基于Wiener过程的多阶段非线性复杂退化产品可靠性分析模型

为提高非线性退化轨迹拟合的精度,针对多阶段退化中的非线性规律建立Wiener过程模型,考虑变点的连续性与部件个体的差异性,给出基于非线性复杂退化的可靠性评估方法。结合幂律函数推导出非线性多阶段Wiener过程模型,得到模型参数的极大似然估计量;通过最小均方误差原则给出变点以及幂参数的初值确定方法;根据SIC(schwarz information criterion)方法得到模型变点的精确值,并检验其准确性;结合不同部件之间的差异性,得到变点的连续分布;推导出非线性Wiener过程连续时段内的可靠度函数估计;利用本模型对高压脉冲电容器电容相对变化量的退化数据建模,与线性建模结果对比,验证多阶段Wiener过程模型在可靠性评估方面的有效性与可行性,估计结果更接近真实值。

Real time remaining useful life prediction based on nonlinear Wiener based degradation processes with measurement errors

Real time remaining useful life(RUL) prediction based on condition monitoring is an essential part in condition based maintenance(CBM). In the current methods about the real time RUL prediction of the nonlinear degradation process, the measurement error is not considered and forecasting uncertainty is large. Therefore, an approximate analytical RUL distribution in a closed-form of a nonlinear Wiener based degradation process with measurement errors was proposed. The maximum likelihood estimation approach was used to estimate the unknown fixed parameters in the proposed model. When the newly observed data are available, the random parameter is updated by the Bayesian method to make the estimation adapt to the item's individual characteristic and reduce the uncertainty of the estimation. The simulation results show that considering measurement errors in the degradation process can significantly improve the accuracy of real time RUL prediction.

基于核函数-Wiener过程的轧辊非线性退化建模与剩余寿命预测

在轧钢生产过程中,由于磨损等原因,长时间复杂工况运行下的轧辊工作性能会呈现逐步衰退的特征.考虑轧辊工作环境具有工况复杂、随机干扰强等特点,提出基于核函数-Wiener过程(KWP)退化模型,使用Wiener过程刻画轧辊退化趋势的强随机性特征,引入核函数捕捉轧辊的非线性退化路径,推导贝叶斯框架下参数估计的解析表达式,并构造轧辊可工作转动量的健康指标,进一步预测轧辊剩余寿命(RUL).结合某钢铁公司1580热轧生产线现场数据,所构建模型拟合优度达到0.989,剩余寿命预测误差低于4.7%,相较常见机器学习算法取得了更好效果,有助于提高设备运转效率与安全性并实现视情维护.

基于Wiener过程的非线性加速退化可靠性评估方法

针对恒定应力加速退化试验场合下的非线性退化数据,考虑个体之间的退化差异,提出了基于Wiener过程的非线性加速退化可靠性评估方法。采用Wiener过程描述产品的退化过程;运用时间尺度模型对非线性数据进行线性变换;将Wiener过程的漂移系数随机化处理,提出考虑个体差异的可靠性模型和加速退化模型;采用两步极大似然估计法确定模型中的未知参数,结合算例分析验证了方法的正确性和优越性。

基于隐含非线性维纳退化过程的剩余寿命预测

准确的剩余寿命预测有助于提高系统的可靠性安全性,并降低系统全生命周期的经济成本。工程应用中,由于不确定测量的影响,随机退化系统的非线性退化特征一般处于隐含状态。针对现有隐含尺度变换非线性维纳退化过程主要应用于退化建模和寿命分布估计的问题,提出一种针对隐含尺度变换非线性维纳退化过程的剩余寿命预测方法。建立同时考虑测量误差和尺度变换非线性维纳过程的退化模型,并通过Kalman滤波方法根据设备现场退化数据进行参数在线更新。推导出考虑模型参数在线更新的剩余寿命概率密度函数和累积分布函数解析表达式。基于历史退化数据,提出一种针对隐含尺度变换非线性维纳退化过程模型未知参数的极大似然无偏估计方法。通过仿真退化数据和实际涡扇发动机数据进行实验验证。实验结果表明:同时考虑测量不确定性和非线性退化特征的剩余寿命预测方法具有更高的预测精度。

