不完美维护活动干预下的设备剩余寿命估计

剩余寿命估计是保障设备安全性和可靠性的关键技术。现有文献在研究维护活动干预下的设备剩余寿命估计问题时,通常仅考虑维护活动对退化水平或退化速率的单一影响,忽略了维护活动对两者的双重影响。鉴于此,提出了一种考虑不完美维护活动影响的性能退化建模与剩余寿命估计方法,融合了维护活动对设备退化水平和退化速率的双重影响。首先基于扩散过程分阶段建立存在不完美维护活动干预下的随机退化模型,然后基于设备的状态监测数据和维护数据对模型参数进行极大似然估计和Bayesian更新,最后在首达时间的概念下,推导得到了剩余寿命的解析概率分布。实验结果表明,所提出方法能够大大提高存在不完美维护活动影响设备的剩余寿命估计精度。     

基于非线性分数布朗运动的光电设备剩余寿命自适应预测

在现有研究中,通常采用无记忆效应的马尔可夫过程模型来描述光电设备的随机退化,忽略了其退化过程中状态之间的长期相关性。鉴于此,首先,基于非线性分数布朗运动提出了一种具有记忆效应的随机退化模型,用于描述测量误差与随机效应影响下的光电设备退化过程;在此基础上,基于弱收敛理论推导得到了首达时间意义下设备剩余寿命的近似解析式。其次,分别采用极大似然估计算法与贝叶斯推理完成了模型参数的离线估计与实时更新,进而实现剩余寿命的自适应预测。最后,将所提方法应用于GaAs激光器的性能监测数据中,实验结果表明所提方法能有效提高光电设备剩余寿命的预测精度。