删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

BLDC电机温度退化多段Wiener过程建模*

本站小编 Free考研考试/2021-12-25

闂傚倷娴囧畷鐢稿窗閹邦優娲箣閿旇棄鈧潡鏌ㄩ弮鍌涙珪闁绘繆鍩栭幈銊ヮ渻鐠囪弓澹曢梻浣侯攰濞呮洟骞戦崶褏鏆︽慨妞诲亾妞ゃ垺妫冨畷鍗炍旈崘銊ョ闂傚倸鍊风粈渚€宕ョ€n亶鐔嗘慨妞诲亾鐎规洦鍨堕、鏇㈠閵忊剝顔曢梻渚€娼ч¨鈧┑鈥虫喘閸┿垽寮崼鐔哄幍闂佺顫夐崝鏇㈡儍濞差亝鐓熼柣鏃堫棑缁夋椽鏌熼鑲╃Ш鐎规洘鍎奸ˇ鏌ユ煃闁垮鈷愮紒缁樼箞閸┾偓妞ゆ帒瀚悞娲煕閹邦垱纭堕柣顓燁殔閳规垿鍩ラ崱妤冧化缂佺虎鍘奸悥鐓庣暦閹达箑绠婚悗闈涙憸閹虫繈姊洪柅鐐茶嫰婢ф挳鏌曢崱妤€鈧潡骞婇悙鍝勎ㄩ柨鏇楀亾闁告柨鎳樺娲捶椤撶偘澹曟繝鈷€鍐弰鐎规洘鍨块獮妯尖偓娑櫭鎾剁磽娴e湱鈽夋い鎴濇缁辩偞绻濋崘褏绠氬銈嗗姂閸婃洟銆傛總鍛婄厱闁宠桨绶ら崝鐔镐繆閸欏濮嶇€规洖缍婇、鏇㈡晲閸曨剙鏀┑鐘垫暩閸嬫稑螞濞嗘挸绠扮紒瀣氨閺嬪秹鏌ㄩ悢鍝勑i柛瀣剁悼閹茬ǹ顓奸崶锝呬壕婵ḿ鍘ч獮姗€鏌ゅú顏冩喚妞ゃ垺鐟╅幃娆擃敆娴gǹ濮庨梻鍌欑閹测剝绗熷Δ鍛偍闁绘挸瀵掗崵鏇㈡煕瑜庨〃鍡涙偂閵夛妇绠鹃柟瀵稿剱濞堟ɑ銇勯敂濂告缂佺粯绻堥崺鈧い鎺戝閺佸倿鏌涢埄鍐噭闁挎稑绻樺娲礈閼碱剙甯ラ梺鍝ュУ閻楁粓寮鈧獮搴ㄦ嚍閵夈儰鍖栭梻浣哥秺閸嬪﹪宕滃☉姘辩煋闁绘垶眉缁诲棝鏌熺紒妯虹瑨妞ゅ浚鍋婇弻鐔割槹鎼粹寬锝夋倵閻㈤潧甯堕柍璇查叄楠炲鎮崨顖氱哎
2濠电姷鏁搁崑鐐哄垂閸洖绠扮紒瀣紩濞差亜惟闁冲搫顑囩粙蹇涙⒑閸︻厼鍔嬫い銊ユ瀹曠敻鍩€椤掑嫭鈷戦柛娑橈工婵箑霉濠婂懎浠辩€规洘妞介弫鎾绘偐瀹曞洤骞橀梻浣告惈椤︻垶鎮樺┑瀣辈婵炲棙鍨熼崑鎾舵喆閸曨剛锛橀梺绋挎捣閺佸鐛崘鈺冾浄閻庯綆鍋掑Λ鍐ㄢ攽閻愭潙鐏︾痪鏉跨Ч楠炲濡堕崱娆戭啎闂佺懓顕崑鐐核夐弽顓熷仯濞撴艾锕﹂幃鍏间繆閸欏濮囬柍璇查叄楠炲洭宕滄担铏瑰幀濠电姷顣藉Σ鍛村垂闂堟稈鏋嶉柨婵嗘媼濞尖晠鏌曟繛鐐珕闁绘挸绻橀弻娑㈠焺閸愨晝顦ㄧ紓浣疯兌婢ф濡甸崟顖f晝闁靛繆鏅涢崜閬嶆⒑閹稿海鈯曢柛鏃€鐟╅悰顔锯偓锝庝簴閺嬪酣鎮橀悙鏉戠亰濠㈣娲樼换娑欐綇閸撗勫仹闁哄浜為埀顒侇問閸犳牠鎮樺┑瀣厴闁硅揪绠戠壕鍏肩箾閹达綁鍝洪柣锝囨櫕缁辨挻鎷呮搴ょ獥闂佺ǹ顑呴敃銈夘敋閿濆鏁嗛柍褜鍓熼崺銏℃償閳锯偓閺嬪酣鏌熺€电ǹ顎屾俊鍙夋尦濮婄粯鎷呴崨濠傛殘闂佽崵鍠嗛崕鐢稿极閸愵喖围闁告粈绀侀弲鐘崇節閻㈤潧校婵ǜ鍔岄悾鍨瑹閳ь剟骞冨Δ鍛棃婵炴垶鐟ラ弳鍫ユ⒑缁洘娅呴柛濠冪摃閻忓姊虹紒姗嗘當闁绘鍋ゅ畷妤咁敆閸屾粎锛滈柡澶婄墑閸斿海绮婚幘缁樼厓闁芥ê顦藉Ο鈧梺璇″枙缁瑥鐣疯ぐ鎺濇晝闁靛牆绻掗惌锟�547闂傚倸鍊风粈浣革耿闁秲鈧倹绂掔€n亞锛涢梺鐟板⒔缁垶鍩涢幒妤佺厱闁哄洦顨嗗▍鍛存煟韫