随机环境应力冲击下基于多参数相关退化的导弹部件寿命预测

为了解决某型导弹部件的贮存寿命预测问题,提出了一种随机环境应力冲击下基于多参数相关退化的寿命预测方法。针对产品存在退化失效与突发失效两种失效模式,利用Wiener、Gamma及Inverse Gaussian等随机过程模型拟合各性能参数的退化数据,并采用Copula函数进行相关性退化失效建模;利用随机环境应力冲击解释突发失效的机理,并采用非均匀泊松过程对突发失效建模;进而建立退化失效与突发失效竞争的贮存寿命预测模型。实例应用说明所提方法能够反映出导弹部件的失效规律,比传统预测方法具有更高的预测准确性,具有较好的工程应用价值。     

基于故障数据的某型导弹失效风险排序方法

以某型导弹寿命预测为研究背景,按专业将该型导弹分为弹体、动力系统、电子电气设备等8个分系统,采用FTA-FMMEA方法分别对其进行失效模式和机理分析,并引入严酷度等级和失效模式发生概率等级,构建失效模式风险评价模型,对导弹各分系统的失效危害度进行定量分析。根据服役期间导弹现场失效数据并结合先验信息,提出了基于Bayes估计的各失效模式发生概率求取方法,给出了导弹各分系统的失效排序,确定了导弹薄弱环节,为后续贮存寿命预估提供依据。     

基于性能非线性退化统计模型的发动机剩余寿命预测

针对航空发动机在性能退化过程中普遍存在的非线性和不确定性问题,提出一种基于非线性退化数据的统计模型和剩 余寿命预测方法。通过对发动机性能真实退化轨道的分析,采用统计回归的建模方法建立发动机退化轨道模型,利用发动机的历 史数据,通过最小二乘估计求解模型中的未知参数;根据贝叶斯准则,以发动机实时监测数据与参数的先验分布对模型中的参数 进行实时更新,以发动机性能退化量首次达到红线值作为失效依据,采用蒙特卡洛仿真的方法得到发动机剩余寿命分布,实现了 对个体发动机剩余寿命的预测;通过试验数据进行发动机剩余寿命的预测,验证了该方法的准确性。结果表明：根据发动机退化 数据结合退化模型得到的个体发动机剩余寿命实时预测值末端均方根误差为0.02588,可以辅助指导维修决策。     

考虑两种失效竞争的多状态冷贮备系统可靠性模型

针对装备系统中多状态工作部件存在退化失效与突发失效竞争的情况，以冷贮备系统为研究对象，假设系统内3个维修台可分别提供预防性维修与两种不同类型的修复性维修，采用随机检测策略，系统性能水平在一定范围内退化时进行预防性维修，部件完全退化失效时进行退化失效修复性维修，而突发失效时进行突发失效修复性维修；利用PH （Phase-type）分布描述模型中各类随机时间变量，外部冲击的到达则采用PH更新过程描述，建立了考虑退化失效与突发失效的多状态冷贮备系统可靠性模型。最后通过算例验证了模型的适用性，演示了预防性维修阈值以及三类维修速率对系统可靠性的影响。     

基于退化失效数据的环境因子问题研究

针对具有退化失效特性的高可靠性长寿命产品,在有限试验时间内难以获得大量失效数据进行环境因子研究的问题,通过对产品性能退化特性的监测和分析,研究退化失效环境因子的建模和估计方法.给出了退化失效环境因子的一般定义和数学描述;提出了复合Poisson过程退化轨道模型的退化失效环境因子模型,并给出了环境因子点估计的矩方法和区间估计的二项分布法;通过仿真实例,对方法在工程应用上的有效性进行了说明.      

基于失效物理的动量轮贝叶斯可靠性评估

作为卫星姿态控制系统关键部件的动量轮,其可靠性关系到卫星发射的成败。但是由于有小子样、高可靠性和长寿命等特点,受技术、费用和时间等条件的限制,无法获得大样本失效寿命数据,因此利用传统的大样本寿命数据统计推断方法进行可靠性建模、分析与评估存在困难。为此,从失效物理分析的角度出发建立性能退化模型,用贝叶斯方法融合性能退化模型和寿命模型得到产品的可靠性评估模型,并基于该模型充分利用失效物理试验中的性能数据和少量的寿命数据来进行可靠性评估。实例分析表明,该方法与伪寿命方法相比更加符合工程实际,评估精度更高。     

