新型非线性退化建模与剩余寿命预测

鉴于数据驱动的寿命预测方法多采用线性退化模型建模,而实际退化数据多呈现为非线性形式,为此,提出一种新型非线性退化模型,利用首达时间原理推导出模型剩余寿命概率密度函数的解析表达式,采用极大似然法估计模型中的未知参数,并用AIC准则检验了模型的准确性。通过仿真数据与激光发生器的性能退化数据对模型进行了验证分析,结果表明了新型非线性退化模型的准确性和实用性。     

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。     

基于性能退化的机械设备寿命预测

为解决小样本机械设备的故障预测难题,提出一种基于性能退化的机械设备寿命预测方法。考虑机械设备退化过程受工况影响,提出局部退化规律的概念,并利用指数回归进行拟合表征,从而获得所有潜在的退化规律。通过表征局部退化规律的指数函数,计算局部寿命样本,进而获得各个时刻的局部寿命观测。鉴于机械设备在寿命周期的极限工况对应的剧烈退化少、中等工况对应的中等退化多,假设局部寿命来自某正态分布,并利用参数经验贝叶斯方法实现先验分布和后验分布的估计,全局寿命预测为最新观测对应的后验分布。通过仿真案例和数控机床的精度退化案例,验证了该方法具有良好的准确性和有效性。     

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。     

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)。     

基于加速退化试验的机械密封磨损寿命预测

针对目前机械密封应用领域高可靠性的要求,提出了基于随机过程的可靠性分析及磨损寿命预测方法。以密封端面磨损量为研究对象,设计适用于机械密封的加速退化试验以获得磨损退化数据。基于退化模型Gamma过程描述其磨损退化过程,引入双应力逆幂率模型作为加速模型描述转速、弹簧力与退化速率间的关系,从而建立机械密封可靠性分析与寿命预测模型。通过极大似然估计法求解模型参数,结合加速模型外推出多个应力水平下的模型参数并进行失效概率分析,对机械密封在不同可靠度需求下的可靠寿命及不同工作条件下的平均寿命作出了预测。结果表明,Gamma过程适用于描述机械密封的磨损退化过程,通过双应力逆幂率模型外推获得各应力水平下的可靠度及寿命,此方法比传统的机械密封寿命预测方法具有更好的实用性和灵活性,可为密封产品确定维修周期及保证安全运行提供重要参考。     

基于互依关系的退化与随机冲击建模研究

复杂系统内部的零件老化、疲劳等自然退化以及外界环境诸如高温、高压等随机冲击均会引发系统失效,失效类型包括系统自然退化和非致命冲击带给其累积退化增量的综合影响超过特定阈值诱发的软失效,以及致命冲击造成的硬失效.现有研究大多考虑随机冲击带给自然退化过程的作用,忽略自然退化过程同样会对随机冲击产生影响.提出一种基于互依关系的...     

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。     

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。     

随机冲击下退化率变化的系统竞争失效可靠性建模

考虑非平稳Poisson冲击下,退化率变化的退化失效和突发失效两类失效过程之间相互竞争的可靠性建模问题。以线性过程为基础描述退化过程,幅值和强度逐渐增大的非平稳随机冲击过程描述突发失效过程,研究冲击超过临界阈值导致系统退化过程退化率增大的情况下系统的可靠度问题。通过建立系统退化过程和突发失效过程的分布函数,导出了系统竞争失效的可靠度函数。结合Sandia微引擎系统进行实例分析,并对冲击强度与突发失效的临界阈值做了灵敏度分析,结果验证了模型的正确性,表明该模型可以有效提高可靠性评估的精度。     

一种随机多轴疲劳的寿命预测方法

叙述一种多轴随机载荷的疲劳寿命预测方法，该方法首先由多轴随机载荷的权值平均最大剪应变平面确定临界平面，然后以临界平面上剪应变和正应变历史为研究对象，进行多轴载荷压缩处理和多轴循环计数，得到剪应变和正应变的循环计数结果，最后给出多轴疲劳寿命估算模型，并用多轴程序载荷实验验证。     

基于随机滤波模型的齿轮箱剩余寿命预测研究

针对设备剩余寿命预测无法获取设备直接状态信息的问题,引入随机滤波模型,利用平时易于监测到的间接状态信息,来预测设备的剩余寿命.该模型采用贝叶斯递推理论,可以有效利用设备监测到的历史状态信息;针对小样本模型参数估计问题,采用主观数据和客观数据相结合的贝叶斯方法对模型的参数进行估计;最后,以齿轮箱全寿命实验为依据,利用该模...     

