多状态影响下基于Bi⁃LSTM网络的锂电池剩余寿命预测方法

现有基于深度学习的锂电池剩余寿命(Remaining Useful Life,RUL)预测方法中,锂电池多个内部状态所蕴含的寿命信息未得到充分考虑.鉴于此,提出了一种融合电池容量、阻抗与温度三个内部状态的RUL预测模型.首先,引入双向长短时记忆(Bi?directional Long Short?Term Memory...     

线性FBM过程随机退化设备剩余寿命自适应预测

现有文献主要通过马尔科夫过程来描述设备的退化轨迹,鲜有考虑历史状态对未来退化轨迹的影响.鉴于此,为了反映退化轨迹的记忆效应对剩余寿命预测的影响,首先基于分数布朗运动建立一种线性随机退化模型,并通过引入随机效应来反映不同样本间的退化差异性;其次,基于弱收敛性理论与分数布朗运动的特性推导剩余寿命分布的近似解析解;再次,基于...     

含缺失数据的小波-卡尔曼滤波故障预测方法

研究了复杂系统存在缺失数据时的故障预测问题.首先,针对测试数据的非平稳性,在小波-卡尔曼滤波预测模型的基础上进行了改进,并 利用期望最大化算法对模型参数进行了在线更新,提高其对非平稳时间序列的预测能力;其次,将数据缺失通过一个满足伯努利分布的随机变量描 述,实现了缺失数据情况下小波-卡尔曼滤波状态估计.基于此,提出了缺失数据下的故 障预测算法;最后,通过数值仿真和实例验证,说明了所提算法的有效性和可行性.     

缓变退化设备剩余寿命预测的随机阈值方法

针对一类缓变退化设备的样本平均在短时间内退化不明显的特点,将设备检测数据的样本标准差作为一个失效指标进行退化建模,从样本标准差的变化趋势来估计设备的性能状态,并且鉴于样本标准差数据非线性强波动幅度大的特点,提出了一种随机阈值的剩余寿命预测方法。通过惯性平台陀螺仪漂移数据实例验证证明,该方法能够对这类非线性强、波动幅度大的退化数据建模,并得到可信的预测结果。     

基于最后逃逸时间的随机退化设备寿命预测方法

现有基于随机退化过程建模的寿命预测研究中, 通常用退化过程的首达时间(First passage time, FPT)来定义寿命. 但是, 这种寿命定义较为保守, 可能会导致其明显小于设备实际寿命. 鉴于此, 基于最后逃逸时间(Last exit time, LET)的概念, 给出一种新的寿命与剩余寿命(Remaining useful life, RUL)定义方式. 在该新框架下, 提出一种基于最后逃逸时间的寿命预测方法, 推导得到最后逃逸时间下基于Wiener退化过程模型的寿命与剩余寿命表达形式, 讨论了该方法与传统首达时间下寿命预测方法之间的关系. 此外, 通过数值仿真验证了该方法的正确性, 并对模型参数进行了敏感性分析. 最后, 通过轴承以及激光器的实际退化数据说明了该方法的有效性、可行性以及潜在的工程应用价值.     

基于小波-强跟踪滤波的陀螺漂移在线预测

为进一步提高陀螺漂移预测精度,根据陀螺一次项漂移系数非平稳时间序列的特点,针对其数据的突变和趋势相较强的问题,提出一种基于小波和多重次优渐消因子强跟踪滤波相结合的非平稳时间序列在线预测方法,并将其应用于陀螺一次项漂移系数预测。实验结果表明,该方法能有效改善数据突变和较强趋势项所带来的状态估计不准、进而造成预测不准的问题,提高了预测精度。     

基于小波-强跟踪滤波的陀螺漂移在线预测

为进一步提高陀螺漂移预测精度,根据陀螺一次项漂移系数非平稳时间序列的特点,针对其数据的突变和趋势相较强的问题,提出一种基于小波和多重次优渐消因子强跟踪滤波相结合的非平稳时间序列在线预测方法,并将其应用于陀螺一次项漂移系数预测。实验结果表明,该方法能有效改善数据突变和较强趋势项所带来的状态估计不准、进而造成预测不准的问题,提高了预测精度。     

基于随机退化建模的共载系统寿命预测方法

针对共载系统在部件服从退化失效情况下的系统寿命预测问题,在首达时间的意义下,提出了一种基于随机退化建模的共载系统寿命预测方法。采用Wiener过程对部件退化的各个阶段进行建模,并将模型中退化速率分为固有退化速率和载荷影响两部分,给出了相应的参数估计方法。而后将系统寿命分布推导看作其反问题,通过研究系统中各部件逐一失效下的系统可靠性以推导出系统的寿命分布,同时推导了相应的剩余寿命预测方法。在部件可靠性计算时,不同于传统的将有部件失效后,新的退化阶段初值用其均值代替的方法,而是考虑了此初值在首达时间意义下的概率分布,使得部件的可靠性更符合实际。最后通过数值例子和实例研究验证了所提参数估计和寿命预测方法的有效性。     

不完美维护下基于剩余寿命预测信息的设备维护决策模型

基于剩余寿命预测信息进行设备维护决策的研究中,现有方法通常仅考虑不完美维护对退化量或退化率的单一影响,忽略了不完美维护对两者的双重影响.鉴于此,针对随机退化设备,提出一种考虑不完美维护影响的性能退化模型与维护决策模型,融合了维护活动对设备退化量和退化率的双重影响.首先基于Wiener过程分阶段构建存在不完美维护干预的随机退化模型,在首达时间的意义下推导出剩余寿命的解析概率分布;然后基于剩余寿命的预测结果,以检测间隔和预防性维护阈值为决策变量建立维护决策模型;最后数值仿真实验验证了本文模型的有效性,并对费用参数进行了敏感性分析.实验结果表明本文模型具有潜在的工程应用价值.     

基于分数布朗运动过程模型的混合随机退化设备剩余寿命预测

在实际工程中, 设备往往是由多个不同类型元件或部件构成的集合体, 其总体性能退化程度是由内部多种随机退化过程综合影响下的结果. 不同于现有文献主要采用无记忆效应的单一线性或非线性形式随机过程模型来描述设备的真实退化, 首先建立一种基于分数布朗运动(Fractional Brownian motion, FBM)的混合随机退化模型, 用以刻画退化过程中的记忆效应与长期依赖性; 进一步, 在退化模型里同时引入双随机效应, 用以描述不同设备之间的退化差异性, 并基于弱收敛性理论推导得到首达时间(First hitting time, FHT)意义下剩余寿命(Remaining useful life, RUL)概率密度函数(Probability density function, PDF)的近似解析表达形式; 然后, 给出一种共性参数离线估计和随机参数实时更新的策略, 进而实现了剩余寿命的实时预测; 最后, 通过数值仿真例子和陀螺仪的实际退化数据, 验证了该方法的有效性和具有潜在的工程应用价值.