不确定失效阈值影响下考虑设备剩余寿命预测信息的最优替换策略

为了进一步提升设备维修决策的科学性,通过建立综合设备剩余寿命预测数据与不确定失效阈值的最优维修决策模型,实现了不可维修设备的最优替换策略。构建基于非线性Wiener过程的设备性能退化模型,并采用极大似然法估计退化模型参数;提出一种基于期望最大(Expectation Maximization, EM)算法的不确定失效阈值分布系数估计方法,通过引入虚拟失效阈值数据实现对失效阈值分布系数的同步迭代更新;基于首达时的概念推导出不确定失效阈值条件下设备剩余寿命的概率密度函数,并基于更新报酬理论建立维修决策模型,从而实现设备的最优维修决策。算例分析表明,设备的失效阈值会对维修决策结果产生重要影响,考虑设备失效阈值的不确定性既有助于提升剩余寿命预测的准确性,又可以有效降低设备的寿命周期费用。     

装备剩余寿命预测平行仿真中模型动态演化方法

装备平行仿真中的一个重要概念是实时数据驱动的模型动态演化,但是至今仍缺乏具体应用领域的实现方法。以带未知离散冲击的混合退化装备剩余寿命预测为背景,以多态Wiener状态空间模型为演化对象,提出一种装备平行仿真中模型动态演化方法,包括基于交互多模型强跟踪滤波的模型软切换和基于期望最大化算法的模型参数在线估计,并实现了基于平行仿真的装备剩余寿命实时预测。利用某轴承退化数据进行实例研究,结果表明该方法能有效提高仿真逼真度,剩余寿命预测的准确度较高、不确定性较小,具有较高工程应用价值。     

装备平行仿真中演化建模框架研究

装备平行仿真技术是军用仿真领域的新兴技术,已成为研究前沿和热点。在介绍其应用需求和理论缘起的基础上,探讨了装备平行仿真技术中演化建模问题。在面向装备剩余寿命预测的平行仿真中,提出以装备退化状态空间模型为基础预测模型的演化建模框架,实现模型在线适宜性更替、模型输出校正和参数在线估计,为开发面向装备剩余寿命预测的平行仿真原型系统提供了技术思路。     

考虑有损伤测量条件下的设备剩余寿命的建模分析

在有损测量的情况下,仅从退化数据本身出发所建的模型不能反映设备的真实退化过程.尤其在测量导致的设备性能退化量不可忽略时,不考虑测量耗损量将不能有效进行预测和评估.为解决这个问题,首先基于维纳过程建立有损测量的设备退化过程,进一步给出了相应模型的参数估计方法和基于贝叶斯理论的设备剩余寿命的实时更新方法,最后通过一个仿真示...     

基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测方法

提出了基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测新方法,明确了应用加窗线性卡尔曼滤波模型进行剩余使用寿命预测的过程。应用试验数据验证了方法的有效性,案例分析结果表明:对于退化指标在前期平稳、后期突变的齿轮箱全寿命试验数据,剩余使用寿命的预测值与实际值在齿轮箱运行的前期相差较大,而在后期则较为相近;通过对退化指标值进行拟合处理,可以明显消除退化指标值波动对剩余使用寿命预测值的影响。     

基于相似性的装备剩余寿命预测研究

为了更有效估计装备的剩余寿命,对基于相似性的寿命预测方法进行研究。首先介绍基于相似性的寿命预测方法的基本概念和流程,然后研究基于高斯核回归的退化轨迹提取方法,在传统欧氏距离的基础上,考虑时间范围的影响,改进相似度计算方式,最后用高斯核密度估计得到剩余寿命的区间估计值.一个数值仿真试验表明,基于相似性的方法能够利用失效历史样本对装备的剩余寿命进行有效预测.     

