数据驱动的闭环控制系统剩余寿命预测方法综述

随着先进传感与监测技术的快速发展,数据驱动的设备剩余寿命（RUL）预测技术已成为可靠性和自动化领域的研究前沿,并在设备运维决策中得到广泛应用,提高了设备运行的安全性、可靠性与经济性。关于数据驱动的设备剩余寿命预测方法,多数文献主要聚焦于部件级剩余寿命预测技术,并没有关注闭环控制系统剩余寿命预测技术。不同于部件级的预测,利用数据驱动的方法预测闭环控制系统剩余寿命,需要考虑控制器及反馈控制机制对系统性能退化及剩余寿命预测结果的影响。本文系统综述了数据驱动的闭环控制系统剩余寿命预测及基于预测信息的延寿控制方法的发展动态,剖析了基于Poisson过程的方法、基于Gamma过程的方法、基于Wiener过程的方法和基于混合模型方法的原理、特点与局限性。同时,对于未来数据驱动的闭环控制系统剩余寿命预测及延寿控制,在健康状态表征与综合健康指标构建、多退化部件系统剩余寿命预测及基于预测信息的延寿控制理论和验证应用等方向进行了展望。     

考虑不确定测量的惯性平台剩余寿命自适应预测

针对现有剩余寿命预测方法未考虑测量误差引起的不确定性,且存在预测不确定性大的问题,提出了一种基于Wiener过程的退化过程建模方法,并将测量的不确定性考虑到剩余寿命预测中,推导出了剩余寿命的概率分布。为了实时更新模型参数,利用Kalman滤波算法实时估计Wiener过程中的漂移系数,并利用期望最大化算法实时估计其它相关参数。以某型号惯性平台的退化测量数据为例,进行了实验验证,结果表明,相比其它算法,文中算法能够降低剩余寿命预测的不确定性,提高预测精度。     

基于Wiener过程退化模型的高压阀寿命预测

高压阀泄漏量的退化机理复杂,退化具有动态、周期性、非线性等特征,对高可靠、长寿命的高压阀准确进行寿命预测是一个难点。本研究开展高压阀的模拟试验,获取高压阀泄漏量退化过程的数据,基于Wiener过程对高压阀建立寿命预测模型,根据可靠性函数和剩余寿命的概率密度函数对高压阀的剩余寿命进行评估。结果表明基于Wiener过程的泄漏量的退化模型对高压阀寿命预测与实际试验测量的寿命值的误差均在10%以内。与ARIMA模型预测的高压阀寿命对比,基于Wiener过程的泄漏量的退化模型对高压阀的寿命预测更稳定、误差更小,证明了Wiener过程退化模型在预测高压阀寿命工作中的有效性和准确性。     

基于隐马尔科夫模型的变压器剩余寿命分析

针对电力变压器故障引起的被迫停机状况,推进符合运维需求的视情维修机制,利用隐马尔科夫模型对变压器剩余寿命进行了研究.收集系统相关运行状态和工况数据,利用退化信息及历史寿命数据基于隐马尔科夫模型对系统进行退化状态评价,得出状态转移矩阵以及观测概率矩阵.利用故障比率模型进行可靠度分析,得出变压器剩余寿命概率分布.结果表明,本文方法能大概率准确预测变压器剩余寿命.     

基于迁移学习的滚动轴承剩余使用寿命预测

为解决轴承剩余使用寿命预测模型预测泛化能力低,不能准确预测出未训练轴承剩余使用寿命的问题,本文提出了一种迁移轴承状态知识的剩余使用寿命的方法。利用计算时域、频域特征以及模糊熵作为预测特征,使用“3σ”准则将轴承全寿命过程划分为正常阶段、退化阶段,以实现对退化阶段轴承剩余使用寿命的预测。构建基于门控循环单元的轴承剩余使用寿命预测模型,并使用某一轴承的全寿命周期数据进行训练,使模型学习到新轴承的状态信息。研究表明：相较于未使用迁移学习的方法,其预测所有轴承的轴承剩余使用寿命平均均方根误差减小了52.53%,平均百分比误差减少了68.87%。本文提出的方法可以有效、准确地预测出轴承的轴承剩余使用寿命。     

基于隐马尔科夫模型的变压器剩余寿命分析

针对电力变压器故障引起的被迫停机状况,推进符合运维需求的视情维修机制,利用隐马尔科夫模型对变压器剩余寿命进行了研究.收集系统相关运行状态和工况数据,利用退化信息及历史寿命数据基于隐马尔科夫模型对系统进行退化状态评价,得出状态转移矩阵以及观测概率矩阵.利用故障比率模型进行可靠度分析,得出变压器剩余寿命概率分布.结果表明,本文方法能大概率准确预测变压器剩余寿命.     

