本文選題：退化數(shù)據(jù) + 剩余壽命　； 參考：《華中科技大學》2014年博士論文

【摘要】：高可靠長壽命產(chǎn)品廣泛存在于航空航天、電子工業(yè)、軍事等可靠性和安全性要求較高的領域,由于其成本高、批量小以及失效機理復雜等特點,如何評估這類產(chǎn)品的可靠性和剩余壽命成為一個亟待解決的難題。隨著傳感器和信息技術(shù)的發(fā)展,對于具有退化型失效的高可靠長壽命產(chǎn)品,可以通過監(jiān)測其性能退化過程中的關(guān)鍵特征參數(shù)獲得退化數(shù)據(jù),進而利用退化數(shù)據(jù)來實現(xiàn)產(chǎn)品的可靠性建模和剩余壽命預測的目的。退化數(shù)據(jù)不僅能夠提供豐富的壽命信息,彌補了高可靠長壽命產(chǎn)品可靠性信息量不足的問題,而且其變化往往能夠反映動態(tài)環(huán)境對產(chǎn)品的影響。因此,開展基于退化數(shù)據(jù)的可靠性建模和剩余壽命預測技術(shù)研究具有十分重要的理論意義和實際應用價值。本文主要采用隨機過程與稀疏貝葉斯學習理論展開研究,主要研究內(nèi)容如下： (1)提出了一種基于期望最大化算法和Wiener過程的退化建模及壽命估計方法。該方法通過將Wiener過程中的漂移參數(shù)視為服從正態(tài)分布的隨機變量來刻畫一批產(chǎn)品個體之間的異質(zhì)性,進而在首達時意義下給出了隨機效應約束下對應的可靠度函數(shù)的表達式,然后采用期望最大化算法有效地解決了隱變量情況下的最大似然估計問題,最后通過數(shù)值仿真和在衛(wèi)星用動量輪上的應用研究驗證了所提出方法的有效性。 (2)針對具有線性單調(diào)退化過程的產(chǎn)品,提出了一種基于逆高斯過程的退化建模和剩余壽命預測方法�？紤]到實時監(jiān)測的退化數(shù)據(jù)不斷變化的特點,設計了一種有效的基于Bayesian更新與期望最大化算法的參數(shù)估計方法,其中采用Bayesian方法來更新隨機參數(shù),進而利用期望最大化算法來估計模型中的非隨機參數(shù)。該方法能夠利用實時監(jiān)測的退化數(shù)據(jù)通過不斷更新來追蹤產(chǎn)品的最新狀態(tài),并且可以獲得剩余壽命分布函數(shù)的表達式,最后數(shù)值仿真和實例研究表明了該方法能夠有效地對單個產(chǎn)品的退化過程進行建模,獲得了較精確的剩余壽命估計結(jié)果。 (3)針對具有非線性退化過程的產(chǎn)品,從時間序列分析的角度提出了一種基于均熵和稀疏貝葉斯學習的剩余壽命預測方法。該方法首先利用小波閾值降噪的方法對監(jiān)測的退化數(shù)據(jù)進行預處理,從而降低了噪聲對預測結(jié)果的影響,其次為了實現(xiàn)正確的時間序列重構(gòu)的目的,采用基于均熵的方法來確定最優(yōu)的嵌入維,然后利用相關(guān)向量機預測未來的退化數(shù)據(jù),通過結(jié)合失效閾值獲得了剩余壽命的概率分布函數(shù),有效地量化了剩余壽命預測的不確定性。最后通過在鋰離子電池上的應用研究說明了所提出方法的有效性,取得了較精確的剩余壽命預測結(jié)果。
[Abstract]:High reliability and long life products are widely distributed in the areas of high reliability and safety requirements in aerospace, electronic industry and military. Due to its high cost, small batch and complex failure mechanism, it is an urgent problem to evaluate the reliability and residual life of such products. Development, for high reliability and long life products with degenerative failure, degenerate data can be obtained by monitoring the key characteristic parameters in the process of performance degradation, and then using degraded data to achieve the purpose of product reliability modeling and residual life prediction. Degenerated data can not only provide rich life information and make up for high availability. The reliability information of long life products is insufficient, and its changes often reflect the impact of dynamic environment on products. Therefore, it is of great theoretical significance and practical value to carry out the research on Reliability Modeling and residual life prediction technology based on degenerate data. The main contents of the study are as follows:
