基於支持向量機和模糊信息粒化的產品性能退化區間預測方法
2023-12-05 04:28:26
專利名稱：基於支持向量機和模糊信息粒化的產品性能退化區間預測方法
技術領域：
本發明涉及一種基於支持向量機和模糊信息粒化的產品性能退化趨勢的區間預測方法，屬於壽命預測技術領域。
背景技術：
隨著科學技術的進步和工業需求的發展，各類先進產品一方面不斷向複雜、高速、 高效、微型或大型的方向發展，另一方面卻又面臨更加苛刻的工作和運行環境。一旦產品的關鍵部件發生故障，就可能影響整個生產過程，造成巨大經濟損失。因此，如何評估產品的運行狀態，從而能夠合理地制定維護計劃，確保設備處於正常、穩定的工況，防止災難性事故的發生是當今各行業最為關注和重視的問題。產品從正常狀態到完全失效通常要經過一系列不同的性能退化狀態。產品的性能退化是因其在工作過程中不斷地受到各種環境作用力的影響，發生變形、磨損、疲勞、鏽蝕、 老化、鬆動等而造成物理與化學特性改變，出現產品的功能與性能逐步降低的現象。性能退化意味著產品出現了受損，若任其發展必然會產生功能性故障。性能退化的外在表現為產品的輸出性能特徵參數逐步偏離其正常區間，這是因為產品的規定功能與若干輸出性能特徵參數是緊密相關的。因此，如果能夠通過對產品輸出性能特徵參數進行在線監測，評估和預測產品性能退化的程度及趨勢，並按需制定維護計劃，就可以有效地避免產品突發故障， 減少因產品意外停機而造成的生產損失和產品維護費用，從而提高企業生產效率，降低維護費用和安全風險。產品性能退化評估與趨勢預測就是基於以上思想提出的一種主動維護模式的技術，具有重要的科學理論意義和工程應用價值。近年來，作為故障預測與健康管理(Prognostic and Health Management，PHM)和智能維護系統(Intelligent Maintenance System, IMS)的核心技術，產品性能退化評估與趨勢預測技術得到了大量的理論與實踐研究。PHM技術從尋找產品故障發生、發展的確定性規律著手，綜合分析產品在使用過程中自身狀態變化和產品經歷的外界環境條件數據，從而預測和評估產品使用壽命或剩餘壽命。該技術已應用於大型飛機、機電設備、道路橋梁、 大型發電機組等重大設備的故障檢測、壽命預測和安全評估中。智能維護系統是一種全新的理念，由美國智能維護系統研究中心主任Jay Lee教授最先提出。智能維護系統的核心思想是對設備和產品的性能退化過程進行預測和評估(包括故障的早期預報)，進而實現故障預測。產品性能退化評估和趨勢預測的實質是對產品運行狀態的模式識別。無論是故障預測與健康管理中的產品剩餘壽命評估，還是智能維護中的產品性能退化評估與預測，其實質都是通過對產品數據的分析，識別產品當前運行狀態，並對狀態走勢進行預測，以便在產品性能達到不能接受狀態之前採取相應措施，避免意外故障的發生。綜合目前的研究，用於產品性能退化評估和趨勢預測的方法主要有ARMA時間序列模型、神經網絡、貝葉斯決策方法、Logistic回歸、隱馬爾可夫(HMM)模型方法等。不過，許多的性能退化預測評估算法還處於理論研究階段，效果還不是很理想，存在著諸如不適用於小樣本、過學習、維數災難、局部極小等問題，這是現有技術存在的第一個問題。在實際工程問題中，某些結構複雜的產品往往有多個輸出性能特徵參數同時發生退化，然而目前的研究方法往往是針對單個性能特徵的退化數據展開的，這是本領域現有技術存在的第二個問題。為準確地評估產品性能退化狀態和趨勢，需要把不同性能特徵參數的退化進行有效融合，從而獲得更準確的性能退化評估和預測結果。目前，有關產品多參數性能退化評估的研究還很少。參考文獻[1]WANG Peng, COIT David. Reliability Prediction Based on Degradation Modeling for Systems with Multiple Degradation Measures//Proceedings of the 2004Reliability&Maintainability Symposium(RAMS). Los Angeles, CA, 2004 :302-307中Wang&Coit針對同一系統中多個性能參數同時退化的情況，研究了多個性能參數獨立和相關情況下的可靠度計算模型。如果相互獨立，解決方法類似串聯繫統；如果相關，則估計多個性能退化參數的聯合概率密度函數，然後據此估計產品的可靠度。很多情況下，同一個產品多個性能參數之間在物理上是相關的，而數學計算的結果卻可能是獨立的，這種方法沒有考慮這一點。另外，這種方法中聯合概率密度函數是通過假設確定，可能與實際情況出入較大。產品性能退化評估和趨勢預測側重於對產品性能退化狀態全過程的走向進行估計和預測，而並不局限於某個時間點的性能狀態的精確預測。對於企業來說，如果能夠了解產品運行過程中性能狀態的退化趨勢和變化空間是十分有幫助的。因此，進行產品性能退化區間預測方法的研究就顯得更有意義。目前，關於這方面的研究在國內外還是空白，這是本領域現有技術存在的第三個問題。