專利名稱：基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化區(qū)間預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化趨勢(shì)的區(qū)間預(yù)測(cè)方法，屬于壽命預(yù)測(cè)技術(shù)領(lǐng)域。
背景技術(shù)：
隨著科學(xué)技術(shù)的進(jìn)步和工業(yè)需求的發(fā)展，各類先進(jìn)產(chǎn)品一方面不斷向復(fù)雜、高速、 高效、微型或大型的方向發(fā)展，另一方面卻又面臨更加苛刻的工作和運(yùn)行環(huán)境。一旦產(chǎn)品的關(guān)鍵部件發(fā)生故障，就可能影響整個(gè)生產(chǎn)過程，造成巨大經(jīng)濟(jì)損失。因此，如何評(píng)估產(chǎn)品的運(yùn)行狀態(tài)，從而能夠合理地制定維護(hù)計(jì)劃，確保設(shè)備處于正常、穩(wěn)定的工況，防止災(zāi)難性事故的發(fā)生是當(dāng)今各行業(yè)最為關(guān)注和重視的問題。產(chǎn)品從正常狀態(tài)到完全失效通常要經(jīng)過一系列不同的性能退化狀態(tài)。產(chǎn)品的性能退化是因其在工作過程中不斷地受到各種環(huán)境作用力的影響，發(fā)生變形、磨損、疲勞、銹蝕、 老化、松動(dòng)等而造成物理與化學(xué)特性改變，出現(xiàn)產(chǎn)品的功能與性能逐步降低的現(xiàn)象。性能退化意味著產(chǎn)品出現(xiàn)了受損，若任其發(fā)展必然會(huì)產(chǎn)生功能性故障。性能退化的外在表現(xiàn)為產(chǎn)品的輸出性能特征參數(shù)逐步偏離其正常區(qū)間，這是因?yàn)楫a(chǎn)品的規(guī)定功能與若干輸出性能特征參數(shù)是緊密相關(guān)的。因此，如果能夠通過對(duì)產(chǎn)品輸出性能特征參數(shù)進(jìn)行在線監(jiān)測(cè)，評(píng)估和預(yù)測(cè)產(chǎn)品性能退化的程度及趨勢(shì)，并按需制定維護(hù)計(jì)劃，就可以有效地避免產(chǎn)品突發(fā)故障， 減少因產(chǎn)品意外停機(jī)而造成的生產(chǎn)損失和產(chǎn)品維護(hù)費(fèi)用，從而提高企業(yè)生產(chǎn)效率，降低維護(hù)費(fèi)用和安全風(fēng)險(xiǎn)。產(chǎn)品性能退化評(píng)估與趨勢(shì)預(yù)測(cè)就是基于以上思想提出的一種主動(dòng)維護(hù)模式的技術(shù)，具有重要的科學(xué)理論意義和工程應(yīng)用價(jià)值。近年來，作為故障預(yù)測(cè)與健康管理(Prognostic and Health Management，PHM)和智能維護(hù)系統(tǒng)(Intelligent Maintenance System, IMS)的核心技術(shù)，產(chǎn)品性能退化評(píng)估與趨勢(shì)預(yù)測(cè)技術(shù)得到了大量的理論與實(shí)踐研究。PHM技術(shù)從尋找產(chǎn)品故障發(fā)生、發(fā)展的確定性規(guī)律著手，綜合分析產(chǎn)品在使用過程中自身狀態(tài)變化和產(chǎn)品經(jīng)歷的外界環(huán)境條件數(shù)據(jù)，從而預(yù)測(cè)和評(píng)估產(chǎn)品使用壽命或剩余壽命。該技術(shù)已應(yīng)用于大型飛機(jī)、機(jī)電設(shè)備、道路橋梁、 大型發(fā)電機(jī)組等重大設(shè)備的故障檢測(cè)、壽命預(yù)測(cè)和安全評(píng)估中。智能維護(hù)系統(tǒng)是一種全新的理念，由美國智能維護(hù)系統(tǒng)研究中心主任Jay Lee教授最先提出。智能維護(hù)系統(tǒng)的核心思想是對(duì)設(shè)備和產(chǎn)品的性能退化過程進(jìn)行預(yù)測(cè)和評(píng)估(包括故障的早期預(yù)報(bào))，進(jìn)而實(shí)現(xiàn)故障預(yù)測(cè)。