装备寿命预测的平行仿真模型在线演化方法.pdf
《装备寿命预测的平行仿真模型在线演化方法.pdf》由会员分享,可在线阅读,更多相关《装备寿命预测的平行仿真模型在线演化方法.pdf(10页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期国防科技大学学报 年 月 :装备寿命预测的平行仿真模型在线演化方法邸彦强,李婷,冯少冲,刘琼瑶(陆军工程大学 石家庄校区,河北 石家庄 )摘要:在面向装备剩余寿命预测的平行仿真技术研究基础上,统一了不同退化状态下的状态方程,提出了预测模型形态库的构建方法和预测模型形态选择算法,设计了“模型形态库构建模型选择数据同化模型演化”的模型在线演化工作流程,运用扩展卡尔曼滤波和极大似然估计算法,实现了面向装备剩余寿命预测的平行仿真模型在线动态演化。通过仿真实验验证了模型形态选择算法和模型在线演化工作流程的有效性,取得了较好的仿真效果。关键词:平行仿真;预测模型库构建;参数演化;剩余寿命预测
2、中图分类号:文献标志码:文章编号:(),(,):,“”,:;在装备维修保障领域中,故障预测与健康管理(,)是实现装备精确维修的基础环节和重要手段。通过预测装备剩余寿命(,)实现装备的合理维修,以保证装备运行的安全性、可靠性和经济性。的关键技术主要包括 预测和健康管理两个方面,其中 预测为其核心内容和关键环节 。剩余寿命是指从当前时刻到装备发生故障的时间间隔 ,是维修决策的重要依据和基本前提。然而,装备的剩余寿命通常无法直观地获得,因此,很多学者对装备剩余寿命的预测方法展开研究,从不同角度提出了装备剩余寿命预测方法,包括基于时间序列模型的剩余寿命预测方法、基于随机过程的剩余寿命预测方法、基于随机
3、滤波的剩余寿命预测方法等,基于这些方法建立了多种模型以准确预测装备剩余寿命,如随机系数回归模型 、灰色模型 、神经网络模型 、相似性模型 、隐(半)马尔可夫模型 、支持向量机模型 等。然而应用这些模型进行剩余寿命预测,主要存在以下不足:一是模型多为静态模型,缺乏模型在线选择和模型参数动态演化能力,模型参数一般根据同类装备的历史数据以离线估计的形式得到,难以实现模型参数演化和 预测结果自适应修正;二是模型仅能离线使用,目前关于 预测的研究,普遍采用的方法是采集监测设备在线监测的装备运行状态退化数据,然后采用离线预测方法进行 预测,即使用“在线监测,离线预测”的方法,其本质还是属于离线预测方法,这
4、使得 预测的在线能力不强;三是仿真模型适宜性差,装备运行环境的复杂性使得装备健康状态复杂多变、不确定性强,特别是对安全性要求高收稿日期:基金项目:河北省自然科学基金资助项目()作者简介:邸彦强(),男,河北保定人,教授,博士,博士生导师,:;李婷(通信作者),女,河北石家庄人,讲师,硕士,:国 防 科 技 大 学 学 报第 卷的装备迫切要求准确掌控装备剩余寿命,预测的准确性很大程度上取决于仿真模型与装备运行状态的逼近程度,即模型的适宜性,根据装备状态研究能够动态演化的仿真模型,为维修人员及时作出维修决策提供依据,成为当前 研究中的难点 。装备平行仿真是面向军用仿真领域提出的一种新兴仿真技术,其
5、核心思想是在实际装备和仿真系统之间建立交互,在仿真过程中动态注入实时采集的装备状态数据,支撑仿真运行,并将仿真结果反馈给实际装备,影响装备的运行,进而提升装备的运用和保障效能。文献 提出面向装备剩余寿命预测的平行仿真概念及技术框架;文献 提出了装备平行仿真理论框架;文献 提出了以装备退化状态空间模型为基础的预测模型演化建模框架;文献 提出了面向 预测的平行仿真模型参数动态演化算法;文献 提出了一种混合退化装备的平行仿真模型形态动态演化算法。但是,文献 和文献 的算法都是以模型基本形态已知为前提的,然而,在实际应用中,更多的时候会面临模型形态未知的情况,因此,本文针对特征量连续退化情形,统一了线