基于Wiener过程的发动机多阶段剩余寿命预测

针对现阶段发动机的寿命预测研究没有考虑到非线性与多阶段的问题,提出了基于多阶段非线性Wiener过程的航空发动机实时剩余寿命预测的方法。该方法融合了同类型发动机的历史性能退化监测数据与个体发动机的实时监测数据。首先,考虑了发动机性能退化非线性的特点,并采用多阶段Wiener过程建立发动机的性能退化模型。然后,根据发动机的历史性能监测数据,利用极大似然估计和一维搜索方法进行参数先验分布的估计。再次,在先验分布和个体发动机的退化数据的基础上,用贝叶斯方法对参数分布更新。最后,得到个体发动机剩余寿命的实时预测值。通过实例验证本文方法预测的准确性。

基于非线性Wiener过程的柱塞泵剩余使用寿命分析

轴向柱塞泵作为液压系统的核心动力元件之一,其性能的好坏直接影响液压系统整体的工作状况,如果能掌握轴向柱塞泵剩余使用寿命的分布规律,可以为液压系统实施健康管理提供依据。为此,以轴向柱塞泵泄漏回油流量作为其性能退化指标,应用非线性Wiener过程构建其剩余使用寿命预测模型。通过与柱塞泵实例寿命比较表明,具有随机效应幂函数结构的非线性Wiener过程模型预测结果,优于线性以及其他2种非线性Wiener过程模型,更接近轴向柱塞泵退化过程中的实际寿命。

两阶段非线性Wiener过程退化建模与可靠性分析

基于性能退化数据对产品进行可靠性分析一直是可靠性工程领域研究的热点与难点。针对多阶段退化过程中存在的非线性规律,同时考虑变点位置位于测试时刻之间的一般情形且各试样变点存在个体差异性的实际情况,提出了基于Wiener过程的两阶段非线性退化模型,给出了模型参数极大似然估计方法,建立了可靠性分析和寿命预测方法。最后通过高压脉冲电容器实例的对比分析,验证了所提方法的合理性与有效性。结果表明,与多阶段线性Wiener过程方法相比,所提方法能够更加准确地描述退化过程的非线性时变特征,进而得到更为合理的寿命评估结果。

基于非线性Wiener过程的步进加速退化建模方法

针对步进加速退化试验中的非线性退化数据,考虑到产品之间的随机效应,给出了非线性Wiener过程的表达式,推导出了考虑随机效应的产品失效概率密度函数表达式;建立了步进加速退化模型,给出了各加速应力下性能退化量的关系模型;采用两步极大似然估计法,求解出退化模型中未知参数;结合某激光器的实例分析表明所建模型的拟合性较好,参数估计精度更高。

考虑三源不确定性的Wiener过程航空发动机剩余使用寿命预测

针对航空发动机退化过程中存在三源不确定性,与现有研究假设测量误差为正态分布的问题,提出测量误差为Logistic分布的Wiener过程航空发动机剩余使用寿命(residual useful life,RUL)预测方法。首先,建立测量误差服从Logistics分布时的性能退化模型,并在首达时间下给出RUL分布的准确数学表达式。其次,为提高监测参数的利用率,给出一种基于Spearman系数的关键参数筛选方法。最后,针对缺少历史数据和先验信息的问题,采用基于最大熵无迹粒子滤波和ECM算法的参数估计方法,同时在得到新的性能退化数据之后,能对模型参数自适应更新。采用均方误差(mean squared error,MSE)作为评价指标。实验结果表明:该方法的MSE值为13.25,低于传统方法的MSE值16.12,可以有效地提高预测精度、发动机使用率和安全性。

Remaining lifetime prediction for nonlinear degradation device with random effect

