失效物理与数据驱动融合的燃油泵在线寿命预测

针对机载燃油泵性能退化过程呈现的多阶段、非线性的特点以及对寿命预测实时性的要求,提出了一种基于失效物理与数据驱动融合的燃油泵在线退化建模与寿命预测方法。通过开关卡尔曼滤波器对燃油泵退化阶段进行在线识别,并对快速退化阶段建立失效物理与数据驱动融合的退化模型,然后基于无迹卡尔曼滤波器对建立的退化模型不断进行模型参数更新,并使用更新后的模型对失效寿命进行预测。将所提方法分别与纯数据驱动的方法、不进行退化阶段识别以及不进行参数更新的融合方法进行比较,整个参数更新过程中其均方根误差不超过0.3,寿命预测百分比误差不超过2%,均小于对比方法,验证了本文方法的有效性与优越性。     

基于多分辨奇异值分解和ECNN-LSTM的滚动轴承寿命预测

针对现有滚动轴承剩余寿命预测时寿命特征表征能力不足的问题,提出了多分辨奇异值分解和ECNN-LSTM的滚动轴承剩余寿命预测方法.首先,采用多分辨奇异值分解方法获取滚动轴承全寿命振动时域信号中具有不同分辨率的近似和细节信号,以多分辨展现信号不同层次的概貌和细节特征;其次,根据初时刻标准差划分健康阶段,划分出滚动轴承平稳运行阶段和能提供退化信息的快速退化阶段;然后,在两层一维卷积神经网络结构上加入高效通道注意力机制模块,在不降维的情况下自适应调整卷积核进行多通道交互,充分自提取轴承退化特征;最后,利用MSE损失函数统一评价尺度,在LSTM上完成剩余寿命预测.通过辛辛那提全寿命数据进行验证,证明了所提方法的可行性和有效性.     

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。     

基于二元维纳过程的轴承剩余寿命预测

提出了一种基于二元维纳过程的轴承剩余寿命预测方法。首先,分析轴承两个相互垂直方向上的振动信号,分别构建表征轴承健康状态的性能指标;其次,针对轴承性能退化过程的特点,建立基于维纳过程的二元退化模型;然后,利用AIC(akaike information criterion)信息准则选择合适的Copula函数分析两个性能指标间的相关特性,并计算轴承剩余寿命的联合概率密度函数;采用极大似然估计法在线更新模型参数,预测轴承未来时刻健康状态的变化情况并得到其剩余寿命;最后,通过轴承数据对所提方法进行了验证分析,结果表明,所提方法能够有效的预测轴承的剩余寿命,与基于一元维纳过程的剩余寿命预测方法相比,具有更好的预测精度。     

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Copula理论的多部件系统剩余寿命核密度预测方法

各类工业系统的功能结构日趋复杂,部件间存在复杂的随机相关性是进行系统剩余寿命预测建模中不可忽视的重要因素。针对多部件系统,在研究部件间随机相关性特征及其对连续退化状态影响的基础上,提出基于Copula理论的多部件系统实时剩余寿命非参数核密度预测方法。首先通过核密度估计得到各部件的退化分布函数;并采用Copula函数表征部件退化的随机相关性,利用赤池信息准则进行Copula函数优选;然后建立考虑存在连续退化随机相关性影响条件下可实时递推的部件剩余寿命预测模型;最后通过齿轮箱试验台进行试验,验证了所提模型的有效性和准确性。     

基于迭代多模型ICA-SVDD的间歇过程故障在线监测

采用多向主元分析的间歇过程故障监测方法需假设过程数据严格服从高斯分布,而且要对监测批次的测量未知值进行预测,这在一定程度上限制了其应用范围.为此通过建立迭代的多模型序列,不仅有效地解决了测量未知值的预测问题,而且考虑了各个间歇过程时间片之间的关联信息.同时,利用独立成分分析方法提取出过程的非高斯信息,通过引入支持向量数据描述方法对独立成分进行进一步建模,实现非高斯特性下的间歇过程故障在线监测.通过一个实际的半导体制造过程的实验研究,表明提出的新方法可以更有效地处理间歇过程数据信息.     

