數α和β，其中代表動量輪剩余壽命經驗數據是點估計的形式，代表動量輪剩余壽命經驗數據是置信區間的形式；

S2. 抽取n個動量輪作為試驗樣品進行壽命試驗，采集各試驗樣品的壽命試驗樣本數據，并給出壽命試驗樣本數據的似然函數；

隨機抽取n個動量輪作為樣品進行壽命試驗，在壽命試驗中觀測各試驗樣品的工作狀態；在終止觀測前，若試驗樣品在某一時刻不能繼續工作，則該時刻即為該試驗樣品的失效時間；假若達到觀測時刻，若試驗樣品仍能繼續工作，則該時刻即為該試驗樣品的截尾時間；失效時間和截尾時間統稱為壽命試驗樣本數據，并記為，其中i=1,…,n，代表壽命試驗樣本數據為失效時間，代表壽命試驗樣本數據為截尾時間；基于壽命試驗樣本數據，給出其似然函數為

其中m和λ為動量輪壽命分布參數，m為形狀參數，λ為尺度參數；

S3. 基于隨機抽樣方法預測動量輪的剩余壽命；

S3.1利用N個位于[0,1]上的隨機數u_i，其中i=1,…,N，分別根據和給出樣本和，視為從m和λ的驗前分布所抽取的驗前樣本，其中i=1,…,N；

S3.2基于S2中給出的似然函數，對驗前樣本和進行更新生成驗后樣本和，即令

且

其中w_i為[0,1]上的隨機數，，，i=1,…,N；

S3.3基于更新后所得的驗后樣本和，預測τ時刻處動量輪融合剩余壽命經驗數據后的剩余壽命為：

。

2.根據權利要求1所述的融合剩余壽命經驗數據的動量輪剩余壽命預測方法，其特征在于，收集到的動量輪剩余壽命經驗數據數量M≥2。