產(chǎn)品性能退化評(píng)估和趨勢(shì)預(yù)測(cè)的實(shí)質(zhì)是對(duì)產(chǎn)品運(yùn)行狀態(tài)的模式識(shí)別。無論是故障預(yù)測(cè)與健康管理中的產(chǎn)品剩余壽命評(píng)估，還是智能維護(hù)中的產(chǎn)品性能退化評(píng)估與預(yù)測(cè)，其實(shí)質(zhì)都是通過對(duì)產(chǎn)品數(shù)據(jù)的分析，識(shí)別產(chǎn)品當(dāng)前運(yùn)行狀態(tài)，并對(duì)狀態(tài)走勢(shì)進(jìn)行預(yù)測(cè)，以便在產(chǎn)品性能達(dá)到不能接受狀態(tài)之前采取相應(yīng)措施，避免意外故障的發(fā)生。綜合目前的研究，用于產(chǎn)品性能退化評(píng)估和趨勢(shì)預(yù)測(cè)的方法主要有ARMA時(shí)間序列模型、神經(jīng)網(wǎng)絡(luò)、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(yù)測(cè)評(píng)估算法還處于理論研究階段，效果還不是很理想，存在著諸如不適用于小樣本、過學(xué)習(xí)、維數(shù)災(zāi)難、局部極小等問題，這是現(xiàn)有技術(shù)存在的第一個(gè)問題。在實(shí)際工程問題中，某些結(jié)構(gòu)復(fù)雜的產(chǎn)品往往有多個(gè)輸出性能特征參數(shù)同時(shí)發(fā)生退化，然而目前的研究方法往往是針對(duì)單個(gè)性能特征的退化數(shù)據(jù)展開的，這是本領(lǐng)域現(xiàn)有技術(shù)存在的第二個(gè)問題。為準(zhǔn)確地評(píng)估產(chǎn)品性能退化狀態(tài)和趨勢(shì)，需要把不同性能特征參數(shù)的退化進(jìn)行有效融合，從而獲得更準(zhǔn)確的性能退化評(píng)估和預(yù)測(cè)結(jié)果。目前，有關(guān)產(chǎn)品多參數(shù)性能退化評(píng)估的研究還很少。參考文獻(xiàn)[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(duì)同一系統(tǒng)中多個(gè)性能參數(shù)同時(shí)退化的情況，研究了多個(gè)性能參數(shù)獨(dú)立和相關(guān)情況下的可靠度計(jì)算模型。如果相互獨(dú)立，解決方法類似串聯(lián)系統(tǒng)；如果相關(guān)，則估計(jì)多個(gè)性能退化參數(shù)的聯(lián)合概率密度函數(shù)，然后據(jù)此估計(jì)產(chǎn)品的可靠度。很多情況下，同一個(gè)產(chǎn)品多個(gè)性能參數(shù)之間在物理上是相關(guān)的，而數(shù)學(xué)計(jì)算的結(jié)果卻可能是獨(dú)立的，這種方法沒有考慮這一點(diǎn)。另外，這種方法中聯(lián)合概率密度函數(shù)是通過假設(shè)確定，可能與實(shí)際情況出入較大。產(chǎn)品性能退化評(píng)估和趨勢(shì)預(yù)測(cè)側(cè)重于對(duì)產(chǎn)品性能退化狀態(tài)全過程的走向進(jìn)行估計(jì)和預(yù)測(cè)，而并不局限于某個(gè)時(shí)間點(diǎn)的性能狀態(tài)的精確預(yù)測(cè)。對(duì)于企業(yè)來說，如果能夠了解產(chǎn)品運(yùn)行過程中性能狀態(tài)的退化趨勢(shì)和變化空間是十分有幫助的。因此，進(jìn)行產(chǎn)品性能退化區(qū)間預(yù)測(cè)方法的研究就顯得更有意義。目前，關(guān)于這方面的研究在國內(nèi)外還是空白，這是本領(lǐng)域現(xiàn)有技術(shù)存在的第三個(gè)問題。支持向量機(jī)(Support Vector Machine, SVM)是由Vapnik等人于1995年提出的基于統(tǒng)計(jì)理論的機(jī)器學(xué)習(xí)方法，其突出的特點(diǎn)是能夠較好地解決少樣本學(xué)習(xí)問題。