[发明专利]基于性能退化的列控车载设备可靠性预测方法

权利要求书

1.一种基于性能退化的列控车载设备可靠性预测方法，其特征在于，包括：

运用ARMA及EMD+ARMA对列控车载设备当前及早期的各故障类型数据进行性能退化过程建模，预测出未来时刻列控车载设备的各故障类型的故障率；

采用逐步回归分析方法对所述未来时刻列控车载设备的各故障类型的故障率预测值进行性能退化过程建模，预测未来时刻列控车载设备的故障率，计算出未来时刻列控车载设备的可靠度预测值；

根据未来时刻列控车载设备的各故障类型的故障率预测值，利用FMECA算法计算出未来时刻列控车载设备的各故障类型的故障严重度，根据所述可靠度预测值和所述故障严重度对列控车载设备在未来时刻的可靠性进行评估；

所述的运用ARMA及EMD+ARMA对列控车载设备当前及早期的各故障类型数据进行性能退化过程建模，预测出未来时刻列控车载设备的各故障类型的故障率，包括：

通过对当前及早期的故障数据的建模得出列控系统各故障类型的故障率，将所述列控系统各故障类型的故障率输入到时间序列分析法中ARMA模型，所述ARMA模型对输入的各故障类型的故障率进行性能退化建模，预测下一个时刻各故障类型的故障率；

建立基于经验模态分解EMD的时间序列预测方法即EMD+ARMA预测方法，EMD分解法将时间序列分解成内在本征模态函数IMF和趋势项，并对每条子序列进行时间序列预测，然后将每条子序列的预测序列进行重组，得到的最终预测序列即为下一个时刻各故障类型的故障率，该故障率是指列控系统某部件或设备在单位时间内故障发生的次数，所述IMF是没有明显趋势的序列，以满足时间序列的要求，该趋势项反映原始序列的总体趋势。

2.根据权利要求1所述的基于性能退化的列控车载设备可靠性预测方法，其特征在于，所述的ARMA模型对输入的各故障类型的故障率进行性能退化建模，预测下一个时刻各故障类型的故障率，包括：

(1)确定预测量：{某部件或设备在一定时间内故障发生总次数M，持续运行时间t，模型独立参数的个数n，样本数据的数目N，准则函数AIC，方差的极大似然估计样本序列x(n)，样本序列的均值预测下一个时间节点的故障率y(t)}；

(2)确定当前及早期列控车载设备的各故障类型的故障率λ＝M/t；

(3)建立所述列控车载设备的各故障类型故障率的时间序列，判断该时间序列是否为平稳时间序列，若为非平稳时间序列，对该非平稳时间序列进行去趋势化处理，使其满足ARMA建模的条件，判断时间序列是否为平稳时间序列的标准为：随着时间延长，时间序列的自相关系数以大于设定速度阈值的速度衰减为零，则判断时间序列为平稳时间序列；反之，则判断时间序列为非平稳时间序列；

(4)确定ARMA模型的阶数即确定p和q的值，按照公式计算出使AIC值最小的n值，n＝q+p，完成ARMA模型的定阶，其中p和q是A(z)＝1+a₁z^-1+a₂z^-2+a₃z^-3+.....+a_pz^-p和C(z)＝1+b₁z^-1+b₂z^-2+b₃z^-3+....+b_qz^-q中的阶数；

(5)根据ARMA模型，根据 按照公式A(z)y(t)＝C(z)e(t)预测出下一时刻各类故障的故障率y(t)。