针对现有方法通常仅考虑单个设备的维护决策, 而忽略了系统的维护策略和备件库存联合优化的问题, 提出一种不完美维修下基于剩余寿命预测结果的系统维护与库存联合决策模型。首先, 基于Wiener过程对受不完美维修影响的设备进行退化建模, 进而推导出设备的剩余寿命概率分布; 接着以检测间隔、预防性维修阈值、维修次数阈值和库存量为决策变量建立费用-时间率联合决策模型, 实现了系统维护决策成本的优化;最后,通过数值仿真实验验证了所提方法相较于基于单一决策变量的方法维护成本降低了1.5%左右。
不完美维修 Wiener过程 检测间隔 维修阈值 imperfect maintenance Wiener process detection interval maintenance threshold
1 西京学院, 西安 710123
2 空军工程大学装备管理与无人机工程学院, 西安 710051
针对步进加速退化试验中具有性能退化趋势的随机退化设备，采用非线性Wiener过程，建立与设备退化特征相符的步进加速退化模型；采用极大似然估计(MLE)法，求解出先验参数估计值；利用目标设备当前监测数据，基于贝叶斯方法更新随机系数后验分布；利用全概率公式，推导考虑随机系数估计不确定性的设备剩余寿命分布；通过算例分析验证了所提方法的正确性和优势。
剩余寿命预测 加速退化建模 非线性Wiener过程 随机系数 测量误差 RUL prediction accelerated degradation modeling nonlinear Wiener process random coefficient measurement error
1 北京理工大学机械与车辆学院车辆传动国家重点实验室, 北京 100081
2 江麓机电集团公司, 湖南 湘潭 411100
原子发射光谱分析得到的磨损微粒元素浓度是综合传动装置性能劣化评估和剩余寿命预测的重要监测指标。 由于系统随机劣化过程和光谱测量误差的影响, 油液光谱数据中不可避免包含系统劣化随机性和光谱测量不确定性。 然而, 现有基于油液光谱数据的剩余寿命预测研究中, 没有考虑劣化过程的随机性和测量的不确定性对剩余寿命预测的影响。 因此, 针对综合传动装置劣化随机性和油液光谱数据测量不确定性对寿命预测的影响, 提出一种考虑系统随机劣化和数据不确定测量的综合传动装置劣化过程建模方法。 基于随机过程首中时间的概念, 定义了综合传动装置的剩余寿命; 基于Wiener随机过程, 建立了考虑系统随机劣化和不确定测量数据的综合传动装置劣化模型, 利用极大似然估计方法, 估计了劣化过程模型的参数; 利用卡尔曼滤波技术, 实现了综合传动装置劣化状态的实时估计与更新, 进一步得到了考虑系统劣化随机性和光谱数据测量不确定性的剩余寿命分布。 研究结果表明, 提出的劣化建模方法能够准确估计装置的运行状态, 避免了采用条件维护时间对装置进行维护与保养的局限性; 综合传动装置的维护时间预测值比条件维护时间延长了193 Mh(113.5%) ; 考虑光谱数据测量不确定性的剩余寿命预测方法优于不考虑测量不确定性的方法。
油液光谱分析 剩余寿命 Wiener过程 不确定测量 综合传动 Atomic emission spectroscopy Remaining useful life Degradation model Uncertain measurements Power-shift steering transmission
哈尔滨理工大学 测控技术与通信工程学院, 黑龙江 哈尔滨 150080
以对激光器进行可靠度评估为背景, 在考虑累积冲击与自然退化同时引起产品失效的基础上, 重点研究了冲击时间间隔对产品退化量的影响, 建立了累积冲击作用下可恢复的退化模型。 根据自然退化过程及泊松冲击更新理论, 研究了累积冲击模型和累积冲击下的退化失效模型。引入条件分布, 分析冲击时间间隔对退化量的影响, 得出了累积泊松冲击下的可恢复退化失效模型。结合性能退化分析, 给出了可恢复的退化过程的失效分布函数和可靠度函数。进行了激光器退化试验, 结果表明: 当激光器工作2 000 h时, 利用累积冲击下可恢复的退化失效模型评估得到的可靠度为053, 与仿真结果相符, 为利用累积冲击下退化失效模型评估得到的可靠度的2.79倍。结果验证了本文提出的利用可恢复的退化模型进行可靠度评估的合理性。
产品评估 可靠度评估 退化过程 Wiener过程 泊松冲击 累积冲击 product evaluation reliability evaluation degradation process Wiener process Poisson shock cumulative shock
1 空军工程大学装备管理与安全工程学院，西安 710051
2 中国人民解放军93107部队，沈阳 110141
3 中国人民解放军94575部队，江苏连云港 222345
针对性能退化过程服从Wiener过程的产品, 提出了一种融合产品现场实测性能退化数据与同类产品常规退化数据的剩余寿命预测方法。假定分布参数服从联合共轭先验正态-逆伽玛分布, 建立了个体现场实测退化数据下分布参数的贝叶斯估计模型, 给出了超参数后验估计公式; 建立了退化试验数据的完全似然函数, 构建了基于EM算法的超参数先验估计模型; 通过实例验证了方法的正确性。
