基于粒子滤波的非线性退化设备剩余寿命自适应预测

发布时间：2021-07-24 08:39

　　针对非线性退化设备缺乏历史退化数据和先验信息不足等问题,提出了一种基于粒子滤波的剩余寿命自适应预测方法。在状态空间模型的框架下建立了具有双隐含状态的非线性随机退化模型,基于粒子滤波算法估计隐含状态,并在首达时间的概念下推导出了剩余寿命的分布。提出了一种基于粒子期望最大化算法的参数估计方法,实现了模型参数的自适应估计和剩余寿命分布的在线更新。通过惯性导航系统中陀螺仪的实际退化数据验证了本文方法的有效性。 

【文章来源】：兵器装备工程学报. 2020,41(10)北大核心

【文章页数】：8 页

【部分图文】：

重采样的示意图

到目前为止，此类模型已经在陀螺仪、航天发动机、锂电池等复杂设备的退化建模中得到了广泛的应用[8-13]。从图2中可以看出，随着监测时间的增加，陀螺仪的漂移系数整体呈上升趋势。基于该陀螺仪的实际退化数据，应用所提出的PEM算法可以实现模型参数的自适应估计，结果如图3所示。从图3中可以看出，所提方法可以在每一个退化数据可用时估计模型的参数，而且估计的模型参数会随着退化数据的积累快速收敛。

2) M2:在退化建模中忽略了非线性函数中参数的随机性，利用经典的Kalman滤波理论实现了漂移系数的实时估计，并且在新的退化数据可用时，可以实现模型参数的自适应估计和剩余寿命分布的在线更新[12]。在实验中，为了验证本文方法可以有效地应用于缺乏先验信息的退化设备，进行如下设定:本文方法和M2方法选用随机的模型初始参数，而M1方法选用合适的模型初始参数。图4给出了三种方法在监测时间300～360 h时，每隔5个监测时间点预测的剩余寿命的PDF对比图。从图4中可以看出，三种方法预测的剩余寿命的PDF曲线均覆盖了实际的剩余寿命，并且随着监测时间的增加，PDF曲线愈来愈尖锐，这意味着预测的剩余寿命结果愈来愈准确，不确定性愈来愈低。此外，由于本文方法考虑了非线性函数中参数的随机性，并且在每一个监测时间点都可以实现模型参数的自适应估计和剩余寿命分布的在线更新，因此本文方法得到的PDF曲线更加尖锐，说明预测的不确定性更低，相比之下具有更好的预测性能。

【参考文献】：
期刊论文
[1]考虑测量误差和随机效应的设备剩余寿命预测[J]. 蔡忠义,陈云翔,郭建胜,王泽洲,邓林.  系统工程与电子技术. 2019(07)
[2]基于不确定油液光谱数据的综合传动装置剩余寿命预测[J]. 闫书法,马彪,郑长松,朱礼安,陈建文,李慧珠.  光谱学与光谱分析. 2019(02)
[3]基于步进加速退化建模的剩余寿命在线预测[J]. 蔡忠义,郭建胜,陈云翔,董骁雄,项华春.  系统工程与电子技术. 2018(11)
[4]基于油液光谱数据的综合传动装置的可靠性[J]. 饶冬飞,俞蕴妮.  南昌大学学报(理科版). 2018(03)
[5]基于维纳过程的锂离子电池剩余寿命预测[J]. 李玥锌,刘淑杰,高斯博,胡娅维,张洪潮.  大连理工大学学报. 2017(02)
[6]考虑不确定测量和个体差异的非线性随机退化系统剩余寿命估计[J]. 郑建飞,胡昌华,司小胜,张正新,张鑫.  自动化学报. 2017(02)
[7]基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究[J]. 孙磊,贾云献,蔡丽影,林国语,赵劲松.  光谱学与光谱分析. 2013(09)



本文编号：3300324