一種軌道車輛led驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法
【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明涉及一種剩余壽命預(yù)測(cè)方法，具體是指一種軌道車輛LED驅(qū)動(dòng)電源剩余壽 命預(yù)測(cè)方法。屬于可靠性工程技術(shù)領(lǐng)域。
【背景技術(shù)】：
[0002] 現(xiàn)有的剩余壽命預(yù)測(cè)方法可分為兩大類:基于模型的預(yù)測(cè)方法和基于數(shù)據(jù)的預(yù)測(cè) 方法。隨著信號(hào)采集和信號(hào)處理等相關(guān)技術(shù)的發(fā)展，往往能夠采集到豐富的系統(tǒng)運(yùn)行數(shù)據(jù)， 根據(jù)這些數(shù)據(jù)建立起相應(yīng)的數(shù)學(xué)模型，即為基于數(shù)據(jù)的預(yù)測(cè)方法，該方法已逐漸成為了預(yù) 測(cè)方法的中流砥柱，基于數(shù)據(jù)的預(yù)測(cè)方法主要由人工智能和概率統(tǒng)計(jì)兩種方法組成。
[0003] 當(dāng)前軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)采用的是基于失效數(shù)據(jù)的人工智能法， 盡管人工智能法的數(shù)據(jù)擬合程度較高，但是其對(duì)于未來的預(yù)測(cè)效果較差，且對(duì)于高可靠性 產(chǎn)品而言，失效數(shù)據(jù)往往在短時(shí)間內(nèi)是難以獲得的，因此其可行性較差。
[0004] 由于軌道車輛LED驅(qū)動(dòng)電源的某些性能卻會(huì)隨著時(shí)間的推移而退化，大量與可靠 性和壽命相關(guān)的信息都包含于退化數(shù)據(jù)中，且概率統(tǒng)計(jì)方法可以根據(jù)退化數(shù)據(jù)較好地預(yù)測(cè) 未來狀態(tài)的概率分布。因此，采用基于退化數(shù)據(jù)的概率統(tǒng)計(jì)法對(duì)軌道車輛LED驅(qū)動(dòng)電源進(jìn)行 剩余壽命預(yù)測(cè)更加合理、有效。

【發(fā)明內(nèi)容】
：
[0005] 本發(fā)明的目的是提供軌道車輛LED驅(qū)動(dòng)電源的剩余壽命預(yù)測(cè)方法，它能夠提高軌 道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)的精度，同時(shí)降低了預(yù)測(cè)的不確定性。軌道車輛LED驅(qū)動(dòng) 電源的剩余壽命預(yù)測(cè)方法分為五大模塊，模塊一為利用Wiener過程建立軌道車輛LED驅(qū)動(dòng) 電源的退化模型；模塊二為采用Hallberg-Peck加速模型來構(gòu)造退化模型中漂移系數(shù)與溫 濕度應(yīng)力之間的關(guān)系；模塊三為采用無信息先驗(yàn)分布，利用Bayes方法，通過對(duì)聯(lián)合后驗(yàn)分 布進(jìn)行積分從而將多余參數(shù)去除的算法，對(duì)退化模型中參數(shù)進(jìn)行更新，從而獲得其后驗(yàn)分 布;模塊四為利用溫度、濕度作為加速應(yīng)力，實(shí)時(shí)采集軌道車輛LED驅(qū)動(dòng)電源的性能退化數(shù) 據(jù);模塊五為根據(jù)采集的性能退化數(shù)據(jù)，外推出軌道車輛LED驅(qū)動(dòng)電源在正常應(yīng)力條件下的 剩余壽命。
[0006] 本發(fā)明技術(shù)方案的是：
[0007] 模塊三為采用無信息先驗(yàn)分布，利用Bayes方法，通過對(duì)聯(lián)合后驗(yàn)分布進(jìn)行積分從 而將多余參數(shù)去除的算法，對(duì)退化模型中參數(shù)進(jìn)行更新，從而獲得其后驗(yàn)分布。根據(jù)Bayes 定理，后驗(yàn)分布可表示為：
[0008] p(0|y)〇cf(y|0)p(0) (1)
[0009] 式中p(0|y)為后驗(yàn)分布的概率密度函數(shù)，f(y|0)為似然函數(shù)，ρ(θ)為先驗(yàn)分布的 概率密度函數(shù)。
[0010]假設(shè)在Tl應(yīng)力下第一組樣本測(cè)量數(shù)據(jù)的分布為正態(tài)分布，其參數(shù)用了無 信息先驗(yàn)分布，該先驗(yàn)分布概率密度函數(shù)可表示為如下：
[0011]
(2) 2' 1
[0012] 令0￡1=01 Δ tiikJaLef Δ tiik，貝丨伊(見，€.)沈1
[0013] 則待估參數(shù)(0a，ea2)的聯(lián)合后驗(yàn)分布為：
[0014] (3)
[0015] 首先，對(duì)待估參數(shù)03進(jìn)行更新，則可將632看成多余參數(shù)，通過對(duì)聯(lián)合后驗(yàn)分布進(jìn)行 積分從而將多余參數(shù)去除，如式(4)所示：
[0016]
[0017]
[0018]
[0019] 可將
#其帶入式(5)，可得：
[0020]
η
[0021] 式中：
從式(6)可以看出，Θ!的邊緣后驗(yàn) 分布服從均值為Δ4.，尺度參數(shù)為￡的正態(tài)分布。 ?