基于SAE-VMD的锂离子电池健康因子提取方法

电池退化信号具有非平稳、非线性特性,为自适应提取能准确表达电池退化特性的健康因子(HI),提高锂离子电池剩余寿命(RUL)的预测精度,提出一种基于堆叠稀疏自编码(SAE)和变分模态分解(VMD)的HI构建方法。首先利用SAE深度神经网络对多个电池参数去噪、降维,提取出一个集中包含电池退化特性的融合HI;然后利用VMD将融合HI的全局衰减、局部再生和其他噪声3种模态进行有效分离,将被分离的3个分量作为电池HI,以此消除HI不同尺度上波动之间的相互干扰,提高RUL预测精度。锂离子电池RUL的预测结果表明,使用该方法所提HI得到的RUL预测精度最高,说明所提HI品质最高。     

一种结合UKF的疲劳结构剩余寿命预测方法

针对机械系统中疲劳结构的剩余寿命(RUL)预测问题,提出了一种结合无迹卡尔曼滤波算法(UKF)的RUL预测方法.该方法包括疲劳裂纹性能参数评估和RUL预测两个部分.在性能参数评估部分,通过对Paris疲劳裂纹扩展公式进行离散化,建立了参数状态空间评估模型,并利用传感器获得的实时状态信息结合UKF算法对状态空间评估模型中的疲劳性能参数(C和m)以及疲劳裂纹长度表现出的不确定性进行评估,以避免状态信息不完备、工况噪声等不确定因素对结构疲劳寿命预测的影响;在剩余寿命预测部分,利用UKF算法评估得到的参数结果,结合离散化得到的递推裂纹扩展模型,对结构的剩余寿命进行预测.仿真结果表明:提出的方法能够很好地处理疲劳裂纹扩展模型中疲劳性能参数的不确定性,且在剩余寿命预测上,通过与扩展卡尔曼滤波算法(EKF)进行比较分析,发现所提方法能够更准确地预测结构疲劳裂纹的RUL.将离散的Paris疲劳裂纹扩展公式和UKF算法进行结合,能够有效地提高疲劳结构的剩余寿命预测精度.     

基于注意力的工业物联网设备剩余寿命预测方法

设备剩余使用寿命预测作为工业物联网实现工业智能的重要功能之一,可基于设备的健康监测数据对其未来退化状态进行预测,以获得设备丧失运行能力前的剩余使用时间,从而制定相应的预测性维修策略,提升工业物联网设备的可靠性、可用性和安全性。提出一种基于注意力机制的设备剩余使用寿命预测方法（Attention-based Remaining Useful Lifetime Prediction,ARULP）。首先在模型训练阶段设计了一种局部注意力计算算法,构建数据驱动的局部注意力计算模型,采用训练数据来计算局部注意力度量,从而获取预测模型关注大量数据中关键信息的能力;然后设计了一种基于局部注意力的相关向量机,通过在其隐变量学习过程中引入局部注意力机制,动态更新注意力权重,从而自适应地调整设备的状态预测模型,提升设备的剩余使用寿命预测精度;最后在模型预测阶段,利用所构建的预测模型进行设备工作状态预测,并计算设备的剩余使用寿命。基于西安交通大学滚动轴承加速寿命试验数据集,与RVM、AR、ARIMA和LSTM四个基准方法进行性能比较。实验结果表明ARULP方法在不同工况下针对轴承外圈故障、内圈故障和保持架故障进行预测时均与轴承实际退化数据最为接近,能够较好地反映故障轴承的退化状态,最终实现对工业物联网设备剩余使用寿命进行高精度地预测。     

