针对产品的性能退化轨迹呈现为非线性特性,且个体的性能退化数据为小样本的情形,为了充分利用同类产品的性能退化数据进行特定个体的实时寿命预测,从研究退化轨迹相似性的角度出发,提出一类基于小波支持向量回归机(Wavelet support vect...针对产品的性能退化轨迹呈现为非线性特性,且个体的性能退化数据为小样本的情形,为了充分利用同类产品的性能退化数据进行特定个体的实时寿命预测,从研究退化轨迹相似性的角度出发,提出一类基于小波支持向量回归机(Wavelet support vector regression,WSVR)和模糊C均值(Fuzzy c-means,FCM)聚类的实时寿命预测方法.该方法分为离线和实时两个阶段:离线阶段先采用WSVR对同类产品的性能退化数据进行规范化处理,接着对规范化数据进行FCM聚类,然后,基于WSVR建立各聚类中心的退化轨迹模型;在实时阶段,针对特定个体的历史测量数据是否规范化,分别提出两种实时退化轨迹建模和寿命预测方法—隶属度加权法和误差加权法.最后,通过两个实例分析验证了所提方法的有效性.展开更多
文摘针对产品的性能退化轨迹呈现为非线性特性,且个体的性能退化数据为小样本的情形,为了充分利用同类产品的性能退化数据进行特定个体的实时寿命预测,从研究退化轨迹相似性的角度出发,提出一类基于小波支持向量回归机(Wavelet support vector regression,WSVR)和模糊C均值(Fuzzy c-means,FCM)聚类的实时寿命预测方法.该方法分为离线和实时两个阶段:离线阶段先采用WSVR对同类产品的性能退化数据进行规范化处理,接着对规范化数据进行FCM聚类,然后,基于WSVR建立各聚类中心的退化轨迹模型;在实时阶段,针对特定个体的历史测量数据是否规范化,分别提出两种实时退化轨迹建模和寿命预测方法—隶属度加权法和误差加权法.最后,通过两个实例分析验证了所提方法的有效性.
