多层次状态监测数据融合的可靠度评估方法技术

本发明专利技术公开了一种多层次状态监测数据融合的可靠度评估方法，具体包括：根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合；收集系统和单元在服役过程中的状态监测数据或信息；根据多层次的状态监测数据或信息更新系统中单元的当前状态概率；动态地估计多状态系统在剩余服役期内的可靠度。本发明专利技术的方法融合了多状态系统中系统级和单元级的状态监测数据或信息，并结合系统和单元状态退化规律的逻辑组合关系，通过构造贝叶斯递归模型确定多状态系统中各单元当前的状态概率，从而对系统未来状态和可靠度进行预测；同时本发明专利技术的方法考虑了状态监测数据或信息的误差，使得这一方法更具通用性。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，具体包括：根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合；收集系统和单元在服役过程中的状态监测数据或信息；根据多层次的状态监测数据或信息更新系统中单元的当前状态概率；动态地估计多状态系统在剩余服役期内的可靠度。本专利技术的方法融合了多状态系统中系统级和单元级的状态监测数据或信息，并结合系统和单元状态退化规律的逻辑组合关系，通过构造贝叶斯递归模型确定多状态系统中各单元当前的状态概率，从而对系统未来状态和可靠度进行预测；同时本专利技术的方法考虑了状态监测数据或信息的误差，使得这一方法更具通用性。【专利说明】
本专利技术属于复杂系统可靠度评估
，具体涉及基于多层次状态监测数据融合的多状态系统动态可靠度评估方法。
技术介绍
现代科学技术的迅速进步，使得设备拥有更复杂的结构和更强大的功能，这些设备涉及社会生产的各个领域，设备能否持续高效、安全稳定的工作对日常生活、企业生产乃至国家安全都起着至关重要的作用。由此，可靠性工程对现代工业，尤其是高精密、高可靠的生产制造行业来说是不可或缺的工程技术。作为可靠性工程重要技术之一，可靠度评估的重要性是不言而喻的。一种好的可靠度评估方法能准确反映系统健康状况，指导高效经济的维护策略以有效地预防系统失效和避免灾难性后果的发生。常规的系统可靠度评估方法都是基于二态可靠性理论，二态可靠性理论的基本假设是把系统的运行状态粗略地划分为“正常”和“失效”两种状态。事实上，对于设备日益大型化、复杂化的今天，人们发现系统在退化过程中，其失效规律、工作性能和效率并不是一成不变的，换句话说，系统从“全新”状态到“失效”状态的过程中往往呈现出多状态特性，而不仅仅是简单只有两种状态。例如:一个煤炭传送系统在传送煤炭过程中，根据退化程度的不同其对应的运载能力可以有180吨/小时(全新状态)，100吨/小时(中度故障)，O吨/小时(完全故障)三种状态，其本质就是一个多状态系统。在这种情况下，若依然采用系统状态的二态性假设而忽略其内在复杂退化机制，将不能对系统进准确的分析和评估。这就迫切需要开展多状态可靠性理论的研究，以解决现代工程中大型复杂装备和系统的可靠性问题。传统的多状态系统可靠度评估方法的基本思路是利用组成系统单元的状态转移率，计算在系统运行周期内各单元的瞬时状态概率，再结合系统中单元的逻辑结构得到系统的状态概率。按照这种方法，任何组成单元和结构都相同的两个系统的可靠度评估结果将是相同的。然而在实际应用中，由于系统运行载荷、温度、湿度、运行周期等外在条件存在差异，即便是两个相同的系统，其呈现出来的退化规律和失效时间往往是完全不相同的。然而，由于系统退化规律的不相同，通过状态监测装置收集到的状态监测数据是不相同的，而这种信息可以间接的反映出系统退化规律的差异。因此，有必要针对每个系统，利用其在服役期间收集的状态监测数据或信息，对其健康状况和系统可靠度进行动态地评估，以实现更准确地预测每一个系统的剩余寿命和可靠度。对多状态系统可靠度进行动态更新，最直观的方法就是对当前系统及组成的部分单元进行实时地状态监测。