[發明專利]一種序貫Bayesian框架下的設備剩余壽命預測方法

在審

• 申請號: 202110069276.5
• 申請日: 2021-01-19
• 公開（公告）號: CN112765813A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 司小勝;李天梅;裴洪;胡昌華;龐哲楠
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/04
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 楊鳳娟

本發明公開了一種序貫Bayesian框架下的設備剩余壽命預測方法，對工程中存在的退化設備，首先，采用帶隨機漂移系數的Wiener過程構建其退化模型；然后，基于同類設備的歷史退化數據利用極大似然估計方法對退化模型中的漂移系數中超參數與擴散系數進行離線估計；基于實時監測的退化數據在序貫Bayesian的框架下實現漂移系數超參數的在線遞歸；最后在首達時間的概念下，推導出剩余壽命概率密度函數的解析表達式。區別于現有基于Bayesian方法的研究，序貫Bayesian方法主要將上一時刻參數更新結果作為下一時刻的先驗分布。因而，本發明能夠充分利用截止到當前時刻的特定設備全部退化數據所包含的信息，克服基于傳統Bayesian方法僅依賴當前時刻的退化數據的難題。

技術領域

本發明屬于可靠性工程技術領域，具體涉及一種序貫Bayesian框架下的設備剩余壽命預測方法。

背景技術

在過去的幾十年里，工業設備的復雜化和自動化程度日益提升。對于這樣的設備，要掌握其健康狀況并預測其潛在故障要困難得多。這種困難促進了一個新興概念的產生，即預測和健康管理(PHM)，并推動其迅速發展。PHM通常被認為是評估設備在實際運行條件下的可靠性，并通過一些管理活動降低運行成本或故障風險的有效工具。經過學者們的不斷探索，PHM技術的研究已經取得了大量的理論成果，廣泛應用于電子、電池、軸承、電機驅動、工業生產、航空航天和軍事應用等各個領域。

PHM主要由剩余使用壽命預測和健康管理兩部分組成。前者作為PHM的關鍵組成部分，旨在確定從現在到壽命結束還能運行多久，為工程實踐中的狀態維修提供重要的信息支持。現有剩余壽命預測方法主要可分為兩類：失效物理和數據驅動方法。前者的關鍵任務是找出設備的失效機理。事實上，這項工作對于現代復雜設備來說難度大、成本高，限制了這類方法的發展。隨著監控技術的進步，設備的各種數據可以在現實中采集。后者無需事先獲得失效機理，從狀態監測數據中提取與剩余壽命相關的信息，包括退化數據、壽命數據、截尾數據和環境數據。因此，近年來，數據驅動方法受到越來越多的關注。

基于Wiener過程的方法作為最經典的數據驅動方法之一，已經被廣泛地應用于退化過程的建模。針對基于Wiener過程的退化建模方法，Bayesian方法經常被用來更新模型參數，將實時的退化監測信息融入到退化建模中。然而，由于 Wiener過程固有的獨立增量和馬爾可夫性質，Bayesian更新漂移參數僅利用當前的退化測量，無法利用利用全部退化測量。因此，當利用Bayesian方法更新的退化模型來預測設備剩余壽命，由于多種因素影響，當前時刻獲取了異常的退化觀測，將會直接影響剩余壽命預測精度。因而，需要迫切解決傳統Bayesian 方法在進行Wiener過程漂移系數更新時存在的固有弊端。

發明內容

本發明的目的是針對傳統Bayesian方法進行Wiener過程漂移系數更新時僅依賴于當前退化水平的問題，提出了一種序貫Bayesian框架下的設備剩余壽命預測方法，充分利用了截止到當前時刻全部退化信息。

本發明采用的技術方案是：

一種序貫Bayesian框架下的設備剩余壽命預測方法，對工程中存在的退化設備，首先，采用帶隨機漂移系數的Wiener過程構建其退化模型；然后，基于同類設備的歷史退化數據利用極大似然估計方法對退化模型中的漂移系數中超參數與擴散系數進行離線估計；基于實時監測的退化數據在序貫Bayesian的框架下實現漂移系數超參數的在線遞歸；最后在首達時間的概念下，推導出剩余壽命概率密度函數的解析表達式；

具體包括以下步驟：

步驟1：利用帶隨機漂移系數的Wiener過程構建退化模型；

步驟2：利用極大似然估計方法對退化模型中的漂移系數中超參數與擴散系數進行離線估計；

步驟3：利用序貫Bayesian方法在線更新漂移系數；

步驟4：推導出剩余壽命概率密度函數，進而可計算出設備剩余使用壽命預測結果。