一种新的随机多轴疲劳寿命预测方法

提出一种多轴随机载荷下的疲劳寿命预测方法。该法首先基于von Mises等效应变和等效应力概念、符号修正公式以及传统的单轴雨流计数法,提出一种多轴随机载荷下的循环计数方法。此法主要针对多轴随机载荷下vonMises等效应变和等效应力历程中的符号丢失问题,建议采用一种符号公式来加以修正,以便于结合单轴雨流计数法对修正后的von Mises等效应变历程进行较为精准地循环计数,从而不仅有利后续疲劳损伤的正确估算,还可使单轴循环计数法能有效地应用于多轴载荷—时间历程。然后分析von Mises等效应变循环内的应变状态,并定义该循环内的临界平面和构造损伤参量的基本参数。最后,将提出的计数方法结合几种常见的临界面多轴疲劳损伤模型以及线性损伤定律,对随机拉—扭加载下的En15R钢薄壁管疲劳试件进行寿命预测验证,预测结果与试验结果吻合较好。     

面向装配质量预测控制的随机Kriging建模方法

智能制造模式下,机器人、机器视觉以及在线在机测量等自动化技术的发展,使传统的基于数据统计分析的监控、诊断等事后控制模式,转变为质量预测控制模式,而预测控制效果的好坏往往与建模精度紧密关联。但现有装配偏差建模往往将工艺设计变量、装配偏差等变量的关联关系视为为确定性问题,难以反映设计、来料、制造工艺以及环境等不确定因素对建模精度的影响,导致装配产品质量预测值与实际存在显著偏差,难以满足装配工艺参数的在线、预测控制的要求。因此引入了考虑工艺不确定性的随机Kriging建模方法,结合车身制造过程的数据、信息获取特点,提出了一种多源信息融合的随机Kriging建模与更新方法。通过对汽车左后车门装配质量预测案例分析,结果表明,与单一的确定性Kriging模型相比,文中所论建模与更新方法使预测精度显著提高,较好地满足了质量预测控制要求。     

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。     

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Bayes方法的传感器寿命预测研究

针对传感器的寿命预测一般采用基于退化试验数据预测的方法,但是往往预测精度不高。为了提高预测精度,提出了一种基于Bayes方法的修正理论,将退化试验数据与后验数据结合起来分析。最后,以某型号国产霍尔电流传感器为研究对象,利用Bayes修正理论对其进行寿命预测,经检验,其寿命预测结果与企业返回的统计数据基本一致。     

基于性能退化预测的数控机床预防维修方法

为解决数控机床传统维修方法存在的欠维护或过维护弊端,提出了一种基于系统性能退化预测的预防维修方法,利用统计过程控制技术分析产品质量数据,实现机床工作状态的预测。建立了关键零部件的Wiener退化模型来预测寿命分布,从而可结合剩余寿命和收益确定最优预防维修策略。以某汽车活塞生产线上的数控机床异常数据为例,验证了所提方法的有效性。     

基于有限元方法的裂纹扩展寿命预测

采用有限元方法确定结构的断裂力学参量,并与标准紧凑拉伸试样(compact tension,CT)的理论值相比较,结果表明有限元方法确定结构的断裂力学参量是可行的.以真实构件发动机涡轮盘为例,首先进行该结构的断裂力学分析;然后进行二次开发模拟构件的裂纹扩展,计算断裂力学参量,拟合出其与裂纹长度的函数关系,确定涡轮盘的临界裂纹长度;最后,选取试验确定的疲劳裂纹扩展率模型,完成构件的裂纹扩展寿命预测,通过与试验检测的结果相对比,证明基于有限元方法的裂纹扩展寿命预测是合理有效的.     

基于机器学习的蠕变断裂寿命预测方法

工程结构的寿命预测问题是结构完整性领域的重要课题.通常,工程问题的解析解难以获得、经验解无法描述高维变量之间的非线性交互,而机器学习可以克服两者的局限性,是实现工程部件寿命预测的重要解决方案.基于此,提出了面向工程结构寿命预测问题的机器学习方案及优化的一般性方法.以316奥氏体不锈钢蠕变断裂寿命预测问题为例,基于高维数...