退化过程中的个体差异是退化建模中的难点之一,也是导致预测不确定性的主要来源。常见的随机漂移模型考虑退化速率的变异性,而将扩散参数视为常数,忽略退化波动中实际存在的个体差异,难以充分描述退化过程中的异质性,进而影响设备的可...退化过程中的个体差异是退化建模中的难点之一,也是导致预测不确定性的主要来源。常见的随机漂移模型考虑退化速率的变异性,而将扩散参数视为常数,忽略退化波动中实际存在的个体差异,难以充分描述退化过程中的异质性,进而影响设备的可靠性评估。针对该问题,提出一种基于随机漂移-扩散维纳过程可靠性分析方法,能同时考虑退化速率和退化波动中的异质性,并能根据实际退化数据中的信息选择合适的分布,提升建模通用性和灵活性。针对所提模型的复杂度增加,提出一种基于马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法的模型参数贝叶斯估计算法,能一次性估计出模型参数。通过数据仿真实验验证所提算法的准确性,利用涡扇发动机数据和激光数据比较实验,验证所提模型的有效性。展开更多
文摘退化过程中的个体差异是退化建模中的难点之一,也是导致预测不确定性的主要来源。常见的随机漂移模型考虑退化速率的变异性,而将扩散参数视为常数,忽略退化波动中实际存在的个体差异,难以充分描述退化过程中的异质性,进而影响设备的可靠性评估。针对该问题,提出一种基于随机漂移-扩散维纳过程可靠性分析方法,能同时考虑退化速率和退化波动中的异质性,并能根据实际退化数据中的信息选择合适的分布,提升建模通用性和灵活性。针对所提模型的复杂度增加,提出一种基于马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)方法的模型参数贝叶斯估计算法,能一次性估计出模型参数。通过数据仿真实验验证所提算法的准确性,利用涡扇发动机数据和激光数据比较实验,验证所提模型的有效性。