囷絼閭柡宀嬬到铻栭悗锝庡亜椤忥拷4濠电姷鏁搁崑鐐哄垂閸洖绠扮紒瀣紩濞差亝鏅查柛銉㈡櫇椤︻垶姊洪悷閭﹀殶闁稿鍠栭崺銏ゅ籍閳ь剟濡甸崟顔剧杸闁规儳顕ˇ閬嶆⒑缁嬫鍎愰柟鐟版搐閻e嘲顫滈埀顒勩€侀弮鍫濆耿婵°倕鍟獮鎰版⒒閸屾瑧顦﹂柛姘儏椤灝顫滈埀顒€鐣烽鐑嗘晝闁靛繈鍨哄▓楣冩⒑闂堟侗妾у┑鈥虫喘閸┿垽寮崼鐔哄幍闂佺顫夐崝鏇㈡儍濞差亝鐓熼柣鏃堟敱鐠愶紕绱掓潏銊ョ瑲鐎垫澘瀚埀顒婄秵娴滅偞绂掗悡搴樻斀闁绘劘娉涚槐锕傛煕濡ゅ嫭鐝ǎ鍥э功閳ь剚绋掕摫濠殿垱鎸抽幃宄扳枎濞嗘垵鍩屾繛瀛樼矒缁犳牠寮诲☉銏犵疀闁稿繐鎽滈弫鏍⒑缁洘娅旂紒缁樼箞瀵鈽夊⿰鍛澑闂佹寧绻傞幊搴綖閳哄懏鈷戦柛娑橈功閹虫洜绱掓潏銊︾妤犵偛绻橀幃鈺冩嫚閼碱剦鍟嬮梻浣告啞娓氭宕归幎鍓垮洭鍩¢崨顔规嫼闁荤偞绋堥埀顒€鍘栨竟鏇㈡⒒娴e憡璐¢弸顏嗙磼閵娿劌浜圭紒顕呭幗瀵板嫰骞囬鐘插箻闂備礁鎼€氼剛鎹㈤幒鏃囧С闁圭ǹ绨烘禍婊堟煛閸ヮ煁顏堟倶閼碱兘鍋撳▓鍨珮闁稿锕ら锝囨崉鐞涒剝鐎婚梺璇″瀻閸忎勘鍊濆缁樻媴閻熼偊鍤嬬紓浣割儐閸ㄨ儻妫熷銈嗘尪閸ㄥ綊鎮為崹顐犱簻闁圭儤鍩婇弨濠氭倵濮樼偓瀚�40缂傚倸鍊搁崐椋庣矆娓氣偓钘濇い鏍ㄧ矌閻挾鈧娲栧ú銊х不閺冨牊鐓欓柟顖嗗苯娈堕梺宕囩帛濮婂綊骞堥妸銉建闁逞屽墰濞戠敻骞栨担鍛婄€柣搴秵娴滃爼鎮㈤崱娑欏仯闁搞儻绲洪崑鎾诲礂閸涱収妫滅紓鍌氬€峰ù鍥ㄣ仈閹间焦鍋¢柍鍝勬噹閽冪喓鈧厜鍋撻柛鏇ㄥ亞椤撴椽姊洪幐搴g畵婵炶尙濞€瀹曟垿骞樼紒妯诲劒闁荤喐鐟ョ€氼剟宕㈣ぐ鎺撯拺闁告繂瀚婵嬫煕鎼淬垹鐏╂俊鍙夊姇楗即宕奸悢鍝勫妇闂備胶纭堕崜婵喢洪弽顐ュС缂侇偄瀵梻鍌氬€风欢姘缚瑜嶈灋闁哄啫鍊婚惌鍡椕归敐鍫殙闁荤喐瀚堥弮鍫濆窛妞ゆ棁顫夌€垫牠姊绘担鍛婂暈濞撴碍顨婂畷銏ゆ寠婢跺棙鐎洪悗鍏夊亾闁告洦鍓涢崢閬嶆⒑閸濆嫬鏆為柟绋垮⒔婢规洟骞愭惔娑楃盎闂侀潧楠忕槐鏇€€傞懠顒傜<闁哄啫鍊搁弸娑欍亜閵忊剝绀嬮柟顔规櫊椤㈡洟锝為鐑嗘婵犵數鍋犻幓顏嗙礊閳ь剚銇勯銏╂█闁诡噯绻濋崺鈧い鎺戝閳锋帡鏌涚仦鎹愬闁逞屽厸缁瑩銆佸▎鎰瘈闁告洦鍓﹀ḿ鐔兼⒑閸撴彃浜濇繛鍙夌墱缁崵绱掑Ο闀愮盎闂佽宕樺▔娑㈩敁瀹€鍕厸濞达絽澹婇崕蹇斻亜椤撯剝纭堕柟椋庡█閸ㄩ箖宕楅崨顖涘瘻闂傚倷绶氶埀顒傚仜閼活垶宕㈤幖浣圭厾闁告劘灏欓崺锝呪攽閿涘嫭鏆柟顔界懇瀵爼骞嬮鐐搭啌濠电姵顔栭崰妤呮晝閳哄懎绀傛繛鎴炵椤洟鏌ㄥ┑鍡樺仾鐟滅増甯楅弲鏌ユ煕閳╁啰鎳呴柣鎾冲€搁—鍐Χ閸愩劎浠剧紒鐐緲缁夊墎鍒掗埡鍛亜缁炬媽椴搁弲婵嬫⒑闂堟稓澧曟繛璇х畵楠炲棝鏁愭径瀣ф嫼闂佸湱枪濞寸兘鍩ユ径瀣ㄤ簻闁挎棁顕у顕€鏌涢埞鎯т壕婵$偑鍊栫敮鎺楁晝閵壯€鍋撳鐐28缂傚倸鍊搁崐椋庢閿熺姴纾诲鑸靛姦閺佸鎲搁弮鍫㈠祦闁告劦鍠栫粻濠氭煕閹捐尙绐旈柍鐟扮箲缁绘繈濮€閿濆棛銆愬Δ妤婁簼閹稿啿鐣峰┑瀣窛閻庢稒岣块崢閬嶆⒑閸濆嫬鏆婇柛瀣尵缁辨帞鈧綆鍋呭畷宀€鈧