基于时变马尔科夫过程的寿命预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109740255A(43)申请公布日2019.05.10(21)申请号201910001112.1(22)申请日2019.01.02(71)申请人北京交通大学地址100044北京市海淀区上园村3号(72)发明人秦勇寇淋淋付勇叶萌程晓卿贾利民张志龙李恒奎刘新旺(74)专利代理机构北京德崇智捷知识产权代理有限公司11467代理人黄雪(51)Int.Cl.G06F17/50(2006.01)G06F17/18(2006.01)权利要求书3页说明书16页附图2页(54)发明名称基于时变马尔科夫过程的寿命预测方法(57)摘要本发明提供一种基于时变马尔科夫过程的寿命预测方法，该方法通过建立时变马尔科夫模型，利用改进的前向-后向算法计算初始前向概率，后向概率和状态序列的条件概率公式，并对模型参数进行重估，根据已确定设备当前运行状态，得到设备在状态逗留时间的期望，并求解设备在各状态的状态停留时间，计算当前状态停留时间的剩余寿命。CN109740255ACN109740255A权利要求书1/3页1.一种基于时变马尔科夫过程的寿命预测方法，其特征在于，该方法包括如下步骤：(1)提取全寿命运行特征向量，基于多元模糊分段算法进行分段，采用动态时间规整算法进行样本时间规整，完成样本数据预处理；(2)采用模糊安全域算法对部件的状态进行划分；(3)建立时变马尔科夫模型，利用改进的前向-后向算法计算初始前向概率，后向概率和状态序列的条件概率公式；并对模型参数进行重估；根据已确定设备当前运行状态i，得到设备在状态i逗留时间的期望，并求解设备在状态i+1,i+2,…,N的状态停留时间；计算当前状态i停留时间为的剩余寿命；首先根据样本集，确定各状态的停留时间分布，再采用改进的向前-向后算法对模型参数进行估计：1)当已知模型M＝(π,A,ST)参数时，t时刻系统处于状态i的停留时间为T*的概率当t＝1时，初始前向概率为：当t＝2,3，…,T时，前向概率递推公式为：2)当t时刻状态i的驻留时间为时，在以后的T-t时间内产生的状态序列(st+1,st+2,...,sT)的后向概率为当t＝T时，初始后向概率公式为：当0＜t＜T时，后向概率递推公式为：2CN109740255A权利要求书2/3页基于前向概率公式和后向概率公式，可以得出状态向量S＝(s1,s2,...,sT)，s1,s2,...,sT∈{i,1≤i≤N}的条件概率公式为3)参数估计基于前向-后向概率公式，得到时变半马尔科夫过程模型中的参数重估计公式ζt(i,j,st)为给定模型M和状态序列为S＝(s1,s2,...,st)，s1,s2,...,st∈{i,1≤i≤N}时，系统在状态i停留时间为st后转移到状态j的概率。γt(i,st)为给定模型M和状态序列S，系统在时刻t在状态i停留时间为st的概率，设ηt(i,st)为t时刻系统在状态i停留时间为st时的概率，由可知，表示当系统在状态i停留时间为st时，从状态i转移到状态j的期望次数，同时表示系统在当系统在状态i停留时间为st时，从状态i转移出的期望次数，因此aij(st)的重估公式为模型M中在状态i的停留时间概率服从均值为μi，方差为的高斯分布，3CN109740255A权利要求书3/3页4)可靠度的确定与更新设备的故障率函数为λ(t)，寿命分布函数为F(t)，其密度函数为f(t)，f(t)＝F′(t)，可靠度函数为R(t)，则存在F(t)+R(t)＝1，λ(t)＝f(t)/R(t)。当样本总数为M时，m(t)表示t时刻前发生故障的样本数，Δm(t)表示在时间区间(t,t+Δt)间发生故障的样本数，则有，对有R(t)>0，因此，λ(t)可认为是(t,t+Δt)区间故障条件概率的估计。L表示设备的寿命周期，RUL(t)表示在时刻t设备运行正常，从t到系统发生故障的剩余寿命期望，已知设备在时刻t*进入状态i，并在状态i的停留时间为st时，其剩余寿命等于在运行状态i的有效剩余停留时间和其他剩余状态停留时间之和，其中，在运行状态i的有效剩余停留时间为设备在时刻t*进入状态i，并在状态i的停留时间为st时，在运行状态i的有效ii剩余停留时间；rul为设备在状态i的期望停留时间，rul＝μi；设备在时刻t*进入状态i，并在状态i的停留时间为st时的剩余寿命为：4CN109740255A说明书1/16页基于时变马尔科夫过程的寿命预测方法技术领域[0001]本发明涉及可靠性领域，尤其涉及轨道交通滚动轴承的寿命预测方法。背景技术[0002]安全域(SafetyRegion,SR)是一种从域的角度描述系统整体可安全稳定运行区域的定量模型，安全域边界与系统运行点的相对关系可提供定量化的系统不同状况下