丁瑞，陸寧云，*，程月華，姜斌，邢琰

1.南京航空航天大學(xué) 自動化學(xué)院，南京 211016 2.南京航空航天大學(xué) 航天學(xué)院，南京 211016 3.北京控制工程研究所，北京 100191 4.空間智能控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，北京 100191

?

基于D-S證據(jù)理論的航天設(shè)備壽命預(yù)測方法

丁瑞1，陸寧云1，*，程月華2，姜斌1，邢琰3,4

1.南京航空航天大學(xué) 自動化學(xué)院，南京 211016 2.南京航空航天大學(xué) 航天學(xué)院，南京 211016 3.北京控制工程研究所，北京 100191 4.空間智能控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，北京 100191

以動量輪為研究對象，提出一種基于D-S證據(jù)理論和Bayes理論的信息融合及壽命預(yù)測方法。首先，挖掘多個壽命信息源的內(nèi)、外部信息作為Bayes多源驗(yàn)前信息，并構(gòu)建證據(jù)集合；其次，利用合成規(guī)則對證據(jù)集合進(jìn)行合成，得到合理的驗(yàn)前融合權(quán)重的分配結(jié)果；然后，利用Bayes方法求解壽命參數(shù)的融合驗(yàn)后分布，并計(jì)算壽命參數(shù)的估計(jì)值；最后，根據(jù)參數(shù)估計(jì)值預(yù)測設(shè)備的剩余壽命。仿真結(jié)果表明，基于多源壽命信息融合的預(yù)測結(jié)果與單一來源的壽命預(yù)測結(jié)果相比，更加接近于設(shè)備的真實(shí)壽命信息。

壽命預(yù)測；多源信息融合；D-S證據(jù)理論；Bayes方法；動量輪

航天設(shè)備運(yùn)行機(jī)理復(fù)雜，運(yùn)行環(huán)境惡劣，設(shè)備性能退化過程中容易導(dǎo)致惡性事故發(fā)生。為保障航天器安全可靠運(yùn)行，確保航天任務(wù)順利實(shí)施，準(zhǔn)確的設(shè)備剩余壽命預(yù)測方法是航天工程中的迫切需求。航天設(shè)備具有典型的小子樣特點(diǎn)，不適合使用傳統(tǒng)的基于大樣本壽命數(shù)據(jù)的預(yù)測方法[1-2]。然而，航天設(shè)備在設(shè)計(jì)、研制、試驗(yàn)和使用等階段均存在不同來源、不同環(huán)境及不同層次的壽命信息，對這些多源壽命信息進(jìn)行合理融合，將有助于得到更準(zhǔn)確的設(shè)備剩余壽命預(yù)測結(jié)果。

信息融合的最初定義是指，對從單個或多個傳感器信息源獲取的數(shù)據(jù)和信息進(jìn)行關(guān)聯(lián)、相關(guān)和綜合，從而對態(tài)勢和威脅及其重要程度進(jìn)行全面及時評估的信息處理過程[3]。廣義上，融合就是將來自多信息源的信息和數(shù)據(jù)進(jìn)行綜合處理，從而得出更為準(zhǔn)確可靠的結(jié)論[4]。D-S證據(jù)理論、Bayes方法、模糊測度積分和專家系統(tǒng)等均是基于信息融合的可靠性評估技術(shù)中的常見方法。其中，D-S證據(jù)理論因其可以靈活處理不同可靠性數(shù)據(jù)和信息的形式差異，并具有直接表達(dá)不確定未知信息的能力，受到越來越多的重視和應(yīng)用。