在役混凝土T梁疲劳刚度退化及寿命预测方法

为获取在役混凝土T梁疲劳刚度退化规律,开展疲劳寿命预测,基于损伤力学理论构建了考虑开裂损伤的混凝土T梁阶梯刚度模型,通过对3根10 m钢筋混凝土T梁足尺模型进行静力和疲劳破坏试验,获取了疲劳剩余刚度随荷载作用次数的演化规律。引入疲劳损伤系数和刚度退化系数,建立了在役混凝土T梁疲劳寿命预测模型。分析结果表明：随着荷载作用次数的增加,桥梁剩余刚度呈现三阶段衰减,其中疲劳初期和后期阶段衰减较快,但占总寿命比重相对较小,而疲劳中期阶段呈线性稳定退化,约占疲劳总寿命的80%以上,为桥梁服役的主要阶段,疲劳破坏时剩余刚度约为初始刚度的82.7%。最终,针对在役混凝土T梁桥工作性状,提出了在役钢筋混凝土梁桥寿命预测方法,相关研究成果可为此类桥梁寿命预测研究提供理论支持。     

闭环Boost电路电解电容的故障预测方法研究

为了实现闭环Boost电路中电解电容的故障预测,本文采用基于特征参数退化的方法,利用LS-SVM及LS算法对电解电容的特征参数序列进行预测,实现了电解电容的故障预测与剩余寿命估计.仿真及物理实验均证明了本文方法的有效性及准确性.     

基于多时间尺度相似性的涡扇发动机寿命预测

针对传统相似性方法在提取健康指标和相似性匹配上存在的不足,提出结合自编码器神经网络的基于多时间尺度健康指标相似性的预测方法（AE MTS-HI）. 采用自编码器从状态监测数据中提取表征发动机退化状态的健康指标,降低提取过程非线性信息的损失. 将测试退化轨迹长度的波动纳入考量,针对性地设计多时间尺度的健康指标进行相似性匹配. 这不仅可以克服单一时间尺度匹配导致的精度限制,而且可以提高预测的鲁棒性. 在涡扇发动机的公开数据集上验证所提方法的性能. 结果表明,利用该方法能够显著提升剩余使用寿命（RUL）的预测精度,为预知维护提供有力支撑.     

退化过程建模及药品货架寿命预测

药品货架寿命的有效预测是药品安全管理的关键问题。针对传统的退化过程建模不能考虑同批产品中个体差异的问题,提出一种有效融合先验退化数据和现场退化数据的方法,可对单片药品及新药品进行货架寿命预测。依据先验信息确定模型的参数,引入Bayes融合现场退化数据进行参数更新,在此基础上对单片药品进行货架寿命预测。结果表明,瓶装和片装的五号药片的货架寿命预测值分别为43.95周和47.47周,与试验值的相对误差分别为0.043和0.051。验证了利用融合现场退化数据对单片药品及新药品货架寿命预测方法的可行性。     

疲劳荷载作用下钢筋混凝土梁的刚度退化规律及计算公式

对承受疲劳荷载反复作用的钢筋混凝土结构而言,疲劳是一种重要的损伤形式,如何判断和描述其损伤程度是结构损伤与寿命评估领域的一大难题.结构刚度会随损伤发展而逐渐发生不可逆的退化,刚度退化与疲劳损伤之间存在一定的内在关联,且刚度测试简单易行,开展了一系列的疲劳试验研究刚度退化规律和计算方法.通过疲劳试验观测,钢筋混凝土梁刚度退化呈现出非常明显的三阶段规律,刚度退化曲线符合“S”型形态.根据刚度退化规律对试验数据进行拟合,得到可用于计算钢筋混凝土梁刚度退化程度的公式,该公式与10根试验梁的试验结果吻合度较好,能够实现对刚度退化的描述.利用钢筋混凝土梁刚度退化计算公式,可以预测结构在服役过程中的变形发展情况,也可以进行结构疲劳损伤、性能退化程度判定及剩余寿命预测.     

改进初值∏隐马尔科夫模型预测电池健康度

针对电动汽车所使用的锂离子电池剩余寿命难以检测的问题,分析影响电池寿命衰退的因素,建立改进初值的隐马尔科夫模型对锂离子电池寿命衰退进行预测,并给出了预测方法。以18 650锂离子电池为研究对象,首先通过实验结果分析得出与电池寿命衰退相关的主要因素,再根据充放电实验获得的放电曲线提出了放电平台临界点,最后利用大量实验数据建立改进初值的隐马尔科夫模型来预测电池衰退表现,通过结合之前的衰退情况,提出了衰退表现系数表示电池容量衰减程度可直接预测电池的剩余使用寿命。理论分析和实验结果表明该模型能够对电池的剩余寿命进行预测,预测精度达到2.06%。     

