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。     

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。     

基于复合非齐次泊松过程的不完美维修设备剩余寿命预测

针对现有不完美维修设备剩余寿命预测方法难以准确反映设备真实维修规律的问题,提出一种基于复合非齐次泊松过程的不完美维修设备剩余寿命预测方法。基于非线性Wiener过程构建设备随机退化模型;假设不完美维修次数存在上限值,并据此建立基于复合非齐次泊松过程的不完美维修模型;然后,基于设备的随机退化模型与不完美维修模型构建综合退化模型,并采用极大似然方法估计模型参数;基于首达时间的概念,推导出不完美维修设备剩余寿命的概率密度函数。实例分析表明,所提方法能够有效提升不完美维修设备剩余寿命预测的准确性,具备工程应用前景。     

机械装备的剩余寿命预测

一、引套任何机件均在一定的应力状态、环境介质及温度条件下服役。随着机械装备运转时间的推移,机件表面或内部将会产生诸如磨损、腐蚀、疲劳、蠕变、脆化等损伤。上述损伤累积的过程,也就是机件寿命不断减少的过程,直到该机件完全报废,即寿命终结为止。     

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。     

考虑动态折旧成本的动车组部件预防性维修决策模型

为研究部件自身价值变化对其维修决策的影响,以动车组四级修时需更换的部件为研究对象,结合我国动车组现行的多级非完美维修方式,建立了一种考虑动态折旧成本的动车组部件两级非完美预防性维修优化模型,该模型以动车组部件的等效役龄计算其相应的折旧成本。进一步研究了部件折旧成本与故障率变化相关联的维修决策方法。研究结果表明,与不考虑部件折旧成本的维修模型相比,该模型兼顾了部件的生产运行和维修活动对维修决策的影响,能够更好地平衡预防性维修成本和故障维修成本,使模型更具维修经济性。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比（envelope harmonic?to?noise ratio,简称EHNR）和无迹粒子滤波（unscented particle filter,简称UPF）相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型（support vector regression,简称SVR）、反向传播神经网络（back propagation neural network,简称BPNN）的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

混凝土泵车砼活塞剩余寿命预测方法研究

为解决混凝土泵车砼活塞因无法实现预防性更换而经常导致非计划停机的问题,提出一套基于状态监测数据的砼活塞剩余寿命预测方法。由于状态监测数据是多变量、非线性的多源异构数据,且数据量较小,不能主观确定一种合适的预测算法,因此选用lightgbm、SVR和BP神经网络3种非线性回归算法分别建立了剩余寿命预测模型,对比了各模型预测误差,并使用了模型融合的方法,实现了较高的预测精度。最后对剩余寿命区间进行了预测误差分析,分析结果能够为砼活塞的预防性更换计划提供决策支持。     

动态贝叶斯网络在设备剩余寿命预测中的应用研究

采用动态贝叶斯网络对设备剩余寿命进行预测,建立了基于动态贝叶斯网络模型的设备剩余寿命预测框架模型,运用动态贝叶斯网络的粒子滤波近似推理算法对加工过程中钻头寿命预测进行实例研究,结果表明了该方法的有效性.     

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.     

有限区间内设备顺序预防性维护策略研究

为了克服等周期维护模型忽略设备可靠性要求,以及长期运行期望维护周期模型忽略设备特定阶段维护需求的缺点,通过引入基于役龄递减因子和故障率递增因子的混合式故障率演化规则,建立了有限区间内基于设备可靠性的顺序预防性维护优化模型,并以威布尔分布为例,利用仿真方法对其进行了优化。仿真结果显示,该模型可使设备的维护周期呈递减之势,反映了设备在某一特定阶段的可靠性需求。     

可重构卫星锂离子电池剩余寿命预测系统研究

针对卫星锂离子电池剩余寿命预测问题,提出一种基于FPGA的可重构卫星锂离子电池剩余寿命预测系统设计方法.首先利用具备不确定性表达能力的相关向量机实现锂离子电池的RUL预测,进而采用FPGA动态重构技术,实现了基于相关向量机的预测算法的嵌入式计算,解决了核函数矩阵和矩阵求逆的计算方法和结构设计等关键问题,为解决硬件计算资源有限条件下的机器学习算法计算问题提供了一种新颖的思路.实验结果表明,在与PC平台保持相近计算精度的条件下,利用FPGA实现的剩余寿命预测计算效率提升了4倍,同时证明了机器学习的可重构计算方法在嵌入式计算体系中的应用具有良好的前景.     

基于VAE-D2GAN的涡扇发动机剩余使用寿命预测

为了提高涡扇发动机剩余使用寿命的预测精度,提出一种将变分自编码器(VAE)和双判别器对抗式生成网络(D2GAN)相结合的预训练特征提取模型。在该模型中,VAE作为D2GAN的生成器参与模型训练,形成双重嵌套生成结构,以提高中间特征的提取质量;利用长短时记忆网络进一步挖掘所提取特征的时序退化信息,预测发动机剩余使用寿命。为了验证所提模型的高效性,将模型在通用数据集上进行测试,并与当前最先进的研究比较,结果显示所提模型具有更优秀的预测表现,极大提高了发动机系统的安全性。     

Prediction and prolongation of the useful life of industrial oils under operational conditions

Reports work on increasing the operational life of transformer oils by reducing oxidation, and looks at the possibilities of evaluating the action of metal-deactivating additives, and new combinations of inhibitors. The paper also examines the possibilities for making predictions of the useful working life of transformer oils in the presence of synergistic inhibitors.     

A bounded-error approach to actuator fault diagnosis and remaining useful life prognosis of Takagi-Sugeno fuzzy systems

The paper presents an actuator fault diagnosis and prognosis scheme for Takagi-Sugeno fuzzy system. It overcomes the drawbacks of the approaches presented in the relevant literature by taking into consideration the problem of the robustness. The proposed approach consists of an actuator fault estimator which provides knowledge about faults with their uncertainty intervals. Thus, the fault detection mechanism relies on an acceptable threshold imposed on these intervals. Once the fault is detected, the remaining useful life of an actuator is predicted what is expressed in the so-called time-to-failure. Similarly as in the case of fault estimation, the remaining useful life is provided as an uncertainty interval. It should be notated that previously reported approaches to Takagi-Sugeno systems cannot either provide the uncertainty of fault estimates for remaining useful life. To tackle the development of the above schemes the theory of quadratic boundedness and feasible parameter set-based estimation are employed. The final part of the paper portrays a case study which clearly exhibits the performance of the proposed approach.