D-S證據(jù)理論是一種基于“證據(jù)”和“組合”來處理不確定性推理問題的數(shù)學(xué)方法[5]，已被嘗試應(yīng)用于故障診斷和健康管理的相關(guān)領(lǐng)域[6-7]。譬如，文獻(xiàn)[8]研究了基于D-S證據(jù)理論的旋轉(zhuǎn)機(jī)械綜合故障診斷方法；文獻(xiàn)[9]將證據(jù)理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合，旨在解決航空發(fā)動機(jī)試車臺試驗(yàn)中發(fā)動機(jī)磨損的故障診斷問題；文獻(xiàn)[10]將D-S數(shù)據(jù)融合技術(shù)應(yīng)用于多Agent的衛(wèi)星故障診斷中，提高了診斷的準(zhǔn)確性和多Agent系統(tǒng)的智能性；文獻(xiàn)[11]提出一種基于粗糙集理論和D-S證據(jù)理論的設(shè)備技術(shù)狀態(tài)評估模型。

針對航天設(shè)備的多源壽命信息，本文將D-S證據(jù)理論和Bayes理論相互結(jié)合，提出一種基于多源信息融合的壽命預(yù)測方法。首先，針對所研究的對象收集多種來源的壽命信息，包括專家經(jīng)驗(yàn)、性能退化數(shù)據(jù)、相關(guān)(或相似)設(shè)備的壽命信息等；其次，將這些可靠性信息作為壽命預(yù)測的驗(yàn)前信息，挖掘其內(nèi)外部信息，構(gòu)建證據(jù)集合；最后，運(yùn)用D-S證據(jù)合成規(guī)則對多證據(jù)的基本概率分配(Basic Probability Assignment，BPA)進(jìn)行合成，將合成后的BPA作為各驗(yàn)前分布的融合權(quán)重分配結(jié)果，最終計(jì)算研究對象剩余壽命的驗(yàn)后分布曲線。仿真試驗(yàn)結(jié)果表明了本文方法的可行性和合理性。

1　D-S證據(jù)理論及Bayes可靠性評估

本文的主要目的是，將設(shè)備的多源壽命信息視作Bayes驗(yàn)前信息，且驗(yàn)前分布形式為威布爾分布，對分布中的尺度參數(shù)br進(jìn)行基于D-S證據(jù)理論的融合估計(jì)求解。首先運(yùn)用合成規(guī)則確定各驗(yàn)前信息的融合權(quán)重，得到尺度參數(shù)br的融合驗(yàn)前分布；再根據(jù)Bayes理論計(jì)算參數(shù)的驗(yàn)后分布估計(jì)值，并用估計(jì)值確定設(shè)備壽命的威布爾分布函數(shù)，最終得到設(shè)備壽命的預(yù)測值。本節(jié)將簡要介紹D-S證據(jù)合成規(guī)則和Bayes驗(yàn)前信息融合的基本思想。

1.1證據(jù)合成的基本概念

D-S合成規(guī)則反映的是多組證據(jù)聯(lián)合作用的結(jié)果。給定幾組同一識別框架下的基于不同證據(jù)的基本概率分配函數(shù)，如果這幾個證據(jù)不是完全沖突的，那么就可以利用D-S合成規(guī)則，計(jì)算出多證據(jù)聯(lián)合作用下的基本概率分配函數(shù)[13]。

(1)

在基于信息融合的航天設(shè)備壽命預(yù)測問題中，焦元A1,A2，…,Ai和B1,B2，…,Bj代表多個壽命信息來源，m(C)是指經(jīng)多個證據(jù)合成后分配到各信息源上的基本可信數(shù)。

1.2Bayes驗(yàn)前信息融合

本文選用威布爾分布作為航天設(shè)備剩余壽命的分布函數(shù)，因?yàn)樗呛娇蘸教煸O(shè)備常用的一種失效分布，尤其適用于機(jī)電類產(chǎn)品磨損累計(jì)失效的分布描述[14]。

假設(shè)設(shè)備的剩余壽命T服從威布爾分布

(2)

(3)

