基于多残差回归预测算法的电子产品退化趋势预测方法

摘要

本发明公开了一种基于多残差回归预测算法的电子产品退化趋势预测方法，通过对电子产品退化数据特性的充分分析选取最为适宜的初始拟合模型并对残差进行合理建模，最终实现对产品寿命的预测。同时根据历史样本同期预测误差特性的普适度对现场服役样本进行修正，提出一种先加权和后加权两种理论可行的残差回归方法，更好地反映一般情况，最后达到一种高精度的预测，对电子产品的运行状态和预期寿命起到很好地指示作用，成为产品商对设备的维修和报废时间的参考。

主权项

一种基于多残差回归预测算法的电子产品退化趋势预测方法，其特征在于，包括以下步骤：(1)、选取m组同一型号电子产品的退化数据作为历史样本，每组历史样本均从零时刻开始，每间隔Δt时间对电子产品的检测指标进行采样，当m组历史样本中有T％的历史样本达到失效阈值时的采样点记为Th，对应的历史样本实际采样时刻记为Th×Δt，则第i组历史样本序列可表示为h(i)＝h(i)₀,h(i)₁,…h(i)_Th，其中，i＝1,2,…,m,T∈(0,100)；选取一组同一型号电子产品作为现场服役样本，每组现场服役样本样本均从零时刻开始，每间隔Δt时间对电子产品的检测指标进行采样，当前采样点为Tp时，现场服役样本的序列表示为x＝x₀,x₁,…x_Tp；(2)、对m组历史样本和一组现场服役样本进行尺度变换处理得到归一化的m组历史样本序列h_o和归一化的一组现场服役样本序列x_o,其中，截取h_o的前Tp个值来表示序列h_o；(3)、根据预选的初始拟合模型对归一化现场服役样本序列x_o进行初始拟合，生成残差序列r_o，r_o经过c_d阶差分处理后，利用ARMA建模进行归一化，得到现场服役样本自修正预测序列Axp＝Axp₀,Axp₁,...Axp_Tp+k，其中，Axp_Tp+k已达到失效阈值；(4)、利用先加权历史样本残差回归法对m组历史样本序列进行处理，得到加权历史样本当前时刻外推预测序列和加权历史样本序列的残差序列residual1；利用后加权历史样本残差回归法对归一化的m组历史样本进行处理，得到m组历史数据当前时刻外推预测序列和m组历史数据当前时刻序列的残差序列residual2；(5)、计算序列Axp的前Tp个序列值Axp₀,Axp₁,...Axp_Tp与归一化现场服役样本序列x_o＝x_o0,x_o1,…x_oTp之间的差值，得到残差序列residual3；(6)、根据residual1和residual2的退化预测趋势对residual3进行修正，得到最终的外推预测曲线hAxp，再对外推预测曲线hAxp进行样条差值处理，得到现场服役样本的预测失效时间和剩余寿命。