[0022] 對(duì)待估參數(shù)ea2進(jìn)行更新，如式(7)所示：
[0023]
[0024] 從式(7)可以看出，參數(shù)ε a2的后驗(yàn)分布與逆Gamma分布的概率密度函數(shù)成比例，因 此其形狀參數(shù)為#，尺度參數(shù)為?？傻脜?shù)9:的驗(yàn)后分布的均值為#，尺度參 數(shù)為;參數(shù)ει2的驗(yàn)后分布的形狀參數(shù)為￥，尺度參數(shù)為。則在Τι應(yīng)力下參數(shù)^ 和.￡.:12的估計(jì)值為：
[0025]
(8)
[0026]同理可得出在Τ2、Τ3···Τι應(yīng)力下的參數(shù)估計(jì)值。
[0027] 本發(fā)明能夠提高軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)的精度，同時(shí)降低了預(yù)測(cè)的 不確定性。
【附圖說明】：
[0028] 圖1為一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法的預(yù)測(cè)流程圖。
【具體實(shí)施方式】：
[0029] 如圖1所示，【具體實(shí)施方式】采用以下步驟：
[0030] (1)基于Wiener過程建立軌道車輛LED驅(qū)動(dòng)電源的退化模型。
[0031] (2)利用Hallberg-Peck加速模型來構(gòu)造退化模型中漂移系數(shù)Θ與溫濕度應(yīng)力之間 的關(guān)系，系數(shù)Θ和溫濕度應(yīng)力之間的關(guān)系。
[0032] (3)采用無信息先驗(yàn)分布，利用Bayes方法，通過對(duì)聯(lián)合后驗(yàn)分布進(jìn)行積分從而將 多余參數(shù)去除的算法，對(duì)退化模型中參數(shù)進(jìn)行更新，從而獲 [0033] 得其后驗(yàn)分布。根據(jù)Bayes定理，后驗(yàn)分布可表示為：
[0034] p(9|y)cxf(y|0)p(0) (1)
[0035]式中p(0|y)為后驗(yàn)分布的概率密度函數(shù)，f(y|0)為似然函數(shù)，ρ(θ)為先驗(yàn)分布的 概率密度函數(shù)。
[0036]假設(shè)在Ti應(yīng)力下第一組樣本測(cè)量數(shù)據(jù)的分布為正態(tài)分布，其參數(shù)01和￡12采用了無 信息先驗(yàn)分布，該先驗(yàn)分布概率密度函數(shù)可表示為如下：
[0037]
[0038]
[0039] 則待估參數(shù)(0a，ea2)的聯(lián)合后驗(yàn)分布為：
[0040]
⑴
[0041 ]首先，對(duì)待估參數(shù)03進(jìn)行更新，則可將632看成多余參數(shù)，通過對(duì)聯(lián)合后驗(yàn)分布進(jìn)行 積分從而將多余參數(shù)去除，如式(4)所示：
[0042? 1 (4)
[0043] 對(duì)其進(jìn)行整理：
[0044]
Η
[0045] 可)1彳
將其帶入式(5)，可得：
[0046]
[0047] 式中：
2。從式(6)可以看出，Θ:的邊緣后驗(yàn) 分布服從均值為，尺度參數(shù)為&的正態(tài)分布。 η
[0048]對(duì)待估參數(shù)ea2進(jìn)行更新，如式(7)所示：
[0049]
[0050]從式(7)可以看出，參數(shù)ε a2的后驗(yàn)分布與逆Gamma分布的概率密度函數(shù)成比例，因 此其形狀參數(shù)為^，尺度參數(shù)為^可得參數(shù)01的驗(yàn)后分布的均值為，尺度參數(shù) 2 2 δ?πα 為_·，參數(shù)ε I2的驗(yàn)后分布的形狀參數(shù)為^ ·，尺度參數(shù)為…。則在Τι應(yīng)力下參數(shù)》t和 ?的估計(jì)值為：
[0051 ]
(8)
[0052]同理可得出在Τ2、Τ3···Τι應(yīng)力下的參數(shù)估計(jì)值。
