[发明专利]一种有限数据驱动的长寿命部件余寿预测方法

摘要

本发明公开了一种有限数据驱动的长寿命部件余寿预测方法，包括：采用小波‑包络分析预处理长寿命部件历史监测数据，降低数据噪声；对预处理数据建立多参数残差修正自回归灰色长期预测模型；采用组合合作博弈映射自主选择最优参数；将失效模式与影响分析体系中的失效模式映射为预测模型的可靠性评估指标，实时评估预测结果的可靠度。本发明的优点是：有机结合了合作博弈与残差修正自回归灰色长期预测模型，充分利用长寿命部件有限的监测数据，克服了传统预测方法无法长时间响应、数据量需求大、多参数选择依赖专家知识、预测可靠性不能实时评估等一系列困难，提高了有限数据背景下长寿命部件余寿预测结果的可信度与准确度。

主权项

1.一种有限数据驱动的长寿命部件余寿预测方法，其主要特征包括如下步骤：(1)长寿命部件有限监测数据预处理：根据小波‑包络分析对高可靠、长寿命部件的有限监测数据进行降噪预处理，获取低噪数据；(2)多参数残差修正自回归灰色长期预测初始模型建立：基于回归步长对预处理数据建立自回归灰色模型，利用修正步长对自回归灰色模型进行残差修正，获得多参数残差修正自回归灰色长期预测初始模型；(3)基于合作博弈的最优参数自主选择：将初始预测模型中的自回归步长、修正步长两个参数的组合选择进行合作博弈联盟映射，通过比较每次回归、修正得到的合作联盟“效益”，对二参数合作联盟不断更新，根据合作博弈论中边界效益最大化原则，得到“联盟最大效益”时的最优回归步长与修正步长的参数组合；(4)可靠性评估指标：结合FMEA体系中的失效模式，将其转换为预测模型的可靠性评估指标，实时监测预测结果的可靠度；所述FMEA为Failure Mode and Effects Analysis的简称，即失效模式与影响分析；(5)长寿命部件余寿预测：根据(2)～(4)，得到基于有限数据驱动的长寿命部件最优参数残差修正自回归灰色长期预测模型，在满足可靠度阈值的前提下，预测出长寿命部件的剩余寿命。