鍣崑濠囧箖娴犲鍨傛い鎰╁灩楠炴垿姊绘担鍛婃儓婵炶绠戦~婵嬪Ω閳哄倸浠梺瀹犳〃鐠佹彃危閸儲鐓欓柣鎰靛墯缂嶆垿鏌熼崗鍏煎€愰柡灞界Х椤т線鏌涢幘鍗炲妤犵偛绻橀弫鎾绘晸閿燂拷1130缂傚倸鍊搁崐椋庣矆娓氣偓钘濇い鏍ㄧ矌閻捇鏌涢幘鑼槮闁搞劍绻堥弻銊╂偄閸濆嫅銏㈢磼閳ь剟宕掗悙瀵稿幈濠电偞鍨堕敃顐﹀绩缂佹ḿ绠鹃柛顐g箘閻掓悂鏌$仦绋垮⒉鐎垫澘瀚埀顒婄秵娴滄粓锝為崶顒佲拺闂侇偆鍋涢懟顖涙櫠椤曗偓閺屾稒绻濋崟顒€娈岄柧鑽ゅ仱閺屾洟宕煎┑鍥ь槱婵犳鍨伴妶鎼佸蓟閿濆绠i柣蹇旀た娴滄繄绮嬪澶婇唶闁哄洨鍠撻崢鎼佹⒑閸涘﹥绀嬫繛浣冲洦鍊堕柨婵嗘缁♀偓闂侀€炲苯澧撮柛鈺佸瀹曟ḿ鎹勯妸褏鍘┑鐘殿暯濡插懘宕归棃娑氭殾闂傚牊渚楅崯鍛節闂堟稓澧㈢痪鎹愭闇夐柨婵嗘瑜版帒姹查柡鍐ㄧ墛閻撳啰鎲稿⿰鍫濈婵炴垶纰嶉鑺ユ叏濡法鍫柍褜鍓欓崐鍧楀箠閻愬搫唯闁挎洍鍋撻柛鏂挎嚇濮婅櫣鎲撮崟顐㈠Б闂佸摜鍠庡ḿ锟犲箖閿熺姴鍗抽柣鎰У閻╊垶骞冭瀹曞ジ顢楅埀顒勫矗閺囩姷纾藉ù锝勭矙閸濊櫣绱掔拠鎻掓殭瀹€锝堟硶閹风娀宕i崒婊冩灁缂佽鲸甯掕灒闁绘垵娲ㄩ悾杈ㄣ亜椤撯剝纭堕柟鐟板閹煎綊宕滈幇鍓佺?缂佽鲸甯¢崹楣冨礃瀹割喕绱旈柣搴㈩問閸n噣宕戦崟顖氱厺閹兼番鍔岀粻娑欍亜閹捐泛啸闁宠鐭傚缁樻媴閻熼偊鍤嬬紓浣割儐閸ㄥ墎缂撴禒瀣睄闁稿本绮屽畷銉╂煟鎼淬垻鈯曞畝锝呮健閸┿垽寮崼鐔哄幗濠殿喗锕╅崜姘讹綖濠曞啯绻濋悽闈涗沪婵炲吋鐟╁畷銉р偓锝庡枟閸ゅ苯螖閿濆懎鏆欑紒鐘靛枛閺岀喖骞嗛悧鍫闂備浇锟ラ崐婵嬪蓟濞戙垹唯闁瑰瓨绻傞弳銏°亜閺傛妲搁柍瑙勫灴閹晛霉鐎n偓绱氶梻渚€娼ч悧鍡涘箠鎼淬劌鍑犳繛鍡樻尰閳锋垿鎮归崶锝傚亾閾忣偆浜栭梻浣告啞閺屻劍顨ラ幖浣哥厺闁规崘顕х粻锝夋煥閺冨倻鎽傛慨濠傛健濮婃椽鏌呴悙鑼跺濠⒀屽櫍瀵偊宕奸妷锔惧幈闁诲繒鍋涚敮鍝勵潩鐠鸿櫣锛涢梺鐟板⒔缁垶寮查幖浣圭叆闁绘洖鍊圭€氾拷
无刷直流(Brushless DC, BLDC)电机调速和启动特性好,运转转矩大,被广泛应用于各种驱动装置和伺服系统中[1]。王玲玲等[2]利用传统零失效试验的方法对电机的平均寿命进行了验证,给出了评定该批次电机产品是否通过验收的试验方案,由于所需试验时间较长,初步探讨了利用加速寿命试验对某电机的平均寿命进行验证的方法。王剑等[3]对利用加速试验进行可靠性验证的问题进行了有益的探索,结果表明该方案有效的缩短了试验时间。由于电机的高可靠长寿命特点,寿命试验往往不能获得足够的失效寿命数据,如能有效利用退化数据,可以弥补长寿命产品寿命预测信息量不足的问题。基于性能退化数据的可靠性建模方法是对传统寿命预测方法的有效补充,通过退化数据进行可靠性分析,在理论研究和工程应用上都取得了成功。其中,Wiener过程在退化建模中有着广泛的应用。