式中：Γ(?)為伽馬函數(shù)；Q′(br)為Q(br)的一階導(dǎo)數(shù)；αi和βi為參數(shù)，i表示第i個信息源。

假定現(xiàn)有k個關(guān)于尺度參數(shù)br的驗(yàn)前信息源，驗(yàn)前分布分別為πi(br)(i=1,2,…,k)，若得到各信息源的權(quán)重wi，則融合后br的驗(yàn)前分布為π(br)=wiπi(br)；另外假定通過現(xiàn)場試驗(yàn)已獲得該設(shè)備的n個壽命數(shù)據(jù)，即真實(shí)壽命信息的集合，記為T={T1，T2,…,Tn}；由指數(shù)分布的共軛性質(zhì)可以計(jì)算尺度參數(shù)br的驗(yàn)后分布

(4)

進(jìn)而，根據(jù)最小方差估計(jì)原理可以求出尺度參數(shù)br的最小方差估計(jì)值

(5)

后文中將應(yīng)用D-S證據(jù)理論中的基本概率分配和證據(jù)合成，確定各信息源的權(quán)重wi；與其他權(quán)重確定算法相比，本文方法可以統(tǒng)一處理形式各異的各類壽命信息，使得權(quán)重確定過程更加合理、準(zhǔn)確。

2　基于D-S證據(jù)理論的壽命信息　 融合方法

由于航天設(shè)備很難獲得大樣本數(shù)據(jù)，本文將充分挖掘?qū)＜医?jīng)驗(yàn)、遙測性能參數(shù)、相似系統(tǒng)壽命數(shù)據(jù)等驗(yàn)前信息，形成有關(guān)設(shè)備壽命的證據(jù)集合，運(yùn)用D-S證據(jù)合成規(guī)則進(jìn)行多個證據(jù)的BPA合成，作為各驗(yàn)前分布的融合權(quán)重分配，并利用權(quán)重得出驗(yàn)前分布融合結(jié)果，結(jié)合現(xiàn)場真實(shí)分布信息，最終計(jì)算得出研究對象壽命的Bayes驗(yàn)后分布曲線，具體實(shí)現(xiàn)流程如圖1所示。

圖1　D-S方法流程Fig.1　Flowchart of D-S method

2.1驗(yàn)前分布的信息挖掘及證據(jù)構(gòu)成

本文將設(shè)備壽命信息劃分為內(nèi)部信息和外部信息[14]。內(nèi)部信息是指設(shè)備壽命數(shù)據(jù)本身提供的信息，如數(shù)據(jù)容量、分布特征度；外部信息是壽命數(shù)據(jù)采集過程中的一些影響因素，如數(shù)據(jù)采集方法和水平、數(shù)據(jù)處理精度及信息來源的可信度。

(1)內(nèi)部信息證據(jù)

不同來源壽命信息所包含的數(shù)據(jù)量大小存在明顯差異，而數(shù)據(jù)量大小是影響數(shù)據(jù)驅(qū)動預(yù)測方法性能的主要因素，因此第一個D-S證據(jù)由數(shù)據(jù)容量特性構(gòu)成。本文采用計(jì)算各信息源數(shù)據(jù)量的百分比作為數(shù)據(jù)容量基本概率分配(BPA)函數(shù)m1的構(gòu)造方法。譬如，某設(shè)備有4種壽命信息源S1～S4，數(shù)據(jù)容量分別為130、400、255和140，則通過計(jì)算各容量占總?cè)萘康陌俜直瓤傻脭?shù)據(jù)容量證據(jù)E1的BPA結(jié)果為

E1={m1(S1)=0.141,m1(S2)=0.432,

m1(S3)=0.276,m1(S4)=0.151}

除了數(shù)據(jù)容量，不同壽命信息源的驗(yàn)前分布參數(shù)與現(xiàn)場真實(shí)分布參數(shù)之間的差異，也可度量該信息源的融合權(quán)重大小，因此第二個D-S證據(jù)為參數(shù)分布證據(jù)E2某設(shè)備4種信息源S1～S4的壽命分布參數(shù)θ的驗(yàn)前分布分別為π1(θ)=guass(4.9,1)，π2(θ)=guass(5.2,1)，π3(θ)=guass(4.2,1)，π4(θ)=guass(4.5,1)，均服從高斯分布；假定由現(xiàn)場試驗(yàn)數(shù)據(jù)得到的θ真實(shí)分布為π(θ)=guass(5,1)，下面來推導(dǎo)E2的BPA函數(shù)m2。

