[发明专利]基于加速退化数据的粒子滤波剩余寿命预测方法

摘要

本发明提出一种基于加速退化数据的粒子滤波剩余寿命预测方法，适用于机电产品、电子产品的寿命评估。该方法首先获取内场加速退化试验数据的相关信息，并建立性能退化方程，通过性能退化方程建立产品的状态方程和观测方程，将内场加速退化试验数据和少量外场数据作为先验信息，进行粒子滤波初始粒子抽样，并随时间对粒子权值进行更新和归一化粒子重采样，确定当前时刻产品的状态的最小均方估计，根据状态方程和观测方程预测下一刻时刻产品的状态，最后对产品的剩余寿命进行预测并确定预测结果的置信度。本发明方法避免单纯利用内场试验数据而忽略外场使用数据预测所造成的偏差，极大的减小了外场数据的收集时间，更具有工程使用价值。

主权项

1.一种基于加速退化数据的粒子滤波剩余寿命预测方法，其特征在于，假设产品的加速退化试验中，满足下面条件：(a)产品的性能退化过程是随机过程；(b)产品的性能退化过程具有一阶马尔科夫性；该剩余寿命预测方法具体包括如下步骤：步骤一、获取加速退化试验数据的相关信息，包括：应力水平数、总的样本数、每个应力水平下的产品的性能监测值的采集次数和数据采集间隔，并进行预处理，具体是：如果同一个应力水平下的样本量大于1，则对处于同一个应力水平下的样本的对应时刻的加速退化试验数据求均值；步骤二、利用加速退化试验数据建立产品的性能退化方程：Y_i(k)＝y₀+d(S_i)g(k)+ε                (1)其中，Y_i(k)为第i个应力水平下产品在k时刻的所有样本的性能参数值的均值；d(S_i)为加速模型；g(k)为关于时间k的函数，采用线性、幂指数、对数和指数四种模型拟合；y₀为产品所有的退化初值的均值，ε为随机误差项，假设ε为布朗运动，服从分布N(0，σ²Δk)，σ为退化过程中的扩散系数，Δk为数据采集间隔；步骤三、根据性能退化方程建立状态转移方程x_k＝f(x_k-1，v_k-1)和观测方程z_k＝h(x_k，n_k)；其中，x_k代表产品在k时刻的状态值；x_k-1代表产品在k-1时刻的状态值；z_k为产品在k时刻的观测值，是通过仪器观测得到的性能值；v_k-1为k-1时刻的过程噪声；n_k为k时刻的观测噪声；f：x_k-1→x_k，h：x_k→y_k为有界非线性映射；所述的状态转移方程通过将k时刻产品的状态值与k-1时刻产品的状态值做差得到；步骤四、根据以上三步骤获取的结果作为先验信息，进行粒子滤波初始粒子抽样，具体是：产品在粒子滤波的0时刻，产品的状态服从高斯分布N(y₀，σ²Δk)，从高斯分布N(y₀，σ²Δk)中利用序贯蒙特卡罗抽样产生粒子群为0时刻第i个粒子的状态值，N_s为抽样产生的粒子的总数，各粒子权值均为1/N_s；步骤五、粒子权值的更新和归一，具体是：首先，根据式(2)更新k时刻的粒子权值：wki=wk-1ip(zk|xki‾)=wk-1ip(zk-h(xki‾)),i=1,2,...Ns,---(2)]]>其中，为k时刻第i个粒子的权值，为k-1时刻第i个粒子的权值，为k时刻第i个粒子的状态的估计值，为基于的z_k的概率分布，为k时刻第i个粒子对应的观测值，为噪声项；然后，对更新后的粒子权值进行归一化处理：步骤六、粒子重采样，得到新的粒子集合为k+1时刻第i个粒子的状态值；步骤七、采用式(3)确定k时刻产品的状态的最小均方估计xk^≈Σi=1Nswkixki---(3)]]>步骤八、根据状态转移方程和观测方程预测下一时刻产品的状态，并且通过持续收集在线数据，不断地更新和修正状态转移方程和观测方程中的参数；步骤九、重复上面的步骤五至步骤八直至通过抽样产生的粒子具有足够的精确性，然后开始进行剩余寿命预测；所述的抽样产生的粒子具有足够的精确性，是指通过抽样产生的粒子与对应时刻的产品的状态值非常接近并且保持稳定；步骤十、确定产品状态能够接受的置信度，具体是：k+1时刻产品的状态变量x_k+1服从正态分布N(u，R)，u＝x_k+d(S₀)Δk，R＝2σ²Δk，设k+1时刻以P₀的概率接受当前产品的状态，则有：Pr(u-q≤x_k+1≤u+q)＝P₀                   (4)根据式(4)得到q，则[u-q，u+q]为k+1时刻产品的状态能够接受的置信区间。