一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的產(chǎn)品壽命預(yù)測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性(TBMS)的產(chǎn)品壽命預(yù)測(cè)方法：首先，構(gòu)建全壽命衰退樣本集；其次，按待預(yù)測(cè)樣本的退化量截取樣本集中所有樣本；再次，基于提出的時(shí)間尺度伸縮相似性(TECS)概念，將各全壽命退化樣本的截取數(shù)據(jù)轉(zhuǎn)換到待預(yù)測(cè)樣本模式，獲得最優(yōu)轉(zhuǎn)化因子及最優(yōu)距離；最后，以最優(yōu)伸縮因子和最優(yōu)距離生成權(quán)重，對(duì)轉(zhuǎn)換后的樣本壽命進(jìn)行集成加權(quán)，得到待預(yù)測(cè)樣本的壽命。該方法通過(guò)序列時(shí)間尺度的伸縮實(shí)現(xiàn)歷史樣本與待預(yù)測(cè)樣本的最優(yōu)匹配，具有優(yōu)秀的預(yù)測(cè)準(zhǔn)確性和精度，能為產(chǎn)品壽命預(yù)測(cè)研究提供新的思路。
【專利說(shuō)明】
一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的產(chǎn)品壽命預(yù)測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及產(chǎn)品壽命預(yù)測(cè)的技術(shù)領(lǐng)域，具體涉及一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似 性(TBMS)的產(chǎn)品壽命預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 產(chǎn)品的壽命預(yù)測(cè)時(shí)其維修、更換和備件策略制定的重要依據(jù)，因而對(duì)其可用性和 運(yùn)行、維護(hù)費(fèi)用具有重要的影響。在經(jīng)典的可靠性理論中，產(chǎn)品的壽命分布是通過(guò)計(jì)算其運(yùn) 行到某一時(shí)間點(diǎn)仍未失效條件下的條件壽命分布得到的，由于壽命分布本身是通過(guò)一批產(chǎn) 品的壽命數(shù)據(jù)得到的，反應(yīng)的是一批產(chǎn)品的總體水平，因而其壽命分布也同樣無(wú)法考慮到 產(chǎn)品個(gè)體之間的差異或者產(chǎn)品的當(dāng)前狀態(tài)情況?；谛阅芡嘶瘮?shù)據(jù)的可靠性方法中，產(chǎn)品 的失效定義為關(guān)鍵性能參數(shù)首次達(dá)到預(yù)定義的閾值的時(shí)間，通過(guò)測(cè)量其性能參數(shù)變化而得 到其壽命分布，因而這種方法可以針對(duì)單個(gè)產(chǎn)品進(jìn)行壽命預(yù)測(cè)并且能夠考慮產(chǎn)品當(dāng)前的狀 〇
[0003] 當(dāng)前，解決個(gè)體壽命預(yù)測(cè)問(wèn)題主要有兩個(gè)思路:一是性能狀態(tài)數(shù)據(jù)外推至預(yù)先定 義的失效閾值，分析方法主要有時(shí)間序列分析、神經(jīng)網(wǎng)絡(luò)、退化模型擬合等;二是直接構(gòu)建 狀態(tài)數(shù)據(jù)和壽命之間的映射關(guān)系，分析方法有基于相同或相似產(chǎn)品全壽命歷史數(shù)據(jù)的相似 性方法、神經(jīng)網(wǎng)絡(luò)方法等。時(shí)間序列分析是基于退化規(guī)律對(duì)時(shí)間是穩(wěn)定的這一假設(shè)的，而實(shí) 際產(chǎn)品因環(huán)境復(fù)雜其性能衰退規(guī)律常常是變異的，在未擁有足夠掌握這種規(guī)律變化趨勢(shì)數(shù) 據(jù)的情況下，這種方法預(yù)測(cè)精度很低。神經(jīng)網(wǎng)絡(luò)本質(zhì)上是非線性擬合，通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu) 擬合輸入輸出的非線性映射關(guān)系，但在網(wǎng)絡(luò)訓(xùn)練不充分時(shí)其預(yù)測(cè)精度低，網(wǎng)絡(luò)訓(xùn)練過(guò)于充 分時(shí)又出現(xiàn)"過(guò)擬合"現(xiàn)象，泛化能力低，因而模型訓(xùn)練較為困難。在擁有性能衰退全壽命數(shù) 據(jù)的前提下，相似性預(yù)測(cè)較其他方法優(yōu)勢(shì)明顯，該方法認(rèn)為同種或同類產(chǎn)品具有類似的退 化規(guī)律，在當(dāng)前產(chǎn)品的預(yù)測(cè)過(guò)程中，充分利用歷史全壽命衰退樣本提供的重要知識(shí)，預(yù)測(cè)精 度很高。
