本書主要內(nèi)容包括帶非線性漂移的維納退化過程建模與剩余壽命預測、含突變點維納性能退化過程建模與剩余壽命預測、伽瑪退化過程建模與剩余壽命預測、逆高斯退化過程建模與剩余壽命預測、基于支持向量機的性能退化建模與剩余壽命預測、基于相關向量機模糊模型的性能退化建模與剩余壽命預測、基于證據(jù)推理的性能退化建模與可靠性預測、權(quán)值選優(yōu)粒子濾波性能退化建模與剩余壽命預測、基于灰色預測模型的性能退化建模與剩余壽命預測、基于壽命預測信息的退化設備檢測策略及應用、資源有限情形下兩部件系統(tǒng)的合作預測維修等。
本書可為從事設備故障診斷與容錯控制、壽命預測與維修決策等方面理論研究或應用研究的科研人員提供參考。
保障復雜工程設備安全可靠地運行是設備研制、使用人員共同的目標,設備性能退化規(guī)律建模、故障預報、剩余壽命預測與維修可以把設備故障的發(fā)現(xiàn)、預防、維護做在事前,成為設備可靠性工程、安全性工程、維修性工程與管理工程的前沿研究方向,但這個研究方向所涉及的問題也是一些有相當難度、富有挑戰(zhàn)的問題。
本書作者及團隊早在2002年就開始探索基于設備歷史監(jiān)檢測數(shù)據(jù)建立設備性能退化規(guī)律模型、剩余壽命預測模型和最優(yōu)維修決策模型。其主要動因有幾個方面:一是因為缺少科學的定壽基礎理論的支持,許多設備的設計給定壽命非常保守(被嚴重低估),導致超過給定壽命的超期服役產(chǎn)品繼續(xù)使用缺少依據(jù),報廢又造成嚴重浪費,工程實踐迫切想要破解科學確定設備準確壽命這一難題,呼喚提出準確確定設備科學壽命的方法。二是已有的一些定壽方法因為各類原因,在解決工程問題時碰到了不好用或無法用的困難,例如,機理模型定壽方法獲得的設備壽命信息很準確,但對復雜工程設備而言,要建立或獲得設備的機理模型不僅十分困難,而且代價很高,有時幾乎不可能實現(xiàn)。加速實驗統(tǒng)計分析的壽命分析方法也可以在相對較短的時間內(nèi)獲得關于設備壽命的較準確信息,但對于航空航天領域高成本、長壽命設備類型而言,注定不可能投入大量的子樣進行壽命試驗,基于小子樣數(shù)據(jù)得到的統(tǒng)計壽命結(jié)果必然存在較大的偏差。近年來逐步得到發(fā)展的基于性能退化數(shù)據(jù)的設備健康管理、性能退化規(guī)律建模、剩余壽命預測與維修決策分析方法,為解決上述困境提供了一條可行的解決思路,因為設備的性能退化數(shù)據(jù)可以通過設備研制、定型試驗、儲存使用中對反映設備性能狀況的參量進行監(jiān)檢測而獲得,這樣就大大拓寬了可用數(shù)據(jù)的來源,數(shù)據(jù)來源的豐富為獲得更貼近工程實際的壽命預測結(jié)果提供了可能,但隨之而來的問題是需要新的處理這類數(shù)據(jù)以獲得關于設備性能退化規(guī)律建模、剩余壽命預測與維修決策分析的基礎理論方法來支撐。從2002年開始,作者帶領研究生開展了這方面的探索,先后有30余名博士、碩士研究生開展有關研究,他們的學位論文工作為本書的完成提供了重要的參考,本書內(nèi)容正是作者團隊在該領域十多年研究成果的系統(tǒng)總結(jié)。他們包括呂瑛潔等的一些早期的探索,張正新、張建勛、王志遠等在維納退化過程建模方面的一些工作,陳亮、張佳等在伽瑪退化過程建模方面的工作,司小勝、李明福等在逆高斯退化過程建模方面的工作,張琪在權(quán)值優(yōu)選粒子濾波方面的工作,蔡艷玲、胡友濤、陳偉等在支持向量機方面的工作,司小勝、周志杰等在基于證據(jù)推理的退化建模方面的工作等。這些研究工作中的有些內(nèi)容已經(jīng)單獨出版,如博士生司小勝的博士論文隨機退化系統(tǒng)的剩余壽命預測已經(jīng)單獨出版,沒有包括在本書中。有些研究工作,隨著時間的推移在其他同類書中已經(jīng)有所反映,也沒有包括在本書中。還有些最新成果,限于時間的關系,還來不及納入本書當中。這些沒有納入本書的研究,對于推動相關技術的發(fā)展也做出了重要的貢獻,對這些同志如洪貝、胡友濤、鄭建飛、杜黨波、張會會、呂瑛潔、蔡曦、王鑫、鄭光宇、黃瑩等,作者表示由衷的感謝!