2.5维机织复合材料疲劳寿命预测方法

针对疲劳载荷作用下的2.5维机织复合材料,建立了疲劳寿命预测方法.该方法主要包括单胞模型、疲劳失效判定准则和材料性能退化方法3部分.选取单胞模型为研究对象,利用三维有限元技术进行应力分析;引入改进的三维Hashin疲劳失效准则和Mises准则作为纤维束和树脂基体的疲劳失效判据;采用刚度性能突降准则描述疲劳失效后的材料性能,采用考虑纤维体积分数影响的剩余刚度和剩余强度退化模型描述失效前材料的性能.通过疲劳寿命预测值与试验值的对比,验证了疲劳寿命预测方法的有效性.研究表明:经向拉-拉疲劳寿命随经纱纤维体积分数增大而增加,纬向拉-拉疲劳寿命受纬纱纤维体积分数影响较小.      

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测，有效利用不用应力下的退化数据，提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时，用指数模型拟合轴承退化过程，利用广义线性对数模型表示退化模型参数与应力的关系，根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数，得到滚动轴承剩余寿命的概率密度函数，从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证，预测结果的均方根误差在20 min以内，证明该方法能够有效预测滚动轴承的剩余寿命。     

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题,为此提出基于核主成分分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA 对多维退化数据集进行降维处理和信息融合,得到能够表征设备退化的低维特征数据集;然后利用BLSTM 神经网络模型对带有多维退化信息的航空发动机剩余寿命进行预测,得到监测数据与剩余寿命的映射关系;最后采用C-MAPSS 航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证,并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM 能够对多维退化信息下的剩余寿命进行精准预测,本文提出的预测模型的误差与得分优于其他三种模型,而且预测精度更高。     

基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法

准确预测退化设备的剩余寿命可以为设备维护管理提供重要信息支撑，进而避免设备运行中发生计划外失效、减少设备运行维护成本。针对工程实际设备广泛存在的非线性退化现象，提出了基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法。首先，采用Box-Cox变换对非线性退化数据进行线性化处理，在此基础上通过随机系数回归模型构建退化模型，并运用Bayesian理论与蒙特卡洛-期望最大化算法在线更新模型参数；然后，基于随机系数回归模型的特性，推导出剩余寿命的分布函数以及其点估计值；最后，通过数值仿真和锂电池实际退化数据验证所提方法的有效性。     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

基于加速退化试验和粒子滤波的电子设备故障预测方法

针对导弹电子设备故障预测问题,提出了一种基于综合环境加速退化试验(ADT)和粒子滤波的故障预测新方法。首先,不同于传统的ADT方案,仅以单个样本为试验对象,采用步进加速的思想,将性能退化理论拓展为加速性能退化理论(APDT),建立基于电子设备寿命退化速度的加速寿命退化模型。其次,为克服环境应力等测试不确定性因素对预测精度的影响,定义了电子设备退化度的概念,将寿命预测的不确定性问题转化为设备退化度最优估计问题,利用改进粒子滤波算法求解出电子产品动态退化的最优估计值,进而实现设备的全寿命评估。最后,实例说明该方法可行、有效,并大大提高了试验的效费比。     

Remaining useful life estimation for deteriorating systems with time-varying operational conditions and condition-specific failure zones

Dynamic time-varying operational conditions pose great challenge to the estimation of system remaining useful life (RUL) for the deteriorating systems. This paper presents a method based on probabilistic and stochastic approaches to estimate system RUL for periodically moni-tored degradation processes with dynamic time-varying operational conditions and condition-specific failure zones. The method assumes that the degradation rate is influenced by specific oper-ational condition and moreover, the transition between different operational conditions plays the most important role in affecting the degradation process. These operational conditions are assumed to evolve as a discrete-time Markov chain (DTMC). The failure thresholds are also determined by specific operational conditions and described as different failure zones. The 2008 PHM Conference Challenge Data is utilized to illustrate our method, which contains mass sensory signals related to the degradation process of a commercial turbofan engine. The RUL estimation method using the sensor measurements of a single sensor was first developed, and then multiple vital sensors were selected through a particular optimization procedure in order to increase the prediction accuracy. The effectiveness and advantages of the proposed method are presented in a comparison with exist-ing methods for the same dataset.     