[0004] 然而，傳統(tǒng)的相似性預(yù)測(cè)方法基于"歷史樣本庫(kù)中存在與當(dāng)前樣本具有相似甚至 相同退化規(guī)律的樣本"這一假設(shè)，未來(lái)待預(yù)測(cè)樣本的退化形式具有不確定性，因而樣本集需 要盡可能的豐富，涵蓋該種產(chǎn)品完備的退化規(guī)律，否則預(yù)測(cè)精度會(huì)大幅度下滑。另一方面， 在歷史樣本庫(kù)中存在"偽相似"樣本時(shí)，少數(shù)相似樣本在最終的集成平均過(guò)程中權(quán)重極高， 所以預(yù)測(cè)結(jié)果會(huì)被這些"最好的假朋友"所出賣，準(zhǔn)確性很差。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于：在定義時(shí)間尺度伸縮相似性（Time-scale Expansion-compression Similarity, TECS) 的基礎(chǔ)上，提出目標(biāo)導(dǎo)向最優(yōu)匹配相似性 （Target-oriented Best Matching Similarity,TBMS)預(yù)測(cè)方法，該方法基于時(shí)間尺度伸縮技術(shù)將 不相似或者低相似度樣本轉(zhuǎn)化為相似樣本，大幅度提升歷史樣本在預(yù)測(cè)中的參考價(jià)值，從 而進(jìn)一步改善相似性方法的預(yù)測(cè)性能。
[0006] 本發(fā)明采用的技術(shù)方案為:一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的產(chǎn)品壽命預(yù)測(cè)方 法，其特征在于：
[0007] (1)定義一種廣義相似性一一時(shí)間尺度伸縮相似性(TECS);
[0008] (2)應(yīng)用TECS和最優(yōu)化方法，將歷史各退化樣本數(shù)據(jù)最優(yōu)轉(zhuǎn)換到待預(yù)測(cè)樣本模式 下，獲取最優(yōu)轉(zhuǎn)換因子和最優(yōu)轉(zhuǎn)換距離；
[0009] (3)各最優(yōu)轉(zhuǎn)換因子乘以對(duì)應(yīng)歷史退化樣本壽命，作為各退化樣本在待預(yù)測(cè)樣本 模式下的轉(zhuǎn)換壽命；
[0010] (4)利用最優(yōu)轉(zhuǎn)換距離生成權(quán)重，并以此權(quán)重對(duì)各樣本轉(zhuǎn)換壽命進(jìn)行加權(quán)集成，獲 得待預(yù)測(cè)樣本壽命；
[0011] (5)以待預(yù)測(cè)樣本為導(dǎo)向，定義時(shí)間尺度伸縮相似性，將歷史退化數(shù)據(jù)轉(zhuǎn)換到待預(yù) 測(cè)樣本模式下，最終加權(quán)集成獲得預(yù)測(cè)壽命，形成一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的預(yù) 測(cè)框架。
[0012] 本發(fā)明一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的產(chǎn)品壽命預(yù)測(cè)方法，具體應(yīng)用方式的 步驟如下：
[0013] 第一步，構(gòu)建衰退樣本集；
[0014] 第二步，截取衰退樣本集樣本，按照待預(yù)測(cè)樣本的退化量截取同等程度退化的各 歷史全壽命樣本，得到的數(shù)據(jù)用于后續(xù)的相似性測(cè)度；
[0015] 第三步，計(jì)算TBMS:利用時(shí)間尺度伸縮相似性(TECS)原理，得到截取的歷史庫(kù)中各 個(gè)樣本與待預(yù)測(cè)樣本的最優(yōu)匹配因子及最優(yōu)匹配相似度（即歐氏距離）；