[0053] (4)利用溫度、濕度作為加速應(yīng)力，實(shí)時(shí)采集軌道車輛LED驅(qū)動(dòng)電源的性能退化數(shù) 據(jù)，將數(shù)據(jù)帶入Bayes算法中，外推出軌道車輛LED驅(qū)動(dòng)電源在正常應(yīng)力條件下的可靠度及 剩余壽命D
【主權(quán)項(xiàng)】
1. 一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法，其特征在于如下剩余壽命預(yù)測(cè)步驟： (1) 利用Wi ener過程建立軌道車輛LED驅(qū)動(dòng)電源的退化模型； (2) 采用Hallberg-Peck加速模型來構(gòu)造退化模型中漂移系數(shù)Θ與溫濕度應(yīng)力之間的關(guān) 系； (3) 采用無信息先驗(yàn)分布，利用Bayes方法，通過對(duì)聯(lián)合后驗(yàn)分布進(jìn)行積分從而將多余 參數(shù)去除的算法，對(duì)退化模型中參數(shù)進(jìn)行更新，從而獲得其后驗(yàn)分布，根據(jù)Bayes定理，后驗(yàn) 分布可表示為： ρ(θ|γ)^Γ(γ|θ)ρ(θ) (1) 式中P(9|y)為后驗(yàn)分布的概率密度函數(shù)，f(y|0)為似然函數(shù)，ρ(θ)為先驗(yàn)分布的概率 密度函數(shù)，假設(shè)在!^應(yīng)力下第一組樣本測(cè)量數(shù)據(jù)的分布為正態(tài)分布，其參數(shù)01和￡12采用了 無信息先驗(yàn)分布，該先驗(yàn)分布概率密度函數(shù)可表示為如下： ρ((1ε2)^\ (62) ￡ 2 1 令0a=01 A tiik，= Δ tiik，則).0^ -F A 貝幡估參數(shù)(，εa2)的聯(lián)合后驗(yàn)分布為： [Σ-^^ιια-Ο2] 戶(Κ I AZ1U) ex (?2) 2 β (3 ) 首先，對(duì)待估參數(shù)03進(jìn)行更新，則可將￡32看成多余參數(shù)，通過對(duì)聯(lián)合后驗(yàn)分布進(jìn)行積分 從而將多余參數(shù)去除，如式(4)所示： 〇 -?-1 [Σ-^2{ΑΖΙΙΑ-Θ^ ρ(θα\ΑΖη?,)^1(εα-) 2 de: (4) 對(duì)其進(jìn)行整理： Γ(?/2) Μ|ΔΖιη)?： -· :k=i fk-吋,2]'丄丨.2 ??(--(〇2 e*-1 ' 4εα (5) 0 Τ(ηΠ) Τ(η?2) =--- [Σ^11?：-0Γ/2]"2 k-\ ，η 2 ·η 2 可將-見 > 化為:(碑,,-?)2 + ￡(AZiw - A^m),將其帶入式(5 )，可得： f=.l k=\ 辦 |AZlu)<x、 ΓΧ(ΔΖη,-^) /2Ρ ?-ι _Γ(",2)_ [1Χ(ΔΖΠ ,-ΔΖΠΑ.Γ^.[1+ ηη{ΑΖ^-θ^ ]f 2μ Σ(ΔΖπ,-ΔΖΗ?)= 式 Il+.V"(AZut-y.-......]一發(fā) (6； Y(AZm-AZmy k=\ (/7-11^ η 式中：Afls =i文AZ,U，心從式⑷可以看出，01的邊緣后驗(yàn)分布 服從均值為緝，，尺度參數(shù)為&的正態(tài)分布，對(duì)待估參數(shù)C進(jìn)行更新，如式(7)所示： η p{s：\KZnk)^\ \ε；) 1 e- z〇' ?θα ? ^CC'：· _?__?Γ+? [-?4τ(η(ΔΖπ*η^^2+Σ(ΔΖι ^(ε;) - [ e "w, λ-! d(i J -ce " (AZnt-0a)i ^ 〇-「丫％ 1ε> m)洲 〇 " ^ ° (7) " 卜Q卜i^Uk-θα? , 〇c(5i；-) 2 .e ^ . J e -￡ci，n ?θα , r (h-1)S2i [ir] χ(ε;) 2 ·ε 』a 從式(7)可以看出，參數(shù)ea2的后驗(yàn)分布與逆Gamma分布的概率密度函數(shù)成比例，因此其 形狀參數(shù)為·^，尺度參數(shù)為，.