(6)

(2)外部信息證據(jù)

不同信息來源的壽命數(shù)據(jù)一般有著不同的采集方法和技術(shù)水平、數(shù)據(jù)處理的精度也不盡相同。此外，不同的信息來源也具有不同的可信度，這些外部信息也應(yīng)當(dāng)作為證據(jù)納入D-S證據(jù)理論的證據(jù)合成中。

例如，文獻(xiàn)[14]在分析某型柴油機(jī)的累積失效率和故障里程數(shù)之間的關(guān)系時，4種來源的故障里程數(shù)信息在數(shù)據(jù)質(zhì)量、預(yù)處理方法和傳感器精度等方面存在差異，經(jīng)過數(shù)位專家的評估分析后，對信息源S1～S4賦予了不同的可信度，分別為0.995、0.987、0.926和0.912，該論文中得到的基于外部信息的可信度證據(jù)E3的BPA函數(shù)m3結(jié)果為

E3={m3(S1)=0.260 5,m3(S2)=0.258 4,

m3(S3)=0.242 4,m3(S4)=0.238 7}

同理，若獲得了其他可量化的外部信息，也可以根據(jù)實(shí)際情況轉(zhuǎn)化為融合權(quán)重分配這同一框架下的相應(yīng)證據(jù)集合，加入影響信息源驗(yàn)前分布融合權(quán)重的考慮因素中。

2.2D-S證據(jù)理論融合過程模型

利用證據(jù)理論的合成規(guī)則(即式(1))，對第2.1節(jié)所提出的多組證據(jù)集合進(jìn)行融合，可得到各信息源驗(yàn)前分布的權(quán)重分配集合?；趦?nèi)部信息的各組證據(jù)的BPA融合形式為Wj=E1⊕E2,j，其中E2是分k個區(qū)間依次求解得到的，故E2有k個值。

由第1.1節(jié)可知，證據(jù)合成的次序?qū)ψ罱K結(jié)果沒有影響。若仍需繼續(xù)考慮其他內(nèi)外部信息的證據(jù)集合，權(quán)重計(jì)算公式可以擴(kuò)展為通用形式

(7)

并利用得到的權(quán)重分配矩陣Wj(k×n)，其中，k表示求取參數(shù)分布證據(jù)E2時所劃分的區(qū)間數(shù)，n表示驗(yàn)前信息來源的個數(shù)。結(jié)合式(3)，可得到k組融合驗(yàn)前分布πj(br)的集合

(8)

總結(jié)上述步驟，基于D-S證據(jù)理論的壽命信息融合過程如圖2所示。其中，n表示證據(jù)數(shù)目，t表示信息源數(shù)目，mj(Si)表示在同一證據(jù)Ej的基本概率分配下的第i個信息源的基本可信數(shù)，i=1,2,…,t，j=1,2,…,n。通過D-S合成規(guī)則，各證據(jù)下的BPA函數(shù)mj進(jìn)行合成，得到證據(jù)組合后的基本可信數(shù)m(Si)，即為組合后的各信息源置信度大小。進(jìn)一步將置信度作為融合權(quán)重，至此，最終得到各信息源的驗(yàn)前融合權(quán)重Wi。

圖2　基于D-S證據(jù)理論的融合過程模型Fig.2　Fusion process model based on D-S evidence theory

3　算法驗(yàn)證及分析

動量輪是衛(wèi)星三軸穩(wěn)定控制系統(tǒng)中的主要執(zhí)行部件，動量輪的壽命直接影響衛(wèi)星的使用壽命，實(shí)現(xiàn)動量輪剩余壽命的準(zhǔn)確預(yù)測，對提高衛(wèi)星可靠性進(jìn)而延長衛(wèi)星使用壽命具有重要意義[15]。