For the large number of nonlinear degradation devices existing in a project, the existing methods have not systematically studied the effects of random effect on the remaining lifetime(RL),the accuracy and efficiency of the parameters estimation are not high, and the current degradation state of the target device is not accurately estimated. In this paper, a nonlinear Wiener degradation model with random effect is proposed and the corresponding probability density function(PDF) of the first hitting time(FHT)is deduced. A parameter estimation method based on modified expectation maximum(EM) algorithm is proposed to obtain the estimated value of fixed coefficient and the priori value of random coefficient in the model. The posterior value of the random coefficient and the current degradation state of target device are updated synchronously by the state space model(SSM) and the Kalman filter algorithm. The PDF of RL with random effect is deduced. A simulation example is analyzed to verify that the proposed method has the obvious advantage over the existing methods in parameter estimation error and RL prediction accuracy.

基于多元随机效应Wiener过程的某弹用弹簧可靠性评估

目的解决某弹用弹簧可靠性评估中存在的不确定性问题。方法对某弹用弹簧进行加速退化试验,试验过程中发现其具有多个性能退化参数,并且其退化过程具有非线性、随机性及样本差异性的特征。为了对其退化过程进行数学表征,提出一种基于多元随机效应Wiener过程的退化模型。采用基于时间尺度变换的非线性Wiener过程,描述弹簧退化过程中的非线性与随机性。基于随机效应模型,对样本的差异性进行表征,利用Copula函数描述多元性能参数之间的相互作用关系。最后推导弹簧失效寿命的概率密度函数、可靠度函数。结果在贮存条件为25℃、可靠度为0.9时,基于构建的多元随机效应Wiener过程模型,当考虑性能间的相关性时,得到某弹用弹簧的贮存寿命为12 a;不考虑性能间的相关性时,得到其贮存寿命为11.5 a。结论构建的多元随机退化模型为该弹药健康状态管理提供了相应的理论依据。

Remaining useful lifetime prediction for equipment based on nonlinear implicit degradation modeling

Nonlinearity and implicitness are common degradation features of the stochastic degradation equipment for prognostics.These features have an uncertain effect on the remaining useful life(RUL)prediction of the equipment.The current data-driven RUL prediction method has not systematically studied the nonlinear hidden degradation modeling and the RUL distribution function.This paper uses the nonlinear Wiener process to build a dual nonlinear implicit degradation model.Based on the historical measured data of similar equipment,the maximum likelihood estimation algorithm is used to estimate the fixed coefficients and the prior distribution of a random coefficient.Using the on-site measured data of the target equipment,the posterior distribution of a random coefficient and actual degradation state are step-by-step updated based on Bayesian inference and the extended Kalman filtering algorithm.The analytical form of the RUL distribution function is derived based on the first hitting time distribution.Combined with the two case studies,the proposed method is verified to have certain advantages over the existing methods in the accuracy of prediction.

随机应力影响下埋地天然气管道可靠性评估方法研究

针对含裂纹缺陷的埋地天然气管道这类随机退化设备,现有的研究方法更多依赖于失效机理分析,由于构建失效机理模型较为困难和复杂,在使用上具有一定的局限性,提出了一种考虑应力影响下的非线性Wiener退化模型。将应力对管道的影响看作随机变量以影响管道的退化速率,同时考虑个体的差异性,获取非线性退化模型更加准确的可靠性评估结果。在首达失效时间下推导出剩余寿命的概率密度函数。然后针对小样本的退化数据,使用极大似然估计方法估计参数,确定分布函数和可靠度。最后利用裂纹数据验证本文提出模型的准确性和有效性。

考虑随机效应的多源信息融合剩余寿命预测

为了合理利用同类设备的先验信息,提高参数估计和剩余使用寿命(RUL)预测精度,提出一种基于多源信息融合并考虑随机效应的RUL预测方法。利用考虑随机效应的线性Wiener过程对设备的退化过程进行建模;利用期望最大化(EM)算法,融合先验退化信息和先验失效寿命数据信息,计算模型中的未知参数;根据Wiener过程参数估计的性质,提出一种基于多源信息融合并考虑随机效应的非线性Wiener过程参数估计方法;利用激光器数据和疲劳裂纹数据进行实验验证。实验结果表明:与基于历史退化数据或失效寿命数据的方法相比,所提方法能有效提高参数估计和RUL预测的精度。

