[发明专利]一种基于退化曲线相似度的电子产品健康度预测方法

说明书

技术领域

本发明属于电子产品健康度预测技术领域，更为具体地讲，涉及一种基于退化曲线相似度的电子产品健康度预测方法。

背景技术

目前，电子产品的日常维护、维修主要依赖于生产厂家，而且是以在出现故障之后进行现场维修的模式完成的，属于被动式故障排除，这导致了电子设备的技术含量日趋提高与维护的手段和能力相对较低的矛盾日益凸显。正是在这样的背景下，故障预诊断与健康管理(PHM)技术应运而生。该技术的意义在于，可以提前预知将要发生故障的时间和位置，预测电子产品的剩余寿命(RUL)，提高电子产品的运行可靠性，减少日常维护成本。

对于PHM来说，通过预测技术，实时获取电子产品在未来时刻的退化状态是非常具有实际意义的。提前预知电子产品的性能退化量，就可以提前预知电子产品的可能发生故障的时间并且提前合理安排维护时间，可以很大程度上降低维护成本。目前电子产品退化状态，即电子产品的健康度多采用基于实际数据的健康度评估，尚未出现有效手段对健康度进行提前预测。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于退化曲线相似度的电子产品健康度预测方法，实现电子产品健康度的准确预测。

为实现上述发明目的，本发明基于退化曲线相似度的电子产品健康度预测方法，包括以下步骤：

S1：判断预先选定的退化参数是否可以直接测量，如果可以直接测量，则将退化参数作为测量的信号参数，如果不可以直接测量，则将退化参数计算公式中的可测量参数作为测量的信号参数，并且各个信号参数互相独立，将确定测量的信号参数数量记为Q；

S2：从电路测试点得到Q个信号参数在电路处于失效临界状态下的一系列幅值，对于每个信号参数，以M个幅值为一组得到L组幅值，作为训练数据进行隐马尔可夫模型的训练，得到该信号参数对应的失效临界态隐马尔可夫模型及失效临界态概率p₀(i)，i的取值范围为i＝1,2,…,M；

S3：电子产品实际运行后，每隔一段时间从电路测试点提取Q个信号参数的幅值，每次连续提取M个信号数据，共进行N次数据提取，对于每个信号参数，得到N组由M个幅值组成的产品性能退化数据，记录第1组数据提取时和第N组提取时距离电子产品开始运行时的时间t₀和时间t₁；

S4：将步骤S3中的每个信号参数对应的N组数据输入步骤S2得到的失效临界态隐马尔可夫模型，得到该组数据对应的概率p₁(i)，根据概率p₁(i)和失效临界态概率p₀(i)计算得到该组数据对应状态相对于失效临界态的KL值；

如果步骤S1中确定的信号参数为退化参数本身，则将该信号参数的N个KL值作为实际运行退化数据的KL值，否则根据退化参数的计算公式，将相应信号参数的KL值代入计算公式得到退化参数的N个KL值作为实际运行退化数据的KL值，然后将相邻两个KL值以直线连接得到KL曲线K1；

S5：根据步骤S4得到的曲线K1进行拟合，得到拟合曲线K2；

S6：对电路进行理想退化仿真，提取时间t₀到时间t₁之间的退化数据按照步骤S4中的方法得到理想退化数据KL值的理想曲线K3，并得到电路处于失效临界态的时刻t₂；

S7：分别计算曲线K1和理想曲线K3、拟合曲线K2和理想曲线K3的欧氏距离D1和D2，然后计算曲线K1和拟合曲线K2的相似度H＝D1/D2；

S8：根据步骤S5得到的拟合曲线K2，计算时刻0和失效临界态的时刻t₂的KL值，选择其中较大值作为参照KL值F₀；

S9：根据拟合曲线K2计算得到预测时刻的KL值F₁，计算基于拟合曲线K2的预测健康度P_K2＝1-F₁/F₀，然后根据相似度得到预测时刻的最终预测健康度P＝P_K2*H。