基于状态条件概率的设备剩余寿命预测

《基于状态条件概率的设备剩余寿命预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2014年5月第40卷第5期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMav2014V01．40NO．5基于状态条件概率的设备剩余寿命预测张继军邓力马登武曹文静(海军航空工程学院，烟台264001)摘要：针对机载设备剩余使用寿命预测中存在的不确定性因素，建立了基于状态条件概率分布的机载设备剩余寿命模型．首先，引入状态条件概率矢量对隐马尔科夫模型(HMM，HiddenMarkovModel)进行不确定性改进，并推导了其计算形式．其次，给出了近似确定状态退化转移时间的方法，由此得到了以状态

2、条件概率矢量为协变量的条件可靠度函数及剩余寿命模型．最后，以飞机发动机温控放大器为应用对象进行仿真计算．仿真结果表明该模型预测精度高，能够较大程度地降低不确定性因素的影响．关键词：隐马尔科夫模型；条件概率；威布尔分布；比例风险模型；剩余使用寿命中图分类号：TP202+．1；V240．2文献标识码：A文章编号：1001-5965(2014)05-0602-06RemainingusefullifepredictionforequipmentbasedonconditionalprobabilityofstatesZhangJijunDengLiMaDengwuCaoWen

3、jing(NavalAeronauticalandAstronauticalUniversity，Yantai264001，China)Abstract：Toconquerthequestionofuncertainfactorsintheremainingusefullife(RUL)predictionofairborneequipment，aRULmodelwaspresentedbasedontheconditionalprobabilitydistributionofstates．Firstly，theconditionalprobabilityvectoro

4、fstateswasintroducedtoimprovetheabilityofhiddenMarkovrood-el(HMM)todealwithuncertainties，anditscomputationformwasdeduced．Secondly，amethodwaspresen-tedtoapproximatelydeterminethedegradationtransfertimeofstates，thustheconditionalreliabilityfunctionandRULmodelwereobtained，inwhichtheconditio

5、nalprobabilityvectorofstateswastakenasthecovariate．Lastly，theaero—enginetemperaturecontrolamplifierwasappliedtovalidatethemodel．Theresultsshowthatthepredictionprecisionofthismodelishigh，andthismodelcanreducetheinfluenceofuncertainfactorsgreatly．Keywords：hiddenMarkovmodel(HMM)；conditional

6、probability；Weibulldistribution；proportionalhazardsmodeI：remainingusefuIlire机载设备是飞机武器装备系统的重要组成部分，其性能的好坏直接影响到飞机的作战效能．机载设备剩余使用寿命预测是飞机故障预测与健康管理的重要内容，是设备视情维修中制定维修策略的重要依据，因此，一直是该领域研究的热点问题，同时也是难点问题．剩余使用寿命是指设备在正常的使用条件下(不加维修)，从被检测的某一时刻起到其失效时的时间长度⋯，它不仅依赖于设备的当前状态，还依赖于到该时刻为止所获得的设备的历史数据与状态信息．目前，基于状态

7、的剩余使用寿命预测方法主要有基于物理的方法和基于经验的方法¨1．基于物理的方法，由于具备设备特定的物理模型，一般不需要大量同类设备的历史数据即可获得较精确收稿日期：2013-06．25；网络出版时间：2013-10-2817：17；DOI：10．13700／j．bh．1001-5965．2013．0361网络出版地址：WWW．cnki．net／kcms／detail／11．2625．V．20131028．1717．003．html基金项目：国家自然科学基金资助项目(61203168)；总装备部预研基金资助项目(9140A27020212J