多退化变量下基于实时健康度的相似性寿命预测方法

鉴于目前对多退化变量下的相似性寿命预测方法的研究较少,且所用的建模方法仅限于线性回归、较为单一,提出多退化变量下基于实时健康度的相似性寿命预测方法。该方法先采用主成分分析法、支持向量数据描述法、马氏距离和负向转换函数等将多退化变量融合为能反映系统退化状态的定量指标——实时健康度;依据设备的实时健康度,采用面向单退化变量的相似性寿命预测方法预测设备的剩余寿命;通过陀螺仪剩余寿命预测的实例对该方法进行验证分析。研究结果表明,该方法可行并具有一定的优越性,能提供统计意义上更精确的剩余寿命预测结果(即更小的预测误差)。     

多退化变量下基于灰色生成率序列的相似性寿命预测方法

鉴于目前关于多退化变量下相似性寿命预测方法的研究较少,提出了多退化变量下基于灰色生成率序列的相似性寿命预测方法。采用灰色累加生成关联模型,将样本数据转换成灰色生成率序列;基于服役样本和参照样本的灰色生成率序列,采用灰色相似关联度分析法计算服役样本与参照样本的相似度,其中各退化变量的权重通过群体一致性算法计算得到;结合参照样本的相似度与实际剩余寿命,采用相似加权平均法预测服役样本的剩余寿命;通过陀螺仪剩余寿命预测的实例,对所提方法的合理性和有效性进行了验证。初步的案例研究显示,所提出的基于灰色生成率序列的相似性寿命预测方法可以获得更精确的剩余寿命预测结果,具有良好的应用前景。     

多参数相似性信息融合的剩余寿命预测

针对常规基于相似性信息的寿命预测方法的退化指标难以建立的问题,提出一种多参数相似性信息融合的剩余寿命预测方法。该方法并不进行退化指标的建立,而是利用单个原始参数数据直接进行基于相似性的寿命预测,然后将各参数对应的寿命信息进行融合得到设备的剩余寿命。为提高信息融合时的合理性,给出一种以相关性Spearman系数为基础的设备退化敏感性关键参数量化筛选及剩余寿命融合权重分配方法,结合各参数对应的剩余寿命信息,加权融合实现设备的剩余寿命预测。实验结果表明,相比于常规方法,所提方法在剩余寿命预测的准确性及改善预测精度方面更具优势。     

基于多源信息融合的飞行器部件剩余寿命预测

针对飞行器关键部件的多源变量数据统计信息,提出基于多源信息融合的相似性剩余寿命预测方法。介绍了相似性剩余寿命预测方法的基本思想和模型;提出一种使用BP神经网络融合多变量统计数据的方法;引入余弦相似度方法,将服役部件和参考部件退化模型进行模式匹配,确定与服役部件具有相同退化模式的参考部件,进而提高基于相似性剩余寿命预测方法的预测精度。通过NASA航空发动机数据集和相同评价指标下的对比分析,验证了该方法的有效性。     

基于核密度估计的实时剩余寿命预测

现有的许多设备由于自身故障样本数据不足、少有同类故障样本数据等,寿命预测研究时往往需要进行模型结构假设及参数估计。针对这类研究方法估计不够准确的问题,提出一种基于核密度估计的非参数实时剩余寿命预测方法。该方法利用能表征部件连续退化的特征量构建退化分布的核密度估计模型,进而得到剩余寿命的概率分布函数。在实时监测不断获得新的退化特征数据后,利用已知样本的核密度估计不断递推更新得到新增样本后的核密度估计,从而进一步实现对预测剩余寿命分布的更新。通过实例分析,验证了该方法在剩余寿命预测中的有效性。     

基于二元维纳过程的轴承剩余寿命预测

提出了一种基于二元维纳过程的轴承剩余寿命预测方法。首先,分析轴承两个相互垂直方向上的振动信号,分别构建表征轴承健康状态的性能指标;其次,针对轴承性能退化过程的特点,建立基于维纳过程的二元退化模型;然后,利用AIC(akaike information criterion)信息准则选择合适的Copula函数分析两个性能指标间的相关特性,并计算轴承剩余寿命的联合概率密度函数;采用极大似然估计法在线更新模型参数,预测轴承未来时刻健康状态的变化情况并得到其剩余寿命;最后,通过轴承数据对所提方法进行了验证分析,结果表明,所提方法能够有效的预测轴承的剩余寿命,与基于一元维纳过程的剩余寿命预测方法相比,具有更好的预测精度。     

