本發(fā)明涉及產(chǎn)品壽命預測，尤其涉及一種兩階段退化產(chǎn)品自適應變點識別與剩余壽命預測方法。

背景技術(shù)：

1、通過對大量產(chǎn)品退化失效機理研究發(fā)現(xiàn)，大多數(shù)產(chǎn)品的退化過程具有緩慢退化和加速退化兩階段性，諸如滾動軸承、鋰電池、隔振器。產(chǎn)品緩慢退化階段即第一階段是由于受內(nèi)外部交變載荷的情況下發(fā)生微小結(jié)構(gòu)損傷引起的，但不影響產(chǎn)品的使用功能；隨著產(chǎn)品結(jié)構(gòu)損傷不斷累積，達到一定的程度后，產(chǎn)品健康狀態(tài)會出現(xiàn)異常即變點，使用功能開始退化，從而進入加速退化階段即第二階段，直至產(chǎn)品失效。因此，為了提高產(chǎn)品服役過程的安全性和可靠性，開展兩階段退化產(chǎn)品變點識別與剩余壽命rul預測研究具有重要意義。

2、目前，現(xiàn)有的變點識別方法大多利用同類產(chǎn)品的歷史數(shù)據(jù)估計得到固定報警限，進行變點識別。然而，由于產(chǎn)品在服役過程受外部沖擊、結(jié)構(gòu)件間耦合以及人為因素的影響，會引起退化過程的突變，而該點又非產(chǎn)品健康狀態(tài)退化引起的變點，若仍采用固定報警限將會引起誤報。另外，現(xiàn)有剩余壽命預測方法在對退化狀態(tài)更新時忽略了系統(tǒng)和測量誤差項的時變性，致使預測精度不高。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種兩階段退化產(chǎn)品自適應變點識別與剩余壽命預測方法，能夠?qū)崿F(xiàn)對兩階段退化產(chǎn)品的自適應變點識別與剩余壽命預測。

2、為了實現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是：一種兩階段退化產(chǎn)品自適應變點識別與剩余壽命預測方法，包括以下步驟：

3、步驟1、提取退化產(chǎn)品全壽命周期性能參數(shù)退化數(shù)據(jù)；

4、步驟2、建立兩階段退化產(chǎn)品分析模型；

5、步驟3、基于kf-ewma控制圖進行退化產(chǎn)品健康狀態(tài)自適應監(jiān)測與變點識別；

6、步驟4、基于自適應增量濾波方法aif進行產(chǎn)品退化狀態(tài)自適應更新與剩余壽命預測。

7、優(yōu)選的，所述步驟1中退化產(chǎn)品在預定的測試次數(shù)t1＜t2＜,...,＜tk＜,...下進行測量，將相應得到在ti時刻的性能特征參數(shù)觀測值記為yi＝y(tǒng)i＝y(tǒng)(ti)，令y1:k＝{y1,y2,...,yk}，i＝1,2,...；

8、所述步驟2中將ti時刻的產(chǎn)品性能特征參數(shù)真實值記為si＝si＝s(ti)，兩階段退化產(chǎn)品分析模型為

9、

10、式中，ε(t)為時刻t的測量誤差，且有s(t)和ε(t)相互獨立；s0和θ分別為退化產(chǎn)品第一階段和第二階段的初始狀態(tài)；β為性能特征參數(shù)的漂移系數(shù)；σ為擴散系數(shù)；b(·)為標準布朗運動，表示退化過程的固有隨機性；tγ為產(chǎn)品退化過程從第一階段到第二階段的變化點時間。

11、優(yōu)選的，所述步驟3包括以下步驟：

12、步驟31、利用ewma控制圖法定義ewma統(tǒng)計量的均值和方差；

13、步驟32、根據(jù)kf方法對ewma統(tǒng)計量參數(shù)進行更新；

14、步驟33、進行退化產(chǎn)品健康狀態(tài)自適應監(jiān)測與變點識別。

15、優(yōu)選的，所述步驟31中統(tǒng)計量zk可定義為

16、

17、式中，λ為平滑參數(shù)，λ∈(0,1]；z0為統(tǒng)計量的初值；

18、結(jié)合兩階段退化產(chǎn)品性能特征參數(shù)觀測值y1:k，可得到zk的均值e(zk|y1:k)和方差var(zk|y1:k)

19、e(zk|y1:k)＝e(sk|y1:k)

20、

21、優(yōu)選的，所述步驟32中結(jié)合步驟2中的兩階段退化產(chǎn)品分析模型以及步驟31中統(tǒng)計量zk，兩階段退化產(chǎn)品狀態(tài)空間模型可表示為:

22、

23、式中，q～n(0,σ2δtk)；δtk＝tk-tk-1，測量的時間間隔δtk相等；通過以下步驟更新得到兩階段退化產(chǎn)品的真實性能特征參數(shù)sk及其均值和方差pkk：

24、

25、

26、pkk＝(i-kkhk)pkk-1。

27、優(yōu)選的，所述步驟33中通過步驟32中得到的均值和方差var(sk|y1:k)＝pkk代入所述步驟31中zk的均值e(zk|y1:k)和方差var(zk|y1:k)，得到ewma統(tǒng)計量zk均值e(zk|y1:k)和方差var(zk|y1:k)，則ewma統(tǒng)計量zk的動態(tài)上下限(ucl,lcl)為

28、

29、式中，δ＞0為控制極限系數(shù)；

30、當統(tǒng)計量zk在ewma控制范圍內(nèi)[lcl,ucl]時，表明產(chǎn)品的退化階段沒有變化；否則，被認為是一個變化點；當統(tǒng)計量zk超過當前ucl時，將相應的性能特征參數(shù)值視為變化點，相應的測量時間為變點時間tγ。