多参数相似性信息融合的剩余寿命预测

针对常规基于相似性信息的寿命预测方法的退化指标难以建立的问题,提出一种多参数相似性信息融合的剩余寿命预测方法。该方法并不进行退化指标的建立,而是利用单个原始参数数据直接进行基于相似性的寿命预测,然后将各参数对应的寿命信息进行融合得到设备的剩余寿命。为提高信息融合时的合理性,给出一种以相关性Spearman系数为基础的设备退化敏感性关键参数量化筛选及剩余寿命融合权重分配方法,结合各参数对应的剩余寿命信息,加权融合实现设备的剩余寿命预测。实验结果表明,相比于常规方法,所提方法在剩余寿命预测的准确性及改善预测精度方面更具优势。     

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。     

基于UKF的轴承剩余寿命预测方法研究

针对轴承从早期故障发生到失效的非线性退化问题,提出一种基于无迹卡尔曼滤波算法(UKF)的轴承剩余寿命预测方法。该方法包括轴承性能评估和剩余寿命预测两个部分。在性能评估部分,首先利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据,构建出与轴承退化过程相符的非线性状态空间模型,模型参数利用Dempster-Shafer方法进行初始化后采用UKF算法对其进行更新,并预测轴承的剩余寿命。基于轴承全寿命周期试验数据的分析,结果显示所提方法有效地评估了轴承的健康状况,通过对比分析其他剩余寿命预测方法,发现所提方法较好地预测了轴承的剩余寿命。     

机械振动下交流接触器电寿命预测失效特征量提取

针对机械振动环境下交流接触器电寿命预测中的失效特征量进行研究,提出了一种基于优化小波去噪与核主成分分析 皮尔逊相关系数法相结合的方法以获取有效的失效特征量。首先,分别在常规与振动环境下进行交流接触器全寿命试验,并选取多个退化参数作为分析对象;其次,针对实测数据,采用多指标综合评价方法优化小波去噪,对退化参数进行去噪平滑,并结合参数的退化趋势,分析振动对接触器电寿命的影响;最后,针对退化参数及其核主成分,构建全信息特征量,计算各特征与剩余电寿命的皮尔逊相关系数。在振动环境下,结合所提方法最终提取累积燃弧能量、第一核主成分、吸合电压和接触电阻作为交流接触器电寿命预测的失效特征量。     

基于SVDD及ARIMA融合模型的给水泵退化状态监测方法

给水泵的退化状态监测对相关工业生产的有序运行具有重要意义。文中提出了一种给水泵退化状态监测方法,通过评估设备的健康状况和性能对设备退化趋势进行预测。该方法包括数据采集、特征提取、安全域构建、退化表征、退化过程建模和退化趋势预测6个步骤。该方法使用最易获取的健康数据作为训练集来构建安全域模型,然后利用超空间中更好的特征提取能力对退化过程进行表征和预测,最后使用异常数据测试预测模型的性能。文中使用一组真实的给水泵工业监测数据进行验证,并提出了一种退化趋势预测的评价方法。该方法通过5个量化指标从退化表征和预测性能两个维度对退化状态监测效果进行评估。实验结果表明,该方法不但较好地反映了给水泵的实际退化,而且实现了高精度的退化趋势预测,为给水泵智能运维提供了可靠的决策依据。     

基于KPCA和WPHM的滚动轴承可靠性评估与寿命预测

为了评估滚动轴承的可靠性和预测剩余使用寿命,选取能够反映性能退化过程的特征参数作为寿命预测模型的输入参数,提出一种基于核主元分析(kernel principal component analysis,简称KPCA)和威布尔比例故障率模型(Weibull proportional hazards model,简称WPHM)的方法。首先,提取滚动轴承全寿命周期的时域、频域及时频域等多特征参数,从中筛选出有效的特征参数,构建高维相对特征集;其次,进行核主元分析,选取能够反映轴承全寿命周期性能退化过程的核主元,进而作为WPHM的协变量来进行可靠性评估和剩余寿命预测。通过滚动轴承全寿命试验,验证了该方法能够对轴承进行准确的可靠性评估和剩余寿命预测,以提供及时的维修决策。同时,由于提取的是相对特征,降低了同种轴承间在制造、安装及工况的差异,增强了该方法的适用性和稳定性。     

Bearing degradation process prediction based on the PCA and optimized LS-SVM model

Bearing degradation process prediction is extremely important in industry. This paper proposed a new method to achieve bearing degradation prediction based on principal component analysis (PCA) and optimized LS-SVM method. Firstly, the time domain, frequency domain, time–frequency domain features extraction methods are employed to extract the original features from the mass vibration signals. However, the extracted original features still with high dimensional and include superfluous information, the multi-features fusion technique PCA is used to merge the original features and reduce the dimension, the typical sensitive features are extracted. Then, based on the extracted features, the LS-SVM model is constructed and trained for bearing degradation process prediction. The pseudo nearest neighbor point method is used to determine the input number of the model. The particle swarm optimization (PSO) is used to selected the LS-SVM parameters. An accelerated bearing run-to-failure experiment was carried out, the results proved the effectiveness of the methodology.     

