[發(fā)明專利]一種多元參數(shù)退化相依的細(xì)紗機(jī)可靠性評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110784692.3
• 申請(qǐng)日: 2021-07-12
• 公開（公告）號(hào): CN113361142B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設(shè)計(jì)）人: 邵景峰;王冬冬;董夢(mèng)圓
• 申請(qǐng)（專利權(quán)）人: 西安工程大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F119/02
• 代理公司: 西安合創(chuàng)非凡知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61248
• 代理人: 馬英

1.一種多元參數(shù)退化相依的細(xì)紗機(jī)可靠性評(píng)估方法，其特征在于，包括以下步驟：

S1、從細(xì)紗機(jī)性能退化失效的影響因素入手，對(duì)細(xì)紗機(jī)運(yùn)行過程中設(shè)備參數(shù)、工藝數(shù)據(jù)、以及每個(gè)班次的細(xì)紗機(jī)運(yùn)行數(shù)據(jù)進(jìn)行收集，同時(shí)對(duì)細(xì)紗機(jī)各類停機(jī)故障進(jìn)行統(tǒng)計(jì)分析，認(rèn)為在成紗過程中，當(dāng)實(shí)際監(jiān)測(cè)的運(yùn)行參數(shù)與設(shè)定的工藝參數(shù)之間數(shù)值不一致時(shí)，被認(rèn)定為細(xì)紗機(jī)性能發(fā)生了退化；主要包括考慮捻度、轉(zhuǎn)速、鋼領(lǐng)板上升速度和下降速度關(guān)鍵參數(shù)，并將其作為細(xì)紗機(jī)性能退化的原始性能參數(shù)，記為X；設(shè)細(xì)紗機(jī)歷史性能數(shù)據(jù)包括N個(gè)樣本點(diǎn)，性能退化參數(shù)為M維，則細(xì)紗機(jī)在監(jiān)測(cè)時(shí)間t_i的監(jiān)測(cè)值Xi由M維性能監(jiān)測(cè)參數(shù)構(gòu)成，而且每一維性能參數(shù)都是長(zhǎng)度為N的序列；即在時(shí)間序列t＝(t₁,t₂,…t_n)監(jiān)測(cè)得到的細(xì)紗機(jī)監(jiān)測(cè)數(shù)據(jù)的特征序列為X＝(x₁,x₂,…x_n)；

S2、通過引入主客觀綜合權(quán)重對(duì)細(xì)紗機(jī)的關(guān)鍵特征參數(shù)進(jìn)行識(shí)別，計(jì)算參數(shù)影響細(xì)紗機(jī)性能退化的比重，從而選取出表征細(xì)紗機(jī)退化的關(guān)鍵參數(shù)；

其中，p_j表示第j個(gè)特征參數(shù)的重要度，在上式中，引入熵權(quán)法進(jìn)行綜合權(quán)重計(jì)算，具體的計(jì)算公式為：

上式中，在樣本數(shù)據(jù)y_ij中y′_ij表示為第j個(gè)參數(shù)的第i個(gè)樣本數(shù)據(jù)所占的比重，m為樣本量，n為特征參數(shù)數(shù)量，e_j為第j個(gè)特征參數(shù)的熵權(quán)，q_j為利用熵權(quán)法得到的第j個(gè)特征參數(shù)的權(quán)重值；

為了提高權(quán)重評(píng)價(jià)結(jié)果的準(zhǔn)確性，利用最小二乘法，構(gòu)建面向細(xì)紗機(jī)性能退化的指標(biāo)權(quán)重w，具體過程詳見如下所示：

上式中，w_j為待求的綜合權(quán)重；在此基礎(chǔ)上，選擇綜合權(quán)重大于0.5的參數(shù)，作為細(xì)紗機(jī)性能退化的表征參數(shù)，并將其應(yīng)用于細(xì)紗機(jī)自身性能退化的全過程；

S3、性能退化模型的構(gòu)建

(1)構(gòu)建基于非線性維納過程的細(xì)紗機(jī)性能退化模型：

X(t)＝X(0)+μt+σβ(t)???????(7)