Wiener model identification and nonlinear model predictive control of a pH neutralization process based on Laguerre filters and least squares support vector machines

This paper deals with Wiener model based predictive control of a pH neutralization process.The dynamic linear block of the Wiener model is parameterized using Laguerre filters while the nonlinear block is constructed using least squares support vector machines (LSSVM).Input-output data from the first principle model of the pH neutralization process are used for the Wiener model identification.Simulation results show that the proposed Wiener model has higher prediction accuracy than Laguerre-support vector regression (SVR) Wiener models,Laguerre-polynomial Wiener models,and linear Laguerre models.The identified Wiener model is used here for nonlinear model predictive control (NMPC) of the pH neutralization process.The set-point tracking performance of the proposed NMPC is compared with those of the Laguerre-SVR Wiener model based NMPC,Laguerre-polynomial Wiener model based NMPC,and linear model predictive control (LMPC).Validation results show that the proposed NMPC outperforms the other three controllers.

非线性步进加速退化数据的可靠性评估方法

针对步进应力加速退化试验(SSADT)场合下的非线性退化数据,考虑个体之间的性能退化差异,提出了基于Wiener过程的退化数据可靠性评估方法。首先,分析了步进应力加速退化试验过程及其性能退化数据模型。然后,运用非线性Wiener过程描述产品的非线性退化过程,采用时间尺度变换模型进行线性变换;将Wiener过程的漂移系数随机化处理,提出考虑了个体差异的非线性退化数据建模;根据所收集的步进应力加速退化数据,采用两步极大似然估计法确定模型中的未知参数。最后,结合某激光器的实例对比分析表明,所建模型的拟合性较好,评估结果真实准确。

恒定应力加速退化试验差异化设计

针对高可靠性长寿命产品的寿命估计问题,提出多应力水平的恒定应力加速退化试验差异化设计方案。采用考虑随机效应的非线性Wiener过程模型来描述产品的退化路径,给出了基于极大似然估计的未知参数估计方法。为了差异化地决策每个应力水平对应的加速退化试验所需的样本数量、测量时间间隔和测量次数的最优组合,建立了以试验总成本为约束,平均失效前时间的渐近方差最小化为目标的优化模型,并提出了相应的遗传算法以用于高效地求解模型的最优值。最后通过实例和仿真试验,验证了模型和方法的有效性和实用性。

非线性和随机效应的加速退化过程建模方法

针对加速退化试验场合下具有非线性、随机效应的退化数据,文章采用线性Wiener过程,研究了一种加速退化过程建模方法。采用时间尺度模型,对非线性退化数据进行线性变换;将Wiener过程的漂移系数随机化处理,研究了考虑随机效应的退化过程建模;根据所收集的步进加速退化数据,采用两步极大似然估计法确定未知参数。实例分析结果验证了该文所提方法的合理性。

考虑随机失效阈值的设备剩余寿命在线预测

退化失效阈值是影响设备剩余寿命预测的重要因素。针对现有剩余寿命预测方法忽略失效阈值随机性影响的问题,提出考虑随机失效阈值的设备剩余寿命在线预测方法。首先,基于带测量误差与随机效应的非线性Wiener过程构建设备退化模型;其次,采用极大似然估计(maximum likelihood estimation,MLE)算法估计退化模型参数与随机失效阈值分布系数;然后,在考虑随机失效阈值的基础上推导出设备剩余寿命的概率密度函数(probability density function,PDF),并基于Bayesian原理实时更新退化模型参数,实现对剩余寿命的在线预测。最后,将该方法应用于陀螺仪剩余寿命在线预测分析,结果表明该方法能够有效提高剩余寿命预测的精度与准确性。