參數(shù)θι的驗(yàn)后分布的均值為^，尺度參數(shù)為^111·， 2 2. Δ^?? η 參數(shù)ει2的驗(yàn)后分布的形狀參數(shù)為^，尺度參數(shù)為^^，則在Τι應(yīng)力下參數(shù)洗和的估計(jì) 值為： 卜1 坩.,· = ! 削,=! 同理可得出在T2、T3…Τι應(yīng)力下的參數(shù)估計(jì)值； (4)利用溫度、濕度作為加速應(yīng)力，實(shí)時(shí)采集軌道車輛LED驅(qū)動(dòng)電源的性能退化數(shù)據(jù)，將 數(shù)據(jù)帶入Bayes算法中，外推出軌道車輛LED驅(qū)動(dòng)電源在正常應(yīng)力條件下的可靠度及剩余壽 命。2. 根據(jù)權(quán)利要求1所述的一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法，其特征在于軌 道車輛LE：D驅(qū)動(dòng)電源剩余壽命以小時(shí)為計(jì)的剩余壽命。3. 根據(jù)權(quán)利要求1所述的一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法，其特征在于在 退化數(shù)據(jù)實(shí)時(shí)采集過程中，采集內(nèi)容為軌道車輛LED驅(qū)動(dòng)電源電流。4. 根據(jù)權(quán)利要求1所述的一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法，其特征在于在 建立軌道車輛LED驅(qū)動(dòng)電源退化模型過程中，應(yīng)力為溫度和濕度，退化主要為軌道車輛LED 驅(qū)動(dòng)電源輸出電流的衰減。5. 根據(jù)權(quán)利要求1所述的一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法，其特征在于計(jì) 算出的軌道車輛LED驅(qū)動(dòng)電源剩余壽命結(jié)果包括:加速應(yīng)力下剩余壽命和可靠度所對(duì)應(yīng)的 關(guān)系、正常應(yīng)力下剩余壽命和可靠度對(duì)應(yīng)的關(guān)系、剩余壽命分位值的點(diǎn)估計(jì)。
【專利摘要】本發(fā)明一種軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)方法，屬于可靠性工程技術(shù)領(lǐng)域。該方法包括以下步驟：1、基于Wiener過程建立軌道車輛LED驅(qū)動(dòng)電源的退化模型；2、利用Hallberg-Peck加速模型來構(gòu)造退化模型中漂移系數(shù)θ與溫濕度應(yīng)力之間的關(guān)系，系數(shù)θ和溫濕度應(yīng)力之間的關(guān)系；3、采用無信息先驗(yàn)分布，利用Bayes方法，對(duì)退化模型中參數(shù)進(jìn)行更新，從而獲得其后驗(yàn)分布；4、利用溫度、濕度作為加速應(yīng)力，實(shí)時(shí)采集軌道車輛LED驅(qū)動(dòng)電源的性能退化數(shù)據(jù)，將數(shù)據(jù)帶入Bayes算法中，外推出軌道車輛LED驅(qū)動(dòng)電源在正常應(yīng)力條件下的可靠度及剩余壽命。本發(fā)明的優(yōu)點(diǎn)在于能夠提高軌道車輛LED驅(qū)動(dòng)電源剩余壽命預(yù)測(cè)的精度，降低預(yù)測(cè)的不確定性。
【IPC分類】G06F17/50
【公開號(hào)】CN105468866
【申請(qǐng)?zhí)枴緾N201510932464
【發(fā)明人】張邦成, 陳珉珉, 李波, 高智, 尹曉靜
【申請(qǐng)人】長(zhǎng)春工業(yè)大學(xué), 長(zhǎng)春研奧電器有限公司
【公開日】2016年4月6日
【申請(qǐng)日】2015年12月15日