6、性退化和非线性退化的状态方程,提出预测模型形态库构建方法及预测模型形态选择算法,解决模型形态确定问题,并在此基础上设计平行仿真系统工作流程和处理算法,实现对已有研究成果的补充完善。装备 预测平行仿真模型构建装备 可利用装备性能退化状态进行预测,而装备性能退化可以通过对表征装备退化状态的物理量(简称退化特征量)进行刻画,故装备 预测可针对装备退化特征量构建平行仿真模型,并利用平行仿真模型对退化特征量进行估计,进而预测装备的 。面向装备 预测的平行仿真建模的基本思想是对退化特征量预测值和退化特征量观测值进行数据同化,以排除系统噪声的影响,更准确地估计装备实际退化状态,并以此为依据构建剩余寿命预测模
7、型,实现对装备 的预测,因此,面向装备 预测的平行仿真模型 包含 个子模型,即 ,()其中,为退化特征值预测模型,为退化特征量观测模型,为剩余寿命预测模型。退化特征值预测模型实际武器装备一般认为是一个动态系统,描述动态系统常用的方法是建立系统的状态空间模型(,),而装备运行中的退化现象可以认为是一个 过程,将状态空间模型建模法与 过程结合,构建 状态空间模型(,)。具体地,基于 过程的装备退化状态预测方程可表示为:()()(,)()()其中:()表示 时刻装备退化状态;()为初始退化状态,一般设为 ;为漂移系数,为扩散系数,、都是未知参数;()是标准 运动 ,与 相互独立,且服从均值为 、方差
8、为 的正态分布,即 ()(,);(,)是包含参数 的时间 的连续函数。可以是一个参数,也可以是多个参数构成的参数集,若装备退化状态为线性退化,则 (,);若装备退化状态为非线性退化,则 (,)(;)为时间 的非线性函数,表征 ()的非线性特征,为漂移项参数,(,)的常见形式有幂函数 (,)、指数函数 (,)等,相应的退化特征值预测模型称为幂退化模型、指数退化模型等。为了方便预测装备在时刻(简称 时刻)为退化状态,对式()进行 离散化,可得在离散时间点(,)上的退化状态方程即为退化特征值预测模型,如式()所示。(,)(,)槡 珚()其中,为传感器采样时间间隔,离散时间点 (,),()表示时刻 的
9、预测退化状态,()槡 珚为标准布朗运动,且 珚为服从标准正态分布的噪声序列。退化特征量观测模型在装备实际运行过程中,受到各种因素的干扰,很难获取到准确的装备实际退化特征值,一般情况下,通过传感器测量获得装备退化状态观测数据 (),其与退化特征量 ()的关系可通过观测方程描述,即()();)()()其中:();)为观测函数,表征观测数据与退化特征量的对应关系,为 ();)的参数;()(,),为测量噪声的方差,且 ()与 运动 ()相互独立。为了方便对装备在时刻(简称 时刻)的退化状态进行估计,对式()进行 离散化,可第 期邸彦强,等:装备寿命预测的平行仿真模型在线演化方法得在离散时间点(,)上的
10、观测方程即为退化特征量观测模型,如式()所示。(;)()其中:()表示 时刻的退化特征量观测值;当退化特征量能够通过传感器等硬件设备直接观测得到时,(;),若观测数据与退化特征量非线性相关,则 (;)为 的非线性函数;为噪声序列,且与预测方程的噪声序列 珚独立同分布。退化特征值预测模型 和退化特征量观测模型 共同构成了基于 过程和状态空间建模的 即为平行仿真模型:(,)(,)槡 珔 (;)()其中,模型参数 ,。预测模型装备的寿命一般通过首达时(,)来刻画,即装备退化特征值首次达到失效阈值的时间。设装备失效阈值为 ,则装备的寿命可表示为 :()()()对于满足 退化过程的装备,其 的分布近似服
11、从逆高斯分布,其剩余寿命 的概率密度函数可近似表示为:()(,)(,)槡 (,)()则装备的剩余寿命预测值 为该概率密度函数的数学期望,即()()()式()即为 预测模型。由于本文主要研究平行仿真模型演化问题,因此,后文不再针对 预测展开讨论。模型在线演化在状态空间建模方式下,通过退化特征量观测值驱动 运行,获得真实退化状态估计值,同时对 的模型参数进行修正,实现 的动态演化,使模型运行不断逼近装备真实运行状态。模型演化思路平行仿真模型的动态演化以模型的构建为基础和前提,也就是需要首先确定模型形态,即确定式()中 (,)的表达式。然而,前期的研究中,均采用经验法确定该表达式的形式,缺少理论支撑