[0016] 第四步，加權(quán)集成:利用最優(yōu)匹配距離生成權(quán)重，將樣本集樣本的壽命轉(zhuǎn)化為在當(dāng) 前預(yù)測(cè)樣本模式下的壽命，然后利用加權(quán)策略(e~_x或1/x)進(jìn)行各樣本轉(zhuǎn)化后壽命的加權(quán) 集成，得到待預(yù)測(cè)產(chǎn)品的壽命；
[0017] 第五步，預(yù)測(cè)性能評(píng)價(jià)：比對(duì)待預(yù)測(cè)產(chǎn)品的真實(shí)壽命與預(yù)測(cè)壽命，計(jì)算各性能指 標(biāo)，評(píng)價(jià)算法的性能。
[0018] 其中，第一步中所述的構(gòu)建衰退樣本集包括數(shù)據(jù)歸一化處理、刪除無(wú)明顯衰退趨 勢(shì)的樣本、剔除序列中的離群值及序列平滑等。
[0019] 其中，第二步中所述的截取衰退樣本集樣本，其特點(diǎn)是在縱軸上截取等量退化的 樣本而不是在時(shí)間軸上等量截取。
[0020] 其中，第三步中所述的計(jì)算TBMS中，核心內(nèi)容是TECS的定義：
[0021] 記序列1為x(t)，t = l，2, . . .，M，序列2為y(t)，t = l，2, . . .，N，在序列1的時(shí)間上附 加一個(gè)時(shí)間伸縮尺度I序列1則變?yōu)閤(t)，t = A，2A，. . .，MA;AGR+;
[0022]由于轉(zhuǎn)換后數(shù)據(jù)采樣不規(guī)則，亦不在整數(shù)單位時(shí)刻點(diǎn)，使用分段三次Hermite多項(xiàng) 式插值方法得到需求時(shí)刻的狀態(tài)值：
[0023] 設(shè)區(qū)間[a，b]上有節(jié)點(diǎn)序列xi(i = 0,1，2, ? ? ?，n)，a = xo〈xi〈. ? ? <xn = b，其對(duì)應(yīng)的 函數(shù)值為yi，f '（Xi)=mi，hk=xk+i-xk，h=max(hk)，分段三次插值函數(shù)Ih(x)滿足：
[0024] (l)Ih(x)G[a,b];
[0025] (2)在任一小區(qū)間[xk，xk+i](k = 0,l, . . . ,n_l)上，Ih(x)為三次樣條多項(xiàng)式Ik(x);
[0026] (3)滿足插值條件，Ih(Xi)=fi，I'h(Xi)=mi;(i = 0，l，2, ? ? ?，n)。
[0027] 在區(qū)間x G [Xk，Xk+1 ]，PCHIP函數(shù)表達(dá)式為：
[0028] Ik(x) =yi+ck，i(x-xk)+ck，2(x-xk)2+ck，3(x_xk)3 (1)
[0029] 式中：
C2)
[0031] 應(yīng)用PCHIP插值方法結(jié)合序列外推策略得到轉(zhuǎn)換后序列為x'（t)，t = l，2,...，[入 M]；
[0032] 在伸縮尺度A下序列x(t)與y(t)的相似性定義為：
：(3)
[0034] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：
[0035] (1)與傳統(tǒng)的相似性方法比較:在相同的歷史樣本數(shù)據(jù)情形下，該方法具有更高的 準(zhǔn)確性、精度、魯棒性和穩(wěn)定性，尤其適用于復(fù)雜應(yīng)用條件下產(chǎn)品的壽命預(yù)測(cè)問(wèn)題；
[0036] (2)與其他類預(yù)測(cè)方法比較:算法參數(shù)少，無(wú)須大量的優(yōu)化過(guò)程，耗時(shí)少，運(yùn)行效率 高;利于進(jìn)行不確定性管理;通過(guò)更新歷史退化樣本集就可將算法移植到不同的預(yù)測(cè)應(yīng)用 中，簡(jiǎn)便易行。
【附圖說(shuō)明】
[0037] 圖1為本發(fā)明一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的產(chǎn)品壽命預(yù)測(cè)方法流程圖；
[0038] 圖2為TECS原理示意圖；
[0039]圖3為目標(biāo)導(dǎo)向最優(yōu)匹配相似原理示意圖；
[0040]圖4為線性退化仿真數(shù)據(jù)示意圖；