基于DPCA-RBF网络的工业流化床乙烯气相聚合过程的软测量研究

工业流化床乙烯气相聚合反应是一个复杂的生产过程,具有高维、非线性、动态性和强噪声特点,质量变量难以直接测量。为解决关键质量变量在线软测量问题,首先采用动态主元分析(DPCA)的方法对过程变量提取主元,消除了过程变量之间的相关性、噪声并体现了建模数据的动态特性;其次对提取出的主元变量采用径向基函数网络(RBF)建模的方法,建立主元变量和质量变量之间的网络结构。对纯函数数据以及工业现场数据分别进行PCA-RBF模型及DPCA-RBF模型的仿真研究,研究结果表明,当建模数据存在非线性、动态性、噪声以及相关性等特性时,DPCA-RBF建模方法比PCA-RBF及单纯的RBF建模方法更优越。因此,DPCA-RBF建模方法较适合运用在工业实时变量的软测量中。     

基于混沌相空间重构的数控机床运动精度演化分析

数控机床运动精度状态的变化是一个复杂非线性动力系统的时空演化过程,难以通过数学建模方法分析其演化规律。提出基于混沌相空间重构理论的数控机床运动精度演化分析方法。根据混沌系统内在的规律性和有序性,分析基于相空间重构的数控机床精度演化原理,对数控机床运动精度的一维时间序列进行相空间重构,从而得到与原系统拓扑同构的高维相空间。提出用相点轨迹描述运动精度在相空间中的演化规律,构造一个非线性演化模型,用相点的多维分量构成输入向量,对其精度趋势进行演化。实验结果表明,基于混沌相空间重构的演化模型,可以很好地追踪数控机床运动精度的演变趋势和规律,且具有较高的演化精度。     

滚动轴承寿命动态预测新方法

由于传统可靠性分析方法是基于大量的失效试验数据和经验知识建立的静态模型,无法实现滚动轴承退化过程的跟踪以及准确进行可靠性评估和寿命预测,提出了基于主成分分析(principal component analysis,简称PCA)和相空间重构的滚动轴承寿命动态预测方法。首先,通过PCA将实时监测的多个滚动轴承性能指标进行融合;其次,使用相空间重构技术实现当前退化过程和历史退化过程的对比,得到寿命预测值,并结合历史失效时间进行统计推断,得到更准确的平均寿命。随着观测样本的不断积累,可实现平均寿命的动态更新。试验结果表明,本研究提出的动态寿命预测模型能够实时预测滚动轴承的寿命,具有较强的工程实用价值。     

基于分段线性MPCA的充液氨过程建模及监控

为深入分析晶变改性装备中反应釜充液氨工艺过程特性,同时也为了进行更精确、有效的过程监控,提出了一种分段线性多向主元分析(MPCA)方法,实现该间歇过程的建模及故障诊断。首先将三维建模数据降维展开并进行主元分析(PCA),得到采样点数据特征矩阵;然后基于间歇过程的多操作时段特性,根据特征矩阵相似度最大隶属原则,通过设定窗口长度可调的滑动聚类器,在系统运行轨迹上分别从数据变异的方向和幅值对采样点进行2次聚类划分,将间歇过程操作周期分割为一系列运行特性相同的子时段,最后利用各个子时段的线性MPCA模型逼近系统非线性运行过程,实现间歇生产过程建模及在线监测。通过反应釜充液氨工艺过程的实际应用,结果表明提出的建模方法能够对该间歇生产进行合理的、易于从过程特性角度解释的时段划分,所建模型具有可靠的监控性能,能及时准确检测出系统运行过程中的异常情况。     

基于多智能体的设备性能退化评估系统建模

为解决设备性能退化评估与预测系统的建模问题,提出了一种基于多智能体的分层次模型。在该模型中,给出了系统的整体构架;根据设备的功能结构,划分了多个层次的性能退化评估与预测智能体,定义了各层次智能体的具体功能。该模型为系统的实施提供了指导模板。     

相对变换主元分析的变压器油击穿电压预测

针对变压器油击穿电压在线测量困难,数据噪声和孤立点影响支持向量机预测精度的问题,提出了基于相对变换(RT)主元分析(PCA)的变压器油击穿电压预测方法。首先,通过相对变换将原始数据空间变换到相对空间,抑制噪声和孤立点对模型精度的影响;然后在相对空间进行主元分析,降低相对空间维数,使提取的主元特征更具有代表性和更大的变化度;最后,将提取的主元作为最小二乘支持向量机(LSSVM)的输入,建立变压器油击穿电压的最小二乘支持向量机预测模型。与LSSVM、RT-LSSVM和PCA-LSSVM的对比实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。