本文以XX型動量輪為研究對象，采用文獻(xiàn)[16]中挖掘到的3種信息源S1～S3的驗(yàn)前分布信息和一組現(xiàn)場試驗(yàn)壽命數(shù)據(jù)分布信息，進(jìn)行基于D-S證據(jù)理論的壽命信息融合方法的仿真驗(yàn)證。這里選擇威布爾分布作為動量輪剩余壽命的分布形式，對尺度參數(shù)br的估計(jì)值進(jìn)行融合求解。其中，3種來源的驗(yàn)前信息分別為相似型號動量輪的壽命數(shù)據(jù)、基于在軌溫度性能的遙測數(shù)據(jù)推導(dǎo)得出的偽壽命數(shù)據(jù)、基于專家經(jīng)驗(yàn)的壽命分布參數(shù)的區(qū)間估計(jì)。

3.1驗(yàn)前壽命信息挖掘

表1　現(xiàn)場真實(shí)分布及各驗(yàn)前分布參數(shù)表

圖3　尺度參數(shù)各驗(yàn)前分布的概率密度曲線Fig.3　Prior distributions curves of scale parameter

3.2證據(jù)構(gòu)成及融合

已知3種來源S1～S3的驗(yàn)前信息的原始數(shù)據(jù)量分別為13、5和10，通過計(jì)算各信息源數(shù)據(jù)量的百分比，得到數(shù)據(jù)容量證據(jù)E1的BPA，結(jié)果如表2示。可得

E1={m1(S1)=0.4643,

8m1(S2)=0.1786,m1(S3)=0.3571}

表2　信息源數(shù)據(jù)容量特征表

為了分析各信息源和現(xiàn)場試驗(yàn)尺度參數(shù)的分布情況，對πi(br)取積分，得到尺度參數(shù)br的累積分布函數(shù)，為了獲得精確的參數(shù)分布證據(jù)E2的BPA，本文將時間軸0～800(月)劃分成20個區(qū)間，確定各信息源在每個區(qū)間內(nèi)的特征樣本點(diǎn)及分布情況，如圖4所示。

圖4　尺度參數(shù)樣本分布Fig.4　Samples distribution of scale parameter

這樣，從尺度參數(shù)br累積概率的分布情況中統(tǒng)計(jì)得到特征樣本點(diǎn)的數(shù)值大小，并進(jìn)行接下來的分析。各信息源S1～S3和現(xiàn)場試驗(yàn)S0的特征樣本點(diǎn)的數(shù)值和區(qū)間劃分如表3所示。

分別計(jì)算第i個信息源在第j個區(qū)間內(nèi)的樣本點(diǎn)Pi,j與現(xiàn)場真實(shí)分布的樣本點(diǎn)P0,j之間的距離L=|Pi,j- P0,j|，接著根據(jù)式(6)構(gòu)建出各區(qū)間內(nèi)的參數(shù)分布證據(jù)BPA,構(gòu)建的20組BPA集合，如表4所示。

根據(jù)第2.2節(jié)所示方法及D-S證據(jù)理論合成規(guī)則，可以對數(shù)據(jù)容量證據(jù)E1和參數(shù)分布證據(jù)E2,j進(jìn)行融合(j=1,2,…,20)。

表3　尺度參數(shù)樣本點(diǎn)累積概率表

由于目前沒有挖掘到更多的外部信息量，假設(shè)所有的信息源數(shù)據(jù)都采用統(tǒng)一的方法進(jìn)行收集，并且在收集過程中有相同的技術(shù)水平，數(shù)據(jù)預(yù)處理精度一致，收集的數(shù)據(jù)有相同的可信度，這表明除了驗(yàn)前分布本身的內(nèi)部信息之外并沒有其他的外部信息應(yīng)該在權(quán)重分配過程中考慮。所以，E1和E2,j經(jīng)過證據(jù)合成后的BPA即為各信息源驗(yàn)前分布的權(quán)重集合，即Wj=E1⊕E2,j。權(quán)重分配結(jié)果如表5所示。