[0041 ]圖5為曲線型退化仿真數(shù)據(jù)示意圖；
[0042]圖6為真實(shí)產(chǎn)品性能衰退數(shù)據(jù)示意圖。
【具體實(shí)施方式】
[0043]下面結(jié)合附圖以及【具體實(shí)施方式】進(jìn)一步說(shuō)明本發(fā)明。
[0044]本方法提出的產(chǎn)品壽命預(yù)測(cè)流程如圖1所示，主要包含構(gòu)建衰退樣本集、截取樣本 集樣本、計(jì)算TBMS、加權(quán)集成和預(yù)測(cè)性能評(píng)價(jià)5個(gè)部分，具體如下：
[0045]第一步，構(gòu)建衰退樣本集。主要內(nèi)容有數(shù)據(jù)歸一化處理、刪除無(wú)明顯衰退趨勢(shì)的樣 本、剔除序列中的離群值及序列平滑。
[0046]第二步，截取樣本集樣本。按照待預(yù)測(cè)樣本的退化量截取同等程度退化的各歷史 全壽樣本，得到的數(shù)據(jù)用于后續(xù)的相似性測(cè)度。
[0047]第三步，計(jì)算TBMS。利用時(shí)間尺度伸縮相似性(TECS)原理，得到截取的歷史庫(kù)中各 個(gè)樣本與待預(yù)測(cè)樣本的最優(yōu)匹配因子及最優(yōu)匹配相似度(歐氏距離）。
[0048]第四步，加權(quán)集成。利用最優(yōu)匹配距離生成權(quán)重，將樣本集樣本的壽命轉(zhuǎn)化為在當(dāng) 前預(yù)測(cè)樣本模式下的壽命，然后利用加權(quán)策略(e~_x或1/x)進(jìn)行各全壽歷史樣本轉(zhuǎn)化后壽 命的加權(quán)集成，得到待預(yù)測(cè)產(chǎn)品的壽命。
[0049]第五步，預(yù)測(cè)性能評(píng)價(jià)。比對(duì)待預(yù)測(cè)產(chǎn)品的真實(shí)壽命與預(yù)測(cè)壽命，計(jì)算各性能指 標(biāo)，評(píng)價(jià)算法的性能。
[0050] 第三步中基于時(shí)間尺度伸縮相似性(TECS)的最優(yōu)匹配相似性(TBMS)的具體計(jì)算 方法如下：
[0051] 為了比較、利用不具有傳統(tǒng)相似性定義的歷史全壽命樣本，發(fā)明人提出了時(shí)間尺 度伸縮相似性的概念，這種相似性是傳統(tǒng)的基于直接距離相似性概念的廣義形式，傳統(tǒng)的 相似性是尺度相似性在伸縮尺度為1時(shí)的特例。時(shí)間尺度伸縮相似性(TECS)-一兩個(gè)等量 退化、同采樣率的時(shí)間序列在某個(gè)時(shí)間伸縮尺度作用下，轉(zhuǎn)換后時(shí)間序列與待比較時(shí)間序 列最大公共長(zhǎng)度的平均歐氏距離。圖2給出了 TECS的圖示。
[0052] TECS方法包含兩個(gè)主要步驟，即伸縮時(shí)間尺度后插值和轉(zhuǎn)換后序列與待比較序列 的相似性(距離)度量。下面結(jié)合圖2,介紹TECS方法的具體實(shí)施過(guò)程。
[0053] 記序列1為x(t)，t = l，2, . . .，M，序列2為y(t)，t = l，2, . . .，N，在序列1的時(shí)間上附 加一個(gè)時(shí)間伸縮尺度I序列1則變?yōu)閤(t)，t = A，2A，. . .，MA;AGR+。
[0054] 由于轉(zhuǎn)換后數(shù)據(jù)采樣不規(guī)則，亦不在整數(shù)單位時(shí)刻點(diǎn)，需要使用插值方法得到需 求時(shí)刻的狀態(tài)值。分段三次Hermite多項(xiàng)式插值（Piecewise Cubic Hermite Interpolating Polynomial，PCHIP)保證各點(diǎn)連續(xù)相切的同時(shí)也保證了多項(xiàng)式導(dǎo)數(shù)在各點(diǎn) 的連續(xù)性和平滑性，與線性插值（linear )、立方插值(cubic )、三次樣條插值（spline)相比 具有優(yōu)良的保形性，因而也稱其為立方保形插值;與此同時(shí)PCHIP保證了 2個(gè)相鄰點(diǎn)之間插 值曲線的單調(diào)性。下面簡(jiǎn)要介紹PCHIP的基本定義：