装备寿命预测的平行仿真模型在线演化方法

在面向装备剩余寿命预测的平行仿真技术研究基础上,统一了不同退化状态下的状态方程,提出了预测模型形态库的构建方法和预测模型形态选择算法,设计了“模型形态库构建—模型选择—数据同化—模型演化”的模型在线演化工作流程,运用扩展卡尔曼滤波和极大似然估计算法,实现了面向装备剩余寿命预测的平行仿真模型在线动态演化。通过仿真实验验证了模型形态选择算法和模型在线演化工作流程的有效性,取得了较好的仿真效果。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

基于退化速率跟踪粒子滤波的剩余使用寿命预测框架

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好的解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。本文针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化。并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

SVM异常数据识别的比例风险预测模型

剩余寿命预测在设备维修管理中扮演着重要的角色,准确的剩余寿命预测对制定维修策略起着至关重要的作用,从而可以有效避免设备故障的发生.提出一种基于支持向量机(SVM)异常数据识别的比例风险模型(PHM)用于剩余寿命的预测,该模式利用支持向量机和比例风险模型分别实现异常状态数据的识别和剩余寿命的预测.案例研究表明,SVM -PHM模型较PHM模型具有更好的预测精度.     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015     

初始误差和制导工具误差估计的非线性方法

准确估计初始误差和制导工具误差是机动发射飞行器精度鉴定必须解决的重要问题之一,提出了一种基于非线性模型的误差估计新方法。给出了平台初始失准角向定向误差的转换方法,采用不动点迭代法实现真实视加速度的精确计算,将真实发射系的轨道参数表示为初始误差和工具误差的非线性函数,结合外测数据建立了同时估计初始误差、工具误差、外测系统误差、遥外测时间零点偏差的非线性模型,避免了初始误差的线性化近似。给出了Bayes极大后验估计方法,利用非线性模型和先验信息获得误差的最优估计,证明了估计方法的收敛性。仿真结果表明,所提方法提高了初始误差和工具误差的估计精度,并实现了测量数据的自校准。     

Determination of burn‐in parameters and residual life for highly reliable products

Today, many products are designed and manufactured to function for a long period of time before they fail. Determining product reliability is a great challenge to manufacturers of highly reliable products with only a relatively short period of time available for internal life testing. In particular, it may be difficult to determine optimal burn‐in parameters and characterize the residual life distribution. A promising alternative is to use data on a quality characteristic (QC) whose degradation over time can be related to product failure. Typically, product failure corresponds to the first passage time of the degradation path beyond a critical value. If degradation paths can be modeled properly, one can predict failure time and determine the life distribution without actually observing failures. In this paper, we first use a Wiener process to describe the continuous degradation path of the quality characteristic of the product. A Wiener process allows nonconstant variance and nonzero correlation among data collected at different time points. We propose a decision rule for classifying a unit as normal or weak, and give an economic model for determining the optimal termination time and other parameters of a burn‐in test. Next, we propose a method for assessing the product's lifetime distribution of the passed units. The proposed methodologies are all based only on the product's initial observed degradation data. Finally, an example of an electronic product, namely contact image scanner (CIS), is used to illustrate the proposed procedure. © 2002 Wiley Periodicals, Inc. Naval Research Logistics, 2003     

小子样多失效模式系统可靠性竞争模型

为解决小子样多失效模式系统可靠性模型参数的估计问题,首先应用支持向量积建立小子样条件下各故障模式的规律模型,其次利用模型将各故障模式的故障数据由小子样扩充成大样本,再次采用常规的参数估算方法估算各故障模式的分布参数,最后建立多失效模式系统的可靠性竞争模型。利用所提方法,建立了小子样条件下具有两种失效模式的柴油机汽缸套可靠性竞争模型,计算结果与大样本条件下的故障预测数据吻合度较高,说明了方法的有效性。     

利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

加速寿命试验下复合失效产品的可靠性评估

产品往往受随机失效和耗损失效两种模式的双重影响,通过构建复合寿命分布模型来表征这类产品失效规律。在加速寿命试验下,基于极大似然估计构造了该类产品寿命参数估计的数值算法;为了验证该寿命分布是否真服从假定的复合分布,构建了常应力等效失效数据的柯尔莫哥诺夫分布检验法;最后,以电连接器这一典型产品为例进行了工程仿真试验并进行数据评估,从而验证了评估方法的正确性。     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。