Wang[4]利用线性漂移Wiener过程描述产品的退化过程,提出产品剩余寿命的自适应预测方法,并利用该模型描述了桥梁的退化过程;基于时间尺度变换,Whitmore[5]研究了晶体管和电缆的退化过程;Tseng和Peng[6]建立了非线性Wiener过程模型,以描述发光二极管的性能退化;Si等[7]建立了非线性漂移Wiener过程模型,来利用标准布朗运动描述退化量在时间轴上的不确定性,同时给出退化模型对应的失效密度函数和剩余寿命的概率密度函数的近似表达式。国内,王小林等[8]研究总结了多元非线性退化建模理论方法,并给出各自的算例分析。
然而由于现实情况的复杂性,退化建模分析仍然存在难题:第一,在很多情况下,随着电机的退化,其主导机理也在变更,产品退化呈现多段性,并非单一的线性或者是时间尺度变换的非线性,若只用单一的Wiener漂移来描述是不合适的;第二,为描述不同的退化过程,建模过程往往引入较多参数,对模型中的未知参数准确进行估计时容易陷入局部最优,对初始取值依赖性强。因此,本文首先引入阶段转换函数,建立多段Wiener退化模型,并利用单纯形法自优化粒子群优化(PSO)算法对其似然函数进行最优化以估计参数;然后,多段模型与非线性模型对比,验证模型合理性;模型结果说明电机的退化机理或发生改变,且转变速度较快;最后,通过Wiener理论得到该产品的寿命预测,便于电机的健康管理。
1 融合加速退化试验 融合加速退化试验技术是退化试验与加速试验方法交叉融合的结果,保证失效机理不变的基础,利用产品在高应力水平下的性能退化数据外推和预测正常应力水平下的寿命特征的试验技术[9]。应厂商要求,对一批电机进行加速试验并进行可靠性评估。在本文中提到的BLDC电机加速退化试验加载高温(60℃)以及高阻尼28 kgf·mm(0.274 5 N·m)的应力,以电机工作温度作为电机状态响应退化量。本文选用局部高斯滤波的方式对数据进行滤波预处理,以改善参数估计结果。
2 Wiener过程 2.1 线性Wiener过程 从工程实际角度,在退化建模中需要考虑随机性:样本的随机性以及退化在时间轴上的随机性。样本随机性刻画样本差异,表现在不同的退化速度;时间轴上的随机性刻画产品退化的波动(控制系统波动、产品性能波动、观测波动)。为此,基于随机过程的模型建模方法受很多****的青睐[10-12]。若随机变量{X(t):t≥0}(t为时间)满足:
1) 任意时刻的增量满足正态分布。
记任意时刻的增量dXi=X(ti+1)-X(ti),时间增量dti=ti+1-ti,则dXi~N(udti, σ2dti)。其中:uσ分别为漂移系数和扩散系数。
2) 任意不相交的时间段内的增量相互独立。
该随机过程称为一元线性Wiener过程[13],该过程被Tseng和Peng[6]用来描述产品的退化过程,其模型为
(1)

