[发明专利]一种含有多个相关退化过程的剩余寿命预测方法

说明书

本发明公开了一种含有多个相关退化过程的剩余寿命预测方法，属于预测与健康管理中剩余寿命预测领域，包括以下步骤：读入间接的状态监测退化数据，即传感器测量数据，初始化状态空间模型参数；利用序贯卡尔曼滤波方法辨识隐含的退化状态，并在此基础上通过EM算法迭代更新模型的未知参数；基于蒙特卡洛方法对所得退化过程进行外推，在三种不同的系统失效模式下，估计剩余寿命的可靠度函数，并通过数值微分求取对应的概率密度函数；最后，利用均方误差分析模型的拟合效果以及剩余寿命的预测精度。本方法较以往方法具有更强的普适性。

技术领域

本发明属于预测与健康管理中剩余寿命预测领域，具体涉及一种含有多个相关退化过程的剩余寿命预测方法。

背景技术

基于状态监测信息的剩余寿命预测是预测与健康管理领域中的一项重要技术。该技术是将退化过程首次到达预设的失效阈值的时间看作随机过程的首达时问题，其核心思想在于计算首达时间的期望或是概率密度函数，从而为预测维护工作提供合理的先验知识，能够有效地降低维护成本。考虑到预测的不确定性，恰当的概率密度函数更受青睐。

目前，预测与健康管理领域国内外学者提出的剩余寿命预测算法主要包括四大类，分别是物理机理方法，实验方法，数据驱动方法以及复合方法。其中，数据驱动方法只依赖于观测数据，在实际过程中使用较为广泛。对于此类方法，按照信息的获取方式又可分为基于直接监测数据和基于间接监测数据两类。注意到绝大多数工作仅仅针对的是一维退化数据，却不考虑系统的复杂度。也就是说，系统的全部性能指标假定只由单一退化过程进行描述。

但是，实际工业系统通常包含多种不同类型的操作单元，不同单元之间还可能存在一定的相关关系。举例来说，大型高炉由炉喉，炉身，炉腹，炉腰和炉缸构成，其中，炉缸的不断侵蚀会对风口造成很大程度的影响，甚至烧穿。对于这种情况，一个关键的问题在于如何预测含有多个相关退化过程的系统的剩余寿命。

近几年利用Copula函数建模退化过程相关性的方法取得了较为广泛的应用。但是，直接使用Copula函数存在一些明显的局限性：第一，Copula函数只能引入统计意义下的相关系数，并没有封闭的数学形式；第二，利用Copula函数降低维度会丢失大量有用信息，比如协方差矩阵中的交叉项；第三，如何选择合适的Copula函数尚且是一个艰难的问题。

显然，已有的基于Copula函数的退化建模不能较好地描述多个相关的退化过程。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种含有多个相关退化过程的剩余寿命预测方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种含有多个相关退化过程的剩余寿命预测方法，该方法在处理退化数据时按照以下步骤依次实现：

步骤1：读入M组状态监测退化数据，即传感器测量数据，第j组传感器测量数据记为其中，j＝1,2,…,M；利用C-MAPSS模拟大型商用涡扇发动机的退化，为简便起见，考虑包含HPC退化和风扇退化在内的二元退化过程；

步骤2：将每组首个数据作为初始测量偏差各个监测时刻下隐含的退化状态记为x_k，针对如下结构初始化模型参数，包括漂移系数λ，非线性系数γ，状态方程的协方差矩阵Q，测量系数矩阵g^(j)以及各个测量的噪声方差