剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段。一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short me...剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段。一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory, Bi-LSTM)被应用于航空发动机剩余寿命预测模型。首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-CNN模型进行回归分析,从而得到性能退化分析模型;再通过Bi-LSTM对性能退化量进行时间序列预测,得到性能退化的未来趋势;最后通过设定性能退化阈值,得到剩余寿命预测结果,从而得到从多状态参数-性能退化分析-性能退化预测-剩余寿命预测的实时动态感知模型。实例分析结果表明,提出的混合模型与其他单一深度学习和传统模型相比,有更低的回归分析误差和退化预测误差,能够得到更准确可靠的剩余寿命预测结果。展开更多
针对先验信息为加速退化数据的情况,提出了利用非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法。不预先假定Wiener过程参数值的分布类型,利用加速系数将加速应力下的参数值折算到工作应力水平下,进而使用Anderson-Darling方法...针对先验信息为加速退化数据的情况,提出了利用非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法。不预先假定Wiener过程参数值的分布类型,利用加速系数将加速应力下的参数值折算到工作应力水平下,进而使用Anderson-Darling方法确定参数值的最优拟合分布类型。在对参数值进行折算时,根据周源泉提出的理论对Wiener过程参数与加速应力之间的关系进行了推导。参数估计时,通过极大似然法得到超参数的估计值,利用WinBUGS软件实现Markov Chain Monte Carlo仿真得到参数的后验均值。通过某型军用电连接器寿命预测实例验证了所提方法的实用价值和研究意义,结果表明本方法可有效解决先验信息为加速退化数据时进行剩余寿命预测的难题。展开更多
为了提高剩余寿命预测的可信度,针对进行过加速老化试验的产品,提出利用Gamma过程参数的非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法.将加速老化数据作为先验信息,利用Gamma过程进行老化建模,通过加速因子获得形状参数在工...为了提高剩余寿命预测的可信度,针对进行过加速老化试验的产品,提出利用Gamma过程参数的非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法.将加速老化数据作为先验信息,利用Gamma过程进行老化建模,通过加速因子获得形状参数在工作应力下的折算值,使用Anderson-Darling统计量确定随机参数的先验分布.将产品工作中的少量实测数据作为现场信息,利用基于Gibbs抽样的Markov Chain Monte Carlo(MCMC)仿真得到参数的后验均值.以某型导弹电连接器为例说明了该方法的研究意义和工程应用价值.展开更多
文摘剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段。一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory, Bi-LSTM)被应用于航空发动机剩余寿命预测模型。首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-CNN模型进行回归分析,从而得到性能退化分析模型;再通过Bi-LSTM对性能退化量进行时间序列预测,得到性能退化的未来趋势;最后通过设定性能退化阈值,得到剩余寿命预测结果,从而得到从多状态参数-性能退化分析-性能退化预测-剩余寿命预测的实时动态感知模型。实例分析结果表明,提出的混合模型与其他单一深度学习和传统模型相比,有更低的回归分析误差和退化预测误差,能够得到更准确可靠的剩余寿命预测结果。
文摘针对先验信息为加速退化数据的情况,提出了利用非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法。不预先假定Wiener过程参数值的分布类型,利用加速系数将加速应力下的参数值折算到工作应力水平下,进而使用Anderson-Darling方法确定参数值的最优拟合分布类型。在对参数值进行折算时,根据周源泉提出的理论对Wiener过程参数与加速应力之间的关系进行了推导。参数估计时,通过极大似然法得到超参数的估计值,利用WinBUGS软件实现Markov Chain Monte Carlo仿真得到参数的后验均值。通过某型军用电连接器寿命预测实例验证了所提方法的实用价值和研究意义,结果表明本方法可有效解决先验信息为加速退化数据时进行剩余寿命预测的难题。
文摘为了提高剩余寿命预测的可信度,针对进行过加速老化试验的产品,提出利用Gamma过程参数的非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法.将加速老化数据作为先验信息,利用Gamma过程进行老化建模,通过加速因子获得形状参数在工作应力下的折算值,使用Anderson-Darling统计量确定随机参数的先验分布.将产品工作中的少量实测数据作为现场信息,利用基于Gibbs抽样的Markov Chain Monte Carlo(MCMC)仿真得到参数的后验均值.以某型导弹电连接器为例说明了该方法的研究意义和工程应用价值.