式中:B(t)为布朗运动。对于加速退化记录的温度数据用卡方检验其正态分布,选择样本平稳退化前的50个退化增量值,统计如表 1所示。
表 1 增量值分布 Table 1 Distribution of increment values
退化增量范围 数量
[-0.1, 0.1) 22
[-0.2, -0.1)∪[0.1, 0.2) 19
[-0.3, -0.2)∪[0.2, 0.3) 8
[-0.4, -0.3)∪[0.3, 0.4) 1
(-∞, -0.4)∪[0.4, -∞) 0


表选项






根据正态分布的卡方检验

接受假设,将该退化数据看作正态分布引起的误差不大,能满足理论的计算需求。
该退化模型对应的失效分布为逆高斯分布,相应的失效概率密度函数为
(2)

式中:D为产品的失效阈值。由极大似然估计可得
(3)

(4)

2.2 多段Wiener过程 在本文中引入转换函数[14]
(5)

式中:st为与时间有关的变量,在本文中为时间tc为转换位置参数,在本文中为发生转换的时间;γ为转换速度参数。
两段Wiener退化过程可以写为
(6)

式中:u1u2分别为前后阶段的漂移系数。由于阶段转换的几何关系,x0与其他参数的关系满足x0=X(0)+c(u1-u2)。
此时,若假设退化过程恰好在一定时间到达阈值,则假定该过程在此之前越过阈值水平的概率被认为是可忽略的。事实上,扩散过程——布朗运动可能存在多次越过阈值的情况,在假设此情况的概率为0的前提下,由上述假设及Wiener理论,其失效概率密度函数可以近似地表示为[7]
(7)

式中:λ(t, θ)=(1-G(γ, c; t))u1t+G(γ, c; t)(u2t+x0); θ=(u1, u2, γ, c, x0)为λ(t, θ)的参数向量,其似然函数为
(8)

其中:。估计参数{u1, u2, γ, c, x0, σ}的过程即为argmax L(θ, σ)的过程。
2.3 寿命预测 对失效概率密度函数进行积分即能得到产品的失效分布:
(9)

对于产品的剩余寿命分布进行预测,即不同时间下的条件概率密度函数:
(10)

3 自优化PSO算法估计模型参数 考虑到参数个数偏多,估计过程中的非线性、多极化的复杂性,对似然函数最优化的搜索过程中容易陷入局部最优解的情况,本文选用有全局性的行为PSO算法[15]以及具有极强的局部搜索能力的直接搜索技术——单纯形法[16]相结合的方法。
3.1 单纯形法 单纯形法是用于优化多维无约束问题的搜索算法,首先通过取N维空间中的N+1个点构成一个多胞体,计算顶点评价值。然后对最差点进行反射、扩展、压缩等方法获得一个较好点,用其取代最差点,构成一个新的单纯形,或者通过向最好点收缩来形成新的单纯形,最后以逼近极小点。该算法有极强的局部搜索能力,在处理高维问题时,也可以极小的时间成本搜索到局部最优点。其步骤如下:
1) 在参数空间{u1, u2, γ, c, x0, σ}中建立7个顶点的正则单纯形,顶点为{d1, d2, d3, d4, d5, d6, d7}, 其中,dj=(u1j, u2j, γj, cj, x0j, σj), 下标j表示点序号。
2) 计算正则单纯形顶点的对数似然函数值为{l1, l2, l3, l4, l5, l6, l7},选择值最小lk的点dk以备删除。
3) 确定备用点:
(11)

