一种退化设备剩余寿命预测方法、设备、存储介质及产品
本发明涉及可靠性工程，特别是涉及一种退化设备剩余寿命预测方法、设备、存储介质及产品。
背景技术：
1、由于内部因素与外部因素之间的相互作用，工业系统通常会经历不可避免的性能退化。预测与健康管理(prognostics and health management，phm)技术综合了状态监测、剩余寿命预测和决策优化等技术，以提高关键设备的安全性、可靠性和降低运行成本，已经得到了高度认可和在各个领域得到了广泛应用。寿命预测是phm的一个基本组成部分，是连接状态监测数据采集和健康管理活动决策的桥梁。如今，状态监测数据采集的发展激励了学术界和工业界的学者开发出各种数据驱动的预测方法。
2、现有的数据驱动预测方法通常分为两类：基于机器学习的方法和统计数据驱动的方法。基于机器学习的方法通过利用其算法在隐藏特征提取和复杂映射近似方面的优势，通过从特定时期的状态监测值中学习映射函数来实现直接预测或通过学习状态监测数据的时间演变规律来实现间接预测。然而，基于机器学习的方法往往不能量化剩余寿命的不确定性，进而导致不能对健康管理活动进行基于风险的决策。基于统计数据驱动的方法在表征不确定性上具有天然的优势，符合基于风险的决策体系，已成为工业工程、自动化控制、机械工程、航空航天等领域的研究热点。与其它统计数据驱动的预测方法不同，半随机滤波方法将系统额剩余寿命定义为隐式状态，在剩余寿命和状态监测数据之间构建状态空间模型，并通过随机滤波方法直接在线更新初始剩余寿命分布，然而当初始寿命分布存在偏差时，随机滤波方法不能保证预测剩余寿命的准确性和收敛性。
技术实现思路
1、本发明的目的是提供一种退化设备剩余寿命预测方法、设备、存储介质及产品，能够降低随机退化设备剩余寿命预测结果的波动性，提高设备运行早期剩余寿命预测的准确性。
2、为实现上述目的，本发明提供了如下方案：
3、一种退化设备剩余寿命预测方法，所述方法包括：
4、以待预测设备的剩余寿命为隐含状态量、以状态监测数据为观测量，建立用于设备剩余寿命在线预测的半随机状态空间模型；
5、利用同类设备的历史全寿命周期状态监测数据，基于非线性扩散过程，建立给定剩余寿命条件下待预测设备的状态监测数据的条件概率分布模型，同时基于同类设备的历史失效数据，估计待预测设备的初始剩余寿命分布；
6、当待预测设备有新状态监测数据时，基于半随机状态空间模型、状态监测数据的条件概率分布模型与待预测设备的初始剩余寿命分布，利用集成输出反馈机制的半随机滤波预测架构确定剩余寿命预测结果。
7、可选地，构建的半随机状态空间模型具体包括状态方程与观测方程，状态方程为：
8、
9、其中，lk为待预测设备在tk时刻的剩余寿命，lk-1为待预测设备在tk-1时刻的剩余寿命；
10、观测方程为p(xk|lk)，p(xk|lk)表示tk时刻的状态监测数据的条件概率分布模型；lk为lk的具体实现，为待预测是设备截止tk时刻的k个状态监测数据，xk为tk时刻的状态监测数据，k个状态监测数据xk在待预测设备的剩余寿命在tk时刻的初始剩余寿命分布pk(lk|xk)为：
11、
12、其中，pk-1(lk+tk-tk-1|xk-1)为基于k-1个状态监测数据xk-1计算得到的待预测设备在tk时刻的初始剩余寿命分布。
13、可选地，反馈校准后的半随机状态空间模型的状态方程为：
14、
15、其中，为在lk上校准之后tk时刻的剩余寿命预测结果，为待预测设备状态监测值的估计值，λ为反馈增益系数；
16、观测方程为表示剩余寿命反馈校准后tk时刻状态监测数据的条件概率分布模型，校准后给定xk条件下待预测设备的剩余寿命在tk时刻的初始剩余寿命分布为：
17、
18、其中，δtk为时刻间隔，δx为剩余寿命预测结果偏差，xk-1为在给定截止tk-1时刻的所有状态监测数据，为基于xk-1计算得到的待预测设备在tk时刻的校准后的初始剩余寿命分布。
19、一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现所述一种退化设备剩余寿命预测方法。
20、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述一种退化设备剩余寿命预测方法。
21、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述一种退化设备剩余寿命预测方法。
22、根据本发明提供的具体实施例，本发明公开了以下技术效果：
23、本发明所提供的一种退化设备剩余寿命预测方法、设备、存储介质及产品，利用同类设备的历史全寿命周期状态监测数据，基于非线性扩散过程，建立给定剩余寿命条件下设备的状态监测数据的条件概率分布模型，同时基于同类设备的历史失效数据，估计设备的寿命分布；当设备有新状态监测数据时，基于状态监测数据的条件概率分布模型设备的与寿命分布，利用随机滤波框架更新剩余寿命预测结果；将输出反馈机制集成到半随机滤波预测架构中，加快剩余寿命预测结构收敛到真实值的速度。本发明降低了随机退化设备剩余寿命预测结果的波动性，提高设备运行早期剩余寿命预测的准确性。
技术特征：
1.一种退化设备剩余寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种退化设备剩余寿命预测方法，其特征在于，构建的半随机状态空间模型具体包括状态方程与观测方程，状态方程为：
3.根据权利要求2所述的一种退化设备剩余寿命预测方法，其特征在于，反馈校准后的半随机状态空间模型的状态方程为：
4.一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-3中任一项所述一种退化设备剩余寿命预测方法。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-3中任一项所述一种退化设备剩余寿命预测方法。
6.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-3中任一项所述一种退化设备剩余寿命预测方法。
技术总结
本发明公开一种退化设备剩余寿命预测方法、设备、存储介质及产品，涉及可靠性工程技术领域，方法包括以待预测设备的剩余寿命为隐含状态量、以状态监测数据为观测量，建立半随机状态空间模型；利用同类设备的历史全寿命周期状态监测数据，基于非线性扩散过程，建立给定剩余寿命条件下状态监测数据的条件概率分布模型，同时基于同类设备的历史失效数据，估计待预测设备的初始剩余寿命分布；当待预测设备有新状态监测数据时，基于半随机状态空间模型、条件概率分布模型与初始剩余寿命分布，利用集成融合输出反馈机制的半随机滤波预测架构确定剩余寿命预测结果。本发明能够降低剩余寿命预测结果的波动性，提高设备运行早期剩余寿命预测的准确性。
技术研发人员：张正新,司小胜,曾昭菊,李天梅,冯磊,张建勋
受保护的技术使用者：中国人民解放军火箭军工程大学
技术研发日：
技术公布日：2024/9/23