在解決的小樣本、非線性及高維模式識(shí)別問題中顯示了特有的優(yōu)勢(shì)。它建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC 維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化代替經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化，有效的避免了過學(xué)習(xí)、維數(shù)災(zāi)難、局部極小等傳統(tǒng)機(jī)器學(xué)習(xí)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(jī)還利用核函數(shù)巧妙地解決了高維數(shù)問題，其算法復(fù)雜度與樣本維數(shù)無關(guān)。信息?；?InformationGranulation, IG)這一概念是由 Fuzzy 集創(chuàng)始人 L. A. Zadeh在1979年首次提出的。L. A. Zadeh認(rèn)為人類的認(rèn)識(shí)和推理是由三個(gè)基本概念構(gòu)成?；?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(guān)系。目前，國內(nèi)外主要有三種信息?；Ｐ突谀：碚摰哪Ｐ?、基于粗糙集理論的模型、基于商空間理論的模型。用模糊集對(duì)時(shí)間序列進(jìn)行模糊?；?，主要可以分為兩個(gè)步驟劃分窗口和模糊化。劃分窗口就是將所給的時(shí)間序列分割成一個(gè)個(gè)的小子列，作為一個(gè)個(gè)的操作窗口 ；而模糊化則是將第一步產(chǎn)生的每一個(gè)窗口進(jìn)行模糊化，生成一個(gè)個(gè)模糊集，也就是模糊粒子。這兩種廣義模式結(jié)合在一起就是模糊信息粒化(Fuzzy Information Granulation, FIG)。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服上述現(xiàn)有方法存在的問題，提出了一種通用性較強(qiáng)的基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化趨勢(shì)區(qū)間預(yù)測(cè)方法。本發(fā)明綜合采用主成分分析方法、模糊信息?；椒ê椭С窒蛄繖C(jī)方法，對(duì)通過在線監(jiān)測(cè)手段獲得的產(chǎn)品多參數(shù)性能退化數(shù)據(jù)進(jìn)行處理，從而實(shí)現(xiàn)了產(chǎn)品的性能退化趨勢(shì)和變化空間的預(yù)測(cè)。本發(fā)明是一種基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化趨勢(shì)區(qū)間預(yù)測(cè)方法，包括以下幾個(gè)步驟步驟一、產(chǎn)品多參數(shù)性能退化數(shù)據(jù)的收集；步驟二、多參數(shù)退化數(shù)據(jù)的主成分分析；步驟三、對(duì)得到的主成分?jǐn)?shù)據(jù)進(jìn)行模糊信息?；幚?；步驟四、粒化數(shù)據(jù)的支持向量機(jī)建模；步驟五、產(chǎn)品性能退化趨勢(shì)區(qū)間預(yù)測(cè)。本發(fā)明的優(yōu)點(diǎn)在于(1)本發(fā)明將模糊信息?；椒ê椭С窒蛄繖C(jī)方法結(jié)合，首次提出了產(chǎn)品性能退化趨勢(shì)的區(qū)間預(yù)測(cè)方法，解決了產(chǎn)品運(yùn)行過程中性能狀態(tài)的退化趨勢(shì)和變化空間預(yù)測(cè)的問題。(2)本發(fā)明采用主成分分析的方法解決了某些結(jié)構(gòu)復(fù)雜產(chǎn)品多個(gè)輸出性能特征參數(shù)同時(shí)發(fā)生退化情況下的評(píng)估與預(yù)測(cè)問題。(3)本發(fā)明提出的預(yù)測(cè)方法避免了目前本領(lǐng)域現(xiàn)有技術(shù)存在的不適用于小樣本、 過學(xué)習(xí)、維數(shù)災(zāi)難、局部極小等問題。