基于Gamma退化过程的剩余寿命预测及维修决策优化模型研究北大核心

通过研究产品故障发生的机理,建立了基于Gamma退化过程的状态空间模型,运用EM-PF参数估计方法对模型中的参数进行求解,确定模型的具体形式,进而得出产品剩余寿命的分布函数和概率密度函数。该剩余寿命预测方法将退化状态与故障阈值联系起来,从而降低了剩余寿命预测的误差,以轴承磨损量特征进行建模,完善了状态信息与剩余寿命之间的相互关系。利用剩余寿命的概率密度函数建立了以费用最小为目标的维修决策模型,确定最优的维修更换时间并实现维修决策的优化。最后用轴承寿命试验所得到的数据对模型进行了验证,实例结果证明该模型是可行有效的。     

基于Copula理论的多部件系统剩余寿命核密度预测方法

各类工业系统的功能结构日趋复杂,部件间存在复杂的随机相关性是进行系统剩余寿命预测建模中不可忽视的重要因素。针对多部件系统,在研究部件间随机相关性特征及其对连续退化状态影响的基础上,提出基于Copula理论的多部件系统实时剩余寿命非参数核密度预测方法。首先通过核密度估计得到各部件的退化分布函数;并采用Copula函数表征部件退化的随机相关性,利用赤池信息准则进行Copula函数优选;然后建立考虑存在连续退化随机相关性影响条件下可实时递推的部件剩余寿命预测模型;最后通过齿轮箱试验台进行试验,验证了所提模型的有效性和准确性。     

工程机械故障的控制与处理研究

分析了工程机械故障产生的原因,阐述了工程机械故障的控制理论和方法,利用剩余寿命预测的方法对零件的故障进行了理论分析,并用函数模型来预测机械设备关键部位零件的剩余寿命,最后提出了工程机械故障处理的基本方法,为企业连续生产提供保障。     

基于寿命预测的预防性维护维修策略

针对退化分布函数难以估计的复杂系统,研究了剩余寿命预测及预防性维护维修最优决策问题,提出一种基于复杂系统剩余寿命有效预测的预防性维护维修策略。在系统退化状态分布函数未知的条件下,由已知的设备寿命分布函数预测其平均剩余寿命,以平均剩余寿命为阈值制定预防性维护维修策略。根据更新过程理论,建立了以系统的预测间隔、预防性维护阈值为优化变量和最小化平均维护维修费用为目标函数的优化模型。采用微粒群算法进行优化求解,得到系统最佳的预测周期和维护维修阈值,并使系统长期运行的平均费用率最低。分别以在翼寿命符合威布尔分布的民航发动机和寿命分布符合正态分布的航海设备电控罗经中的某型变压器为例,验证了所提维护维修策略的可行性。     

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。     

考虑非完美维修的实时剩余寿命预测及维修决策模型

准确的剩余寿命预测是对设备进行预防性维护维修决策的关键。利用随机滤波理论,基于当前时刻及之前的历史状态监测信息,由已知的设备初始寿命分布函数建立非完美维修策略下的实时剩余寿命分布函数预测模型。同时考虑非完美维修效果与时间相关性,提出一种以平均剩余寿命为阈值的非完美预防性维护及更换的维修策略,建立了以系统的预防性维护及预防性更换阈值为优化变量和最小化平均维护维修费用为目标函数的优化模型。采用微粒群算法进行优化求解,得到系统最佳的预防性维护及预防性更换阈值,并使系统长期运行平均费用率最低。以初始寿命符合威布尔分布的疲劳裂纹为例,验证了该实时剩余寿命分布预测方法及非完美维护维修策略的可行性。     

基于深度学习的铣刀剩余寿命预测方法研究

刀具剩余寿命预测对保证设备正常运行和提高生产效率具有重要意义.建立了一种改进的基于一维卷积神经网络(one-Dimensional Convolutional Neural Network,1DCNN)和双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的铣刀剩余寿命预测混合模型.借助评分函数能对误差进行不同程度的惩罚,在均方误差函数的基础上引入评分函数,构造了一种基于均方误差和评分函数(MSE-Score)的调和平均(Harmonic Mean-MSE-Score,HM-MSE-Score)损失函数;利用卷积层和池化层代替BiGRUs处理后的全连接层,设计了1DCNN-BiGRUs-CP混合模型,实现铣刀剩余寿命预测.结合铣刀磨损实验,验证了该预测混合模型具有较高的预测精度和较快的运行速度,研究结果能为数控加工过程中铣刀剩余寿命预测提供理论依据.     

