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。     

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。     

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)。     

多元相关性退化系统可靠性模型

针对具有多个相关性能退化过程的复杂系统可靠性评估问题,采用非线性Wiener过程描述系统性能退化过程,并基于多元Copula函数分析系统性能退化过程间的相关关系。在此基础上,建立了系统可靠性模型,并提出了相应的参数估计方法。以三部件系统为例,验证了参数估计方法、相关性退化模型以及可靠性模型的有效性和精确性,分析了相关性参数对系统可靠性的影响,说明了在评估系统可靠性时考虑退化过程相关的必要性。     

基于支持向量数据描述的剩余寿命预测方法

为了解决工业设备关键部件的故障预测问题,基于支持向量数据描述(SVDD),定义了表征设备部件健康状态的退化指数,并由此提出一种剩余寿命预测方法。首先利用小波包分解从历史传感器状态监测数据中提取特征向量;然后通过粒子群优化算法选择能够使训练集退化指数取值的变化趋势更加接近指数规律的核函数参数,进而利用目标部件处于健康状态的特征向量训练SVDD模型,得到相应的超球面;最后通过待测样本点和SVDD超球面间的距离计算退化指数,确定目标部件的健康状态并预测其剩余寿命。最后通过实验验证了所提剩余寿命预测方法的有效性。     

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。     

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。     

基于多源信息融合的飞行器部件剩余寿命预测

针对飞行器关键部件的多源变量数据统计信息,提出基于多源信息融合的相似性剩余寿命预测方法。介绍了相似性剩余寿命预测方法的基本思想和模型;提出一种使用BP神经网络融合多变量统计数据的方法;引入余弦相似度方法,将服役部件和参考部件退化模型进行模式匹配,确定与服役部件具有相同退化模式的参考部件,进而提高基于相似性剩余寿命预测方法的预测精度。通过NASA航空发动机数据集和相同评价指标下的对比分析,验证了该方法的有效性。     

基于1D-CNN和Bi-LSTM的航空发动机剩余寿命预测

剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段.一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory,Bi-LSTM)被应用于航空发动机剩余寿命预测模型.首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-CNN模型进行回归分析,从而得到性能退化分析模型;再通过Bi-LSTM对性能退化量进行时间序列预测,得到性能退化的未来趋势;最后通过设定性能退化阈值,得到剩余寿命预测结果,从而得到从多状态参数-性能退化分析-性能退化预测-剩余寿命预测的实时动态感知模型.实例分析结果表明,提出的混合模型与其他单—深度学习和传统模型相比,有更低的回归分析误差和退化预测误差,能够得到更准确可靠的剩余寿命预测结果.     

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。     

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.     

基于竞争失效的航空发动机剩余寿命预测

航空发动机作为典型的复杂机电系统,具有失效模式多样性的特点。多失效模式相互作用,实质上是竞争失效的关系,导致航空发动机剩余寿命预测的复杂性。针对航空发动机失效模式及失效规律特点,提出基于竞争失效的航空发动机剩余寿命预测方法,解决航空发动机健康管理的核心和关键问题。分析航空发动机两类失效模式——性能退化失效和突发失效的作用机制及相关性,构建基于竞争失效的航空发动机剩余寿命预测体系。结合航空发动机不同失效模式及数据特点,分别针对性能退化失效和突发失效建立剩余寿命预测模型。利用贝叶斯线性模型融合状态监测信息,建立航空发动机性能退化轨迹模型,实现针对不同性能退化情况下的航空发动机剩余寿命预测。以分析性能退化规律为基础,利用航空发动机故障信息,建立混合Weibull可靠性模型,量化性能退化失效对突发失效的影响,实现航空发动机突发失效剩余寿命预测。通过算例,验证提出方法的有效性。结果表明,考虑竞争失效的多模型剩余寿命预测技术能客观、准确描述航空发动机寿命变化规律。     

一种基于数据驱动和贝叶斯理论的机械系统剩余寿命预测方法

针对复杂机械系统剩余寿命预测问题,提出一种基于数据驱动方法和贝叶斯理论的机械系统剩余寿命预测方法。该方法基于数据驱动方法,对相同或相似系统的历史状态监测数据进行融合,并建立表征系统退化程度的健康指示量和预测剩余寿命的状态模型;基于贝叶斯理论,建立状态模型参数的贝叶斯模型;在此基础上,基于待估系统的实时状态监测数据和贝叶斯模型,利用马尔科夫链蒙特卡洛方法来更新模型参数并预测待估系统的剩余寿命;通过一个航空发动机的预测问题,来说明该方法的有效性。     

