动态状态空间模型及粒子滤波方法在滚动轴承寿命预测中的应用研究

针对滚动轴承物理模型难以准确建立,全寿命失效样本难以获取的问题,提出一种基于动态状态空间模型的滚动轴承寿命预测方法。该方法通过改进公式,构建模型参数定时更新的动态状态空间模型。将已知的滚动轴承运行状态数据输入动态状态空间模型,应用粒子滤波算法估计滚动轴承运行状态,实现滚动轴承寿命预测。运用滚动轴承全寿命实验数据对所提出方法进行验证,并将预测结果与Gamma模型预测结果对比分析,结果表明该方法优于Gamma模型预测方法,具有较强的工程实用性。     

基于核密度估计和随机滤波理论的齿轮箱剩余寿命预测方法

针对风电机组齿轮箱的剩余寿命预测过程中需要进行状态退化模型结构假设的问题,提出一种由核密度估计和随机滤波理论结合的实时剩余寿命预测方法。该方法利用从数据本身出发的核密度估计方法对齿轮箱连续退化状态的概率密度函数进行非参数估计,得到齿轮箱实时状态监测数据的退化状态概率密度函数;利用实时状态监测数据来更新随机滤波递推模型参数,从而预测齿轮箱的实时剩余寿命。通过齿轮箱的试验验证了该方法的有效性。     

失效物理与数据驱动融合的燃油泵在线寿命预测

针对机载燃油泵性能退化过程呈现的多阶段、非线性的特点以及对寿命预测实时性的要求,提出了一种基于失效物理与数据驱动融合的燃油泵在线退化建模与寿命预测方法。通过开关卡尔曼滤波器对燃油泵退化阶段进行在线识别,并对快速退化阶段建立失效物理与数据驱动融合的退化模型,然后基于无迹卡尔曼滤波器对建立的退化模型不断进行模型参数更新,并使用更新后的模型对失效寿命进行预测。将所提方法分别与纯数据驱动的方法、不进行退化阶段识别以及不进行参数更新的融合方法进行比较,整个参数更新过程中其均方根误差不超过0.3,寿命预测百分比误差不超过2%,均小于对比方法,验证了本文方法的有效性与优越性。     

数字孪生驱动的航空发动机涡轮盘剩余寿命预测

为解决航空发动机涡轮盘剩余寿命在线预测难题,提出一种数字孪生驱动的涡轮盘剩余寿命预测方法。在建立数字孪生模型的过程中,首先,分析涡轮盘疲劳裂纹损伤机理,构建性能退化指标,建立涡轮盘性能退化过程的共性表征模型;其次,分析多种不确定性因素,采用状态空间模型建立涡轮盘性能退化过程的个性表征模型;然后,通过动态贝叶斯网络描述状态空间模型随时间的演化规律,建立涡轮盘性能退化过程的动态演化模型;最后,采用粒子滤波算法实现涡轮盘退化状态追踪和剩余寿命预测,从而完成涡轮盘性能退化数字孪生模型的建立。融合涡轮盘实时传感数据,通过贝叶斯推理实现对该数字孪生模型的动态更新。通过某型涡轮盘试验数据对该方法进行验证,结果表明该数字孪生模型能够较好地解决涡轮盘剩余寿命在线预测问题。     

电子产品动态损伤最优估计与寿命预测

针对电子产品寿命预测中存在的不确定性因素影响,提出一种基于粒子滤波的电子产品动态损伤最优估计和寿命预测方法.首先建立了电子产品动态损伤HMM模型;分析了电子产品动态损伤和寿命预测中的不确定性因素;通过贝叶斯滤波模型,将寿命预测的不确定性问题转化为最优估计问题;利用粒子滤波算法求解出电子产品动态损伤的最优估计值,从而进行寿命预测;实验证明,该方法可有效消除系统和测量因素的干扰,明显提高电子产品剩余寿命预测的精度.     

