發(fā)布時間：2021-07-24 08:39

　　針對非線性退化設(shè)備缺乏歷史退化數(shù)據(jù)和先驗信息不足等問題,提出了一種基于粒子濾波的剩余壽命自適應(yīng)預(yù)測方法。在狀態(tài)空間模型的框架下建立了具有雙隱含狀態(tài)的非線性隨機退化模型,基于粒子濾波算法估計隱含狀態(tài),并在首達時間的概念下推導(dǎo)出了剩余壽命的分布。提出了一種基于粒子期望最大化算法的參數(shù)估計方法,實現(xiàn)了模型參數(shù)的自適應(yīng)估計和剩余壽命分布的在線更新。通過慣性導(dǎo)航系統(tǒng)中陀螺儀的實際退化數(shù)據(jù)驗證了本文方法的有效性。 

【文章來源】：兵器裝備工程學(xué)報. 2020,41(10)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

重采樣的示意圖

到目前為止，此類模型已經(jīng)在陀螺儀、航天發(fā)動機、鋰電池等復(fù)雜設(shè)備的退化建模中得到了廣泛的應(yīng)用[8-13]。從圖2中可以看出，隨著監(jiān)測時間的增加，陀螺儀的漂移系數(shù)整體呈上升趨勢�；谠撏勇輧x的實際退化數(shù)據(jù)，應(yīng)用所提出的PEM算法可以實現(xiàn)模型參數(shù)的自適應(yīng)估計，結(jié)果如圖3所示。從圖3中可以看出，所提方法可以在每一個退化數(shù)據(jù)可用時估計模型的參數(shù)，而且估計的模型參數(shù)會隨著退化數(shù)據(jù)的積累快速收斂。

2) M2:在退化建模中忽略了非線性函數(shù)中參數(shù)的隨機性，利用經(jīng)典的Kalman濾波理論實現(xiàn)了漂移系數(shù)的實時估計，并且在新的退化數(shù)據(jù)可用時，可以實現(xiàn)模型參數(shù)的自適應(yīng)估計和剩余壽命分布的在線更新[12]。在實驗中，為了驗證本文方法可以有效地應(yīng)用于缺乏先驗信息的退化設(shè)備，進行如下設(shè)定:本文方法和M2方法選用隨機的模型初始參數(shù)，而M1方法選用合適的模型初始參數(shù)。圖4給出了三種方法在監(jiān)測時間300～360 h時，每隔5個監(jiān)測時間點預(yù)測的剩余壽命的PDF對比圖。從圖4中可以看出，三種方法預(yù)測的剩余壽命的PDF曲線均覆蓋了實際的剩余壽命，并且隨著監(jiān)測時間的增加，PDF曲線愈來愈尖銳，這意味著預(yù)測的剩余壽命結(jié)果愈來愈準(zhǔn)確，不確定性愈來愈低。此外，由于本文方法考慮了非線性函數(shù)中參數(shù)的隨機性，并且在每一個監(jiān)測時間點都可以實現(xiàn)模型參數(shù)的自適應(yīng)估計和剩余壽命分布的在線更新，因此本文方法得到的PDF曲線更加尖銳，說明預(yù)測的不確定性更低，相比之下具有更好的預(yù)測性能。

【參考文獻】：
期刊論文
[1]考慮測量誤差和隨機效應(yīng)的設(shè)備剩余壽命預(yù)測[J]. 蔡忠義,陳云翔,郭建勝,王澤洲,鄧林.  系統(tǒng)工程與電子技術(shù). 2019(07)
[2]基于不確定油液光譜數(shù)據(jù)的綜合傳動裝置剩余壽命預(yù)測[J]. 閆書法,馬彪,鄭長松,朱禮安,陳建文,李慧珠.  光譜學(xué)與光譜分析. 2019(02)
[3]基于步進加速退化建模的剩余壽命在線預(yù)測[J]. 蔡忠義,郭建勝,陳云翔,董驍雄,項華春.  系統(tǒng)工程與電子技術(shù). 2018(11)
[4]基于油液光譜數(shù)據(jù)的綜合傳動裝置的可靠性[J]. 饒冬飛,俞蘊妮.  南昌大學(xué)學(xué)報(理科版). 2018(03)
[5]基于維納過程的鋰離子電池剩余壽命預(yù)測[J]. 李玥鋅,劉淑杰,高斯博,胡婭維,張洪潮.  大連理工大學(xué)學(xué)報. 2017(02)
[6]考慮不確定測量和個體差異的非線性隨機退化系統(tǒng)剩余壽命估計[J]. 鄭建飛,胡昌華,司小勝,張正新,張鑫.  自動化學(xué)報. 2017(02)
[7]基于油液光譜分析和粒子濾波的發(fā)動機剩余壽命預(yù)測研究[J]. 孫磊,賈云獻,蔡麗影,林國語,趙勁松.  光譜學(xué)與光譜分析. 2013(09)



本文編號：3300324