4) 比较备用点与最差点的对数似然函数值{lnew, lk},若比之较优,更新dk=dnew;较差,缩短步长或满足精度要求计算停止。
3.2 单纯形法自优化PSO算法 PSO算法具有算法简单、搜索效率较高、通用性较强等优势。在该算法中,寻优空间中的每一个个体被抽象为一个粒子,仅考虑其位置属性和运动属性。其运动的速度受自身和群体的历史最优位置的影响,并受到学习因子的协调,从而较好地协调粒子本身和种群之间的关系。本文使用基于单纯形法的PSO算法,将PSO强大的随机全局搜索能力与精确的局部搜索能力结合,算法首先用PSO算法进行全局搜索,当算法陷入局部最优值时用单纯形法快速找出搜索空间的一个最优解,来代替PSO算法中的停止粒子。其流程如下:
1) 初始化每个粒子的当前位置xj,并将当前位置xj记录为自身历史最优位置pj;计算每个粒子自身历史最优位置pj的评价值,将最优评价值所对应的pg记为种群历史最优位置。
2) 将pg进行一次单纯形法优化,将得到的新单纯形中评价值最优的点作为pg
3) 根据PSO算法迭代公式,更新每个粒子的当前位置xj,并计算xj的评价值。
(12)

式中:上标m为迭代次数;ω为粒子移动惯性系数(inertia coefficient);r1r2为区间[0, 1]上均匀分布的随机数,用来维护群体的多样性;c1c2称为学习因子(learning factor)或加速系数(acceleration coefficient)。
4) 对每个粒子,将当前位置xj的评价值与自身历史最优位置pj的评价值进行比较,若优于pj的评价值,则令pj=xj;对每个粒子,将当前位置xi的评价值与种群历史最优位置pg的评价值进行比较,若优于pg的评价值,则令pg=xj
5) 检查终止条件,若未达到终止条件,返回2)。
4 模型结果与分析 据第3节算法,本文每个参数选择7个梯度构成76个点的粒子群,120次循环计算,其似然函数优化过程如图 1所示,似然函数值优化情况表明计算有效并最终得到如图 2漂移过程,各参数值为:u1=0.619 3,u2=11.651 5,c=3.867 6,r=35.634 7,x0=31.569 9,σ=3.835 1。其中转换位置参数c以及转换速度参数γ的值表明,退化过程在第3.9 d左右很可能发生机理变化,且变化速度较快。
图 1 似然函数值在循环中的优化过程 Fig. 1 Optimization process of likelihood function value in loop
图选项




图 2 不同Wiener模型漂移过程对比 Fig. 2 Comparison of drift processes in different Wiener models
图选项




与文献[7-8]中利用的非线性模型得到的漂移过程对比如图 2所示,非线性模型对前期及中期阶段描述较差,并且最后阶段趋势快于实际退化速度,这在失效分布的对比中得到确认,如图 3所示。
图 3 不同Wiener模型理论失效分布对比 Fig. 3 Comparison of theoretical failure distribution in different Wiener models
图选项




失效分布的对比能够看出利用非线性模型预测产品的寿命分布较实际寿命提前,非线性模型在最终阶段漂移过程的退化速度快于实际退化趋势,不能很好地描述电机后期阶段的退化情况;多段退化过程得到的失效分布更为优化,对全期的描述也更为贴切。对模型的残差进行Q-Q图分析[17],多段模型的残差正态性要优于非线性模型,如图 4所示。
图 4 不同Wiener模型残差分布对比 Fig. 4 Comparison of residual distributions in different Wiener models
图选项




根据以上分析,在t0为{3, 4, 5, 6} d时,计算各时刻下的条件概率密度函数f′(t|t0),得到电机剩余寿命分布预计值,如图 5所示,图中曲线为不同未来时刻的概率密度曲线。
图 5 多段模型所得剩余寿命分布预测 Fig. 5 Prediction of remaining life distribution by multistage model
图选项




5 结论 本文针对BLDC电机退化过程非线性、多段性的退化特征,对Wiener模型进行适应性改进,区别于单独的非线性过程,建立多段退化模型;应用单纯形自优化的PSO算法对似然函数最优化,进行参数估计。该方法解决了多段Wiener过程建模问题,对电机的寿命预测等工程应用具有重要意义。
1) 建立了BLDC电机退化的多段Wiener过程模型,根据本文提出的多段模型理论,电机在性能退化的过程中其机理发生着变化,并且转化速度较快。
2) 在进行加速寿命试验的过程中,应注意其退化机理的变化;而在机理发生改变时,加速寿命试验时应谨慎进行。