(1) a degenerate modeling and life estimation method based on the expectation maximization algorithm and the Wiener process is proposed. The method describes the heterogeneity of a batch of products by taking the drift parameters in the Wiener process as a random variable that obeys the normal distribution, and then gives the corresponding corresponding in the sense of random effect in the sense of the first arrival. By using the expression of the degree function, the maximum likelihood estimation problem in the case of hidden variables is effectively solved by the expectation maximization algorithm. Finally, the effectiveness of the proposed method is verified by numerical simulation and the application of the momentum wheel on the satellite.
(2) for products with linear monotone degradation process, a degenerate modeling and residual life prediction method based on inverse Gauss process is proposed. Considering the changing characteristics of real-time monitoring, an effective method of parameter estimation based on Bayesian updating and expectation maximization is designed, in which Bayesian square is used. The method is used to update the random parameters and then estimate the non random parameters in the model by using the expectation maximization algorithm. This method can track the latest state of the product by constantly updating the degraded data of the real-time monitoring, and can obtain the expression of the residual life distribution function. Finally, the numerical simulation and the case study show the method. It can effectively model the degradation process of a single product and obtain more accurate residual life estimation results.
(3) for products with nonlinear degradation process, a method of residual life prediction based on entropy and sparse Bayesian learning is proposed from the point of view of time series analysis. Firstly, the method of wavelet threshold denoising is used to preprocess the degraded data of monitoring. In order to realize the correct time series reconstruction, the optimal embedding dimension is determined by the entropy based method. Then the correlation vector machine is used to predict the future degradation data. The probability distribution function of residual life is obtained by combining the failure threshold, and the uncertainty of the residual life prediction is quantized effectively. Finally, the lithium ion is used in the lithium ion. The applied research on the battery shows the effectiveness of the proposed method and obtains a more accurate residual life prediction result.
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TB114.3;TP274