基于加速栅溅射腐蚀失效的离子推力器寿命预测

离子推力器加速栅溅射腐蚀失效是制约离子推力器寿命的关键失效模式之一.针对离子推力器长寿命、多功率条件下运行的特点,基于坑和凹槽的溅射腐蚀数据,建立模型对其进行寿命预测.通过研究离子推力器加速栅中心凹槽腐蚀深度在不同功率段下随工作时间的变化规律发现:运行功率顺序对加速栅凹槽腐蚀率影响较小,进而采用累积损伤理论建立离子推力器多功率段下运行的寿命预测模型.最后, 对美国的NASA's Evolutionary Xenon Thruster(NEXT)进行了寿命预测,预测结果寿命为46041h,与试验结果符合较好.      

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

基于退化模型的失效机理一致性检验方法

有效的加速试验必须保证产品的失效机理不变。针对加速退化试验(ADT)可靠性建模的特点,提出了一种基于退化模型的失效机理一致性检验方法。以基于随机过程和基于退化轨迹拟合的退化模型为例,通过加速系数的2种等效定义分别建立了模型参数与失效机理不变的内在联系,进一步推导出其参数在不同应力下须满足的关系。在合理假定检验样本服从正态分布的基础上,利用t统计量对样本的一致性进行检验。通过2个ADT实例验证了所提检验方法的合理性与可行性。     

基于半随机滤波-期望最大化算法的剩余寿命在线预测

剩余寿命(RL)预测是设备预测维护的关键环节。准确在线预测能够为维护策略的实时安排提供更加精确的技术支持,有效避免失效的发生。工程实际中,反映设备退化过程的性能指标往往不能直接监测,为解决隐含退化过程的剩余寿命在线预测问题,提出一种基于半随机滤波-期望最大化(EM)算法的预测方法。首先以剩余寿命为隐含状态,构建状态空间模型描述直接监测数据与设备剩余寿命间的随机关系。为实现单个设备剩余寿命的在线预测,依据到当前时刻为止的监测数据,采用扩展卡尔曼滤波(EKF)与期望最大化算法相互协作的方法实时估计与更新模型未知参数和剩余寿命分布。最后,将该方法用于惯性测量组合(IMU)剩余寿命在线预测问题,实验结果表明该方法能够提高预测的准确性并减少预测的不确定性。     

竞争风险模型下变环境的发动机叶片可靠性分析

针对航空发动机转子叶片的恶劣工况导致其存在多种故障模式,各种故障的失效与使用环境紧密关联,给航空发动机转子叶片的可靠性分析或风险控制带来了难度这一问题,从转子叶片的磨损和裂纹两种主要故障模式特点出发,研究了变环境下的转子叶片磨损故障模型和疲劳裂纹故障模型,提出了一种基于竞争风险模型的转子叶片可靠性分析方法,并给出了求解算法；以某高压涡轮转子叶片为例进行了分析研究.结果表明:在可靠性分析中采用单个故障模型比竞争风险模型风险更大；且在竞争风险模型下,如果不考虑推力环境的影响,以不可靠度要求0.1为例,相应风险增加了33%,验证了所提方法的实用性.      

基于自动核构造高斯过程的导弹气动性能预测

在导弹的初期设计阶段,通常需要对导弹的气动性能进行快速粗略评估。针对传统工程估算软件计算精度低和CFD方法计算代价大的缺陷,提出一种基于高斯过程回归（GPR）代理模型快速预测典型导弹气动性能的方案。以导弹外形参数和攻角作为模型输入,升力系数、阻力系数和力矩系数作为模型输出,对GPR模型的气动性能预测结果进行分析。首先,与其他常用代理模型的预测精度对比,GPR模型对3种系数的预测误差分别仅为0.24%、0.36%和0.36%,高于其他代理模型的预测精度。其次,考虑GPR模型核函数选择严重依赖人工先验知识的问题,采用了一种自动核构造算法,无需先验知识即可从数据中自动学习核函数。将该算法嵌入GPR框架中,与传统GPR模型比较,实验结果表明：基于该算法的GPR模型对3种系数的预测误差分别降低到0.10%、0.22%和0.17%。最后,给出导弹气动性能快速预测的应用实例,结果表明所提出的GPR模型的导弹气动性能预测方案是有效的,能够满足设计初期快速且精确的气动性能预测需求。