基于竞争失效的航空发动机剩余寿命预测

航空发动机作为典型的复杂机电系统,具有失效模式多样性的特点。多失效模式相互作用,实质上是竞争失效的关系,导致航空发动机剩余寿命预测的复杂性。针对航空发动机失效模式及失效规律特点,提出基于竞争失效的航空发动机剩余寿命预测方法,解决航空发动机健康管理的核心和关键问题。分析航空发动机两类失效模式——性能退化失效和突发失效的作用机制及相关性,构建基于竞争失效的航空发动机剩余寿命预测体系。结合航空发动机不同失效模式及数据特点,分别针对性能退化失效和突发失效建立剩余寿命预测模型。利用贝叶斯线性模型融合状态监测信息,建立航空发动机性能退化轨迹模型,实现针对不同性能退化情况下的航空发动机剩余寿命预测。以分析性能退化规律为基础,利用航空发动机故障信息,建立混合Weibull可靠性模型,量化性能退化失效对突发失效的影响,实现航空发动机突发失效剩余寿命预测。通过算例,验证提出方法的有效性。结果表明,考虑竞争失效的多模型剩余寿命预测技术能客观、准确描述航空发动机寿命变化规律。     

基于1D-CNN和Bi-LSTM的航空发动机剩余寿命预测

剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段.一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory,Bi-LSTM)被应用于航空发动机剩余寿命预测模型.首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-CNN模型进行回归分析,从而得到性能退化分析模型;再通过Bi-LSTM对性能退化量进行时间序列预测,得到性能退化的未来趋势;最后通过设定性能退化阈值,得到剩余寿命预测结果,从而得到从多状态参数-性能退化分析-性能退化预测-剩余寿命预测的实时动态感知模型.实例分析结果表明,提出的混合模型与其他单—深度学习和传统模型相比,有更低的回归分析误差和退化预测误差,能够得到更准确可靠的剩余寿命预测结果.     

一种基于数据驱动和贝叶斯理论的机械系统剩余寿命预测方法

针对复杂机械系统剩余寿命预测问题,提出一种基于数据驱动方法和贝叶斯理论的机械系统剩余寿命预测方法。该方法基于数据驱动方法,对相同或相似系统的历史状态监测数据进行融合,并建立表征系统退化程度的健康指示量和预测剩余寿命的状态模型;基于贝叶斯理论,建立状态模型参数的贝叶斯模型;在此基础上,基于待估系统的实时状态监测数据和贝叶斯模型,利用马尔科夫链蒙特卡洛方法来更新模型参数并预测待估系统的剩余寿命;通过一个航空发动机的预测问题,来说明该方法的有效性。     

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。     

基于加速退化数据的航空液压泵剩余寿命预测技术研究

航空液压泵是航空装备的关键件之一。如何很好地预测液压泵的剩余寿命,使得液压泵的有效寿命能够得到更加充分合理地利用,将具有很大的理论价值和经济效益。通过研究某型航空液压泵的失效模式、失效机理和退化参数,确定其加速退化试验方案,建立其加速退化模型,并在此基础上建立了一套基于加速性能退化试验数据的航空液压泵剩余寿命预测方法及步骤,并以该型航空液压泵的加速性能退化试验数据为例对其剩余寿命进行了预测,验证了该方法的正确性和有效性。     

多变量灰色模型在滚珠丝杠剩余寿命预测中的应用

为研究滚珠丝杠的性能退化趋势,准确预测丝杠寿命,提出了基于多变量灰色模型的丝杠寿命预测系统.在滚珠丝杠副的不同位置安装3个加速度传感器,实时监测丝杠性能在不同加工条件下的变化趋势.通过模态分解方法分解选择对丝杠性能退化最敏感的特征参数,利用多变量灰色模型建立丝杠寿命与切削三要素、信号特征值的非线性映射关系,最终构建了基于多变量灰色模型的丝杠寿命预测模型,实现了对丝杠剩余寿命的有效评估.试验结果表明,所建立的丝杠性能退化模型能够有效预测丝杠的剩余寿命.     