然而，对系统每个单元的状态监测可能无法实现，只能进行系统级状态监测或者对部分单元进行状态监测。例如:在风力发电机中，对由齿轮箱和风轮组成的发电机系统而言想要对齿轮箱内部的齿轮进行状态监测几乎无法实现，但却可以对风轮进行状态监测。如果可以得到具有层次性的能反映系统或部分单元的健康状态的数据或信息，结合状态监测数据以及系统和单元的状态逻辑关系，就能实现对系统可靠度的动态更新。其次，大部分情况下系统(或单元)状态不可直接得到。在工程实际中，我们往往是通过状态监测得到反映系统或单元状况的一个指标，从而对当前系统或单元状态进行推断。例如:判断齿轮磨损程度时，由于不同磨损程度的齿轮振动信号特征不同，因此判断齿轮磨损程度一般都是通过观察其振动信号的特征来确定齿轮的磨损程度，而不是直接测量。但由于误差或者外界干扰等因素的存在，每次得到的监测数据都或多或少存在偏差，因此每次监测信息并不能准确地得到系统或单元的状态，换句话说，监测得到的系统或单元状态存在误差。因此，融合多状态系统多层次(系统级和单元级)的状态监测数据或信息并考虑状态监测数据或信息的误差，以实现多状态系统的动态可靠度评估，能有效地指导维护策略的制定以提前采取措施，避免故障的发生和减少损失。到目前为止,融合多层级状态监测信息并同时考虑状态监测数据或信息的误差的多状态系统动态可靠度评估技术在国内外尚属空白。
技术实现思路
本专利技术的目的是为了解决现有多状态系统可靠度评估方法存在的上述问题，提出了一种。本专利技术的技术方案是:一种，具体包括如下步骤:步骤1.根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合:所述的系统具有多个状态，由多个单元组成，每个单元也具有两个或多个离散状态，所述离散状态为一个单元由全新状态到完全失效的过程中所经历的所有可能的中间状态，可表示为S/其中，N1为单元I所有可能的状态数，Su代表单元I处于状态i，且Su和^爲分别表示单元I的最差和最好状态；在系统的使用过程中由于单元状态的变化，所述系统也呈现出多个离散的状态，表示为8 =体5"力5“％?^}，其中，Ns为该系统所有可能的状态数，Si表示系统处于状态i，且S1为系统的最差状态，Shs为系统的最好状态；若Xs(t)表示系统在t时刻的状态，有Xs (t) e S ；Χχα)表示单元I在t时刻的状态，有X1U) e Sl，则有Χ3α) = Φ (XjthXjt)，...，Xjt))，即系统在任意时刻的状态由单元状态以及系统单元的逻辑结构决定，其中，M为系统中的单元数；系统的逻辑结构用结构函数Φ (.)表示；若组成系统的单元数为M，系统中单元状态组合数为【权利要求】1.一种，具体包括如下步骤: 步骤1.根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合: 所述的系统具有多个状态，由多个单元组成，每个单元也具有两个或多个离散状态，所述离散状态为一个单元由全新状态到完全失效的过程中所经历的所有可能的中间状态，可表示为Si = ls;t-,SlJr%sLNi}，其中，N1为单元I所有可能的状态数，Su代表单元I处于状态i，且 2.根据权利要求1所述的一种，其特征在于，步骤3所描述的根据收集的系统和单元状态监测数据或信息，系统中各单元处于某种状态组合的条件概率，可以由如下贝叶斯递归模型给出，分两种情况考虑: (I)当tk时刻的状态监测数据反映的是系统的状态时: 3.根据权利要求2所述的一种，其特征在于，步骤4所述的根据当前单元状态概率，评估多状态系统在剩余服役期内的可靠度，具体为: 【文档编号】G06F19/00GK103745108SQ201410012569【公开日】2014年4月23日 申请日期:2014年1月10日 优先权日:2014年1月10日 【专利技术者】刘宇, 陈初杰, 张凡, 李彦锋, 杨圆鉴, 黄洪钟, 左明健 申请人:电子科技大学本文档来自技高网...

