基于非线性漂移Wiener过程的产品实时可靠性评估

提出基于非线性维纳退化过程评估单个产品实时可靠性的方法。该方法能够有效融合先验信息和产品自身的退化信息。首先,采用非线性维纳过程描述产品性能退化的非线性特征,产品之间的差异通过随机化参数表示。然后,利用两阶段方法估计模型中的未知参数。当获得新的退化数据信息时,根据贝叶斯方法对参数进行更新,进一步实现对产品实时可靠性的评估。最后,通过一个仿真示例以及电容器实例验证文中方法的有效性。研究结果表明:与线性维纳过程相比,非线性维纳过程能够较好地描述产品性能退化的非线性,并能够给出可信的评估结果。

基于多源信息的隐含非线性维纳退化过程剩余寿命预测

准确的剩余寿命预测对提高系统的可靠性安全性具有重要意义。在工程应用中,经常会遇到先验退化信息不完美或缺失的情况,且线性退化模型往往难以跟踪非线性退化特征。为解决这一问题,针对带测量误差的非线性退化系统,基于隐含非线性维纳退化过程模型,提出了一种合理融合失效寿命数据和多源信息的剩余寿命预测方法。首先,通过理论推导,得到了隐含非线性维纳退化过程的参数估计性质与退化数据之间的关系,为合理融合多源信息提供了理论依据。其次,根据参数估计的性质,分别使用现场退化数据和历史退化数据估计2种预测情况下的模型固定参数,并使用期望最大化算法将失效寿命数据信息融入退化模型中。再次,根据现场退化数据,使用Kalman滤波算法在线更新漂移参数。最后,通过仿真实验进一步验证了参数估计的性质,并通过2个实例验证了所提方法的优越性。

退化数据驱动的设备剩余寿命在线预测

为在线预测单台服役设备的可用剩余寿命,提出一种融合先验退化数据和设备自身现场退化数据的剩余寿命预测方法。建立符合非线性Wiener过程描述的设备退化模型,利用先验数据采用极大似然法估计模型中的未知参数,使用贝叶斯方法融合新增的现场退化数据实时更新模型参数,进一步实现对设备实时剩余寿命评估。数值仿真和实例计算的结果表明,与固定参数法相比,该方法能够根据现场退化数据不断更新设备剩余寿命分布,进而更好地体现设备的个体差异,显著降低剩余寿命分布的不确定性。

多源数据融合建模的寿命预测方法

针对单一传感器在设备状态监测期间不能很好地进行退化建模和剩余使用寿命预测的问题,提出了一种多源数据融合建模的寿命预测方法。首先,根据设备的退化性能,构造了复合健康指标;其次,使用非线性漂移维纳过程对设备进行退化建模,通过使用极大似然法估计模型参数后,推导出设备剩余寿命概率密度函数;最后,对所提出的方法进行了验证,并与单一传感器预测结果进行了对比,结果表明此方法具有较高的准确性。

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明:相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。

LINEAR ISOMETRIC NON-ANTICIPATIVETRANSFORMATIONS OF WIENER PROCESS

The necessary and sufficient conditions are given so that a non-anticipative transformation in Hilbert space is isometric. In terms of second order Wiener process, these conditions assure that a non-anticipative transformation of Wiener process is a Wiener process, too.