進(jìn)一步地，可以根據(jù)表6結(jié)合各驗(yàn)前分布πi(br)計(jì)算得到融合后的尺度參數(shù)br的累積概率分布曲線，如圖5所示。由圖觀察可知，融合后的參數(shù)累積概率分布與其他各單一信息來源的驗(yàn)前分布相比，更接近于現(xiàn)場真實(shí)分布。在認(rèn)定現(xiàn)場數(shù)據(jù)最能反映產(chǎn)品真實(shí)信息的前提下，認(rèn)為融合后的尺度參數(shù)br的累積概率分布曲線是合理的。

表4　參數(shù)分布證據(jù)BPA表

為了驗(yàn)證經(jīng)過D-S證據(jù)組合后的權(quán)重分配結(jié)果更加合理，分別使用數(shù)據(jù)容量證據(jù)E1和參數(shù)分布證據(jù)E2這兩類單一證據(jù)BPA作為驗(yàn)前分布的融合權(quán)重的分配結(jié)果，即分別用m1和m2直接表示W(wǎng)j。計(jì)算由這兩種單一證據(jù)所決定的權(quán)重分配，在各區(qū)間內(nèi)融合后的特征樣本點(diǎn)與現(xiàn)場數(shù)據(jù)樣本點(diǎn)之間的距離，進(jìn)行比較分析，結(jié)果如圖6所示。

表5　驗(yàn)前分布權(quán)重分配向量

圖5　融合后的尺度參數(shù)累積概率分布曲線Fig.5　Cumulative probability distribution curve of scale parameter after fusion

圖6　三種融合樣本點(diǎn)分布距離比較Fig.6　Distances comparison of three types fusiondistribution samples

證據(jù)ddmax證據(jù)10.0103550.0309證據(jù)20.008230.0636證據(jù)組合0.007470.0412

3.3基于D-S證據(jù)合成的動量輪剩余壽命估計(jì)

根據(jù)第3.2節(jié)得到的各信息源驗(yàn)前分布的融合權(quán)重向量集合Wj，利用式(4)和式(7)，可以得到動量輪剩余壽命的尺度參數(shù)br的驗(yàn)后概率密度

經(jīng)判定，該評估結(jié)果和工程實(shí)際相符合。由此可見，本文提出的基于D-S證據(jù)理論的驗(yàn)前分布融合權(quán)重分配的方法可行，可以解決工程實(shí)際問題。該方法改進(jìn)了文獻(xiàn)[16]考量驗(yàn)前分布相似性的基于JS距離的權(quán)重確定方法，充分挖掘了各驗(yàn)前信息源的內(nèi)外部信息，并建立相應(yīng)的證據(jù)和證據(jù)的基本概率分配函數(shù)，加入到證據(jù)合成的過程中，使得各信息源的權(quán)重分配更加合理準(zhǔn)確。

圖7　動量輪剩余壽命分布曲線Fig.7　Residual life distribution curve of momentum wheel

4　結(jié)束語

本文采用D-S證據(jù)合成方法來研究動量輪剩余壽命的驗(yàn)前分布融合問題，充分挖掘了各驗(yàn)前信息源的內(nèi)、外部信息，構(gòu)建了基于各類信息的D-S證據(jù)基本概率分配函數(shù)，并利用合成規(guī)則對多證據(jù)BPA進(jìn)行合成，最終得到合理的各信息源的權(quán)重分配結(jié)果。

