本发明涉及机械设备寿命运算领域，特别涉及一种受健康管理行为影响下的旋转机械的剩余寿命预测方法。
背景技术：
随着石化产业规模的大规模发展，石化行业大机组中的旋转机械设备，日益趋向大型化、精密化、高速化和自动化方向发展，其组成和结构越来越复杂。这些发展一方面提高了生产效率、降低了生产成本，另一方面对机械的设计、制造、安装、使用、维修和可靠运行提出了更高、更严格的要求。一个微小的故障，可能会造成设备的性能发生退化、劣化甚至失效，影响到整个系统运行的稳定性和安全性，严重地还会造成一些灾难性事故。
剩余寿命是指设备从当前时刻到失效时刻的有效时间间隔。对于剩余寿命预测方法的研究，国内外学者近十年给予了广泛的关注。
在实际中，出于安全性方面的考虑，都会定期或不定期的对关键设备进行保养、小修、大修等健康管理行为，这些行为势必会提升设备的性能，进而对其退化过程产生一定的影响，对于石化装备中的旋转机械更是如此，适时的健康管理行为必不可少。在预测剩余寿命时应考虑其健康管理行为(如校正、润滑、小修等)的影响，因为这些行为会使设备的剩余寿命有相应的改变。现有基于退化建模的剩余寿命预测研究均未考虑维修活动的影响，而只是考虑设备在一个更新周期内的退化数据，并在此假定下实现了激光发生器和惯性平台的剩余寿命预测。可见，现有的退化建模和剩余寿命预测问题均建立在设备退化过程为渐进的、緩变的和不受健康管理行为影响的情况下，且一般假定设备被维护后，其性能退化将重新开始。鉴于此，研究受健康管理行为影响的旋转机械退化建模及剩余寿命预测问题具有重要的理论意义和实际应用价值。
因此，发明一种受健康管理行为影响下的旋转机械的剩余寿命预测方法来解决上述问题很有必要。
技术实现要素：
本发明的目的在于提供一种受健康管理行为影响下的旋转机械的剩余寿命预测方法，通过综合运用设备运行过程中的性能监测数据和运行信息，通过健康管理行为影响下设备的性能退化建模及剩余寿命预测方法，定量地揭示健康管理行为对剩余寿命预测结果的影响，具有研究问题层面的创新性，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种受健康管理行为影响下的旋转机械的剩余寿命预测方法，,具体包括如下内容：健康管理行为到达过程的数学化描述及健康管理行为影响下的随机退化建模；求解上述随机过程的首达时间概率分布及预测的剩余寿命分布；模型未知参数估计及剩余寿命预测结果的更新；
根据健康管理行为影响，旋转机械的随机退化过程可通过如下随机过程刻画：
其中
对于以上随机退化过程，退化模型中未知参数的估计包括两部分：复合poisson过程的参数，表示为ξ1；其他参数，表示为ξ2；假定观测得到的健康管理行为到达时间的数据为
l(ξ|y1:m,z1:m,n(t))＝log{p(y1:m,z1:m|ξ,n(t))})。
优选的，对受健康管理行为影响的随机退化过程，本项目拟采取如下思路求解首达时间的分布ft(t)：首先基于x(t)的无穷小生产函数，利用随机微积分和鞅论的相关性质，求取首达时间分布的laplace变换，进而通过laplace逆变换的方法得到首达时间的分布，对于laplace逆变换的计算，可通过gaver-stehfest算法实现。
优选的，根据求解得到的ft(t)，在获取检测数据xk后通过构造自组织状态空间模型，利用bayesian滤波方法得到可以通过监测数据更新的剩余寿命预测的概率分布
本发明的技术效果和优点：
1、本发明在首达时间的意义下得到了剩余寿命分布的显示解，克服了传统剩余寿命预测方法的强马氏性假设约束，在时变退化率下的退化建模方面特进行了尝试，提出了一类基于扩散过程的随机退化建模方法；
2、本发明综合运用设备运行过程中的性能监测数据和运行信息，通过健康管理行为影响下设备的性能退化建模及剩余寿命预测方法，定量地揭示健康管理行为对剩余寿命预测结果的影响，具有研究问题层面的创新性；
3、本发明从石化装备旋转机械的这些实际特征出发，开展旋转机械剩余寿命预测方法的验证研究，具有工程应用层面的创新性。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明以实现旋转机械剩余寿命预测为最终目的，首先通过状态监测手段获取旋转机械在实际运行中的状态监测数据(如机壳表面振动及轴振动的监测数据)，并提取能反映其健康状态性能退化数据(如振动幅值数据),建立性能退化模型；基于此模型，求解退化过程的首达时间分布，然后利用首达时间分布预测剩余寿命分布；
在上述所示的实施例中，还采用建立考虑健康管理行为影响下的随机退化模型，并估计退化模型的未知参数以及维修强度过程中的参数，推导随机退化过程的首达时间分布，基于此求解预测的剩余寿命概率分布，进行石化装备旋转机械剩余寿命预测的实验研究。
在首达时间的意义下得到了剩余寿命分布的显示解，克服了传统剩余寿命预测方法的强马氏性假设约束，在时变退化率下的退化建模方面特进行了尝试，提出了一类基于扩散过程的随机退化建模方法，从石化装备旋转机械的这些实际特征出发，开展旋转机械剩余寿命预测方法的验证研究，具有工程应用层面的创新性。
实施例2
与实施例1不同的是：
根据健康管理行为影响，旋转机械的随机退化过程可通过如下随机过程刻画：
其中
对于以上随机退化过程，退化模型中未知参数的估计包括两部分：复合poisson过程的参数，表示为ξ1；其他参数，表示为ξ2；假定观测得到的健康管理行为到达时间的数据为
l(ξ|y1:m,z1:m,n(t))＝log{p(y1:m,z1:m|ξ,n(t))})
对受健康管理行为影响的随机退化过程，本项目拟采取如下思路求解首达时间的分布ft(t)：首先基于x(t)的无穷小生产函数，利用随机微积分和鞅论的相关性质，求取首达时间分布的laplace变换，进而通过laplace逆变换的方法得到首达时间的分布，对于laplace逆变换的计算，可通过gaver-stehfest算法实现。
根据求解得到的ft(t)，在获取检测数据xk后通过构造自组织状态空间模型，利用bayesian滤波方法得到可以通过监测数据更新的剩余寿命预测的概率分布
综合运用设备运行过程中的性能监测数据和运行信息，通过健康管理行为影响下设备的性能退化建模及剩余寿命预测方法，定量地揭示健康管理行为对剩余寿命预测结果的影响，具有研究问题层面的创新性。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。