›› 2016, Vol. 36 ›› Issue (4): 58-.doi: 10.16708/j.cnki.1000-758X.2016.0044

• 技术交流 • 上一篇    下一篇

基于DS证据理论的航天设备寿命预测方法

丁瑞, 陆宁云, 程月华, 姜斌, 邢琰   

  1. 1南京航空航天大学自动化学院,南京211016
    2南京航空航天大学航天学院,南京211016
    3北京控制工程研究所,北京100191
    4空间智能控制技术国家重点实验室,北京10019
  • 收稿日期:2015-11-26 修回日期:2015-12-30 出版日期:2016-08-25 发布日期:2016-05-11
  • 作者简介:丁瑞(1991-),女,硕士研究生,dingrui504@163.com 陆宁云(1977-),女,教授,博士生导师,luningyun@nuaa.edu.cn,主要研究方向为复杂系统数据驱动建模、故障诊断与预测的理论和应用
  • 基金资助:

    国家自然科学基金(61374141,61203091)

LifetimepredictionofaerospaceequipmentbasedonDSevidencetheory

DING  Rui, LU  Ning-Yun, CHENG  Yue-Hua, JIANG  Bin, XING  Yan   

  1. 1CollegeofAutomationEngineering,NanjingUniversityofAeronautics&Astronautics,Nanjing211016,China
    2CollegeofAerospaceEngineering,NanjingUniversityofAeronautics&Astronautics,Nanjing211016,China
    3BeijingInstituteofControlEngineering,Beijing100191,China
    4StateKeyLaboratoryofSpaceIntelligentControl,Beijing100191,China
  • Received:2015-11-26 Revised:2015-12-30 Online:2016-08-25 Published:2016-05-11

摘要: 以动量轮为研究对象,提出一种基于DS证据理论和Bayes理论的信息融合及寿命预测方法。首先,挖掘多个寿命信息源的内、外部信息作为Bayes多源验前信息,并构建证据集合;其次,利用合成规则对证据集合进行合成,得到合理的验前融合权重的分配结果;然后,利用Bayes方法求解寿命参数的融合验后分布,并计算寿命参数的估计值;最后,根据参数估计值预测设备的剩余寿命。仿真结果表明,基于多源寿命信息融合的预测结果与单一来源的寿命预测结果相比,更加接近于设备的真实寿命信息。

关键词: 寿命预测, 多源信息融合, DS证据理论, Bayes方法, 动量轮

Abstract: AninformationfusionmethodwasproposedbasedonDSevidencetheoryandBayestheoryforlifetimepredictionofimportantaerospaceequipment,momentumwheel.Firstly,multisourcelifeinformationwerecollectedandminedtoobtainthepriordistributionofthemomentumwheel′slifetime,inordertobuildDSevidencecollections.Secondly,DScombinationrulewasusedtoobtainreasonableweightallocationforpriordistributions.Afterthat,fusionposteriordistributionwasfiguredoutandthevaluesoflifeparameterswerealsoestimated.Finally,accordingtoparameters′estimation,thelifetimepredictionformomentumwheelwasderived.Simulationresultshowsthatthepredictionusingtheproposedmethodisclosertothereallifetimemeasurements.

Key words: lifetimeprediction, multisourceinformationfusion, DSevidencetheory, Bayesmethod, Momentumwheel