基于相似性的装备部件剩余寿命预测研究

基于相似性的剩余寿命预测方法是一种新兴的部件剩余寿命预测方法。首先介绍了基于相似性的剩余寿命预测方法的基本思想,然后对采用此方法的流程进行了分析。根据欧几里得距离函数构建了相似度函数,然后以相似度为自变量确定了权重分配函数,并利用加权思想确立了剩余寿命预测模型。通过实例分析,验证了该方法的有效性。     

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。     

基于多指标相似性的T/R组件剩余寿命融合预测方法

为实现对T/R组件剩余寿命的准确预测,及时掌握装备当前健康状态和提高装备维修保障水平,分析T/R组件的故障特点,筛选出反映T/R组件状态退化过程的状态监测指标,通过计算每个指标对应的剩余寿命信息和权重,得到T/R组件的剩余寿命预测结果。通过算例分析与比较,验证了预测方法的实用性与有效性。研究结果可为电子装备剩余寿命预测提供理论指导,对合理计划维修资源和提高装备战斗力具有重要意义。     

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.     

考虑非线性退化与随机失效阈值的剩余寿命预测

针对广泛存在的非线性退化设备,现有方法尚未考虑随机失效阈值对剩余寿命预测结果的影响。因此,通过对设备性能退化过程进行分析,提出了一种综合考虑非线性退化与随机失效阈值的剩余寿命预测方法。基于Wiener过程构建了考虑个体差异与测量误差的非线性退化模型;基于卡尔曼滤波算法建立状态空间模型以实现对退化状态的在线更新;基于极大似然法估计失效阈值分布系数估计方法,得到随机失效阈值的概率分布;基于随机失效阈值推导出剩余寿命的概率分布,实现对剩余寿命的在线预测。算例研究表明,所提方法可以有效地提升剩余寿命预测的准确性,具备一定工程应用价值。     

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。     

基于维纳过程金属化膜电容器的剩余寿命预测

金属化膜电容器是惯性约束聚变激光装置能源系统最重要的元器件,对个体电容器的剩余寿命进行有效的预测对整个装置的可靠性水平有着重要的影响.为有效地预测个体电容器的剩余寿命,提出了融合单个电容器性能退化数据与先验性能退化数据信息的预测方法.采用Wiener过程对其性能退化过程进行建模,并根据先验退化数据信息构造参数的先验分布...     

基于最小二乘支持向量机的坦克炮身管剩余寿命预测方法

针对高膛压坦克炮身管剩余寿命预测的难题,结合坦克实弹射击试验数据量少和非线性的特点,基于最小二乘支持向量机构建了坦克炮身管剩余寿命预测模型,给出了模型参数的选取方法,并以某型坦克炮射击试验为基础,对坦克炮身管剩余寿命预测模型进行了验证。结果表明:该模型预测坦克炮身管剩余寿命效果良好。     

核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解.通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性.     

基于贝叶斯模型的装备剩余寿命预测研究

为了解决武器装备日益复杂及维修工作日趋繁重的问题,运用贝叶斯模型预测装备修理后的剩余寿命,为合理安排其修理计划提供依据。替代传统的指数分布,用威布尔分布描述系统寿命特征,并运用极大似然方法和贝叶斯方法估计威布尔分布的两个未知参数,给出其置信区间。在此基础上,对先验样本和后验样本两种不同情况,分别运用贝叶斯模型预测装备修理后的剩余寿命,并给出实例。结果表明了该方法的有效性。     

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...     

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。     

果蝇算法优化的相关向量机在电子装备中的应用

针对电子装备渐变故障预测问题,提出一种基于果蝇算法优化相关向量机的故障预测方法。该方法将原始时间序列数据进行相空间重构处理,并基于折交叉验证和果蝇算法优化相关向量机模型的核函数参数,从而建立故障预测模型,并以某型雷达发射机速调管监测数据对模型性能进行了验证。实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度以及预测可靠性方面都具有一定优势。     

基于高阶累积量的滑动加窗参数型多径时延估计

针对传统方法不适合估计多径时延和难以抑制相关高斯噪声,构造了基于高级累积量的滑动加窗参数估计模型。该模型利用高阶累积量抑制高斯噪声,应用滑动窗充分利用采集数据。通过理论分析和仿真实验表明,该方法能够准确地估计时延,有效地抑制干扰和相关噪声的影响,且在性能估计方面,优于传统基于相关的方法。     

随机滤波模型在变速箱剩余寿命预测中的应用研究

摘要：基于变速箱加速寿命实验的振动信号,提取信号的多种特征参量．通过分析各特征参量的敏感性和稳定性,选择幅域裕度指标、峰值指标、波形指标和RMS（RootMeanSquare）作为特征参量,建立一种基于随机滤波的变速箱剩余寿命预测模型,给出剩余寿命后验概率密度的递推公式,设计了极大似然估计方法求解模型参数,并经实例验证模型的有效性和实用性．     

基于SF-REM的齿轮箱剩余寿命预测方法研究

剩余寿命预测是视情维修决策的重点和难点.针对工程实践中历史数据少、模型参数估计精度低的问题,建立一种基于随机滤波(SF)的齿轮箱剩余寿命预测模型.该方法采用递归期望最大化(REM)算法对模型参数进行递归更新,推导极大似然估计方法的参数递归更新过程,最后经实例验证模型的有效性和实用性.     

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。     

基于预报误差分布拟合的卫星历史机动检测方法

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。     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。