與現(xiàn)有研究方法相比，本文主要創(chuàng)新性在于，融合權(quán)重的確定不僅僅依據(jù)各信息源數(shù)據(jù)本身的特性，而是通過挖掘多種信息，構(gòu)成D-S證據(jù)集合，再利用證據(jù)合成規(guī)則，來確定的權(quán)重分配結(jié)果。在對XX型動量輪的可靠性評估和剩余壽命預(yù)測過程中，針對多信息源所挖掘到的信息，構(gòu)建了數(shù)據(jù)容量證據(jù)E1和參數(shù)分布證據(jù)E2的基本概率分配函數(shù)，通過兩類證據(jù)的BPA的合成，得到各驗(yàn)前分布的權(quán)重分配并計(jì)算得出尺度參數(shù)br的最小方差估計(jì)值及估計(jì)區(qū)間。結(jié)果表明，通過本文方法獲得的動量輪剩余壽命的威布爾分布符合實(shí)際工程經(jīng)驗(yàn)，可以解決工程實(shí)際問題。

由于沒有挖掘到XX型動量輪3種信息源的更多的外部信息量，本文假設(shè)所有的信息源數(shù)據(jù)都采用統(tǒng)一的收集方法進(jìn)行收集，并具有相同的技術(shù)水平，數(shù)據(jù)預(yù)處理方式一致，信息來源具有相同的可信度。實(shí)際上，若存在可量化的外部信息，也應(yīng)作為證據(jù)納入對權(quán)重分配的考慮中。因此，本文后續(xù)工作還應(yīng)探究外部信息的挖掘和證據(jù)的構(gòu)建方法，使得權(quán)重的分配更加有據(jù)合理，剩余壽命的評估結(jié)果更加真實(shí)可信。

References)

[1]YE X, MA Y, MENG H, et al. Degradation failure model of electromagnetic relay[C]∥Proceeding of ICEC-ICREPEC 2012.Beijing, 2012: 116-123.

[2]邵瑞芝, 范本堯. 長壽命通信衛(wèi)星的可靠性研究[J]. 中國空間科學(xué)技術(shù), 1996, 16(4):24-33.

SHAO R Z, FAN BY. Reliability study of long-life communication satellites[J]. Chinese Space Science and Technology, 1996, 16(4):24-33(in Chinese).

[3]方艮海. 產(chǎn)品可靠性評估中的多源信息融合技術(shù)研究[D].合肥：合肥工業(yè)大學(xué)，2006.

FANG G H. Research on the multi-source information fusion techniques in the process of reliability assessment[D]. Hefei:Hefei University of Technology, 2006(in Chinese).

[4]莊釗文, 郁文賢, 王浩,等. 信息融合技術(shù)在可靠性評估中的應(yīng)用[J]. 系統(tǒng)工程與電子技術(shù), 1999, 22(4):6-9.

ZHUANG Z W, YU W X, WANG H, et al. Information fusion and application in reliability assessment[J]. Systems Engineering and Electronics, 1999, 22(4):6-9(in Chinese).

[5]SHAFER G. Perspectives on the theory and practice of belief functions[J]. International Journal of Approximate Reasoning, 1990, 4(5-6): 323-362.

[6]BAE H R, GRANDHI R V, CANFIELD R A. An approximation approach for uncertainty quantification using evidence theory[J]. Reliability Engineering and System Safety, 2004, 85(1-3): 215-225.

[7]AGARWAL H, RENAUD J E, PRESTON E L, et al. Uncertainty quantification using evidence theory in multidisciplinary design optimization[J]. Reliability Engineering and System Safety, 2004, 85(1-3): 281-294.

[8]高洪濤, 王敏. 證據(jù)理論在旋轉(zhuǎn)機(jī)械綜合故障診斷中的應(yīng)用[J]. 大連理工大學(xué)學(xué)報(bào). 2001, 41(4): 459-462.

GAO H T, WANG M . Application of D-S evidential reasoning to the comprehensive fault diagnosis of rotating machine[J]. Journal of Dalian University of Technology, 2001, 41(4): 459-462(in Chinese).

[9]陳果. 基于神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的發(fā)動機(jī)磨損故障融合診斷[J]. 航空動力學(xué)報(bào), 2005, 20(2): 303-308.

CHEN G. Fusion diagnosis of engine wearing fault based on neural network and D-S evidence theory[J]. Journal of Aerospace Power, 2005, 20(2): 303-308(in Chinese).

