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)<sub>0</sub>,h(i)<sub>1</sub>,…h(i)<sub>Th</sub>,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=x<sub>0</sub>,x<sub>1</sub>,…x<sub>Tp</sub>;(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<sub>o</sub>和归一化的一组现场服役样本序列x<sub>o</sub>,其中,截取h<sub>o</sub>的前Tp个值来表示序列h<sub>o</sub>;(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<sub>o</sub>进行初始拟合,生成残差序列r<sub>o</sub>,r<sub>o</sub>经过c<sub>d</sub>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=Axp<sub>0</sub>,Axp<sub>1</sub>,...Axp<sub>Tp+k</sub>,其中,Axp<sub>Tp+k</sub>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Axp<sub>0</sub>,Axp<sub>1</sub>,...Axp<sub>Tp</sub>与归一化现场服役样本序列x<sub>o</sub>=x<sub>o0</sub>,x<sub>o1</sub>,…x<sub>oTp</sub>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。 |