(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210961708.8 (22)申请日 2022.08.11 (71)申请人 中国人民解 放军火箭军工程大 学 地址 710025 陕西省西安市灞桥区洪 庆镇 同心路2号 (72)发明人 唐圣金　杨家鑫　孙晓艳　于传强　 叶辉　司小胜　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 闵岳峰 (51)Int.Cl. G06F 30/20(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) G06F 119/04(2020.01) (54)发明名称 一种融合多源信息的隐含维纳退化过程剩 余寿命预测方法 (57)摘要 本发明公开了一种融合多源信息的隐含维 纳退化过程剩余寿命预测方法， 包括步骤： A、 建 立隐含线性维纳过程退化模型； B、 估计离线参 数： (1)针对先验退化信息不完美的情况， 融合失 效寿命数据估计模型先验漂移参数； (2)针对先 验退化信息稀缺的情况， 融合失效寿命数据和历 史退化数据估计模型先验漂移参数； C、 在线更新 参数； D、 预测剩余寿命。 本发明不仅可以克服先 验退化信息不完美或稀缺的问题， 对设备的个体 寿命和总体可靠性寿命特征量进行预测分析， 还 可以作为预测设备剩余寿命的一种有效分析工 具， 为设备基于状态的维修保障提供有力的理论 依据和技术支撑， 从而节约经费开支， 避免不必 要的经济损失， 有很好的工程应用价 值。 权利要求书6页 说明书14页 附图3页 CN 115329568 A 2022.11.11 CN 115329568 A 1.一种融合多源信息的隐含维纳退化过程剩余寿命预测方法， 其特征在于， 包括以下 步骤： A、 建立隐含线性维纳过程退化模型； B、 估计离线参数； 基于建立的退化模型， 分别针对两种情况的退化数据估计模型的未知参数： (1)针对先 验退化信息不完美的情况， 使用被评估设备现场退化数据估计模型固定参数， 再融合失效 寿命数据估计模 型先验漂移 参数； (2)针对先验退化信息稀缺的情况， 使用历史退化数据估 计模型固定参数， 再融合失效寿命数据和历史退化数据估计模型 先验漂移参数； C、 在线更新 参数； 基于被评估设备的现场退化数据和Kalman方法对离线参数中的漂移系数进行在线更 新； D、 预测剩余寿命； 将更新后的参数代入剩余寿命概 率密度函数进行剩余寿命预测。 2.根据权利要求1所述的一种融合多源信息的隐含维纳退化过程剩余寿命预测方法， 其特征在于， 步骤A中， 建立隐含线性维纳过程退化模型， 具体包括： 在贝叶斯框架下的剩余寿命预测方法关键步骤： 准确估计退化模型中表示模型共性特 征的固定参数和表示样本个 体差异的随机参数； 首先针对隐含线性维纳退化过程建模， 当被测设备的潜在性能退化值超过设置的失效 阈值w时， 即认为设备失效； 维纳过程是由布朗运动驱动的具有漂移系数的一类扩散过程， 表达示如下 X(t)＝x0+λt+σBB(t) (1) 式中， x0表示设备初始退化状态； λ为漂移系 数表征设备退化速率； σB为扩散系 数， B(t) 为标准布朗运动， 表示退化过程的不确定性； 不失一般性， 设定x0＝0； λ服从正态分布 以描述设备之间的个 体差异； 在退化模型中考虑测量 误差的影响， 其退化过程模型表示如下 Y(t)＝X(t)+ ε (2) 其中， 表示测量误差， 在不同时刻的ε独立同分布， 且 ε， λ和σB相互独立； 对 于基本隐含线性维纳过程退化模型， 需要估计的模型 先验参数为 剩余寿命是指设备在当前时刻距离失效时刻的时间长度； 定义设备在退化量达到w时 被认为失效， 在tk时刻被测设备的观测数据为Y1:k＝{y1,y2,…yk}， 真实退化状态为X1:k＝ {x1,x2,…xk}； 根据首达时间的概念， 获得设备在tk时刻的真实退化量X1:k， 则设备的剩余寿 命表示为： Lk＝inf{lk:X(lk+tk)≥w|X1:k} (3) 其中， Lk表示在tk时刻的被评估设备的剩余寿命。 3.根据权利要求2所述的一种融合多源信息的隐含维纳退化过程剩余寿命预测方法， 其特征在于， 步骤B中， 离线估计模型 先验参数， 具体如下： 融合多源信 息是指融合失效寿命数据和历史退化数据估计模型先验漂移参数； 包括两 种情况下的先验参数估计方法， 分别为融合 失效寿命数据剩余寿命预测方法和融合多源信权　利　要　求　书 1/6 页 2 CN 115329568 A 2息剩余寿命预测方法， 其中将先验退化信息不完美时使用的方法称为融合失效寿命数据剩 余寿命预测方法。 4.根据权利要求3所述的一种融合多源信息的隐含维纳退化过程剩余寿命预测方法， 其特征在于， 融合失效寿命数据剩余寿命预测方法， 具体如下： 融合失效寿命数据的剩余寿命预测方法将先验 参数估计分为两个步骤， 定义 y0:m＝{y0, y1,…,ym}为现场退化数据， T1:n′＝{T1,T2,…,Tn′}为n′个设备的失效寿命数据 或是首次达 到失效阈值w的失效时间， 根据式(2)基本的隐含线性维纳过程模型， 需要估计的模型未知 参数为 第一步： 利用现场退化数据估计模型固定参数 对于单个设备的退化过程建模， 视λ为固定系数， 基于式(2)退化模型， 令Δyj＝yj‑yj‑1， Δtj＝tj‑tj‑1， 1≤j≤m， Δy＝(Δy1,Δy2,…,Δym)′， Δt＝(Δt1,Δt2,…,Δtm)′， 则有 其中Ω＝dia g(Δt1,Δt2,…,Δtm)； 令D＝Ω+φF， 其中 则单个设备的对数似然函数表示 为： 对式(4)分别求 λ和 的一阶偏导得： 令式(5)和式(6)为0， 得到 λ和 的约束估计如下： 将式(8)代入式(4)， 则得到φ的边 缘似然函数表达式， 如下： 通过MATLAB 的“FMINSEARCH ”函数最大化式(9)获得φ的估计值， 将其代入式(7)和式 (8)得到 λ和 进一步得到 估计值； 第二步： 利用期望最大化 算法将失效寿命数据转换为uλ和 的先验分布权　利　要　求　书 2/6 页 3 CN 115329568 A 3