一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法

针对现有实时寿命预测方法没有充分利用同类产品性能退化数据信息的问题,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法(GA)优化小波支持向量回归机(WSVR)的实时退化轨迹建模和寿命预测方法.首先基于GA优化WSVR建立各同类产品的性能退化轨迹模型,然后以特定个体的历史测量时刻向量为基准,计算同类产品的相应退化测量值向量及其与特定个体退化测量值向量的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的退化轨迹模型,最后结合实时测量数据依次更新退化测量值向量、Euclid距离、隶属度权值和退化轨迹模型,实现实时寿命预测.实例分析验证了所提出的方法是有效的.

一种基于GA优化小波LS-SVR的实时寿命预测方法

针对性能非线性退化的产品,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法(GA)优化小波最小二乘支持向量回归机(LS-SVR)的实时退化轨迹建模和寿命预测方法。该方法根据特定个体与同类产品的Euclid距离确定隶属度权值,加权小波LS-SVR建立的同类产品退化模型得到特定个体的退化轨迹模型,结合实测数据更新模型并进行实时寿命预测。实例分析验证了所提方法的有效性。

基于WSVR和FCM聚类的实时寿命预测方法

针对产品的性能退化轨迹呈现为非线性特性,且个体的性能退化数据为小样本的情形,为了充分利用同类产品的性能退化数据进行特定个体的实时寿命预测,从研究退化轨迹相似性的角度出发,提出一类基于小波支持向量回归机(Wavelet support vector regression,WSVR)和模糊C均值(Fuzzy c-means,FCM)聚类的实时寿命预测方法.该方法分为离线和实时两个阶段:离线阶段先采用WSVR对同类产品的性能退化数据进行规范化处理,接着对规范化数据进行FCM聚类,然后,基于WSVR建立各聚类中心的退化轨迹模型;在实时阶段,针对特定个体的历史测量数据是否规范化,分别提出两种实时退化轨迹建模和寿命预测方法—隶属度加权法和误差加权法.最后,通过两个实例分析验证了所提方法的有效性.

基于核函数的寿命预测融合算法研究

实时寿命预测是评估运营中的轨道交通控制装置剩余寿命的有效手段,目前实时寿命预测主要基于故障物理和基于退化数据这2种方法。在轨道交通控制装置生命周期的早期,由于缺乏实时采集的退化数据,基于故障物理方法的预测结果会优于基于退化数据方法,而在生命周期末期,随着大量退化数据的积累,基于退化数据方法的预测结果会更加精确。因此,文章提出了一种基于核函数的寿命预测融合算法,将故障物理方法与退化数据方法的预测结果进行融合,以获取全生命周期更为准确的寿命预测结果。文章以轨道交通控制装置某核心板卡上的光耦为例,通过加速退化试验的数据对比验证了故障物理方法、退化数据方法和融合算法的结果,结果显示融合算法在全生命周期内具有更高的预测精度。