基于多时间尺度的锂离子电池状态联合估计

荷电状态(SOC)和健康状态(SOH)估计是锂离子电池管理系统的关键技术。针对SOH退化情况下电池模型参数和容量参数发生改变影响SOC长期估计性能的问题,提出了基于多时间尺度的锂离子电池SOC-SOH联合估计方法。建立多时间尺度状态空间方程,构建SOC-SOH与电池模型参数间多维度空间插值曲面,基于无迹粒子滤波算法实现锂离子电池状态联合估计。根据SOH估计结果更新用于SOC估计的电池模型参数和容量参数,在SOH估计中以在线健康因子作为系统观测量实现在线联合估计。实验结果表明,在锂离子电池全寿命周期中,相较于未考虑SOH退化情况,方法在SOC估计的最大误差、平均误差和均方根误差方面有明显降低,较好地提升了SOC的长期估计性能。     

基于数字孪生的光电探测系统性能预测

为解决光电探测系统由于多场耦合引起的性能退化建模难题,提出以光电探测系统的能量域表述为基础,建立数字孪生模型以解决其性能退化预测问题的方法。在该数字孪生模型的建立过程中,采用调制传递函数构建光电探测系统的静态性能物理模型;进一步采用动态贝叶斯网络表示调制传递函数随时间的演变规律,实现对其动态性能退化过程的图模型描述;最后通过粒子滤波算法实现系统的状态监测和性能预测,从而完成光电探测系统数字孪生模型的建立,并给出了具有不确定性估计的仿真验证结果,验证了数字孪生模型能够较好的解决光电探测系统的性能预测问题。     

锂离子电池循环寿命的融合预测方法

针对传统基于粒子滤波的锂离子电池剩余使用寿命预测方法的不足:过度依赖电池经验退化模型和模型输入变量单一的问题,提出了一种相关向量机、粒子滤波和自回归模型融合的锂离子电池剩余寿命预测的方法。通过相关向量机提取电池历史数据的退化趋势,构建趋势方程替换以往的电池经验退化模型,作为粒子滤波算法的状态转换方程。引入自回归模型的长期趋势预测值,替换观测值构建粒子滤波算法的观测方程。将3种方法相融合估计电池剩余寿命。实验结果表明:融合方法不仅预测精度高而且采用数据驱动的方法避免了构建复杂的电池机理退化模型,通用性强。     

基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法

提出了一种基于K-S检验和动态灰色模型的机械设备剩余寿命预测方法。提出以Kolmogorov-Smirnov检验为基础的K-S距离作为描述机械设备退化状态的性能指标,通过退化指标序列动态训练灰色模型、更新模型参数,预测退化指标的变化趋势并确定到达设定失效阈值时的预测步数,以此计算机械设备的剩余使用寿命。最后通过轴承全寿命样本数据对其验证,并与传统的二次曲线拟合预测法和静态灰色模型预测法进行比较,结果表明所提出的方法更能有效地预测轴承的剩余寿命,具有较高的预测精度。     

基于EKF-SSM的齿轮箱剩余寿命预测

齿轮箱的剩余寿命预测为维修人员做出维修更新决策提供重要信息。为解决在缺少历史数据和非线性非平稳运行状态下的齿轮箱剩余寿命预测难题,提出一种基于数据驱动的齿轮箱的剩余寿命方法。该方法首先根据齿轮箱振动信号特征值,通过状态空间模型(State Space Model,SSM)建立齿轮箱退化状态与特征值之间的关系,来描述齿轮箱的非线性动态变化。其次,当获取到新的信号时,通过扩展卡尔曼滤波(Extend Kalman Filter,EKF)估计准确的模型状态,EM算法(Experience Maximization,EM)估计状态空间模型的参数,根据更新的状态和模型递推预测未来特征值到达故障阈值的时间,从而估计出齿轮箱的剩余寿命。最后,运用齿轮箱全寿命试验数据对预测模型进行检验,实验结果表明该方法能利用实时监测的状态数据准确的预测齿轮箱的剩余寿命,具有较强的工程使用价值和通用性。     

