1.一种多工况下的非马尔科夫退化系统剩余寿命预测方法，其特征在于：包括如下步骤：步骤1：读入M组状态监测数据，记为X1,X2,…,Xm,…,XM；其中，步骤2：根据多阶段退化模型，初始化参数集其中，xm(t)为第m个设备在t时刻的退化数据，j＝1,2,…,D，D为变点个数， 为第m个设备的第j个变点， N为监测时刻的总数，δ为采样间隔， 表示跳变， 为漂移系数，σ(j+1)为扩散系数，BH(t)为标准分数布朗运动，对于第一阶段有步骤3：利用野生二值分割方法检测变点时刻步骤4：通过小波离散二阶导数算法估计模型的赫斯特指数H；

步骤5：利用分层极大似然方法分别估计模型的群体参数 和个体参数

步骤6：基于分形布朗运动的弱收敛准则求取剩余寿命的概率密度函数fm,k(Δm,k)；

步骤7：分别计算性能指标SICpop，SICind和MSE，即SICpop＝-2l(Ωpop|X)+Υpopln N    (15)；

其中，l(Ωpop|X)为群体参数的对数似然函数， 为第m个设备的个体参数的对数似然函数，Υpop和Υind分别为群体参数和个体参数的数量，为Δm,k时刻剩余寿命的真值；

步骤8：根据三个性能指标值检验模型的预测效果，并最终输出概率密度函数fm,k(Δm,k)。

2.根据权利要求1所述的多工况下的非马尔科夫退化系统剩余寿命预测方法，其特征在于：在步骤3中，具体包括如下步骤：步骤3.1：针对第m个设备，给出如下累积和统计量其中，κ＝e-s+1表示区间间隔，e是终止时刻，s是起始时刻，τ的取值在e与s之间；

步骤3.2：任意选取P个子区间 其中，p＝1,2,…,P，同时，[s1,e1]＝[s,e]，则有如下检测逻辑其中， 为第p个区间内变点的估计值，δ为采样间隔， 为步骤3.1中的累积和统计量 在第p个区间下各个监测时刻的取值；

将阈值设定为 其中，MAD为xm(t)的绝对中位差，C取1或

1.3，则当 时，认定 为系统的一个变点，然后分别在 和上重复步骤3.2的变点检测过程，即在拆分后的子区间内利用公式(3)进一步估计变点的位置，变点的最终取值为P次估计的均值。

3.根据权利要求1所述的多工况下的非马尔科夫退化系统剩余寿命预测方法，其特征在于：在步骤4中，具体包括如下步骤：步骤4.1：构造如下形式的二次变分

其中，ai表示由Symlet小波滤波器生成的第i个选定序列，q为各个序列的最大长度；

步骤4.2：对步骤4.1中的公式(4)进行线性回归求取赫斯特指数H；或者利用MATLAB提供的wfbmesti工具函数求解此问题，输出向量的第二个元素即为赫斯特指数H的估计值。

4.根据权利要求1所述的多工况下的非马尔科夫退化系统剩余寿命预测方法，其特征在于：在步骤5中，具体包括如下步骤：步骤5.1：记群体参数集为 根据前面给出的退化模型的定义，进一步记

重写分段观测向

量为 显然， 其

中， 表示 的协方差矩阵；则Ωpop的对数似然函数为：步骤5.2：对 求偏导并将导数置为零，可得步骤5.3：将式(6)代回式(5)，对应的剖面对数似然函数为其中， 为第m个设备在第j阶段的长度；

步骤5.4：利用序列二次规划方法求解式(7)的最大化问题，即可得到两类群体参数和σ(1:D+1)的估计值，分别记作 和 再将其代入式(6)即可求得剩余的群体参数 的最终结果，记作步骤5.5：记个体参数集为 针对第m个设备，给出该设备对应的个体参数 的对数似然函数

步骤5.6：令m＝1,2,…,M，采用序列二次规划方法求解式(8)的最大化问题，即可求得各个设备的个体参数 的极大似然估计值，记作

5.根据权利要求1所述的多工况下的非马尔科夫退化系统剩余寿命预测方法，其特征在于：在步骤6中，令 表示独立同分布的随机变量，且有E(ρ0)＝0， 构造如下随机过程H-1.5

其中，[·]为向下取整符号，当i>0，bi＝(H-0.5)i ，当i≤0，bi＝0；

当r→∞时，yH,r(t)弱收敛于 且有则BH(t)可近似为B(h(t))， 因此，RULm,k的概率密度函数可表示为

其中，

表示tk时刻下的阈值，且有

结合多阶段模型的特性对RULm,k的概率密度函数，即式(11)进行修正：当令 来计算 Δm,k等价于 的求和，i＝j+1,j+2,…,D+1；假定 相互独立，则fm,k(Δm,k)的修正值可由 依次卷积进一步给出。