参考文献
[1] 张琛. 直流无刷电动机原理及应用[M].北京: 机械工业出版社, 2004: 1-2.
ZHANG C. The principle and application of brushless DC motor[M].Beijing: China Machine Press, 2004: 1-2.(in Chinese)
[2] 王玲玲, 茆诗松, 王静. 电动机平均寿命的零失效验收方案[J].应用概率统计, 1995(4): 439–442.
WANG L L, MAO S S, WANG J. Zero failure acceptance scheme for average life of motor[J].China Chinese Journal of Applied Probability and Statistics, 1995(4): 439–442.(in Chinese)
[3] 王剑, 翁雷, 张慧. 基于加速环境的可靠性指标验证试验[J].电子产品可靠性与环境试验, 2010, 28(4): 6–10.
WANG J, WENG L, ZHANG H. The accelerated testing to estimate the reliability specifications[J].Electronic Product Reliability and Environmental Testing, 2010, 28(4): 6–10.(in Chinese)
[4] WANG W. A model for residual life prediction based on Brownian motion with an adaptive drift[J].Microeletronics Reliability, 2011, 51(2): 285–293.DOI:10.1016/j.microrel.2010.09.013
[5] WHITMORE G A. Modelling accelerated degradation data using Wiener diffusion with a time scale transformation[J].Lifetime Data Analysis, 1997, 3: 27–45.DOI:10.1023/A:1009664101413
[6] TSENG S T, PENG C Y. Stochastic diffusion modeling of degradation data[J].Journal of Data Science, 2007, 5: 315–333.
[7] SI X S, WANG W B, HU C H, et al. Remaining useful life estimation based on a nonlinear diffusion degradation process[J].IEEE Transactions on Reliability, 2012, 61(1): 50–67.DOI:10.1109/TR.2011.2182221
[8] 王小林, 蒋平, 邢云燕, 等. 非线性退化情况下的产品剩余寿命预测[M].北京: 国防工业出版社, 2015: 39-46.
WANG X L, JIANG P, XING Y Y, et al. Residual life estimation for nonlinear-deterioriate products[M].Beijing: National Defense Industry Press, 2015: 39-46.(in Chinese)
[9] 蒋同敏. 可靠性与寿命试验[M].北京: 国防工业出版社, 2012: 346-354.
JIANG T M. Reliability maintainability supportability[M].Beijing: National Defense Industry Press, 2012: 346-354.(in Chinese)
[10] 历海涛, 金光, 周经伦, 等. 动量轮维纳过程退化建模与寿命分析[J].航空动力学报, 2011, 26(3): 623–627.
LI H T, JIN G, ZHOU J L, et al. Momentum wheel Wiener process[J].Journal of Aerospace Power, 2011, 26(3): 623–627.(in Chinese)
[11] 王书锋, 王友仁, 姜媛媛. Wiener过程性能退化电子产品的剩余寿命预测方法[J].电子测量技术, 2014, 37(5): 17–20.
WANG S F, WANG Y R, JIANG Y Y. Residual life prediction method of electronic products with Wiener process degradation[J].Electronic Measurement Technology, 2014, 37(5): 17–20.(in Chinese)
[12] 陈逸成, 何华锋, 邓会选, 等. 基于Kalman滤波和Wiener过程的系统性能退化数据建模方法[J].电光与控制, 2015, 22(7): 107–110.
CHEN Y C, HE H F, DENG H X, et al. A system degradation modeling method based on Kalman filter and Wiener process[J].Electronics Optics & Control, 2015, 22(7): 107–110.(in Chinese)
[13] LONNIE C L. 随机过程: 滤波、估计与检测[M]. 邱天爽, 李婷, 毕英伟, 等译. 北京: 电子工业出版社, 2015: 130-135.
LONNIE C L. Random processes: Filtering estimation and detection[M]. QIU T S, LI T, BI Y W, et al, translated. Beijing: Publishing House of Electronics Industry, 2005: 130-135(in Chinese).
[14] 赵春燕. 平滑转换自回归模型的理论与应用研究[M].北京: 清华大学出版社, 2015: 28-29.
ZHAO C Y. Research on the thoery and application of smooth transition autoregressive mode[M].Beijing: Tsinghua University Press, 2015: 28-29.(in Chinese)
[15] 郑伟博, 张纪会. 基于Nelder-Mead单纯形法的改进量子行为粒子群算法[J].复杂系统与复杂性科学, 2016, 13(6): 97–104.
ZHENG W B, ZHANG J H. A improved quantum behaved particle swarm optimization algorithm rsing Nelder and Mead's simplex algorithm[J].Complex Sestems and Comples Science, 2016, 13(6): 97–104.(in Chinese)
[16] JORGE N, STEPHEN J W. Numerical optimization[M].2nd edBerlin: Springer, 1999: 363-378.
[17] 杨振海, 程维虎, 张军舰. 拟合优度检验[M].北京: 科学出版社, 2011: 15-19.
YANG Z H, CHENG W H, ZHANG J J. Goodness of fit test[M].Beijing: Science Press, 2011: 15-19.(in Chinese)


