基于逆高斯过程的二元退化可靠性建模与评估
CSTR:
作者:
作者单位:

内蒙古工业大学 理学院,呼和浩特 010051

作者简介:

通讯作者:

E-mail: zz.yan@163.com.

中图分类号:

TB114.3

基金项目:

国家自然科学基金项目(12361058,11861049);内蒙古2023研究生创新项目(ZTY2023015);内蒙古自治区自然科学基金项目(2022MS01006);内蒙古自治区直属高校基本科研业务费项目(JY20220083).


A bivariate degradation model for reliability analysis based on inverse Gaussian process
Author:
Affiliation:

College of Science,Inner Mongolia University of Technology,Hohhot 010051,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了实现单个产品的可靠度估计和剩余使用寿命预测,在综合利用产品总体和个体退化信息的基础上,提出一种考虑个体差异性的二元逆高斯退化模型.首先,基于Copula函数建立二元逆高斯过程退化模型,并从性能退化速率与性能间相关关系两方面对个体差异性进行描述;然后,利用两阶段期望最大化算法,先后对单性能模型和Copula函数中参数值进行估计;接着,基于个体退化特性和Bayes理论,分别提出个体缺失观测值估计和退化值预测的模拟方法,并利用退化量预测值对个体的剩余使用寿命进行预测;最后,通过重型机床的实例数据验证所提出模型和统计推断方法的有效性,并对产品后续预防性维修和健康管理提出建议.

    Abstract:

    In order to get the reliability estimation and remaining useful lifetime(RUL) prediction of a product, a bivariate inverse Gaussian(IG) degradation model is proposed based on the degradation information of the population and units. The bivariate degradation model is established based on Copula function, and the model can capture heterogeneities of degradation rates and correlation between two performance characteristics within the population. Then, the two-stage expectation maximization(EM) algorithm is used to estimate parameters of marginal distributions and Copula function successively. In addition, based on the degradation characteristics of individuals and Bayes’ theorem, we propose simulation studies to estimate the missing observations and future observations, and get unit-specific RUL using future observations. To verify the feasibility of the proposed model and inference methods, a numerical example about heavy machine tools is proposed, and suggestions are put forward for the preventive maintenance and health management of products.

    参考文献
    相似文献
    引证文献
引用本文

安绮梦,闫在在,孙立君.基于逆高斯过程的二元退化可靠性建模与评估[J].控制与决策,2024,39(11):3727-3735

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-09-20
  • 出版日期: 2024-11-20
文章二维码