圖1是本發(fā)明所述方法的流程圖；圖2是本發(fā)明三角型模糊粒子的隸屬函數(shù)；圖3是本發(fā)明實(shí)施例某微波電子產(chǎn)品GPZJ-2007的原始多性能參數(shù)退化數(shù)據(jù)；圖4是本發(fā)明實(shí)施例產(chǎn)品多參數(shù)性能退化數(shù)據(jù)的第1個(gè)主成分；圖5是本發(fā)明實(shí)施例第1個(gè)主成分的模糊信息?；Y(jié)果；圖6是本發(fā)明實(shí)施例產(chǎn)品性能參數(shù)主成分的退化區(qū)間預(yù)測(cè)結(jié)果。
具體實(shí)施例方式下面將結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。本發(fā)明針對(duì)運(yùn)行過程中多個(gè)輸出性能特征參數(shù)同時(shí)發(fā)生退化的產(chǎn)品，確定如何識(shí)別產(chǎn)品當(dāng)前運(yùn)行狀態(tài)，并對(duì)起性能退化狀態(tài)走勢(shì)進(jìn)行預(yù)測(cè)，從而為產(chǎn)品維護(hù)決策提供依據(jù)。 假設(shè)產(chǎn)品具有P個(gè)性能參數(shù)，對(duì)產(chǎn)品性能參數(shù)的檢測(cè)總次數(shù)為M次。產(chǎn)品性能參數(shù)觀測(cè)值
分另丨J為X1, χ2， 測(cè)值矩陣為
權(quán)利要求
1. 一種基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化區(qū)間預(yù)測(cè)方法，其特征在于， 包括以下幾個(gè)步驟步驟一、產(chǎn)品多參數(shù)性能退化數(shù)據(jù)的收集；收集產(chǎn)品P個(gè)性能參數(shù)的M次檢測(cè)的觀測(cè)值Xij，其中i = 1，2，. . .，M，j = 1，2，...， P，構(gòu)建產(chǎn)品性能參數(shù)觀測(cè)值矩陣X
2.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化區(qū)間預(yù)測(cè)方法，其特征在于，步驟一中，通過在線監(jiān)測(cè)的方式收集產(chǎn)品P個(gè)性能參數(shù)的M次檢測(cè)的觀測(cè)值xij。
3.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)和模糊信息?；漠a(chǎn)品性能退化區(qū)間預(yù)測(cè)方法，其特征在于，步驟三中，采用W. Pedrycz時(shí)間序列模糊信息?；椒?，對(duì)主成份進(jìn)行模糊信息?；幚?。
全文摘要
本發(fā)明公開了一種基于支持向量機(jī)和模糊信息粒化的產(chǎn)品性能退化區(qū)間預(yù)測(cè)方法，包括以下幾個(gè)步驟步驟一、產(chǎn)品多參數(shù)性能退化數(shù)據(jù)的收集；步驟二、多參數(shù)退化數(shù)據(jù)的主成分分析；步驟三、對(duì)得到的主成分?jǐn)?shù)據(jù)進(jìn)行模糊信息?；幚?；步驟四、?；瘮?shù)據(jù)的支持向量機(jī)建模；步驟五、產(chǎn)品性能退化趨勢(shì)區(qū)間預(yù)測(cè)；本發(fā)明將模糊信息?；椒ê椭С窒蛄繖C(jī)方法結(jié)合，首次提出了產(chǎn)品性能退化趨勢(shì)的區(qū)間預(yù)測(cè)方法，解決了產(chǎn)品運(yùn)行過程中性能狀態(tài)的退化趨勢(shì)和變化空間預(yù)測(cè)的問題。本發(fā)明采用主成分分析的方法解決了某些結(jié)構(gòu)復(fù)雜產(chǎn)品多個(gè)輸出性能特征參數(shù)同時(shí)發(fā)生退化情況下的評(píng)估與預(yù)測(cè)問題。
文檔編號(hào)G06K9/62GK102279928SQ201110203058
公開日2011年12月14日 申請(qǐng)日期2011年7月20日 優(yōu)先權(quán)日2011年7月20日
發(fā)明者姜同敏, 孫富強(qiáng), 李曉陽 申請(qǐng)人:北京航空航天大學(xué)