全書共分12章。第1章概述了壽命預測和維修決策方法研究現(xiàn)狀。第2章針對非線性退化設備給出了基于維納過程的剩余壽命實時預測方法。第3章針對退化過程中存在突變點的情形介紹了突變點檢測算法并給出了剩余壽命實時預測方法。第4章、第5章分別研究了基于伽瑪過程和逆高斯過程的性能退化建模與剩余壽命預測方法。第6章針對退化數(shù)據(jù)樣本較小的情形研究了基于支持向量機的剩余壽命預測方法。第7章提出了一種基于相關向量機的模糊模型辨識方法,研究了相應的性能退化建模與預測方法。第8章系統(tǒng)研究了融合主客觀信息的證據(jù)推理退化建模與剩余壽命預測。第9章介紹了粒子濾波相關算法,提出了一種權(quán)值選優(yōu)粒子濾波算法并應用于設備剩余壽命預測。第10章介紹了灰色模型理論及在性能退化建模與預測中的應用。第11章研究了基于剩余壽命預測信息的最優(yōu)檢測策略。第12章針對失效模式相互影響情形提出了一種合作預測維修模型。
本書的研究工作得到了國家杰出青年科學基金『數(shù)據(jù)驅(qū)動的導彈故障診斷與預測維護技術(61025014)]、國家自然科學基金重點項目[復雜工程系統(tǒng)故障預報與預測維護若干關鍵問題研究(60736026)]、國家自然科學基金面上項目[考慮多狀態(tài)交互影響的設備剩余壽命預測方法(61573365)]、國家自然科學基金青年項目[維修次數(shù)有限情形下復雜可修系統(tǒng)最優(yōu)維修策略研究(61304101)、隨機服役環(huán)境下閾值時變設備剩余壽命預測與維修庫存決策(61603398)]的資助,感謝國家自然科學基金對于作者及其研究團隊的支持,特別感謝國家自然科學基金信息學部王成紅教授、宋蘇處長的支持。
第1章 緒論
1.1 引言
1.2 設備壽命預測
1.2.1 壽命預測的基本概念
1.2.2 新研設備定壽技術
1.2.3 工作狀態(tài)下設備剩余壽命預測研究現(xiàn)狀
1.2.4 設備貯存壽命預測研究現(xiàn)狀
1.3 設備最優(yōu)維修決策
1.3.1 維修的定義和分類
1.3.2 單部件系統(tǒng)維修決策
1.3.3 多部件系統(tǒng)維修決策
參考文獻
第2章 帶非線性漂移的維納退化過程建模與剩余壽命預測
2.1 維納退化過程的定義
2.2 帶非線性漂移的維納退化過程模型
2.3 帶非線性漂移的維納退化過程剩余壽命預測
2.4 帶非線性漂移的維納退化過程模型參數(shù)估計
2.4.1 估計共性參數(shù)以及隨機參數(shù)分布的超參數(shù)
2.4.2 基于貝葉斯更新策略的隨機參數(shù)實時更新
2.5 實例分析
2.5.1 問題描述
2.5.2 結(jié)果與討論
2.6 本章小結(jié)
參考文獻
第3章 含突變點維納性能退化過程建模與剩余壽命預測
3.1 含突變點維納性能退化過程模型描述
3.1.1 設備的退化建模與剩余壽命預測
3.1.2 性能退化過程中的變點檢測
3.1.3 設備的退化模型維納過程
3.1.4 指數(shù)族先驗分布的共軛分布
3.2 含突變點維納性能退化過程突變點檢測
3.2.1 貝葉斯在線變點檢測算法
3.2.2 先驗分布的經(jīng)驗貝葉斯確定方法
3.2.3 EM算法
3.3 基于貝葉斯在線變點檢測的剩余壽命預測方法
3.4 實例分析
3.5 本章小結(jié)
參考文獻
第4章 伽瑪退化過程建模與剩余壽命預測
4.1 伽瑪退化過程的定義
4.2 伽瑪退化過程的參數(shù)估計
4.2.1 矩估計法
4.2.2 極大似然估計法
4.3 基于伽瑪退化過程的設備剩余壽命預測
4.3.1 壽命分布
4.3.2 剩余壽命分布
4.3.3 可靠度函數(shù)
4.3.4 實例驗證
4.4 存在環(huán)境影響時伽瑪性能退化過程建模和最優(yōu)維修
4.4.1 問題描述
4.4.2 存在外部環(huán)境影響時伽瑪性能退化過程剩余壽命分布計算
4.4.3 存在外部環(huán)境影響時基于伽瑪性能退化過程的最優(yōu)維修決策
4.5 本章小結(jié)
參考文獻
第5章 逆高斯退化過程建模與剩余壽命預測
5.1 逆高斯退化過程的定義
5.2 基于ER融合的逆高斯退化模型參數(shù)估計方法