基于衰减速率算法模型的压力容器裂纹缺陷剩余寿命与安全裕度

疲劳裂纹是引发压力容器安全失效的主要原因,然而传统压力容器安全评定方法未考虑裂纹缺陷安全衰减过程的时变性,因此对裂纹缺陷的安全裕度表征方式存在缺陷。为此,本文通过力学公式推导、裂纹实验仿真与裂纹疲劳扩展实验相结合的方式研究了压力容器表面裂纹缺陷在疲劳断裂过程中的深长尺寸扩展规律,探索了裂纹缺陷在疲劳载荷作用下的安全衰减过程,结合安全衰减路径理论的基本思想,利用裂纹缺陷在失效过程中沿安全衰减时变路径的变化趋势来定义裂纹缺陷的疲劳失效速率,通过建立安全衰减时变路径与安全衰减速率之间的瞬态数学关系式,得到了裂纹缺陷安全衰减速率表征模型,并据此构建了曲线积分形式的裂纹缺陷剩余寿命计算模型与安全裕度表征模型。实验结果表明,本文所提寿命预测模型计算结果与裂纹缺陷的实际剩余寿命十分接近。裂纹缺陷的剩余寿命维持在总寿命的50%以上时,所提方法的安全裕度下降速率较为缓慢;而当裂纹缺陷的剩余寿命处于总寿命的50%以下时,安全裕度的下降速率会迅速增加。这种安全裕度表征方式不仅与裂纹缺陷的疲劳扩展规律一致,而且比传统方法更加符合裂纹缺陷的实际安全衰减过程、更有利于安全检测人员对临近失效裂纹缺陷进行识别与检测。     

基于衰减速率算法模型的压力容器裂纹缺陷剩余寿命与安全裕度研究

传统压力容器安全评定方法未能考虑到裂纹缺陷安全衰减过程的时变性,导致其对裂纹缺陷的安全裕度表征方式存在缺陷。为此,本论文结合安全衰减路径理论的基本原理与思想,利用裂纹缺陷在失效过程中沿安全衰减时变路径的变化趋势来定义裂纹缺陷的疲劳失效速率,通过建立安全衰减时变路径与安全衰减速率之间的瞬态数学关系式,得到了一种全新的裂纹缺陷安全衰减速率表征模型,并据此构建了曲线积分形式的裂纹缺陷剩余寿命计算模型与安全裕度表征模型。实验结果表明,本文所提寿命预测模型的计算结果与裂纹缺陷的实际剩余寿命十分接近;本文所提安全裕度表征模型不仅更加符合裂纹缺陷的实际安全衰减过程,而且更加有利于安全检测人员对临近失效裂纹缺陷的识别与检测。     

大气腐蚀下网架结构症状可靠度及寿命预测

为了确定网架结构因钢材遭受大气腐蚀而引起的结构性能退化,用钢材长期暴露腐蚀试验所得的模型代替实际腐蚀过程,建立以杆件应力为主要症状的结构可靠度方法.在杆件壁厚随时间不断改变的条件下,将控制杆件的应力随时间变化曲线用于拟合Weibull模型曲线,以此生命症状模型对网架结构进行基于症状的可靠度分析和结构剩余寿命预测.考虑实际健康监测所得症状值与理论预测值的差异,对可靠度分析结果进行修正.算例结果表明,在单一损伤所致性能退化条件下,结构可靠度和结构剩余寿命以设计年限为基准,逐年递减.该结论与相关文献的结果一致.     

随机强度退化过程

在研究疲劳过程中材料强度退化规律的基础上,建立了一个强度退化模型,对其进行随机化处理,得到控制强度退化过程的随机微分方程,在一定假设条件下,获得了剩余强度概率0密度函数的封闭解,并推导出疲劳寿命的反高斯分形形式,给出一种考虑损伤状态对随机涨落影响的近似处理方法,与试验数据的比较结果表明,本文的模型和方法是合理的。     

基于RVM和WPHM的滚动轴承剩余寿命预测

针对在直接预测传统滚动轴承剩余寿命中呈现出精度不高及预测结果无法体现个体差异性的问题,提出一种基于相关向量机(RVM)和威布尔比例故障率模型(WPHM)的滚动轴承剩余寿命预测方法,采用Cincinnati大学滚动轴承全寿命实验数据进行仿真实验,计算结果表明提出的预测方法能实现对滚动轴承剩余寿命的预测,预测趋势与实际情况相符程度高,有较好的预测结果,具有一定的应用价值.