含有奇異信號(hào)的電子系統(tǒng)性能退化趨勢(shì)預(yù)測(cè)方法研究.pdf

1、為了充分提高電子系統(tǒng)的診斷性能，提升電子系統(tǒng)測(cè)試診斷的智能決策水平，近些年來，通過性能退化趨勢(shì)預(yù)測(cè)技術(shù)進(jìn)行整個(gè)電子系統(tǒng)的可靠性分析越發(fā)受到當(dāng)前學(xué)術(shù)界和電子工程技術(shù)人員的廣泛關(guān)注。然而，系統(tǒng)性能退化過程中的故障征兆，特別是瞬態(tài)故障和間歇故障的影響，都會(huì)使得測(cè)點(diǎn)信號(hào)產(chǎn)生奇異性。當(dāng)這種奇異性處于預(yù)測(cè)模型的數(shù)據(jù)中，它們則以偽信息、偽變化規(guī)律的方式提供給各種預(yù)測(cè)模型，這必然影響趨勢(shì)預(yù)測(cè)的精確度和可靠性。由于先前的研究大部分集中在正常的性能退化趨勢(shì)

2、預(yù)測(cè)中，而忽略了奇異信號(hào)的影響。因此，含有奇異信號(hào)的電子系統(tǒng)性能退化趨勢(shì)預(yù)測(cè)方法的研究是一個(gè)重要的研究課題?；谏鲜鲈颍菊撐闹饕瓿梢韵碌墓ぷ鳎?br>　　1.電子系統(tǒng)性能退化過程中奇異信號(hào)的分析。本文首先介紹了奇異性的數(shù)學(xué)模型，然后重點(diǎn)研究了性能退化過程中奇異信號(hào)的產(chǎn)生及其對(duì)預(yù)測(cè)的影響，由分析可知，奇異點(diǎn)嚴(yán)重減低了壽命預(yù)測(cè)的精度，對(duì)其之后的數(shù)據(jù)預(yù)測(cè)有著不可忽視的影響。緊接著本文又簡(jiǎn)單分析了奇異信號(hào)與噪聲的區(qū)別，以及噪聲對(duì)奇異性檢測(cè)

3、的影響，研究表明，噪聲的存在不僅影響了信號(hào)奇異點(diǎn)的檢測(cè)，還嚴(yán)重影響了奇異程度的定量表征。進(jìn)一步指出了在含有奇異信號(hào)的電子系統(tǒng)性能退化趨勢(shì)預(yù)測(cè)方法的研究上，現(xiàn)今采用的先識(shí)別與修正奇異點(diǎn)，再對(duì)修正后的奇異點(diǎn)數(shù)據(jù)序列進(jìn)行預(yù)測(cè)的方法，存在了很大不足。從而為本文后面的研究工作提供了依據(jù)。
　　2.含有奇異信號(hào)的電子系統(tǒng)性能退化趨勢(shì)預(yù)測(cè)方法的研究?；谏厦嬉稽c(diǎn)的分析，本文提出了兩種含奇異信號(hào)的性能退化狀態(tài)趨勢(shì)預(yù)測(cè)方法。其一，提出了采用平滑樣條

4、和隱馬爾可夫模型對(duì)含奇異數(shù)據(jù)的信號(hào)進(jìn)行趨勢(shì)預(yù)測(cè)。該方法利用平滑樣條無限可微性質(zhì)克服了奇異信號(hào)對(duì)后續(xù)趨勢(shì)預(yù)測(cè)的影響，具有良好的收斂性和穩(wěn)定性，可有效提高含有奇異信號(hào)的電子系統(tǒng)退化狀態(tài)趨勢(shì)預(yù)測(cè)的準(zhǔn)確度和魯棒性，降低預(yù)測(cè)結(jié)果的不確定風(fēng)險(xiǎn)。其二，汲取VOLTERRA級(jí)數(shù)的精確建模和改進(jìn)的最優(yōu)剪枝極限學(xué)習(xí)機(jī)訓(xùn)練學(xué)習(xí)速度較快和泛化、魯棒性能良好的優(yōu)點(diǎn)，建立了VOLTERRA最優(yōu)剪枝極限學(xué)習(xí)機(jī)模型(VKOPP)，進(jìn)而提出了基于VKOPP算法的性能退化

5、趨勢(shì)預(yù)測(cè)方法。最后，以幾組不同的仿真數(shù)據(jù)來驗(yàn)證本文提出的兩種預(yù)測(cè)模型相比其他大部分預(yù)測(cè)模型具有更高的預(yù)測(cè)性能，奇異點(diǎn)對(duì)其之后的數(shù)據(jù)預(yù)測(cè)的影響更小，以此來說明本文提出的這兩種預(yù)測(cè)模型能夠很好地解決含奇異信號(hào)的電子系統(tǒng)退化狀態(tài)趨勢(shì)預(yù)測(cè)中奇異信號(hào)對(duì)預(yù)測(cè)的致命影響。
　　3.預(yù)測(cè)分析軟件的設(shè)計(jì)和實(shí)現(xiàn)。該軟件集成了9種不同預(yù)測(cè)算法(其中包括一些經(jīng)典預(yù)測(cè)算法和本文提出的方法)，用戶可以選擇相應(yīng)的預(yù)測(cè)模型進(jìn)行訓(xùn)練分析，軟件會(huì)從多個(gè)角度反映所選模

6、型的學(xué)習(xí)效果；與此同時(shí)，軟件后臺(tái)部分也會(huì)用設(shè)置好默認(rèn)參數(shù)的其他預(yù)測(cè)模型對(duì)所選數(shù)據(jù)進(jìn)行訓(xùn)練，當(dāng)預(yù)測(cè)時(shí)，軟件根據(jù)各個(gè)預(yù)測(cè)模型的預(yù)測(cè)精度分析和耗時(shí)分析，推薦出最合適用戶所載入數(shù)據(jù)的預(yù)測(cè)模型，并給出預(yù)測(cè)結(jié)果，給用戶一定的參考。另外，當(dāng)載入的數(shù)據(jù)含有奇異點(diǎn)時(shí)，用戶也可以通過該軟件模極大值曲線和LE指數(shù)值計(jì)算其奇異點(diǎn)的位置以及奇異性的大小。由于鋰離子電池性能退化預(yù)測(cè)是電子系統(tǒng)健康管理的一個(gè)重要方面，因此在論文最后，則以美國(guó)宇航局艾姆斯研究中心提供的