5.2.1 單個設備逆高斯退化過程參數(shù)估計
5.2.2 基于證據(jù)推理的固定參數(shù)融合
5.3 剩余壽命分布計算
5.4 實驗驗證
5.5 本章小結(jié)
參考文獻
第6章 基于支持向量機的性能退化建模與剩余壽命預測
6.1 SVR原理
6.1.1 原始問題與對偶問題
6.1.2 svR的稀疏性
6.1.3 核函數(shù)
6.2 基于GA優(yōu)化sVR的退化建模和剩余壽命預測方法
6.2.1 問題描述
6.2.2 基本思路
6.2.3 方法的具體步驟
6.2.4 實例分析
6.3 基于sVR和FcM聚類的實時退化建模和剩余壽命預測方法
6.3.1 問題描述
6.3.2 基本思路與具體步驟
6.3.3 實例分析
6.4 本章小結(jié)
參考文獻
第7章 基于相關向量機模糊模型的性能退化建模與剩余壽命預測
7.1 相關向量機模糊模型數(shù)學描述及特性分析
7.1.1 模糊模型數(shù)學描述
7.1.2 基于相關向量機的模糊模型
7.1.3 相關向量機模糊模型的一致逼近性
7.2 相關向量機模糊模型辨識
7.2.1 結(jié)構(gòu)辨識
7.2.2 參數(shù)辨識
7.2.3 基于相關向量機和梯度下降方法的模糊模型辨識算法
7.3 基于相關向量機模糊模型的退化建模與剩余壽命預測
7.4 實驗驗證
7.4.1 連續(xù)釜式攪拌器仿真系統(tǒng)描述
7.4.2 仿真實驗及其結(jié)果
7.4.3 結(jié)果分析
7.5 本章小結(jié)
參考文獻
第8章 基于證據(jù)推理的性能退化建模與可靠性預測
8.1 基于證據(jù)推理的性能退化建模
8.1.1 預測模型結(jié)構(gòu)與表達形式
8.1.2 基于證據(jù)推理的性能退化建模與預測
8.1.3 基于效用的數(shù)值型輸出
8.2 基于EM算法在線更新ER模型的可靠性預測
8.2.1 基于判斷性輸出的遞歸參數(shù)估計算法
8.2.2 基于數(shù)值輸出的遞歸參數(shù)估計算法
8.3 案例研究
8.3.1 問題描述
8.3.2 可靠性數(shù)據(jù)的參考點
8.3.3 退化建模與預測模型
8.3.4 基于判斷性輸出的仿真結(jié)果
8.3.5 基于數(shù)值輸出的仿真結(jié)果
8.4 本章小結(jié)
參考文獻
第9章 權(quán)值選優(yōu)粒子濾波性能退化建模與剩余壽命預測
9.1 權(quán)值選優(yōu)粒子濾波算法
9.1.1 粒子濾波算法及特性分析
9.1.2 權(quán)值選優(yōu)粒子濾波算法
9.2 權(quán)值選優(yōu)粒子濾波性能退化建模
9.2.1 性能退化過程描述
9.2.2 性能退化過程參數(shù)估計
9.3 權(quán)值選優(yōu)粒子濾波剩余壽命預測
9.4 仿真研究
9.5 本章小結(jié)
參考文獻
第10章 基于灰色預測模型的性能退化建模與剩余壽命預測
10.1 灰色預測模型
10.1.1 經(jīng)典的灰色預測模型GM(1,1)
10.1.2 改進的灰色模型
10.2 基于改進灰色模型的剩余壽命預測
10.3 基于改進灰色模型的慣性器件性能退化軌跡建模
10.4 本章小結(jié)
參考文獻
第11章 基于壽命預測信息的退化設備最優(yōu)檢測策略及應用
11.1 設備檢測策略及其最優(yōu)化目標函數(shù)
11.2 基于剩余壽命預測的退化設備最優(yōu)檢測策略
11.2.1 G(x)已知時設備的最優(yōu)檢測周期
11.2.2 G(x)未知時設備的最優(yōu)檢測周期
11.3 基于壽命預測信息的慣性平臺的最優(yōu)檢測策略
11.4 本章小結(jié)
參考文獻
第12章 資源有限情形下兩部件系統(tǒng)的合作預測維修
12.1 資源有限情形下兩部件系統(tǒng)合作預測維修策略描述
12.1.1 基于壽命預測信息的期望失效次數(shù)估計
12.1.2 資源有限與失效模式相互影響情形下的維修效果建模
12.2 預測維修目標函數(shù)建立及其優(yōu)化求解
12.2.1 目標函數(shù)建立
12.2.2 費用率函數(shù)優(yōu)化求解
12.3 數(shù)值仿真
12.4 本章小結(jié)
參考文獻