發(fā)布時(shí)間：2021-12-01 17:38

　　航天衛(wèi)星對(duì)國(guó)防、國(guó)家安全、國(guó)計(jì)民生等領(lǐng)域提供著強(qiáng)有力的支持,但長(zhǎng)時(shí)間工作在熱真空、電磁強(qiáng)輻射、太空垃圾等復(fù)雜外界環(huán)境中,會(huì)使衛(wèi)星部件性能逐漸退化,進(jìn)而引發(fā)各種故障。為保證衛(wèi)星在軌執(zhí)行任務(wù)期間安全可靠地運(yùn)行,對(duì)衛(wèi)星關(guān)鍵部件進(jìn)行剩余壽命預(yù)測(cè)研究具有重要意義。通過(guò)分析已有的衛(wèi)星部件壽命預(yù)測(cè)方法,本文發(fā)現(xiàn)單一信息源、單一退化量以及單一退化模型無(wú)法準(zhǔn)確描述衛(wèi)星這類復(fù)雜產(chǎn)品的性能退化過(guò)程,進(jìn)而降低了對(duì)其進(jìn)行剩余壽命預(yù)測(cè)的精確度。針對(duì)這些問(wèn)題,本文采用多種基于信息融合的方法預(yù)測(cè)衛(wèi)星關(guān)鍵部件的剩余壽命,提高了預(yù)測(cè)結(jié)果的準(zhǔn)確度。具體的研究?jī)?nèi)容如下:（1）由于單一信息源只包含衛(wèi)星關(guān)鍵部件性能退化的部分信息,從而導(dǎo)致退化參數(shù)驗(yàn)前分布不唯一。為減少這種不確定性,本文基于相關(guān)函數(shù)、灰關(guān)聯(lián)分析以及平均互信息熵三種算法,提出了一種加權(quán)融合模型,通過(guò)對(duì)多源可靠信息的融合處理,得到了退化參數(shù)的驗(yàn)前分布,并基于該分布利用Bayes方法估計(jì)衛(wèi)星部件的可靠性。通過(guò)5組動(dòng)量輪軸溫遙測(cè)數(shù)據(jù)的仿真實(shí)驗(yàn),證明了利用本文提出的融合方法能夠獲得與實(shí)際接近的退化參數(shù)分布,并且基于該參數(shù)分布,提高了對(duì)衛(wèi)星部件可靠性的估計(jì)精度,驗(yàn)證了模型的有... 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

動(dòng)量輪剖面圖[40]

多模型融合的壽命預(yù)測(cè)41其中，|1jxkk為模型j在時(shí)間k的預(yù)測(cè)狀態(tài)，0|111|1jjjxkkkxkk；|1jPkk為預(yù)測(cè)誤差協(xié)方差，TT0|11|1jjjjjjjPkkPkkGQG；jKk為Kalman增益，1TT|1|1jjjkkkkkKPHHPHR；Hk100。以兩個(gè)模型為例，IMM算法在每時(shí)刻的狀態(tài)估計(jì)值如圖4-8所示。從圖中可以看出，每個(gè)模型每時(shí)刻的估計(jì)值不僅與當(dāng)前模型的狀態(tài)值有關(guān)，而且還與其他模型有關(guān)，體現(xiàn)了IMM算法的融合特性。01x1|102x1|11x1|12x1|12x2|22x3|302x2|202x3|301x3|301x2|21x2|21x3|3圖4-8各模型每時(shí)刻的狀態(tài)值Fig.4-8Statevaluesofeachmodelateachmoment（3）更新模型概率利用退化模型對(duì)應(yīng)的似然函數(shù)更新模型發(fā)生概率jk。模型j的似然函數(shù)表示為：112211exp22TjjjjnjkkkkkvSvS(4-32)其中，()()()(|1);()()(|1)()()TjjjjvkykHkxkkSkHkPkkHkRk。則模型j的概率為：)/(jjjckkc(4-33)其中，c為歸一化常數(shù)，1rjjjckc。4.2.2基于變點(diǎn)檢測(cè)的多模型融合一般情況下，具有多退化階段的設(shè)備壽命終止或者出現(xiàn)故障都發(fā)生在變點(diǎn)之后[58]，所以對(duì)這些設(shè)備進(jìn)行壽命預(yù)測(cè)時(shí)，需要先檢測(cè)出設(shè)備在運(yùn)行過(guò)程中的變點(diǎn)，基于變點(diǎn)到當(dāng)前時(shí)刻的監(jiān)測(cè)退化數(shù)據(jù)對(duì)設(shè)備進(jìn)行壽命預(yù)測(cè)[59][60]。本文基于模型的發(fā)生概率來(lái)確定退化模式轉(zhuǎn)換的變點(diǎn)。對(duì)于式(4-26)和式(4-27)所示的兩個(gè)退化模式，利用4.2.1節(jié)介紹的交互多模型濾波算法就可得到兩個(gè)退化模式在每個(gè)監(jiān)測(cè)時(shí)刻的發(fā)生概率。當(dāng)退化模式2s在某時(shí)刻的發(fā)生概率大于某個(gè)閾值，就認(rèn)為設(shè)備在該時(shí)刻進(jìn)入模式2s，該時(shí)刻即為變點(diǎn)的發(fā)生時(shí)刻。假設(shè)設(shè)備在某運(yùn)行時(shí)刻滿足：21:min||;tkktpSsytt(4-34)其中，為置信度水平。由于設(shè)備退化狀態(tài)、退化模式都會(huì)影響剩余壽命

