發(fā)布時(shí)間：2017-10-24 18:11

  本文關(guān)鍵詞：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

  更多相關(guān)文章： 奇異信號(hào) 性能退化 壽命預(yù)測(cè) 預(yù)測(cè)軟件

【摘要】：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)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�,本論文主要完成以下的工作: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)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,則以美國宇航局艾姆斯研究中心提供的鋰離子電池性能退化數(shù)據(jù)為例驗(yàn)證了該軟件的有效性和可靠性。
【關(guān)鍵詞】：奇異信號(hào) 性能退化 壽命預(yù)測(cè) 預(yù)測(cè)軟件
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN06
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-20
• 1.1 選題背景及研究意義11-12
• 1.2 性能退化預(yù)測(cè)的發(fā)展與現(xiàn)狀12-14
• 1.3 含有奇異信號(hào)的狀態(tài)預(yù)測(cè)方法研究現(xiàn)狀14-17
• 1.3.1 奇異點(diǎn)檢測(cè)方法的研究現(xiàn)狀15
• 1.3.2 含有奇異信號(hào)的預(yù)測(cè)方法研究現(xiàn)狀15-17
• 1.4 本文的主要研究內(nèi)容17-18
• 1.5 本文的組織結(jié)構(gòu)安排18-20
• 第二章 電子系統(tǒng)性能退化過程中奇異信號(hào)的分析20-34
• 2.1 奇異性的數(shù)學(xué)模型20-21
• 2.2 性能退化過程中奇異信號(hào)的產(chǎn)生及對(duì)預(yù)測(cè)的影響21-24
• 2.3 信號(hào)與噪聲的度量24-33
• 2.3.1 信號(hào)奇異性的檢測(cè)方法24-27
• 2.3.2 噪聲的小波變換特性27-29
• 2.3.3 奇異信號(hào)和噪聲在小波變換下的差別29
• 2.3.4 噪聲對(duì)奇異性檢測(cè)的干擾29-33
• 2.4 本章小結(jié)33-34
• 第三章 基于三次非多項(xiàng)式樣條的加權(quán)HMM趨勢(shì)預(yù)測(cè)方法34-50
• 3.1 基于加權(quán)HMM模型的基本預(yù)測(cè)鏈34-35
• 3.2 三次非多項(xiàng)式樣條原理35-37
• 3.3 基于三次非多項(xiàng)式樣條的加權(quán)HMM趨勢(shì)預(yù)測(cè)模型的建立37-43
• 3.3.1 預(yù)測(cè)模型描述37-39
• 3.3.2 算法步驟39-43
• 3.4 仿真與實(shí)驗(yàn)43-49
• 3.5 本章小結(jié)49-50
• 第四章 基于VKOPP模型的性能退化趨勢(shì)預(yù)測(cè)方法50-75
• 4.1 微熵率最小重構(gòu)相空間的基本原理50-51
• 4.2 VOLTERRA級(jí)數(shù)介紹51-53
• 4.3 基于M估計(jì)的最優(yōu)剪枝極限學(xué)習(xí)機(jī)算法53-57
• 4.3.1 最優(yōu)剪枝極限學(xué)習(xí)機(jī)介紹53-55
• 4.3.2 基于M估計(jì)的最優(yōu)剪枝極限學(xué)習(xí)機(jī)算法55-57
• 4.4 基于VKOPP模型的性能退化趨勢(shì)預(yù)測(cè)57-64
• 4.4.1 預(yù)測(cè)模型描述57-60
• 4.4.2 算法步驟60-64
• 4.5 仿真與實(shí)驗(yàn)64-74
• 4.6 本章小結(jié)74-75
• 第五章 電子系統(tǒng)性能退化預(yù)測(cè)軟件設(shè)計(jì)與實(shí)現(xiàn)75-84
• 5.1 軟件功能描述75
• 5.2 軟件設(shè)計(jì)結(jié)構(gòu)及運(yùn)行界面75-78
• 5.2.1 設(shè)計(jì)結(jié)構(gòu)75-77
• 5.2.2 運(yùn)行界面77-78
• 5.3 應(yīng)用實(shí)例驗(yàn)證78-82
• 5.4 本章小結(jié)82-84
• 第六章 全文總結(jié)與展望84-87
• 6.1 論文工作總結(jié)84-86
• 6.2 研究展望86-87
• 致謝87-88
• 參考文獻(xiàn)88-93
• 攻讀碩士期間取得的研究成果93-94

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張鳳霞;米根鎖;;基于健康指數(shù)的軌道電路設(shè)備壽命預(yù)測(cè)方法的研究[J];鐵道學(xué)報(bào);2015年12期

2 郎瑩;張文濤;辛義;;基于神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)不良數(shù)據(jù)處理的分析[J];電子測(cè)試;2015年09期

3 龍騰飛;郭巍;申睿;;小波變換在信號(hào)奇異性特征檢測(cè)中的應(yīng)用[J];無線互聯(lián)科技;2015年02期

4 余宇峰;朱躍龍;萬定生;關(guān)興中;;基于滑動(dòng)窗口預(yù)測(cè)的水文時(shí)間序列異常檢測(cè)[J];計(jì)算機(jī)應(yīng)用;2014年08期

5 喬美英;;微熵率重構(gòu)相空間混沌時(shí)序預(yù)測(cè)研究[J];微型電腦應(yīng)用;2014年01期

6 王敬華;趙新想;張國燕;劉建銀;;NLOF:一種新的基于密度的局部離群點(diǎn)檢測(cè)算法[J];計(jì)算機(jī)科學(xué);2013年08期

7 張昀;周nv;任海軍;孫才新;伍科;馬小敏;;數(shù)據(jù)挖掘在電力負(fù)荷壞數(shù)據(jù)智能辨識(shí)與修正中的應(yīng)用[J];重慶大學(xué)學(xué)報(bào);2013年02期

8 劉密歌;李小斌;;基于Bayes決策的奇異點(diǎn)檢測(cè)[J];計(jì)算機(jī)應(yīng)用;2013年01期

9 劉美芳;余建波;尹紀(jì)庭;;基于貝葉斯推論和自組織映射的軸承性能退化評(píng)估方法[J];計(jì)算機(jī)集成制造系統(tǒng);2012年10期

10 李麗;葉林;;風(fēng)速數(shù)據(jù)奇異點(diǎn)辨識(shí)研究[J];電力系統(tǒng)保護(hù)與控制;2011年21期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 劉震;智能BIT診斷方法研究及其在多電飛機(jī)電源系統(tǒng)中的應(yīng)用[D];西北工業(yè)大學(xué);2007年

2 陳勇;MOSFET熱載流子退化效應(yīng)的研究[D];電子科技大學(xué);2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 朱炯炯;IGBT模塊故障預(yù)測(cè)技術(shù)[D];電子科技大學(xué);2014年

2 王建利;滾動(dòng)軸承性能退化評(píng)價(jià)與趨勢(shì)預(yù)測(cè)研究[D];大連理工大學(xué);2013年

3 朱曦;基于改進(jìn)K均值聚類的證券時(shí)間序列奇異點(diǎn)研究[D];昆明理工大學(xué);2013年

4 付強(qiáng);時(shí)間序列奇異點(diǎn)趨勢(shì)方向研究[D];昆明理工大學(xué);2011年

，

本文編號(hào)：1089916