多传感器数据融合的复杂系统退化模式挖掘

退化模式挖掘对复杂系统剩余寿命预测具有重要意义。为了解系统运行状态，掌握其退化规律，提出一种基于时间序列聚类的退化模式挖掘方法。首先，利用改进马田系统筛选并融合多传感器数据特征，构建健康指数来表征系统的退化趋势。然后，采用累积和算法将健康曲线进行分段处理，获取退化曲线，并利用基于动态时间弯曲距离度量的层次聚类算法将退化模式进行归类。最后，以相似度和退化时间为判别依据，对系统的退化模式进行有效识别。以航空发动机为对象的研究表明，该方法能够有效的挖掘和识别退化模式，为复杂系统剩余寿命预测提供依据。