剩余寿命预测 贝叶斯推断 Wiener过程 现场实测数据 常规退化数据 residual lifetime prediction Bayesian inference Wiener process online measured data normal degradation data
1 火箭军工程大学控制工程系，西安 710025
2 航天科工集团梅岭化工厂，贵州 遵义 563000
锌银电池是航空航天领域的重要能源设备, 利用电池搁置状态的测试数据对电池激活后的搁置状态可靠性评估是迫切需要解决的问题。建立了锌银电池湿搁置状态电压参数基于Wiener过程的退化模型, 给出了电池的可靠度函数, 并对模型中的参数进行最大似然估计。利用电池湿搁置状态下的放电数据, 对该批电池进行可靠性评估, 认为其在可靠度为0. 95的湿搁置状态寿命可以达到51. 95 h。
锌银电池 Wiener 过程 退化 最大似然估计 可靠性 silver-zinc battery Wiener process degradation maximum likelihood estimation reliability
空军工程大学装备管理与安全工程学院,西安 710051
针对恒定应力加速退化试验场合下的非线性退化数据,考虑个体之间的退化差异,提出了基于Wiener过程的非线性加速退化可靠性评估方法。采用Wiener过程描述产品的退化过程；运用时间尺度模型对非线性数据进行线性变换；将Wiener过程的漂移系数随机化处理,提出考虑个体差异的可靠性模型和加速退化模型；采用两步极大似然估计法确定模型中的未知参数,结合算例分析验证了方法的正确性和优越性。
可靠性评估 加速退化建模 Wiener过程 非线性数据 个体差异 reliability assessment accelerated degradation modeling Wiener process nonlinear data individual variation
1 北京理工大学机械与车辆学院车辆传动国家重点实验室, 北京100081
2 中北大学机械与动力工程学院, 山西 太原030051
3 中国人民解放军驻627厂军代室, 湖南 湘潭470050
原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。 作为一种非直接测量方法, 油液光谱数据是车辆综合传动装置可靠性评估中的系统性能劣化的重要监测指标, 可用于系统失效评估与剩余寿命预测。 针对油液光谱数据这类型的一元劣化失效, 随机过程尤其是Wiener过程模型具有良好的计算分析性质, 在基于性能劣化的可靠性分析中应用日趋广泛。 通过对车辆综合传动装置运行中的实时采样, 共取得50个油液光谱样本。 采用其中三种指示元素的线性回归方程来计算综合传动装置运行中每个瞬时的特征值与均值。 基于正漂移Wiener过程, 建立了综合传动装置的劣化失效预测模型, 并基于R语言环境进行了随机微分方程的仿真与求解。 得到了油液光谱中的Fe, Cu和Mo元素含量增长趋势的预测结果以及三种指示元素各自的首中时间。 经比较, 劣化失效周期的预测值较之条件维护时间延长了27 Mh(15.9%)。 维护时间的延长, 能够有效的减少全寿命周期内的维护次数, 并最终降低维护成本。 研究结果表明, 该方法适用于综合传动装置的磨损与失效预测、 全寿命周期费用与维护计划的优化。 同时, 也可推广至其他复杂机械系统的失效预测与评价等相关领域。
油液光谱分析 Wiener过程 综合传动 失效预测 Atomic emission spectroscopy Wiener process Power-shift steering transmission Failure prediction 光谱学与光谱分析
2015, 35(9): 2620
剩余寿命预测对于设备的维修与保养具有十分重要的意义。现有的剩余寿命预测方法大多只利用了设备的当前退化信息，对设备的历史寿命信息没有充分利用，而这些信息往往包含着设备寿命的演化信息，对于准确预测设备的剩余寿命具有重要意义。针对这个问题，提出了一种融合随机退化过程与失效率建模的设备剩余寿命预测方法。该方法首先将设备的退化过程建模为Wiener过程，然后利用Cox比例失效模型建模的方法融合设备退化过程对设备失效率的影响，由此达到利用设备历史监测信息的目的。进一步通过Bayes方法，利用当前退化监测信息对退化过程模型的参数进行更新，基于此进行剩余寿命预测，从而实现设备历史数据与当前数据的有效融合。最后，通过激光发生器的退化测量数据验证了提出的方法，说明该方法是有效的，具有一定的应用价值。
剩余寿命预测 Wiener过程 失效率 可靠性 激光发生器 remaining lifetime prediction Wiener process hazard rate reliability laser generator
目前寿命预测的建模过程中很少考虑漂移系数变化产生的影响，这并不合理且不符合实际情况，为解决这个问题，建立了基于Kalman滤波和Wiener过程的系统性能退化模型，在此基础上采用Kalman滤波和EM算法实现了模参数的估计和更新，最后通过某陀螺仪的寿命预测实例验证了方法的有效性。
寿命预测 陀螺仪 性能退化建模 Kalman滤波 Wiener过程 EM算法 lifetime prediction gyroscope degradation modeling Kalman filter Wiener process EM algorithm