【技术保护点】
一种多层次状态监测数据融合的可靠度评估方法，具体包括如下步骤：步骤1.根据系统及单元退化规律，确定系统和单元退化过程中的状态，明确系统各状态对应的单元状态组合：所述的系统具有多个状态，由多个单元组成，每个单元也具有两个或多个离散状态，所述离散状态为一个单元由全新状态到完全失效的过程中所经历的所有可能的中间状态，可表示为其中，Nl为单元l所有可能的状态数，sl,i代表单元l处于状态i，且sl,1和分别表示单元l的最差和最好状态；在系统的使用过程中由于单元状态的变化，所述系统也呈现出多个离散的状态，表示为其中，NS为该系统所有可能的状态数，Si表示系统处于状态i，且S1为系统的最差状态，为系统的最好状态；若XS(t)表示系统在t时刻的状态，有XS(t)∈S；Xl(t)表示单元l在t时刻的状态，有Xl(t)∈sl，则有XS(t)=φ(X1(t),X2(t),…,XM(t))，即系统在任意时刻的状态由单元状态以及系统单元的逻辑结构决定；其中，M为系统中的单元数；系统的逻辑结构用结构函数φ(·)表示；若组成系统的单元数为M，系统中单元状态组合数为用表示系统处于状态i时所有可能的单元状态组合集合，其中，Li表示使系统处于状态i的单元状态组合总数，Si,m表示系统状态为i时的第m种单元状态组合；Si,m(l)表示系统状态为i且单元状态为第m种组合时，单元l所处的状态，且Si,m(l)∈sl；步骤2.收集系统和单元在服役过程中的状态监测数据或信息：采用一个概率矩阵来表示所监测状态与被监测对象真实状态的关系：其中，bij（i,j∈{1,2,…,NS}）表示系统被监测出正处于状态i而其真实的状态为j的概率，且若bii=1.0则表示被监测的状态是真实的状态，即监测数据无误差；bii越小则表示监测误差越大；对于单元l，用概率矩阵Al来描述这种监测数据或信息的不准确性：其中，表示单元l被监测出正处于状态i而其真实的状态为j的概率，且若则表示被监测的状态是真实的状态，即监测无误差；越小则表示监测误差越大；对于一个系统，系统在运行过程的所采集的监测数据和信息可表示为XSO(tS)={XSO(t1S),···,XSO(tiS),···,XSO(tkS)},]]>其中，t1S<t2S<···<tkS,]]>表示在时刻监测到系统处于状态，且有对于单元l，在系统运行过程所监测的状态数据和信息可表示为XlO(tl)={XlO(t1l),···,XlO(til),···,XlO(tkl)},]]>其中，t1l<t2l<···<tkl,]]>表示在时刻监测到单元l处于状态，且有令表示到tk时刻（tk=max{tS,tl}）为止所采集的所有系统和单元的状态监测数据；步骤3.根据多层次的状态监测数据或信息更新系统中单元的当前状态概率：根据步骤2获取的监测数据得到最后一次状态监测时系统各单元处于某种单元状态组合的概率，即Pr{XS(tk)=Si,v|Λk}，Si,v∈Si,·表示当前时刻系统处于状态i且单元的状态组合为第v种；XS(tk)表示tk时刻系统的真实状态；最后一次状态监测有如下两种情况：（1）在tk时刻的状态监测得到的是系统的状态；（2）在tk时刻的状态监测是单元l的状态；由于这两种情况下状态监测数据具有层次性关系，即系统状态监测数据一定程度包含了单元的状态信息，且系统状态监测数据与单元状态监测数据不相互独立，故需要实现两种情况的状态监测数据的融合以得到当前系统真实状态及对应单元状态组合概率，即Pr{XS(tk)=Si,v|Λk}，进而可确定系统中各单元处于各状态的概率；步骤4.动态地估计多状态系统在剩余服役期内的可靠度：根据已知的单元状态转移率以及在步骤3中得到的当前各单元处于各状态概率，计算系统在剩余服役期内任意时刻的状态概率以及可靠度；当每一次获取新的系统或单元的状态监测数据，系统在剩余服役期内的状态概率和可靠度都将更新一次，实现系统可靠度的动态评估。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘宇，陈初杰，张凡，李彦锋，杨圆鉴，黄洪钟，左明健，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51