[0055] 設(shè)區(qū)間[a，b]上有節(jié)點(diǎn)序列xi(i = 0,1，2, ? ? ?，n)，a = xo〈xi〈. ? ? <xn = b，其對(duì)應(yīng)的 函數(shù)值為yi，f '（Xi)=mi，hk=xk+i-xk，h=max(hk)，分段三次插值函數(shù)Ih(x)滿足：
[0056] (l)Ih(x)G[a,b]；
[0057] (2)在任一小區(qū)間[xk，xk+i](k = 0,l, . . . ,n_l)上，Ih(x)為三次樣條多項(xiàng)式Ik(x);
[0058] (3)滿足插值條件，Ih(Xi)=fi，I，h(Xi)=mi;(i = 0，l，2, ? ? ?，n)。
[0059] 在區(qū)間x G [ Xk，Xk+1 ]，PCHIP函數(shù)表達(dá)式為：
[0060] Ik(x) =yi+ck，i(x-xk)+ck，2(x-xk)2+ck，3(x_xk)3 (1)
[0061] 式中：
m
[0063]本發(fā)明應(yīng)用PCHIP插值方法結(jié)合序列外推策略得到轉(zhuǎn)換后序列為x'（t)，t = l， 2,???，[入M]。
[0064]在伸縮尺度A下序列x(t)與y(t)的相似性定義為：
C3)
[0066] 在TECS定義的前提下，在此給出序列最優(yōu)匹配的概念及實(shí)施方法。圖3展示了隨著 伸縮尺度變化，兩個(gè)序列相似性的變化過(guò)程。
[0067] 為了有效匹配兩個(gè)待比較的時(shí)間序列，在其中之一的序列的時(shí)間上增加一個(gè)伸縮 尺度，使其在這種伸縮的作用下，實(shí)現(xiàn)兩個(gè)序列由不相似到相似的轉(zhuǎn)換。如圖3所示，隨著伸 縮尺度的變化，兩序列的相似性先由小及大，再由大及小，存在某個(gè)臨界的伸縮尺度，使兩 序列在這個(gè)伸縮尺度下的相似性最高，至此就得到了使兩序列實(shí)現(xiàn)伸縮最優(yōu)匹配的匹配因 子和最優(yōu)匹配距離(TBMS)，即：
[0068] TBMS = m;in TECS(x(t),y(t),A) (4)
[0069] 第四步中加權(quán)集成方法具體如下：
[0070] 記已有的退化樣本集為G'樣本集的壽命序列為{4}，1 = 1，2, ...，L。截取后退化 樣本集為G=(xi(t)，X2(t)，. . .，XL(t))，每個(gè)退化樣本表示為kzxiU) ,1 = 1，2,. . .，L，最 優(yōu)匹配得到的最優(yōu)匹配因子為1^1}，1 = 1，2，...丄和最優(yōu)匹配相似度距離{481^}，1 = 1， 2,...，L。因而每個(gè)樣本在當(dāng)前的待預(yù)測(cè)樣本模式下的樣本壽命為：
[0071] {1r}=A1{1R}，l = 1，2，...，L (5)
[0072] 定義待預(yù)測(cè)樣本與每個(gè)退化樣本的相似性得分為：
(6)
[0074] 所有的樣本壽命估計(jì)結(jié)果及相應(yīng)的形成一個(gè)二維序列H = {(b，4) 11 = 1，2,...， L}。加權(quán)集成的目的是集成在H中的多個(gè)估計(jì)結(jié)果最終獲得待預(yù)測(cè)樣本的壽命估計(jì)。
[0075] 最簡(jiǎn)單的集成方法是使用基于相似性得分的加權(quán)平均和，待估計(jì)樣本壽命的點(diǎn)估 計(jì)為：
m
[0077]第五步中預(yù)測(cè)性能評(píng)價(jià)具體如下：
[0078] 正確的評(píng)價(jià)預(yù)測(cè)結(jié)果可用于指導(dǎo)樣本參數(shù)的調(diào)優(yōu)，從而獲得可以滿足用戶需求的 預(yù)測(cè)算法。在此主要介紹基于準(zhǔn)確性的評(píng)價(jià)準(zhǔn)則(accuracy based metics)和基于精度的 評(píng)價(jià)準(zhǔn)則（precision based metics)。
[0079] 記J次預(yù)測(cè)的結(jié)果和真實(shí)壽命分別為〇和<。預(yù)測(cè)誤差定義為七ittiM，2，...，*/。 以下兩種類型的準(zhǔn)則在實(shí)際中常常被使用，其從不同的側(cè)面評(píng)價(jià)預(yù)測(cè)結(jié)果的優(yōu)劣。
[0080] (1)準(zhǔn)確性評(píng)價(jià)準(zhǔn)則