相关话题/过程 电机 优化 概率 计算

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 车用复合材料螺旋弹簧的设计与优化*
    轻量化是实现节能减排和解决电动汽车续驶里程不足的重要途径。实现手段包括:轻质材料替代、结构优化和先进制造及装配工艺应用。其中,轻质材料替代的轻量化效果最为显著。碳纤维增强树脂基复合材料由于具有远高于传统钢材的“比模量”和“比强度”,有望在汽车结构件上得到更广泛的应用[1]。悬架弹簧作为重要的汽车底盘 ...
    本站小编 Free考研考试 2021-12-25
  • 多参照点联合概率地形误匹配判断准则*
    地形轮廓匹配(TerrainContourMatching,TERCOM)算法[1-3]由于收敛速度快、计算量小等优势而得到了广泛应用,但是该匹配算法容易受低信噪比和地形相似性的影响,导致误匹配,使得匹配过程不稳定。为了提高算法的匹配稳定性,文献[4]提出了一种基于概率数据关联(Probabilis ...
    本站小编 Free考研考试 2021-12-25
  • 结构输出响应概率密度估计中分数矩求解方法*
    在工程结构的优化设计及可靠性分析中,普遍存在着参数的不确定性,因此需要对参数的不确定性进行定量化描述,利用不确定性分析方法进行参数统计分析、结构优化设计、可靠性分析等[1]。不确定性分析方法包括概率统计方法、非概率凸集方法以及模糊方法。对于一些实际工程问题,结构输入参数可能需要同时采用以上3种方法进 ...
    本站小编 Free考研考试 2021-12-25
  • 直升机尾桨完全失效后自转着陆轨迹优化*
    尾桨是常规单旋翼带尾桨直升机的重要部件,其作用主要是提供侧向力,从而产生偏航力矩以平衡旋翼反扭矩。驾驶员可以通过改变尾桨距实现直升机的航向操纵。为了提供足够的偏航力矩,尾梁一般较长,故操纵系统和传动系统较长,容易发生各种尾桨故障。20世纪初,国内外就发生了多起由于尾桨故障引起的直升机事故[1]。因此 ...
    本站小编 Free考研考试 2021-12-25
  • 基于统计α算法的过程挖掘*
    工作流技术逐渐成为大型企业管理业务流程的主要工具,其中工作流建模是工作流管理的基础,也是决定业务流程管理是否科学的先决条件,因此需要利用过程挖掘思想进行工作流建模,确保业务流程模型的有效性和准确性。过程挖掘是从事件日志中发现过程、控制、数据、组织和社会结构等信息的重要工具,该工具有助于分析和改进已经 ...
    本站小编 Free考研考试 2021-12-25
  • 基于Wiener过程的发动机多阶段剩余寿命预测*
    发动机的失效是材料处于恶劣的运行环境下缓慢退化的结果[1-2]。随着系统复杂程度的提高,传统基于失效机理模型的方法很难构建出可靠的故障模型来对应产品的失效过程[3-4]。基于统计性能退化监测数据的方法只需要运行过程中产生的退化数据,不必建立精确的数学模型,具有较高的计算优势。目前,基于统计性能退化监 ...
    本站小编 Free考研考试 2021-12-25
  • 基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化*
    “低慢小”目标的探测是一个世界性难题,困难主要源于以下3个方面[1-2]:①飞行高度“低”,一般在1000m以下,地面雷达观测时会有大量杂波进入接收机,尤其在建筑密集的城市环境中,探测难度更大。②飞行速度“慢”,一般小于200km/h,其回波信号处于杂波主瓣区,容易与鸟群等低速杂波混淆。为防止过多虚 ...
    本站小编 Free考研考试 2021-12-25
  • 基于滚动时域优化的旋转弹解耦控制器设计*
    旋转弹在飞行过程中绕自身纵轴连续滚转,在无控条件下可有效降低气动不对称、结构不对称和推力偏心等扰动因素所带来的弹道散布,提高落点精度,在制导控制条件下可省掉滚转控制回路,简化控制系统组成,因而旋转体制为众多弹箭类武器系统所采用。但是,弹体的旋转也使旋转弹在空气动力学特性、飞行力学特性、控制理论与方法 ...
    本站小编 Free考研考试 2021-12-25
  • 基于拉普拉斯变换的空间目标碰撞概率计算方法*
    由于人类的航天活动日益增多,空间中在轨的空间目标数量不断增大,因此航天器与空间碎片的碰撞风险越来越大。为了保证航天任务顺利进行,保证航天员、航天器与空间环境的安全,空间碎片碰撞预警已成为航天任务设计与执行过程中必须进行的重要工作。碰撞概率是目前国内外广泛使用的判断2个空间目标发生碰撞的可能性大小的重 ...
    本站小编 Free考研考试 2021-12-25
  • 多模函数优化的改进花朵授粉算法*
    花朵授粉算法(FlowerPollinationAlgorithm,FPA)是由英国剑桥大学****Yang于2012年提出的,其基本思想来源于对自然界花朵自花授粉、异花授粉的模拟,是一种新的元启发式群智能随机优化技术[1]。之后,Yang等[2-3]在FPA的基础上模拟花朵多配子的形式提出了多目标 ...
    本站小编 Free考研考试 2021-12-25