西安理工大學(xué)碩士學(xué)位論文46利用EM算法得到的模型參數(shù)如圖4-15，可以看出所有參數(shù)都快速收斂。采用IMM算法更新退化模式在每個(gè)監(jiān)測(cè)時(shí)刻的后驗(yàn)概率，結(jié)果如圖4-16，顯然與陀螺儀實(shí)際退化軌跡一致，說(shuō)明該算法可以很好地跟蹤設(shè)備退化過(guò)程。圖4-15模型參數(shù)更新Fig.4-15Modelparametersupdates圖4-16退化模型后驗(yàn)概率Fig.4-16Degeneratemodelposteriorprobability利用貝葉斯融合方法得到的陀螺儀壽命概率密度函數(shù)如圖4-17。以最后監(jiān)測(cè)時(shí)間3192h為例，由該方法與上述指數(shù)隨機(jī)模型的預(yù)測(cè)剩余壽命分別為2290h和1153h。在實(shí)際的退化試驗(yàn)中，該型號(hào)陀螺儀的MTTF（平均失效前時(shí)間）為5016h。通過(guò)對(duì)比，可以發(fā)現(xiàn)基于貝葉斯方法的多模型融合方法更能準(zhǔn)確描述該陀螺儀的退化過(guò)程，預(yù)測(cè)的剩余壽命更接近于實(shí)際。圖4-17剩余壽命概率密度曲線Fig.4-17Probabilitydensitycurveofremaininglife4.4.2液力耦合器壽命預(yù)測(cè)仿真液力耦合器（LiquidCouplingDevice，LCD）是用來(lái)連接發(fā)動(dòng)機(jī)等動(dòng)力源與工作機(jī)的機(jī)械裝置，根據(jù)不同用途，可分為限矩型和調(diào)速型兩種，限矩型主要起緩沖保護(hù)作用，050010001500200025003000350000.51x10-3lamdaEM算法更新模型參數(shù)0500100015002000250030003500012x10-5alpha050010001500200025003000350000.0050.01sigma2050010001500200025003000350000.51監(jiān)測(cè)時(shí)間gamma2監(jiān)測(cè)時(shí)間/h050010001500200025003000350000.10.20.30.40.50.60.70.80.91設(shè)備退化模式的后驗(yàn)概率估計(jì)退化模式一退化模式二500040003000剩余壽命/h20001000260002800監(jiān)測(cè)時(shí)間/h30002520151050-53200概率密度曲線壽命點(diǎn)估計(jì)

【參考文獻(xiàn)】：
期刊論文
[1]基于Wiener過(guò)程和Kalman修正的速率陀螺儀剩余壽命預(yù)測(cè)[J]. 賀志遠(yuǎn),呂衛(wèi)民,胡文林.  兵器裝備工程學(xué)報(bào). 2019(08)
[2]基于Elman神經(jīng)網(wǎng)絡(luò)模型的IGBT壽命預(yù)測(cè)[J]. 劉子英,朱琛磊.  半導(dǎo)體技術(shù). 2019(05)
[3]Bayes estimation of residual life by fusing multisource information[J]. Qian ZHAO,Xiang JIA,Zhi-jun CHENG,Bo GUO.  Frontiers of Engineering Management. 2018(04)
[4]基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)的LED壽命預(yù)測(cè)模型[J]. 吳志杰,孔凡敏,李康.  半導(dǎo)體技術(shù). 2018(05)
[5]Residual lifetime prediction model of nonlinear accelerated degradation data with measurement error[J]. Zhongyi Cai,Yunxiang Chen,Qiang Zhang,Huachun Xiang.  Journal of Systems Engineering and Electronics. 2017(05)
[6]一種混合退化系統(tǒng)剩余壽命預(yù)測(cè)方法[J]. 杜黨波,胡昌華,司小勝,張正新,張偉.  上海交通大學(xué)學(xué)報(bào). 2017(07)
[7]關(guān)于衛(wèi)星設(shè)計(jì)壽命的思考[J]. 薛毅,張志國(guó),伍招沖.  中國(guó)航天. 2017(06)
[8]融合非線性加速退化模型與失效率模型的產(chǎn)品壽命預(yù)測(cè)方法[J]. 周紹華,胡昌華,司小勝,方世鵬,裴洪.  電子學(xué)報(bào). 2017(05)
[9]PHM技術(shù)在航空結(jié)構(gòu)疲勞壽命預(yù)測(cè)中的應(yīng)用[J]. 宋博,祝青鈺,曾照洋.  機(jī)械強(qiáng)度. 2017(02)
[10]多階段隨機(jī)退化設(shè)備剩余壽命預(yù)測(cè)方法[J]. 張正新,胡昌華,高迎彬,陳墨.  系統(tǒng)工程學(xué)報(bào). 2017(01)

博士論文
[1]信息融合估計(jì)理論及其在衛(wèi)星狀態(tài)估計(jì)中的應(yīng)用[D]. 王炯琦.國(guó)防科學(xué)技術(shù)大學(xué) 2008
[2]基于性能退化數(shù)據(jù)的可靠性建模與應(yīng)用研究[D]. 趙建印.國(guó)防科學(xué)技術(shù)大學(xué) 2005
[3]信息融合估計(jì)理論及其在航天器控制中的應(yīng)用研究[D]. 王志勝.西北工業(yè)大學(xué) 2002

碩士論文
[1]基于數(shù)據(jù)的動(dòng)量輪壽命預(yù)測(cè)方法研究[D]. 劉勝南.南京航空航天大學(xué) 2015
[2]基于支持向量機(jī)的動(dòng)量輪壽命預(yù)測(cè)方法研究[D]. 范俊.國(guó)防科學(xué)技術(shù)大學(xué) 2013



本文編號(hào)：3526773