上式中，X(0)為初始性能退化量，μ為飄移系數(shù)，β(t)為標(biāo)準(zhǔn)布朗運(yùn)動(dòng)，σ為擴(kuò)散系數(shù)，設(shè)定X(0)＝0；像細(xì)紗機(jī)這種復(fù)雜系統(tǒng)的退化過程往往具有非線性的特征，因此要將非線性轉(zhuǎn)化為線性特征；進(jìn)而，在式(7)的基礎(chǔ)上，利用時(shí)間尺度轉(zhuǎn)換函數(shù)τ將其進(jìn)行轉(zhuǎn)換，結(jié)果詳見如下：

τ＝τ(t,γ)＝t_γ?????(8)

Y(τ)＝Y(jié)(0)+μτ+σβ(τ)???????(9)

上式中，γ為形狀參數(shù)，式(9)為線性Wiener過程；同時(shí)，令細(xì)紗機(jī)的壽命為T，失效閾值ω，則細(xì)紗機(jī)的性能退化軌跡由(9)式的Wiener過程進(jìn)行描述；由此，細(xì)紗機(jī)的壽命T定義：

T＝{t:Y(t)≥ω|Y(0)＜ω}??????(10)

由式(10)可知，細(xì)紗機(jī)壽命T達(dá)到失效閾值ω的時(shí)間分布，服從逆高斯分布，進(jìn)而得到對(duì)應(yīng)的概率密度函數(shù)為：

相應(yīng)地，壽命分布函數(shù)為：

上式中，Φ(·)為標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)；

由此，可靠度函數(shù)表示為：

上式中，ΔY_i＝Y(jié)_i(t)-Y_i-1(t)為細(xì)紗機(jī)在時(shí)刻τ_i-1和τ_i之間的退化增量，Δτ_i＝τ_i-τ_i-1為時(shí)刻τ_i-1和τ_i之間的時(shí)間間隔；

由Wiener過程的性質(zhì)可知，細(xì)紗機(jī)性能退化增量之間相互獨(dú)立，而且服從正態(tài)分布ΔY_i～N(μΔτ_i,σ²Δτ_i)；于是，通過細(xì)紗機(jī)的性能退化數(shù)據(jù)，得到如下所示的似然函數(shù)；

通過式(14)，對(duì)漂移系數(shù)和擴(kuò)散系數(shù)求偏導(dǎo)，令偏導(dǎo)為零并進(jìn)行方程求解，從而得到μ和σ²的估計(jì)值，詳見如下：

將ΔY_i、Δτ_i代入式(15)、式(16)，得未知參數(shù)的估計(jì)值，并代入式(11)、式(13)得細(xì)紗機(jī)一元性能退化過程中的壽命密度函數(shù)和可靠度；

S4、多退化過程的細(xì)紗機(jī)可靠度建模

假設(shè)細(xì)紗機(jī)的最大失效閾值為ω_j，當(dāng)?shù)趈個(gè)退化過程的退化量Y_j(τ)超過其對(duì)應(yīng)的最大失效閾值ω_j時(shí)，細(xì)紗機(jī)發(fā)生退化生效；為式中，f(y_j(τ))為第j個(gè)退化過程對(duì)應(yīng)的概率密度函數(shù)；在此基礎(chǔ)上，對(duì)可靠度R_j(τ)進(jìn)一步構(gòu)建多元退化相關(guān)失效可靠性模型R'(τ)，具體見式(17)：

為便于細(xì)紗機(jī)多退化相關(guān)性問題的分析，利用Copula函數(shù)進(jìn)行細(xì)紗機(jī)多元退化相關(guān)性的建模；

設(shè)細(xì)紗機(jī)的性能退化量為Y₁(τ)、Y₂(τ)，與其對(duì)應(yīng)的性能退化函數(shù)為

則的聯(lián)合分布函數(shù)表示為：

H(Y₁(τ),Y₂(τ)；θ)＝C(F_T(Y₁(τ)),F_T(Y₂(τ))；θ)?????(18)