31、優(yōu)選的，所述步驟4包括以下步驟：

32、步驟41、進行兩階段退化產(chǎn)品分析模型初始參數(shù)估計；

33、步驟42、利用自適應增量濾波方法aif進行退化模型狀態(tài)參數(shù)自適應更新；

34、步驟43、進行剩余壽命預測。

35、優(yōu)選的，所述步驟41中每次在時刻τ1＜τ2＜,...,＜τn獲得的退化數(shù)據(jù)x1＜x2＜,...,＜xn為兩階段退化產(chǎn)品的先驗退化數(shù)據(jù)，令x1:i＝(x1,x2,...,xi)'，τ1:i＝(τ1,τ2,...,τi)'，k≥n≥i＝1,2,...；

36、令為退化模型的未知參數(shù)向量，為其大似然估計值；x1:i服從均值為μbiτ1:i和協(xié)方差為的多元正態(tài)分布，其中結(jié)合兩階段退化產(chǎn)品的狀態(tài)監(jiān)測數(shù)據(jù)x1:i，對數(shù)似然函數(shù)可表示為

37、

38、通過對μbi和求一階偏數(shù)，令可得到μbi和的最大似然估計為

39、

40、同樣，在n個不同的觀測時間τ1＜τ2＜,...,＜τn觀測到的兩階段退化產(chǎn)品的性能特征參數(shù)數(shù)據(jù)即x1:1，x1:2，…，x1:n，相應的參數(shù)估計為和參數(shù)的最大似然可以近似地表示為

41、

42、進而可以得到初始參數(shù)和

43、優(yōu)選的，所述步驟42中利用自適應增量濾波方法aif狀態(tài)空間方程可構(gòu)造為：

44、

45、式中，δxk＝xk-xk-1，wk-1～n(0,wk-1)，vk～n(0,vk)，δτk＝τk-τk-1，測得的時間間隔δτk相等；

46、令βk更新后的均值μb,k和方差為

47、μb,k＝e(βk|x1:k)＝βkk,

48、結(jié)合新的狀態(tài)監(jiān)測數(shù)據(jù)，使用aif算法估計βk，更新估計步驟如下：

49、狀態(tài)一步預測：

50、

51、增益濾波矩陣:

52、

53、其中，

54、

55、更新后βk的均值μb,k和方差為

56、

57、式中，結(jié)合當前各時刻τ1＜τ2＜,...,＜τk的性能特征參數(shù)數(shù)據(jù)x1:k＝{x1,x2,...,xk}，系統(tǒng)噪聲的方差wk和測量噪聲的方差vk被更新為：

58、

59、式中，dk-1＝(1-b)/(1-bk)，b為遺忘因子，且有b∈(0,1)；通過步驟41得到的初始參數(shù)β0、和v0，并結(jié)合新的兩階段退化產(chǎn)品性能特征參數(shù)觀測值xk+1，更新以上步驟42中βk的更新估計步驟，即可獲得參數(shù)的估計值μb,k和同時，對于第一階段，用同樣的方法估計ewma動態(tài)控制的初始參數(shù)。

60、優(yōu)選的，所述步驟42中兩階段退化產(chǎn)品性能特征參數(shù)失效閾值為df，當性能特征參數(shù)真實值x(τ)首次達到失效閾值df時，認為產(chǎn)品發(fā)生了故障；根據(jù)隨機過程的首達時概念，當前時刻τk的剩余壽命l可定義為：

61、l＝inf{l:x(τk+l)≥df|x(τk)＜df}

62、令xk＝xk＝x(τk)，根據(jù)wiener過程的統(tǒng)計特性和在觀測時刻τ1＜τ2＜,...,＜τk的狀態(tài)監(jiān)測值x1:k＝{x1,x2,...,xk}，剩余壽命l在當前時刻tk的條件概率密度分布函數(shù)可定義為：

63、

64、其中，μb,k和為漂移系數(shù)β的均值和方差；σk為狀態(tài)監(jiān)測數(shù)據(jù)x1:k的擴散系數(shù)；

65、進而可得到剩余壽命在當前時刻τk的點估計為兩階段退化產(chǎn)品的剩余壽命預測值可近似為：

66、

67、本發(fā)明的有益效果是：

68、1、本方案首先建立兩階段產(chǎn)品退化模型，針對第一階段，提出基于kf-ewma控制圖的健康狀態(tài)監(jiān)測與自適應變點識別方法；針對第二階段，建立基于自適應增量濾波方法aif的產(chǎn)品剩余壽命預測方法，實現(xiàn)對兩階段退化產(chǎn)品的自適應變點識別與剩余壽命預測?？朔四壳艾F(xiàn)有方法大多僅利用同類產(chǎn)品的歷史數(shù)據(jù)估計參數(shù)實現(xiàn)變點識別的問題，從而更加精準識別變點位置，降低誤判風險大。

69、2、本方案利用kf方法對觀測數(shù)據(jù)進行去噪，獲取性能特征參數(shù)真實值，進而更加精準地預測剩余壽命預測，考慮到了退化產(chǎn)品性能特征參數(shù)不可避免地受環(huán)境噪聲的影響。

70、3、本方案建立基于aif算法的狀態(tài)空間方程，從而實現(xiàn)兩階段退化產(chǎn)品剩余壽命的自適應在線高精度預測，克服傳統(tǒng)方法忽略系統(tǒng)和測量誤差項的時變性問題。