1.依赖于时间和状态的长程相关退化过程剩余寿命预测方法,其特征在于:按照如下步骤依次进行:步骤1:分别在等间隔采样时刻t0,t1,t2,...,tk,收集设备传感器数据x0,x1,x2,...,xk,其中,k为采样个数;
步骤2:根据收集的设备传感器数据特征建立基于分形布朗运动的退化模型,如公式(1)所示:dX(t)=μ[X(t),t;θ]dt+σHdBH(t) (1);
其中,X(t)为退化过程,μ[X(t),t;θ]为漂移项系数,θ为漂移项系数中包含的未知参数构成的向量,σH为扩散项系数,BH(t)为标准分形布朗运动;
步骤3:利用基于二次变分的方法,根据公式(2)估计退化模型中的Hurst指数:其中,γ1,γ2,...,γp为基于Symlets小波函数的小波分解高通滤波器系数,p为该小波函数消失矩阶数;
步骤4:构造分形布朗运动BH(t)的基本鞅MH(t),如公式(3)所示:其中, Γ为Gamma函数;
步骤5:根据公式(4)计算分形布朗运动BH(t)基本鞅MH(t)的二次变分vH(t):步骤6:构造退化过程的Radon-Nikodym导数R(θ),如公式(5)所示:其中, τ
为采样间隔;
步骤7:最大化似然比函数ln[R(θ)],即求得ln[R(θ)]关于漂移项各未知参数的偏导数并令偏导数等于零,解得漂移项各未知参数的估计值,如公式(6)所示:步骤8:利用极大似然方法,根据公式(7)计算漂移系数估计值:其中,δk=[δ1 δ2 … δk], Qk是一个k×k的矩阵,其第i行第j列元素为 其中,τ为采样间隔;
步骤9:将退化模型(1)近似为一个具有时变扩散项系数的基于标准布朗运动的随机过程,如公式(8)所示:其中,
步骤10:在时刻tk,重新构造随机过程Y(lk):dY(lk)=η(Y(lk),lk;θ)dlk+σ(lk)dB(lk) (11);
其中,
步骤11:根据已知失效阈值ω,得到退化过程首达时间的近似解析分布,如公式(12)所示:其中,