基于性能退化模型的万能式断路器操作附件实时剩余寿命预测

针对万能式断路器操作附件的个体差异性以及在实际使用过程中动作不频繁的特性,提出一种基于性能退化模型的万能式断路器操作附件实时机械剩余寿命(RUL)预测方法。不同于传统的RUL预测方法,该方法融合了操作附件的历史退化数据与实时更新的状态监测(CM)数据。首先,考虑到操作附件性能退化过程具有线性非单调的特点,建立基于Wiener过程的操作附件性能退化模型;其次,对操作附件的历史退化数据采用极大似然估计法和一维搜索法确定模型参数的先验分布;然后,运用贝叶斯方法并结合操作附件实时更新的CM信息对模型参数进行迭代更新;基于首达时间的概念建立了RUL预测模型,以实现对断路器操作附件实时RUL的预测。最后,通过操作附件的寿命数据对本文所提方法进行验证,结果表明本文方法不仅可实现操作附件的实时剩余机械寿命预测,同时相较于其他文献方法具有更高的预测精度。     

Integrated approach for diagnostics and prognostics of HP LNG pump based on health state probability estimation

Effective machine fault prognostic technologies can lead to elimination of unscheduled downtime and increase machine useful life and consequently lead to reduction of maintenance costs as well as prevention of human casualties in real engineering asset management. This paper presents a technique for accurate assessment of the remnant life of machines based on health state probability estimation technique and historical failure knowledge embedded in the closed loop diagnostic and prognostic system. To estimate a discrete machine degradation state which can represent the complex nature of machine degradation effectively, the proposed prognostic model employed a classification algorithm which can use a number of damage sensitive features compared to conventional time series analysis techniques for accurate long-term prediction. To validate the feasibility of the proposed model, the five different level data of typical four faults from High Pressure Liquefied Natural Gas (HP-LNG) pumps were used for the comparison of intelligent diagnostic test using five different classification algorithms. In addition, two sets of impeller-rub data were analysed and employed to predict the remnant life of pump based on estimation of health state probability using the Support Vector Machine (SVM) classifier. The results obtained were very encouraging and showed that the proposed prognostics system has the potential to be used as an estimation tool for machine remnant life prediction in real life industrial applications.     

考虑不完美维修的随机退化设备剩余寿命自适应预测方法

在现有考虑不完美维修的随机退化设备剩余寿命预测研究中,通常仅考虑维修活动对退化状态或退化速率的单一影响,仅有考虑二者双重影响的研究,忽略了退化设备的个体差异性。鉴于此,提出一种基于多阶段扩散过程的自适应剩余寿命预测方法,同时考虑不完美维修活动对设备退化状态和退化速率的影响,并利用随机游走模型描述退化速率随观测数据的更新过程以表征设备的个体差异性。基于历史退化数据,利用极大似然估计法得到退化模型参数的初值;基于状态观测数据,利用卡尔曼滤波算法和期望最大化算法自适应的更新模型参数。利用卷积算子和蒙特卡洛方法推导得到了首达时间意义下设备剩余寿命的概率密度函数。最后,通过仿真算例和陀螺仪的实例研究验证了所提方法的有效性和优越性。     

基于Wiener过程的万能式断路器附件剩余寿命预测*

万能式断路器作为一个复杂的机械系统,其操作附件的剩余寿命预测对于维护断路器的可靠性至关重要。为准确掌握操作附件剩余寿命情况,提出了一种基于Wiener过程的万能式断路器操作附件剩余机械寿命预测方法。首先,通过对操作附件动作过程中线圈电流波形的分析选取了动作时间作为性能退化特征量;其次,考虑到断路器操作附件性能退化过程具有线性非单调的特点,采用Wiener过程建立了操作附件的性能退化模型,并利用极大似然估计法对退化模型参数进行估计;然后,基于首达时间的概念建立了剩余寿命预测模型,推导出剩余寿命概率密度函数解析式。最后对安装于万能式断路器上的分励脱扣器和释能电磁铁两种操作附件进行全寿命试验及其剩余寿命预测,预测结果验证了所提方法的有效性。     