[0081] 偏差(Bias):
[0083] 均方根誤差(RMSE): (8) (9)
[0085] 平均絕對(duì)誤差(MAE):
(10)
[0087] (2)精度評(píng)價(jià)準(zhǔn)則
[0088] 誤差標(biāo)準(zhǔn)差（StdE):
(11)
[0090] 平均絕對(duì)中位數(shù)偏差(MAD):
(12)
[0092]本發(fā)明應(yīng)用案例如下：
[0093]為驗(yàn)證所提出預(yù)測(cè)方法的有效性，發(fā)明人用線性衰退模擬數(shù)據(jù)、曲線型衰退模擬 數(shù)據(jù)和某產(chǎn)品真實(shí)的壽命衰退試驗(yàn)數(shù)據(jù)驗(yàn)證方法的有效性和實(shí)用性。
[0094] 1.線性衰退仿真數(shù)據(jù)
[0095]為初步驗(yàn)證TBMS方法的有效性，發(fā)明人首先選擇最簡(jiǎn)單的線性退化情形驗(yàn)證所提 出的方法。仿真數(shù)據(jù)因變量具有同樣的范圍[0，1]，通過(guò)在直線數(shù)據(jù)的基礎(chǔ)上加入高斯噪聲 得到，具體由下列各式給出：
[0099] 如圖4所示，三個(gè)序列以近似線性的規(guī)律逐漸退化。
[0100] 試驗(yàn)中，發(fā)明人用以上三條曲線構(gòu)成一個(gè)矩陣，然后選出其中一條作為待預(yù)測(cè)樣 本，另外兩條作為參考的全壽命退化樣本集，輪流進(jìn)行各個(gè)樣本的預(yù)測(cè)。同時(shí)，我們?cè)谝阎?數(shù)據(jù)長(zhǎng)度上也做了考慮，分別選取已知樣本為退化量為和來(lái)進(jìn)行試驗(yàn)。預(yù)測(cè)結(jié)果如表1中所 不。
[0101]表1線性仿真數(shù)據(jù)的預(yù)測(cè)結(jié)果
[0103] 2.曲線型衰退仿真數(shù)據(jù)
[0104] 圖5展示了三條拋物線形式的退化規(guī)律，具體由下式給定：
[0108] 預(yù)測(cè)結(jié)果如表2所示。
[0109] 表2曲線型仿真數(shù)據(jù)的預(yù)測(cè)結(jié)果
[0111] 3.實(shí)際產(chǎn)品衰退數(shù)據(jù)
[0112] 圖6給出了實(shí)際產(chǎn)品衰退數(shù)據(jù)，表3給出了基于這些數(shù)據(jù)的預(yù)測(cè)結(jié)果。
[0113] 表3真實(shí)產(chǎn)品衰退數(shù)據(jù)的預(yù)測(cè)結(jié)果
【主權(quán)項(xiàng)】
1. 一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的產(chǎn)品壽命預(yù)測(cè)方法，其特征在于： (1) 定義一種廣義相似性一一時(shí)間尺度伸縮相似性(TECS); (2) 應(yīng)用TECS和最優(yōu)化方法，將歷史各退化樣本數(shù)據(jù)最優(yōu)轉(zhuǎn)換到待預(yù)測(cè)樣本模式下，獲 取最優(yōu)轉(zhuǎn)換因子和最優(yōu)轉(zhuǎn)換距離； (3) 各最優(yōu)轉(zhuǎn)換因子乘以對(duì)應(yīng)歷史退化樣本壽命，作為各退化樣本在待預(yù)測(cè)樣本模式 下的轉(zhuǎn)換壽命； (4) 利用最優(yōu)轉(zhuǎn)換距離生成權(quán)重，并以此權(quán)重對(duì)各樣本轉(zhuǎn)換壽命進(jìn)行加權(quán)集成，獲得待 預(yù)測(cè)樣本壽命； (5) 以待預(yù)測(cè)樣本為導(dǎo)向，定義時(shí)間尺度伸縮相似性，將歷史退化數(shù)據(jù)轉(zhuǎn)換到待預(yù)測(cè)樣 本模式下，最終加權(quán)集成獲得預(yù)測(cè)壽命，形成一種基于目標(biāo)導(dǎo)向最優(yōu)匹配相似性的預(yù)測(cè)框 架。
【文檔編號(hào)】G06Q10/04GK105913144SQ201610213406
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月7日
【發(fā)明人】劉紅梅, 李連峰, 呂琛, 趙萬(wàn)琳, 王洋
【申請(qǐng)人】北京航空航天大學(xué)