基于Wiener过程的功率变换器剩余寿命评估方法

针对功率变换器难以准确建立表征其性能退化过程物理模型的问题,提出一种基于Wiener随机过程的剩余寿命评估方法实现其剩余寿命预测。通过分析电路关键元器件退化对电路性能的影响,选用输出电压均值为DC-DC变换电路失效特征参数,利用Wiener过程建立电路性能退化模型,通过逐步递推预测寿命特征参数值并结合电路失效阈值从而实现功率变换器剩余寿命预测。以闭环SEPIC电路为例,分析了建模数据与建模尺度对剩余寿命预测结果的影响,实验验证了该方法的有效性。     

一种融合多传感器数据的数模联动机械剩余寿命预测方法

随着传感和信息技术的发展,各式各样的传感器获取了机械装备海量的监测数据,让剩余寿命预测有"据"可依,推动机械剩余寿命预测进入了大数据时代。但由于数据类型多样、量大面广,如何利用丰富的多传感器数据,从中快速挖掘健康状态退化信息,指导寿命预测,成为大数据时代下机械寿命预测的全新挑战。基于模型的寿命预测方法大多仅针对单一监测数据进行建模分析,无法有效利用丰富的大数据资源。数据驱动的方法则过分依赖训练数据,缺乏必要的经验指引,方法的可解释性差。为了有效利用多传感器数据指导寿命预测,从数模联动的思路出发,建立了一种融合多传感器数据的数模联动寿命预测方法。采用一种通用的Wiener过程模型对健康状态退化过程进行描述,分别建立多源观测函数和多源映射函数对状态与数据之间的因果关系和关联关系进行描述,采用粒子滤波算法将多传感器数据与模型进行动态匹配,预测剩余寿命。在提出方法的统一框架指导下,选取三种特定模型对铣刀剩余寿命进行预测,验证了提出方法的有效性。     

非等间距灰色法预测废旧零件剩余寿命研究

对日益增长的矿冶废旧零部件进行剩余寿命预测是对其再制造循环利用的前提和基础。为了准确预测矿冶废旧零部件再制造剩余寿命,首先选取矿冶废旧零部件油液光谱分析数据作为其寿命特征信息,针对实际油液采样间隔不等距的处理难题,采用非等间距数列处理方法,运用非等间距加权灰色线性组合模型对矿冶废旧零部件再制造剩余寿命进行预测。最后通过对某型凿岩台车液压泵齿轮的实例分析,表明该方法简单、实用、具有较高预测精度,可以在矿冶废旧零部件剩余寿命预测中推广。     

基于UKF的轴承剩余寿命预测方法研究

针对轴承从早期故障发生到失效的非线性退化问题,提出一种基于无迹卡尔曼滤波算法(UKF)的轴承剩余寿命预测方法。该方法包括轴承性能评估和剩余寿命预测两个部分。在性能评估部分,首先利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据,构建出与轴承退化过程相符的非线性状态空间模型,模型参数利用Dempster-Shafer方法进行初始化后采用UKF算法对其进行更新,并预测轴承的剩余寿命。基于轴承全寿命周期试验数据的分析,结果显示所提方法有效地评估了轴承的健康状况,通过对比分析其他剩余寿命预测方法,发现所提方法较好地预测了轴承的剩余寿命。     

基于无迹卡尔曼滤波的直升机主减速器剩余安全寿命预测

剩余寿命预测为管理者制定预防性维修策略以保证设备不发生非正常停机提供重要信息。针对设备状态呈现非线性变化以及工程实际中的实时性寿命预测要求,提出一种基于无迹卡尔曼滤波的在线剩余寿命预测方法。该方法首先建立状态空间模型描述设备的退化过程,然后利用监测信号使用无迹卡尔曼滤波估计模型的状态,并通过期望最大化算法估计模型的参数,进而利用当前时刻模型的状态和模型的参数递推求解设备的剩余寿命,最后将该方法应用于直升机主减速器的剩余安全寿命预测。结果表明:该方法能够较准确的在线预测出直升机主减速器的寿命。     

预测腐蚀管道剩余寿命的新方法研究

针对概率统计方法预测腐蚀管道剩余寿命对数据样本要求大和预测精度低的问题,提出采用灰色预测理论对腐蚀管道进行了剩余寿命预测;针对传统GM(1,1)模型不能根据非等时距数据进行数据拟合、背景值构造误差大和新信息利用充分的问题对GM(1,1)模型进行了改进,并提出灰色预测理论对非等间隔数据处理的新方法。通过采用所建立腐蚀管道剩余寿命模型和改进GM模型对腐蚀管道剩余寿命的计算,证明了该方法的准确、简洁、可行与普适性。     

转盘轴承的相似性寿命预测方法研究

提出了基于相似性的转盘轴承寿命预测方法,首先,在时域内提取服役样本和参照样本的温度、力矩、振动信号的特征值,并对其作主成分分析(PCA),得到各自的温度、力矩和振动PCA值,通过PCA融合形成服役样本和参照样本的综合寿命性能指标。然后,根据归一互相关(NCC)算法计算服役样本最近时间区间内的轨迹与参照样本寿命全程轨迹的相似度,寻找出二者最相似的轨迹区间,以此预测服役样本的剩余寿命。最后,通过试验验证了此方法的有效性。