的聯(lián)合密度函數(shù)為：

在常見的Copula函數(shù)形式中，選擇合適的函數(shù)進(jìn)行相關(guān)性分析；

由于細(xì)紗機(jī)性能退化復(fù)雜，其在相關(guān)性建模后變得更加復(fù)雜，而且未知參數(shù)較多；為此，利用基于貝葉斯理論的Gibbs算法進(jìn)行參數(shù)估計(jì)；由此，將兩個(gè)過程所有的未知參數(shù)設(shè)為ξ，則ξ為一個(gè)n維變量，即ξ＝(ξ₁,ξ₂,…ξ_n)，對(duì)應(yīng)的先驗(yàn)分布為p(ξ₁,ξ₂,…ξ_n)，具體步驟如下：

S41,給定一組符合馬爾科夫鏈的初始值ξ(0)＝(ξ₁(0),ξ₂(0),…ξ_n(0))；

S42,從條件概率密度p(ξ_n|ξ₁(0),ξ₂(0),…ξ_n-1(0))抽取ξ₁(1)；

S43,重復(fù)步驟S42，直到從p(ξ_n|ξ₁(0),ξ₂(0),…ξ_n-1(0))抽取ξ_n(1)，完成一次迭代；

S44,重復(fù)步驟S42和步驟S43，迭代m次，得到樣本ξ(m)＝(ξ₁(m),ξ₂(m),…ξ_n(m))；

當(dāng)m足夠大時(shí)，ξ(m)看作ξ的真值，從而求得樣本ξ的后驗(yàn)分布q(ξ₁,ξ₂,…ξ_n)，并實(shí)現(xiàn)未知參數(shù)值的估計(jì)；若給定失效閾值ω，通過上述算法進(jìn)行參數(shù)估計(jì)，得到未知參數(shù)并將其代入式(17)，得到多元參數(shù)的細(xì)紗機(jī)可靠度；

S5、突發(fā)退化失效模型的構(gòu)建

將細(xì)紗機(jī)t時(shí)刻退化量為x對(duì)應(yīng)的突發(fā)失效故障概率為λ_c(t|x)，則根據(jù)威布爾分布建立如下關(guān)系式：

通過式(12)，式(13)、式(14)為得到的突發(fā)失效時(shí)間T_c的概率密度函數(shù)和累積分布函數(shù)；

由此，細(xì)紗機(jī)在t時(shí)刻性能突發(fā)失效的可靠度R_c(t|x)表示成如下關(guān)系式：

記錄n臺(tái)細(xì)紗機(jī)在性能突發(fā)失效時(shí)間(T_c1,T_c2…,T_cN)對(duì)應(yīng)的性能退化量為(x₁,x₂,…x_N)，則根據(jù)式(14)得到似然函數(shù)為：

通過式(24)，求解得到突發(fā)失效參數(shù)和并將其代入式(23)，得到突發(fā)退化失效的可靠度；

S6、利用主客觀方法篩選出能夠表征細(xì)紗機(jī)性能退化的參數(shù)，利用Copula函數(shù)考慮多元參數(shù)之間的相關(guān)性，進(jìn)而對(duì)基于非線性維納過程的性能退化模型中的未知參數(shù)進(jìn)行估計(jì)，將估計(jì)得到的參數(shù)值帶入推導(dǎo)得到的可靠性函數(shù)和剩余壽命密度函數(shù)，即實(shí)現(xiàn)細(xì)紗機(jī)性能退化過程中可靠性的評(píng)估；對(duì)性能退化發(fā)生突變的細(xì)紗機(jī)進(jìn)行跟蹤檢測(cè)，在獲取監(jiān)測(cè)數(shù)據(jù)的基礎(chǔ)上，將數(shù)據(jù)代入基于威布爾分布的突發(fā)退化失效模型，計(jì)算得到突發(fā)失效的可靠度，進(jìn)而判斷細(xì)紗機(jī)突發(fā)失效和退化失效之間獨(dú)立或者相依兩種情況下；計(jì)算得到細(xì)紗機(jī)性能突發(fā)退化失效的可靠度，對(duì)細(xì)紗機(jī)的可靠性實(shí)現(xiàn)了評(píng)估。