基于性能退化的数控机床剩余寿命预测

数控机床寿命预测技术是数控机床健康管理和维修维护的关键技术,面向数控机床研究基于性能退化的剩余寿命预测方法。在分析了剩余寿命与性能退化规律和性能阈值分布有关的基础上,建立单性能退化的维纳过程模型和融合多性能退化的维纳过程模型,从而得到数控机床的多性能退化量分布模型。依据失效原则,得到数控机床的性能阈值分布模型。由此,建立基于阈值分布的剩余寿命预测模型得到剩余寿命概率密度函数。在数控机床进给系统试验平台上进行试验,验证了融合多性能退化的维纳过程模型和剩余寿命预测方法的正确性和有效性。     

基于VMD和ELM＿AdaBoost滚动轴承剩余寿命预测

为了精准预测滚动轴承的剩余使用寿命,提出一种基于VMD和ELM＿AdaBoost的滚动轴承剩余寿命预测方法。该方法首先利用变分模态分解对滚动轴承全寿命振动信号进行分解,得到多个模态分量,并提取各模态分量的奇异值作为滚动轴承故障特征信息。然后利用主成分分析（PCA）进行特征信息融合,建立滚动轴承性能退化评价指标。最后将经PCA融合后奇异值代入到ELM＿AdaBoost预测模型中,训练ELM＿AdaBoost预测模型,对滚动轴承进行退化趋势和剩余寿命预测。仿真实验结果表明,该方法具有更高的预测精度,其预测效果优于ELM预测模型及基于EMD和ELM＿AdaBoost预测模型,能够更好对滚动轴承的剩余寿命进行预测。     

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。     

基于多通道融合及贝叶斯理论的刀具剩余寿命预测方法

刀具监测及可用剩余寿命(RUL)预测对降本增效及保证加工质量意义重大.针对单一传感器预测精度波动大、数据利用率低、可靠性低等问题,提出一种多通道信号融合及贝叶斯更新的刀具剩余寿命预测方法.通过计算多通道信号所提取特征的时间序列与对应时间矢量的斯皮尔曼等级相关系数对特征时序做单调性排序,取单调性得分高的特征用主成分分析进行融合并构建健康因子作为观测数据,基于贝叶斯理论及马尔科夫链蒙特卡洛采样估计退化模型参数,并随着时间推进及监测数据序贯可获,实时在线更新退化模型参数以逐渐逼近刀具磨损退化趋势,同时对每时刻剩余寿命进行迭代估计.所提方法可避免基于深度学习方法需要依赖大量全寿命数据离线训练预测模型且模型对新预测任务适应性有限的局限性.用PHM2010公开数据挑战赛中三槽球头硬质合金铣刀切削不锈钢过程磨损全寿命数据集验证了方法有效性.     

退化数据驱动的气缸剩余寿命在线预测

针对气缸可靠性研究中剩余寿命预测方面的问题,提出了一种基于退化路径的气缸剩余寿命在线预测方法。在建立了基于维纳过程的气缸退化模型基础上,推导了退化路径决定下的气缸剩余寿命的概率密度函数解析表达式,提出了一种融合Bayes估计和期望最大化算法的参数在线估计方法,实现了气缸剩余寿命在线预测,并通过气缸性能退化实验数据验证了方法的有效性。通过与同类方法对比结果表明,在小样本情况下,所提方法能更准确地预测气缸剩余寿命且预测的不确定性更低。     

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。     

Bayesian degradation assessment of CNC machine tools considering unit non-homogeneity

Field reliability assessment and prediction is critical for the estimation, operation and health management of CNC machine tools. The classical methods for field reliability of CNC Machine Tools assessment and prediction are challenged with the issues of expensive reliability tests, small sample size and unit non-homogeneity. In order to solve these problems, this paper introduces a degradation analysis based reliability assessment method for CNC machine tools under performance testing. Since the degradation is an independent increment process, the gamma process is employed to characterize the degradation process of CNC machine tools. The random effects are introduced to accommodate performance degradation model with unit non-homogeneity. The parameters of model are updated by Bayesian estimation approach. As a case study, the CNC Machine Tools is studied to illustrate the approach. And the proposed method is demonstrated precise for practical use.     

