針對非線性退化設備缺乏歷史退化數據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預測方法。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估計方法,實現了模型參數的自適應估計和剩余壽命分布的在線更新。通過慣性導航系統(tǒng)中陀螺儀的實際退化數據驗證了本文方法的有效性。 

【文章來源】：兵器裝備工程學報. 2020,41(10)北大核心

【文章頁數】：8 頁

【部分圖文】：

重采樣的示意圖

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

2) M2:在退化建模中忽略了非線性函數中參數的隨機性，利用經典的Kalman濾波理論實現了漂移系數的實時估計，并且在新的退化數據可用時，可以實現模型參數的自適應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用于缺乏先驗信息的退化設備，進行如下設定:本文方法和M2方法選用隨機的模型初始參數，而M1方法選用合適的模型初始參數。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)測時間點預測的剩余壽命的PDF對比圖。從圖4中可以看出，三種方法預測的剩余壽命的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，這意味著預測的剩余壽命結果愈來愈準確，不確定性愈來愈低。此外，由于本文方法考慮了非線性函數中參數的隨機性，并且在每一個監(jiān)測時間點都可以實現模型參數的自適應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，說明預測的不確定性更低，相比之下具有更好的預測性能。

【參考文獻】：
期刊論文
[1]考慮測量誤差和隨機效應的設備剩余壽命預測[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. 2019(07)
[2]基于不確定油液光譜數據的綜合傳動裝置剩余壽命預測[J]. 閆書法,馬彪,鄭長松,朱禮安,陳建文,李慧珠.  光譜學與光譜分析. 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. 2018(11)
[4]基于油液光譜數據的綜合傳動裝置的可靠性[J]. 饒冬飛,俞蘊妮.  南昌大學學報(理科版). 2018(03)
[5]基于維納過程的鋰離子電池剩余壽命預測[J]. 李玥鋅,劉淑杰,高斯博,胡婭維,張洪潮.  大連理工大學學報. 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)動機剩余壽命預測研究[J]. 孫磊,賈云獻,蔡麗影,林國語,趙勁松.  光譜學與光譜分析. 2013(09)



本文編號：3300324