[10]范顯峰, 姜興渭. 基于多Agent的衛(wèi)星故障診斷融合技術(shù)研究[J]. 中國空間科學(xué)技術(shù), 2003, 23(2):39-44.

FAN X F, JIANG X W. Research of multi-agent based satellite fault diagnosis and fusion technology[J]. Chinese Space Science and Technology, 2003, 23(2): 303-308(in Chinese).

[11]耿俊豹, 邱瑋, 孔祥純,等. 基于粗糙集和D-S證據(jù)理論的設(shè)備技術(shù)狀態(tài)評估[J]. 系統(tǒng)工程與電子技術(shù), 2008, 30(1): 112-115.

GENG J B, QIU W, KONG X C, et al. Techical condition evaluation for devices based on rough set theory and D-S evidence theory[J]. Systems Engineering and Electronics, 2008, 30(1): 112-115(in Chinese).

[12]ZHU P, XIONG W, QIN N, et al. D-S theory based on an improved PSO for data fusion[J]. Journal of Networks, 2012, 7(2):369-376.

[13]董彥民, 賀小帆, 劉文珽. 基于不同壽命分布的DFR值換算關(guān)系[J]. 北京航空航天大學(xué)學(xué)報(bào), 2011, 37(12): 1524-1528.

DONG Y M, HE X F, LIU W T. Conversion relation of detail fatigue rating based on different fatigue life distribution[J]. Journal of Beijing University of Aeronautics and Astronautics, 2011, 37(12): 1524-1528(in Chinese).

[14]孫銳. 基于D-S證據(jù)理論的信息融合及在可靠性數(shù)據(jù)處理中的應(yīng)用研究[D]. 成都：電子科技大學(xué), 2012.

SUN R. Research on D-S evidence theory based information fusion and its application in reliability data processing[D]. Chengdu:University of Electronic Science and Technology of China, 2012(in Chinese).

[15]JIN G, MATTHEWS D, FAN Y, et al. Physics of failure-based degradation modeling and lifetime prediction of the momentum wheel in a dynamic covariate environment[J]. Engineering Failure Analysis, 2013, 28(3):222-240.

[16]劉強(qiáng). 基于失效物理的性能可靠性技術(shù)及應(yīng)用研究[D].長沙：國防科學(xué)技術(shù)大學(xué), 2011.

LIU Q. Research on the performance reliability technology and the application based on physics of failure[D].Changsha:Nation University of Defense Technology, 2011(in Chinese).

(編輯：高珍)

Lifetime prediction of aerospace equipment based on D-S evidence theory

DING Rui1, LU Ningyun1,*, CHENG Yuehua2, JIANG Bin1, XING Yan3,4

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

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.

lifetime prediction; multi-source information fusion;D-S evidence theory; Bayes method; Momentum wheel

10.16708/j.cnki.1000-758X.2016.0044

2015-11-26；

2015-12-30；錄用日期：2016-05-11；

時間：2016-07-1213:26:34

http:∥www.cnki.net/kcms/detail/11.1859.V.2016.0712.1326.001.html

國家自然科學(xué)基金(61374141，61203091)

丁瑞(1991-)，女，碩士研究生，dingrui504@163.com

陸寧云(1977-)，女，教授，博士生導(dǎo)師，luningyun@nuaa.edu.cn,主要研究方向?yàn)閺?fù)雜系統(tǒng)數(shù)據(jù)驅(qū)動建模、故障診斷與預(yù)測的理論和應(yīng)用

TB114

A

http:∥zgkj.cast.cn

引用格式：丁瑞,陸寧云,程月華,等.基于D-S證據(jù)理論的航天設(shè)備壽命預(yù)測方法[J].中國空間科學(xué)技術(shù), 2016,36(4)：58-66.DINGR,LUNY,CHENGYH,etal.LifetimepredictionofaerospaceequipmentbasedonD-Sevidencetheory, 2016,36(4)：58-66(inChinese).