【相似文獻】

相關(guān)期刊論文 前10條

1 N.Valisena ,T.deMollerat ,常亮明;非電系統(tǒng)的可靠性建模[J];質(zhì)量與可靠性;1994年05期

2 蘇春;許映秋;;復雜機電產(chǎn)品動態(tài)可靠性建模理論與方法研究[J];中國制造業(yè)信息化;2006年09期

3 蘇春;王圣金;許映秋;;復雜系統(tǒng)動態(tài)可靠性建模及其數(shù)值仿真研究[J];機械設計;2007年02期

4 郝廣波;謝里陽;何秀蕓;李莉;;管道類連續(xù)系統(tǒng)可靠性建模方法[J];東北大學學報(自然科學版);2008年01期

5 張根保;劉佳;葛紅玉;王國強;張恒;;基于廣義隨機Petri網(wǎng)的裝配可靠性建模[J];計算機集成制造系統(tǒng);2012年03期

6 戴光亞;;第四講 人的可靠性建模[J];遙測遙控;1992年04期

7 劉國才;徐欣鋒;龐紅勛;陳春紅;王莉莉;張智萌;李明;;基于國家標準的可靠性建模問題與對策探討[J];電子產(chǎn)品可靠性與環(huán)境試驗;2014年01期

8 郝廣波;謝里陽;何秀蕓;李莉;;考慮相關(guān)失效的管道類系統(tǒng)可靠性建模[J];中國機械工程;2008年05期

9 尹曉偉;錢文學;謝里陽;;基于貝葉斯網(wǎng)絡的多狀態(tài)系統(tǒng)可靠性建模與評估[J];機械工程學報;2009年02期

10 謝里陽;;擴展式可靠性建模方法與四元統(tǒng)計模型[J];中國機械工程;2009年24期

相關(guān)會議論文 前6條

1 易帆帆;張春華;汪亞順;;基于概率選擇模型的多失效模式可靠性建模分析[A];2009第十三屆全國可靠性物理學術(shù)討論會論文集[C];2009年

2 張一剛;;CIMS生產(chǎn)線的可靠性建模與分析[A];1991年控制理論及其應用年會論文集（下）[C];1991年

3 王秋芳;鮑珂;張忠;伊梟劍;;綜合傳動裝置可靠性建模與分析方法研究[A];技術(shù)融合創(chuàng)新·可靠服務企業(yè)·安全產(chǎn)品制勝——2013年全國機械行業(yè)可靠性技術(shù)學術(shù)交流會暨第四屆可靠性工程分會第五次全體委員大會論文集[C];2013年

4 謝里陽;張明川;;可靠性干涉模型的擴展與應用[A];2005年全國機械可靠性學術(shù)交流會暨“車輛與工程裝備質(zhì)量與可靠性論壇”論文集[C];2005年

5 孫鳴;吳向軍;楊勝釗;;RPR網(wǎng)絡可靠性建模和仿真[A];中國造船工程學會電子技術(shù)學術(shù)委員會2006學術(shù)年會論文集（下冊）[C];2006年

6 金家善;譚猛泉;;基于物理模型的艦船機械設備性能參數(shù)可靠性建模[A];中國造船工程學會修船技術(shù)學術(shù)委員會船舶維修理論與應用論文集第七集（2004年度）[C];2004年

相關(guān)博士學位論文 前8條

1 覃慶努;復雜系統(tǒng)可靠性建模、分析和綜合評價方法研究[D];北京交通大學;2013年

2 武小悅;復雜關(guān)聯(lián)系統(tǒng)的可靠性建模與分析[D];中國人民解放軍國防科學技術(shù)大學;2000年

3 王正;零部件與系統(tǒng)動態(tài)可靠性建模理論與方法[D];東北大學;2007年

4 郝廣波;管道、鋼纜類系統(tǒng)可靠性建模若干關(guān)鍵問題的研究[D];東北大學;2008年

5 劉宇;多狀態(tài)復雜系統(tǒng)可靠性建模及維修決策[D];電子科技大學;2010年

6 潘東輝;基于退化數(shù)據(jù)的產(chǎn)品可靠性建模與剩余壽命預測方法研究[D];華中科技大學;2014年

7 彭寶華;基于Wiener過程的可靠性建模方法研究[D];國防科學技術(shù)大學;2010年

8 許彬彬;基于維修程度的數(shù)控機床可靠性建模與分析[D];吉林大學;2011年

相關(guān)碩士學位論文 前8條

1 張迎春;機電產(chǎn)品系統(tǒng)可靠性建模與預測方法研究[D];山東理工大學;2010年

2 沈戈;工程機械液壓系統(tǒng)動態(tài)可靠性建模理論及其仿真研究[D];東南大學;2006年

3 黃超群;產(chǎn)品的可靠性建模與評價研究[D];長沙理工大學;2013年

4 朱海鵬;基于BDD的多階段任務系統(tǒng)可靠性建模分析[D];電子科技大學;2010年

5 康辰中;火電廠DCS可靠性建模與評價方法研究[D];華北電力大學;2014年

6 袁曉琳;復雜系統(tǒng)電子設備可靠性建模與分析[D];天津大學;2008年

7 張余利;多態(tài)系統(tǒng)可靠性建模及求解方法研究[D];沈陽工業(yè)大學;2007年

8 李求洋;功率MOSFET可靠性建模的研究[D];哈爾濱工業(yè)大學;2012年

，

本文編號：2072678