基于在线相关熵极限学习机的器件退化趋势实时流预测方法

针对器件退化趋势预测,现有方法难以有效进行模型在线更新且趋势预测易受噪声和奇异值影响产生畸变的问题,构建了一种在线受限相关熵极限学习机,并在该模型基础上,提出了预测模型动态更新方法,完成了高可靠器件退化趋势建模及参数线动态更新。通过建立训练数据误差编码本,利用M-估计动态检测训练数据中的奇异值并进行相应的模型修正,进一步提高模型的鲁棒性。仿真实验及光电耦合器CTR实验均表明该方法相比于典型的预测方法,能够在避免实时噪声和奇异值干扰的情况下对预测模型作出有效的更新且能快速给出单步及多步的预测结果,有效地提升了实时预测的准确性。     

基于贝叶斯更新的机电作动器健康因子构建方法

机电作动器(EMA)由于重量轻、体积小、可靠性高等优势成为多电/全电飞机的核心部件,逐步广泛应用于各类多电/全电飞机中。然而,EMA动态变化的运行模式和载荷工况给其退化建模和健康因子(HI)估计带来较大挑战。因此,提出一种基于贝叶斯更新的EMA HI构建方法。首先基于历史监测数据构建HI先验模型,在此基础上,结合贝叶斯更新理论和实时监测数据对EMA HI先验模型参数分布进行迭代更新,最终实现不同运行模式和载荷工况下EMA退化状态的准确表征。为解决变工况条件下EMA HI构建模型失配问题提供了一种新颖的思路,并基于NASA公开数据集进行了实验验证。结果表明,与基于模型辨识的EMA HI构建方法相比,基于贝叶斯更新的EMA HI构建方法具有更强的工况适应能力,能够在变工况条件下有效地构建出EMA HI。     

基于数据的航空发动机模型匹配方法

本文提出了一种航空发动机模型匹配方法,以双轴涡轮风扇发动机为研究对象,在不同飞行条件、不同发动机性能退化状态下,基于发动机部件特性参数和气路测量参数求解了敏感系数矩阵,预测了退化发动机工作点特性参数和输出性能参数。结果表明,模型计算过程简单,运算速度快,在不考虑测试噪声的情况下,特性参数预测误差均小于0.16%,输出的推力和耗油率的误差最大为0.4%,精度满足工程要求。本文所述方法不受部件特性和发动机结构类型的影响,可扩展应用于其它类型发动机。     

An improved wavelet transform and multi-block forecast engine based on a novel training mechanism

In this paper, a novel prediction technique is proposed to predict wind-power generation. Because of the growth of wind-generated electricity as a component of power grids, various wind-power prediction methods have been proposed recently by researchers. To achieve accurate prediction, a novel approach using a dual-tree complex wavelet transform, a new feature selection procedure, and a combinatorial prediction engine has been implemented to forecast wind-power generation. To improve feature selection to reduce diagnostic efficiency degradation caused by outliers in data-driven diagnostics, an outlier-insensitive combinatorial feature selection procedure has been used to determine candidate subgroup characteristics. Furthermore, a multi-stage forecast engine equipped with a new training mechanism for optimizing free parameters and based on the Elman neural network (ENN) is presented in this work. This training mechanism was developed using an efficient stochastic search method to attain the high learning capabilities of the proposed ENN-based forecast engine. The proposed model has been applied to real-world engineering data from Alberta, Canada, and Oklahoma, United States. The outcomes achieved by the different forecasting methods are compared, proving the effectiveness of the proposed procedure.     

基于近似似然的频响函数不确定性模型修正

贝叶斯模型修正框架下，以频响函数作为目标，提出了一种使用近似似然函数的不确定性模型修正方法。相比于模态参数，频响函数包含了结构更加充分的信息，用于结构动力学模型修正时有诸多优点，但现有的不确定性模型修正方法并不能很好地实现将频响函数作为目标进行修正。针对此问题，介绍了频响函数和贝叶斯框架下的不确定性模型修正理论，基于近似贝叶斯计算提出了一种近似似然函数，可适用于频响函数作为目标进行不确定性修正。将提出的似然函数应用到三自由度数值和H型非对称梁的有限元模型修正算例中，并结合DREAM算法对不确定性参数进行识别。研究结果表明：修正后参数的上、下限与目标值相差无几，修正后模型的频响函数与目标值几乎重合，在一定噪声水平下仍具有较好的修正效果，验证了所提方法的有效性。     

滚动轴承性能退化趋势预测综述

滚动轴承作为旋转机械的重要零部件之一,其在工业中占有重要的地位,其可靠性直接影响设备能否安全、稳定运行。文章首先阐述了滚动轴承性能退化趋势预测的研究意义;接着梳理了滚动轴承性能退化趋势预测中关键难点性能退化指标构建对故障特征提取、降维和融合方法,然后进行了有效的性能退化趋势预测模型分类。最后,对滚动轴承性能退化趋势预测内容进行了总结。