隨機退化設備在實際運行中會產生非線性、隱含性等問題,對其剩余壽命預測會產生不確定性影響�，F有剩余壽命預測方法尚未系統(tǒng)研究隱含非線性退化建模及相應的剩余壽命分布。因此,采用Wiener過程,建立了隱含雙重非線性退化模型;利用設備現場監(jiān)測數據,更新了隱含狀態(tài)的后驗分布;利用全概率公式,基于首次達到失效閾值的時間分布推導出設備剩余壽命分布;基于激光器實測退化數據設定仿真參數,對所提方法的正確性和合理性進行了對比驗證。

【文章頁數】：7 頁

【部分圖文】：

圖１本文研究思路Ｆｉｇ．１Ｒｅｓｅａｒｃｈｉｄｅａｏｆｔｈｉｓｐａｐｅｒ

ＵＬ，未解決傳統(tǒng)Ｂａｙｅｓ方法存在的不足。文獻［２０－２１］采用ＫＦ算法，更新了ＲＵＬ分布中隨機系數和真實退化狀態(tài)，預測精度較高。因此，本文首先建立設備隱含雙重非線性退化模型；其次，基于Ｂａｙｅｓ推斷和ＫＦ算法，求解隨機系數和真實退化狀態(tài)的后驗分布；然后，推導出設備考慮隱含狀態(tài)估....

Ｍ４和Ｍ５的ＭＳＥ值Ｆｉｇ．７ＭＳＥｖａｌｕｅｓｆｏｒＭ１，Ｍ４ａｎｄＭ５從圖７可以看出，Ｍ１的ＭＳＥ值一直都低于Ｍ４和Ｍ５

余壽命在線預測方法·１４１５·??????????????????????????????????????????????????圖６４．５ｈ處Ｍ１、Ｍ４和Ｍ５的ＲＵＬ的ＰＤＦ曲線Ｆｉｇ．６ＰＤＦｃｕｒｖｅｓｏｆＲＵＬｆｏｒＭ１，Ｍ４ａｎｄＭ５ａｔ４．５ｈ由圖６可知，Ｍ１、Ｍ４與....

圖４隱含退化狀態(tài)在線更新過程Ｆｉｇ．４Ｏｎｌｉｎｅｕｐｄａｔｉｎｇｐｒｏｃｅｓｓｏｆｉｍｐｌｉｃｉｔｄｅｇｒａｄａｔｉｏｎｓｔａｔｅ（３）ＲＵＬ預測結果

假設設備失效閾值為１２．８７，則由圖３可知，該設備在５ｈ處發(fā)生失效。圖３目標設備仿真的監(jiān)測數據與真實退化數據Ｆｉｇ．３Ｍｏｎｉｔｏｒｉｎｇｄａｔａａｎｄｒｅａｌｄｅｇｒａｄａｔｉｏｎｄａｔａｏｆｔａｒｇｅｔｅｑｕｉｐｍｅｎｔｓｉｍｕｌａｔｉｏｎ利用目標設備現場監(jiān)測數據，依據本文第....

本文編號：3983801