發(fā)布時(shí)間：2024-05-29 00:03

　　隨機(jī)退化設(shè)備在實(shí)際運(yùn)行中會(huì)產(chǎn)生非線性、隱含性等問題,對(duì)其剩余壽命預(yù)測(cè)會(huì)產(chǎn)生不確定性影響。現(xiàn)有剩余壽命預(yù)測(cè)方法尚未系統(tǒng)研究隱含非線性退化建模及相應(yīng)的剩余壽命分布。因此,采用Wiener過程,建立了隱含雙重非線性退化模型;利用設(shè)備現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù),更新了隱含狀態(tài)的后驗(yàn)分布;利用全概率公式,基于首次達(dá)到失效閾值的時(shí)間分布推導(dǎo)出設(shè)備剩余壽命分布;基于激光器實(shí)測(cè)退化數(shù)據(jù)設(shè)定仿真參數(shù),對(duì)所提方法的正確性和合理性進(jìn)行了對(duì)比驗(yàn)證。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖１本文研究思路Ｆｉｇ．１Ｒｅｓｅａｒｃｈｉｄｅａｏｆｔｈｉｓｐａｐｅｒ

ＵＬ，未解決傳統(tǒng)Ｂａｙｅｓ方法存在的不足。文獻(xiàn)［２０－２１］采用ＫＦ算法，更新了ＲＵＬ分布中隨機(jī)系數(shù)和真實(shí)退化狀態(tài)，預(yù)測(cè)精度較高。因此，本文首先建立設(shè)備隱含雙重非線性退化模型；其次，基于Ｂａｙｅｓ推斷和ＫＦ算法，求解隨機(jī)系數(shù)和真實(shí)退化狀態(tài)的后驗(yàn)分布；然后，推導(dǎo)出設(shè)備考慮隱含狀態(tài)估....

Ｍ４和Ｍ５的ＭＳＥ值Ｆｉｇ．７ＭＳＥｖａｌｕｅｓｆｏｒＭ１，Ｍ４ａｎｄＭ５從圖７可以看出，Ｍ１的ＭＳＥ值一直都低于Ｍ４和Ｍ５

余壽命在線預(yù)測(cè)方法·１４１５·??????????????????????????????????????????????????圖６４．５ｈ處Ｍ１、Ｍ４和Ｍ５的ＲＵＬ的ＰＤＦ曲線Ｆｉｇ．６ＰＤＦｃｕｒｖｅｓｏｆＲＵＬｆｏｒＭ１，Ｍ４ａｎｄＭ５ａｔ４．５ｈ由圖６可知，Ｍ１、Ｍ４與....

圖４隱含退化狀態(tài)在線更新過程Ｆｉｇ．４Ｏｎｌｉｎｅｕｐｄａｔｉｎｇｐｒｏｃｅｓｓｏｆｉｍｐｌｉｃｉｔｄｅｇｒａｄａｔｉｏｎｓｔａｔｅ（３）ＲＵＬ預(yù)測(cè)結(jié)果

假設(shè)設(shè)備失效閾值為１２．８７，則由圖３可知，該設(shè)備在５ｈ處發(fā)生失效。圖３目標(biāo)設(shè)備仿真的監(jiān)測(cè)數(shù)據(jù)與真實(shí)退化數(shù)據(jù)Ｆｉｇ．３Ｍｏｎｉｔｏｒｉｎｇｄａｔａａｎｄｒｅａｌｄｅｇｒａｄａｔｉｏｎｄａｔａｏｆｔａｒｇｅｔｅｑｕｉｐｍｅｎｔｓｉｍｕｌａｔｉｏｎ利用目標(biāo)設(shè)備現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)，依據(jù)本文第....

本文編號(hào)：3983801