考虑非完美维修的实时剩余寿命预测及维修决策模型

准确的剩余寿命预测是对设备进行预防性维护维修决策的关键。利用随机滤波理论,基于当前时刻及之前的历史状态监测信息,由已知的设备初始寿命分布函数建立非完美维修策略下的实时剩余寿命分布函数预测模型。同时考虑非完美维修效果与时间相关性,提出一种以平均剩余寿命为阈值的非完美预防性维护及更换的维修策略,建立了以系统的预防性维护及预防性更换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,得到系统最佳的预防性维护及预防性更换阈值,并使系统长期运行平均费用率最低。以初始寿命符合威布尔分布的疲劳裂纹为例,验证了该实时剩余寿命分布预测方法及非完美维护维修策略的可行性。     

基于平均剩余寿命和Birnbaum重要度的复杂系统静态分组维护策略

多部件系统存在复杂的相关性,制定最优的维修策略使得系统的维修成本最低是科学管理设备的关键之一。提出了一种多部件复杂系统静态分组维修策略。在考虑部件间的经济相关性和结构相关性的基础上,引入平均剩余寿命和结构重要度求得预防性维修阈值。对于事后维修,引入了考虑部件Birnbaum结构重要度的自适应事后维修决策规则。为了找到最优维修策略,采用遗传算法对部件维修费用进行优化。案例分析表明,该方法能够有效降低维修成本。     

考虑部件失效相关的履带车辆传动箱可靠性分析

在以履带车辆传动箱为对象进行研究的过程中,考虑部件间失效相关这一重要失效形式对传动箱可靠性的影响,利用部件的动态可靠度模型计算主要失效部件的可靠度,结合部件寿命分布函数与可靠性间的关系,得到传动箱内主要部件的寿命分布函数随时间变化的曲线,进一步使用最小二乘法估算出主要零部件的寿命分布函数。在此基础上,绘制部件间的二元频率直方图,选择合适的Copula函数,建立在部件失效相关条件下的传动箱系统可靠性模型,利用Copula函数可以避免运算的繁琐性及部件间相关系数求解的复杂性。使用逐层分块分析法合理划分传动箱系统结构,并用Matlab软件估算部件间相关参数,得到了传动箱系统寿命分布函数随时间及部件失效相关参数的变化规律,对传动箱的设计与维护具有一定的指导意义。     

考虑强度退化与失效相关性的RV减速器动态可靠性分析

强度退化和失效相关性对机械系统的可靠度有显著影响,目前尚无同时考虑上述因素的RV减速器动态可靠性分析方法。根据RV减速器的结构特点,建立了基于强度退化理论的RV减速器零件动态可靠度分析模型,分析了强度退化对RV减速器零件可靠度的影响规律;通过推导出的耦合两级传动子部件可靠度的Copula函数描述零部件间的失效相关性,建立了RV减速器系统动态可靠性分析模型,研究了失效相关性对系统可靠性的影响规律;对影响RV减速器可靠性的主要设计参数进行了灵敏度分析,获得了各参数的灵敏度排序,为RV减速器的可靠性优化设计奠定了基础。     

基于多元退化数据的RV减速器可靠性评估

针对RV减速器的可靠性评估需求，结合减速器传动误差及回差的性能退化试验数据，分别建立了可用于描述减速器性能退化过程的Gamma过程传动误差及回差退化模型，利用最大似然估计法对退化模型参数进行估计。以上述两种模型作为一元边缘分布函数，通过Copula函数建立了RV减速器二元退化模型，并对该减速器的可靠性及预期失效寿命进行了评估。结果表明，基于传动误差和回差退化模型的可靠度评估结果与试验结果基本一致，模型能够较为准确地描述RV减速器的性能退化过程。Gaussian Copula函数较适合描述RV减速器二元退化指标间的相关性；采用该函数可得出该工况条件下RV减速器在任意可靠度时的预估失效寿命。     

多变量灰色模型在滚珠丝杠剩余寿命预测中的应用

为研究滚珠丝杠的性能退化趋势,准确预测丝杠寿命,提出了基于多变量灰色模型的丝杠寿命预测系统.在滚珠丝杠副的不同位置安装3个加速度传感器,实时监测丝杠性能在不同加工条件下的变化趋势.通过模态分解方法分解选择对丝杠性能退化最敏感的特征参数,利用多变量灰色模型建立丝杠寿命与切削三要素、信号特征值的非线性映射关系,最终构建了基于多变量灰色模型的丝杠寿命预测模型,实现了对丝杠剩余寿命的有效评估.试验结果表明,所建立的丝杠性能退化模型能够有效预测丝杠的剩余寿命.     

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。