[发明专利]一种数据驱动的系统剩余使用寿命预测方法

说明书

本发明公布了一种数据驱动的系统剩余使用寿命预测方法，系统包括设备和零件；对已采集的系统退化数据设定退化增量步长，通过处理得到相应的退化增量；对退化增量进行基于相关向量机RVM的建模并计算参数，得到退化系统当前时刻的剩余使用寿命的分布，从而预测得到系统的剩余使用寿命。采用本发明技术方案，能够更准确更灵活地描述非线性退化过程，提高系统剩余使用寿命预测的准确性。

技术领域

本发明属于系统预测与健康管理技术领域，涉及系统(设备或零件)的剩余使用寿命预测技术，具体涉及一种针对非线性退化过程的系统剩余使用寿命预测方法，是一种基于相关向量机回归的数据驱动的剩余使用寿命预测方法。

背景技术

由于预测与健康管理(PHM)在改善军用和工业系统的设备或零件的可用性、操作风险和降低成本方面的贡献，在过去几十年里，PHM引起了学者和工程师的高度关注。剩余使用寿命(RUL)预测是PHM的重要组成部分，可以计划实施替换活动和安排维护计划，以确保不断恶化的系统可靠、安全和经济地运行，例如锂离子电池、旋转轴承、电力变压器、绝缘栅双极晶体管(IGBT)、电机等。针对系统非线性的退化过程，已有方法利用状态变换或时间尺度变换将非线性退化过程线性化为线性维纳退化模型，也有方法采用μ(t；θ)＝at^b-1的幂指数律模型和μ(t；θ)＝abexp(bt)的指数律模型对非线性退化过程建模。但这些方法都无法很好的处理更一般的更复杂的非线性退化情况，这样会直接影响剩余使用寿命预测的准确性。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于相关向量机回归的数据驱动的系统剩余使用寿命预测方法。通过使用相关向量机(RVM)模型描述系统的随机退化过程增量来更准确地描述系统退化过程中的更一般的非线性，并给出更准确的系统剩余使用寿命的预测结果。

本发明中，系统指的是在服役工作的过程中存在老化和退化的设备或零件，包括锂离子电池、旋转轴承、电力变压器、绝缘栅双极晶体管(IGBT)、电机等系统。

本发明提供的技术方案是：

一种针对非线性退化的数据驱动的系统剩余使用寿命预测方法，对已采集的系统退化数据(例如：锂电池容量退化数据、炼铁高炉炉壁温度退化数据)选择合适的退化增量步长，通过处理得到相应的退化增量，对退化增量进行基于RVM的建模和参数计算，再根据数学定理得到当前时刻退化系统的剩余使用寿命的分布，预测得到系统的剩余使用寿命。包括如下步骤：

1)基于RVM对系统退化过程进行建模，得到系统退化模型；包括：

考虑如下形式的维纳退化过程(如式1):

其中，X(t)为体现设备或零件的退化状态的随机变量，X(0)为系统退化初始状态，μ(t；θ)为漂移系数函数，扩散系数σ为常数，B(t)为标准的布朗运动；t为时间；θ为漂移系数函数的参数向量；

则本发明选取的预测步长τ的退化增量ΔX_τ(t)表示为式2：

其中，步长τ是选取的退化增量的时间区间长度；扩散增量η(t)＝σB(t+τ)-σB(t)～N(0,σ²τ)服从正态分布，漂移增量函数具有RVM模型的形式，表示为式3：

其中，ω_i是基函数K(t,t_i)的权重，m是RVM模型数据集的样本量，即退化增量数据的样本数，增量时间区间长度即步长τ＝t_i+1-t_i；K(t,t_i)表示基函数，t_i是退化数据的时间点，根据不同退化问题可以有不同形式，如下所示。

1)线性基函数:K(t,t_i)＝t_it+1