隐含非线性退化设备的剩余寿命在线预测方法

发布时间：2024-05-29 00:03

　　随机退化设备在实际运行中会产生非线性、隐含性等问题,对其剩余寿命预测会产生不确定性影响。现有剩余寿命预测方法尚未系统研究隐含非线性退化建模及相应的剩余寿命分布。因此,采用Wiener过程,建立了隐含双重非线性退化模型;利用设备现场监测数据,更新了隐含状态的后验分布;利用全概率公式,基于首次达到失效阈值的时间分布推导出设备剩余寿命分布;基于激光器实测退化数据设定仿真参数,对所提方法的正确性和合理性进行了对比验证。

【文章页数】：7 页

【部分图文】：

图１本文研究思路Ｆｉｇ．１Ｒｅｓｅａｒｃｈｉｄｅａｏｆｔｈｉｓｐａｐｅｒ

ＵＬ，未解决传统Ｂａｙｅｓ方法存在的不足。文献［２０－２１］采用ＫＦ算法，更新了ＲＵＬ分布中随机系数和真实退化状态，预测精度较高。因此，本文首先建立设备隐含双重非线性退化模型；其次，基于Ｂａｙｅｓ推断和ＫＦ算法，求解随机系数和真实退化状态的后验分布；然后，推导出设备考虑隐含状态估....

Ｍ４和Ｍ５的ＭＳＥ值Ｆｉｇ．７ＭＳＥｖａｌｕｅｓｆｏｒＭ１，Ｍ４ａｎｄＭ５从图７可以看出，Ｍ１的ＭＳＥ值一直都低于Ｍ４和Ｍ５

余寿命在线预测方法·１４１５·??????????????????????????????????????????????????图６４．５ｈ处Ｍ１、Ｍ４和Ｍ５的ＲＵＬ的ＰＤＦ曲线Ｆｉｇ．６ＰＤＦｃｕｒｖｅｓｏｆＲＵＬｆｏｒＭ１，Ｍ４ａｎｄＭ５ａｔ４．５ｈ由图６可知，Ｍ１、Ｍ４与....

图４隐含退化状态在线更新过程Ｆｉｇ．４Ｏｎｌｉｎｅｕｐｄａｔｉｎｇｐｒｏｃｅｓｓｏｆｉｍｐｌｉｃｉｔｄｅｇｒａｄａｔｉｏｎｓｔａｔｅ（３）ＲＵＬ预测结果

假设设备失效阈值为１２．８７，则由图３可知，该设备在５ｈ处发生失效。图３目标设备仿真的监测数据与真实退化数据Ｆｉｇ．３Ｍｏｎｉｔｏｒｉｎｇｄａｔａａｎｄｒｅａｌｄｅｇｒａｄａｔｉｏｎｄａｔａｏｆｔａｒｇｅｔｅｑｕｉｐｍｅｎｔｓｉｍｕｌａｔｉｏｎ利用目标设备现场监测数据，依据本文第....

本文编号：3983801