支持向量機(Support Vector Machine, SVM)是由Vapnik等人於1995年提出的基於統計理論的機器學習方法，其突出的特點是能夠較好地解決少樣本學習問題。在解決的小樣本、非線性及高維模式識別問題中顯示了特有的優勢。它建立在統計學習理論的VC 維理論和結構風險最小原理基礎上，以結構風險最小化代替經驗風險最小化，有效的避免了過學習、維數災難、局部極小等傳統機器學習中存在的問題，在小樣本條件下仍具有良好的泛化能力。支持向量機還利用核函數巧妙地解決了高維數問題，其算法複雜度與樣本維數無關。信息粒化(InformationGranulation, IG)這一概念是由 Fuzzy 集創始人 L. A. Zadeh在1979年首次提出的。L. A. Zadeh認為人類的認識和推理是由三個基本概念構成粒化(Granulation)、組織(Organization)和因果(Causation)，粒化是將整體分解成部分，組織則是綜合部分成為整體，因果是指因果關係。目前，國內外主要有三種信息粒化模型基於模糊集理論的模型、基於粗糙集理論的模型、基於商空間理論的模型。用模糊集對時間序列進行模糊粒化，主要可以分為兩個步驟劃分窗口和模糊化。劃分窗口就是將所給的時間序列分割成一個個的小子列，作為一個個的操作窗口 ；而模糊化則是將第一步產生的每一個窗口進行模糊化，生成一個個模糊集，也就是模糊粒子。這兩種廣義模式結合在一起就是模糊信息粒化(Fuzzy Information Granulation, FIG)。
發明內容
本發明的目的是為了克服上述現有方法存在的問題，提出了一種通用性較強的基於支持向量機和模糊信息粒化的產品性能退化趨勢區間預測方法。本發明綜合採用主成分分析方法、模糊信息粒化方法和支持向量機方法，對通過在線監測手段獲得的產品多參數性能退化數據進行處理，從而實現了產品的性能退化趨勢和變化空間的預測。本發明是一種基於支持向量機和模糊信息粒化的產品性能退化趨勢區間預測方法，包括以下幾個步驟步驟一、產品多參數性能退化數據的收集；步驟二、多參數退化數據的主成分分析；步驟三、對得到的主成分數據進行模糊信息粒化處理；步驟四、粒化數據的支持向量機建模；步驟五、產品性能退化趨勢區間預測。本發明的優點在於(1)本發明將模糊信息粒化方法和支持向量機方法結合，首次提出了產品性能退化趨勢的區間預測方法，解決了產品運行過程中性能狀態的退化趨勢和變化空間預測的問題。(2)本發明採用主成分分析的方法解決了某些結構複雜產品多個輸出性能特徵參數同時發生退化情況下的評估與預測問題。(3)本發明提出的預測方法避免了目前本領域現有技術存在的不適用於小樣本、 過學習、維數災難、局部極小等問題。
圖1是本發明所述方法的流程圖；圖2是本發明三角型模糊粒子的隸屬函數；圖3是本發明實施例某微波電子產品GPZJ-2007的原始多性能參數退化數據；圖4是本發明實施例產品多參數性能退化數據的第1個主成分；圖5是本發明實施例第1個主成分的模糊信息粒化結果；圖6是本發明實施例產品性能參數主成分的退化區間預測結果。
具體實施例方式下面將結合附圖和實施例對本發明作進一步的詳細說明。本發明針對運行過程中多個輸出性能特徵參數同時發生退化的產品，確定如何識別產品當前運行狀態，並對起性能退化狀態走勢進行預測，從而為產品維護決策提供依據。 假設產品具有P個性能參數，對產品性能參數的檢測總次數為M次。產品性能參數觀測值
分另丨J為X1, χ2， 測值矩陣為
權利要求
1. 一種基於支持向量機和模糊信息粒化的產品性能退化區間預測方法，其特徵在於， 包括以下幾個步驟步驟一、產品多參數性能退化數據的收集；收集產品P個性能參數的M次檢測的觀測值Xij，其中i = 1，2，. . .，M，j = 1，2，...， P，構建產品性能參數觀測值矩陣X
2.根據權利要求1所述的一種基於支持向量機和模糊信息粒化的產品性能退化區間預測方法，其特徵在於，步驟一中，通過在線監測的方式收集產品P個性能參數的M次檢測的觀測值xij。
3.根據權利要求1所述的一種基於支持向量機和模糊信息粒化的產品性能退化區間預測方法，其特徵在於，步驟三中，採用W. Pedrycz時間序列模糊信息粒化方法，對主成份進行模糊信息粒化處理。
全文摘要
本發明公開了一種基於支持向量機和模糊信息粒化的產品性能退化區間預測方法，包括以下幾個步驟步驟一、產品多參數性能退化數據的收集；步驟二、多參數退化數據的主成分分析；步驟三、對得到的主成分數據進行模糊信息粒化處理；步驟四、粒化數據的支持向量機建模；步驟五、產品性能退化趨勢區間預測；本發明將模糊信息粒化方法和支持向量機方法結合，首次提出了產品性能退化趨勢的區間預測方法，解決了產品運行過程中性能狀態的退化趨勢和變化空間預測的問題。本發明採用主成分分析的方法解決了某些結構複雜產品多個輸出性能特徵參數同時發生退化情況下的評估與預測問題。
文檔編號G06K9/62GK102279928SQ201110203058
公開日2011年12月14日 申請日期2011年7月20日 優先權日2011年7月20日
發明者姜同敏, 孫富強, 李曉陽 申請人:北京航空航天大學