12、和数据驱动。为了更精准地构建平行仿真模型,本文将平行仿真模型的动态演化过程分为 个环节 个步骤,个环节分别是退化特征值预测模型构建环节和平行仿真模型参数在线动态演化环节,个步骤分别是退化特征值预测模型构建、预测数据与观测数据融合和仿真模型参数动态演化。通过在以往模型演化方法基础上,增加退化特征值预测模型构建环节,解决模型形态确定问题,使仿真模型能够更好地逼近装备状态。退化特征值预测模型构建的主要目标是大体估计退化特征量的退化规律,即确定式()中(,)的形式及模型初始参数。(,)可通过如下三种途径确定:)根据领域专家知识或装备本身的退化特性确定;)根据历史数据拟合出退化特征量变化曲线,将获得的拟
13、合曲线作为 (,);)先验知识和历史数据均不足时,由于该环节主要获取退化特征值的变化趋势,对参数精度要求不高,所以可忽略噪声的影响,利用退化特征量预测值与退化特征量观测值的关系,先利用退化特征量观测值进行曲线拟合,将获得的拟合曲线与对应关系的复合函数作为 (,)的初始形态。本文主要研究此情况下的初始模型构建方法。平行仿真模型的在线动态演化环节包括数据同化和参数在线估计两个步骤。具体地,一方面,在平行仿真模型运行中,要利用退化特征量预测数据和观测数据,估计装备实际的退化特征值,这一过程通过数据同化来实现;另一方面,由于实际装备本身会逐渐发生变化,要根据观测数据对模型参数进行修正,使仿真模型不断逼
14、近实际装备,这一过程通过模型参数在线估计来实现。卡尔曼滤波器族是信息处理领域最著名、最流行的数据同化算法之一 ,它包括卡尔曼滤波(,)、扩展卡尔曼滤波(,)等。卡尔曼滤波适用于线性系统,扩展卡尔曼滤波是该算法的改进,适用于线性系统和非线性系统。扩展卡尔曼滤波作用于非线性状态空间模型,其基本思想 就是利用 公式,对函数 (,)在 处进行一阶 展开,(;)在 处进行一阶 展开,则有国 防 科 技 大 学 学 报第 卷(,)(,)(,)()(;)(;)(;)()()其中,为 时刻退化状态特征量预测值,为采样时间间隔。特别地,当 (,)、(;)为线性函数时,以式()为例,将 (;)代入式()右侧可知,
15、式()依然成立。因此,无论是线性退化系统还是非线性退化系统,均可以使用扩展卡尔曼滤波算法实现数据同化,即利用观测数据对预测数据进行修正,提升退化状态预测的准确性。极大似然估计是建立在极大似然原理基础上的一种统计方法,是参数估计的一种常用方法,用于通过给定观测数据估计模型参数 ,即“模型已定,参数未知”的情形。由式()可知,基于的后验分布 (;),),而 基于 的后验分布 (,)(,),),在此基础上,求取仿真退化状态向量 ,和观测向量 ,的联合对数似然函数,然后对各参数求偏导数,并令偏导数为 ,求解方程组,可得到平行仿真模型参数 ,的在线估计值。模型参数在线演化的过程如图 所示,具体过程如下:
16、当有新的装备退化特征量观测值注入仿真系统时,首先判断退化特征值预测模型是否已确定,若否,则进入退化特征值预测模型构建环节,执行 ;若是,则进入平行仿真模型参数演化环节,执行 。:将退化特征观测值分别注入退化特征值预测模型库中的所有模型,首先判断现有数据数量是否足够支撑模型参数解算,若是,对观测数据进行曲线拟合,得到每个模型下的拟合曲线和拟合误差,并根据具体拟合算法找到拟合误差最小的模型 作为退化特征值预测模型的初始形态,然后执行 ;若否,则回到 ,继续等待新的特征值注入。:将求得的预测模型注入平行仿真模型参数演化环节,执行 。:判断是否存在当前时刻退化特征量的预测值,若不存在,将退化特征观测值
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 装备 寿命 预测 平行 仿真 模型 在线 演化 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。