一种基于空间卷积长短时记忆神经网络的轴承剩余寿命预测方法

传统的基于数据驱动的轴承剩余预测方法仍需要一定的先验知识,比如：特征指标选取、健康指标构建、失效阈值选定等等。预测结果严重依赖人工经验,为了克服这一缺点,基于深度学习方法提出了一种用于轴承剩余寿命预测的新方法,该方法的核心包括健康指标构建和剩余寿命计算。首先提出了一种无需先验知识的基于空间卷积长短时记忆神经网络（Convolutional long short-term memory neural network,ConvLSTM）的健康指标生成网络模型,该网络利用卷积神经网络的局部特征提取能力和长短时记忆网络的时间依赖特性,可直接从采集到的原始信号中挖掘反映退化程度的特征,构建健康指标,实现了高维原始数据向低维特征的映射转化,并利用Sigmoid函数将其归至[0,1]区间内,实现了阈值的统一;然后,利用粒子滤波更新双指数寿命模型,实现剩余寿命结果的输出。利用轴承全寿命试验对所提方法进行了验证,并与其他相关方法进行对比,结果表明本文方法所构建的健康指标具有更好的趋势性、单调性和鲁棒性,同时剩余寿命预测的准确率更高。     

基于VMD-NARX的MOSFET剩余使用寿命预测方法

金属氧化物半导体场效应晶体管(MOSFET)剩余使用寿命预测能够防止因器件长时间导通出现性能逐渐退化或失效,但传统预测模型易忽略MOSFET退化参数的非线性细节特征而导致预测精度较差。本文提出一种基于变分模态分解与带外源输入的非线性自回归神经网络的MOSFET剩余使用寿命预测方法。首先采用变分模态分解将退化参数序列分解为多组含有非线性变化信息的特征分量。然后分别利用贝叶斯正则和Levenberg-Marquardt算法对预测网络进行优化。最终集成多组预测分量值获得MOSFET剩余使用寿命预测结果。实验结果表明,本文所提方法的均方根误差小于0.003,平均绝对百分比误差小于5%,均优于对比方法,剩余使用寿命预测平均偏差小于5 min,验证了该方法的有效性.     

基于两轮机器人运动模型的Kalman滤波视觉导航

在视觉算法对目标物识别的基础上,对两轮移动机器人运动模型进行分析,提出将其作为扩展卡尔曼滤波的系统状态方程,并应用到视觉导航系统中。仿真实验及实际测试表明,方法能较好地对两轮移动机器人的运动实现预测和估计,减轻环境干扰影响、降低处理计算量并提高系统实时性,满足了机器人在复杂环境下视觉导航的要求。     

基于改进卡尔曼滤波的叉车载重快速准确估计方法

针对工作环境恶劣、操作工况复杂的伸缩臂叉车载重实时快速准确估计需求,对伸缩臂叉车的载重估计数学模型及其求解算法进行了研究。首先,利用叉车现有功能模块中已装配的各类传感器,提出并分析了三种载重估计方案,在综合比较各方案的优缺点之后,确定并建立了基于动力学原理的载重估计数学模型;然后,将载重作为估计系统的状态变量,将液压系统压力、臂架变幅角度和伸缩臂伸缩长度等实时信号作为测量值,将基于转动定律建立的载重计算公式作为状态变量与测量值之间的观测方程,运用卡尔曼滤波算法对该数学模型进行求解;同时,为解决卡尔曼滤波算法在递推过程中状态变量发生改变从而导致大量新测量数据对状态变量失去校正能力的问题,提出了一种基于改进卡尔曼滤波的载重估计算法;最后,对某企业超长载重伸缩臂叉车进行了不同载重的离线试验和在线试验。研究结果表明：对于454 kg的轻载荷,该算法的估计结果的最大绝对误差小于91 kg,而对于1100 kg、2268 kg、3368 kg和4536 kg的重载荷,其平均绝对百分比误差小于3%;趋于稳定估计值的响应时间可在1 s之内,完全优于实际应用需求。该方法模型简单、可移植强,可推广应用到起...