隐含非线性退化设备的剩余寿命在线预测方法

随机退化设备在实际运行中会产生非线性、隐含性等问题,对其剩余寿命预测会产生不确定性影响。现有剩余寿命预测方法尚未系统研究隐含非线性退化建模及相应的剩余寿命分布。因此,采用Wiener过程,建立了隐含双重非线性退化模型;利用设备现场监测数据,更新了隐含状态的后验分布;利用全概率公式,基于首次达到失效阈值的时间分布推导出设备剩余寿命分布;基于激光器实测退化数据设定仿真参数,对所提方法的正确性和合理性进行了对比验证。     

基于Copula函数的齿轮箱剩余寿命预测方法

齿轮箱是风力发电机组的关键部件,对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命,提出了一种多退化量下的剩余寿命预测方法.首先,在分析齿轮箱寿命的影响因素基础上,选取齿轮箱的振动加速度和噪声作为退化量;其次,采用基于核估计和随机滤波理论的方法分别对齿轮箱的振动加速度和噪声进行建模,从而获得齿轮箱的剩余寿命概率密度函数,进而得到其边缘分布函数;再利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性,求得齿轮箱剩余寿命的联合分布函数,从而得到齿轮箱剩余寿命的联合概率密度函数,得到齿轮箱剩余寿命预测值;最后,提出基于赤池信息准则模型评价的Copula函数选择方法.通过齿轮箱的试验验证了该方法的有效性.     

二元相关退化系统可靠性分析及剩余寿命预测

退化相关性和个体差异对二元退化系统可靠性有直接影响,针对该问题,在退化过程模型基础上,建立了相应的系统可靠度和剩余寿命预测模型。首先同时考虑个体退化过程和相关性差异,采用随机参数的Gamma过程和Copula函数建立系统二元相关退化模型,为提高模型适用性,随机参数采用非共轭先验分布假设。在此基础上,分析随机参数对系统可靠度影响,提出基于贝叶斯理论的剩余寿命预测方法。利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)方法对模型未知参数进行估计。案例分析结果说明了在此类系统可靠性估计时考虑个体差异的必要性,也验证了该剩余寿命预测方法的精确性。     

二元相关退化系统可靠性分析及剩余寿命预测

退化相关性和个体差异对二元退化系统可靠性有直接影响,针对该问题,在退化过程模型基础上,建立了相应的系统可靠度和剩余寿命预测模型。首先同时考虑个体退化过程和相关性差异,采用随机参数的Gamma过程和Copula函数建立系统二元相关退化模型,为提高模型适用性,随机参数采用非共轭先验分布假设。在此基础上,分析随机参数对系统可靠度影响,提出基于贝叶斯理论的剩余寿命预测方法。利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)方法对模型未知参数进行估计。案例分析结果说明了在此类系统可靠性估计时考虑个体差异的必要性,也验证了该剩余寿命预测方法的精确性。     

基于比例加速退化建模的单台机载设备剩余寿命自适应预测

针对现有机载设备剩余寿命(remaining useful lifetime, RUL)预测方法在新研单一样本条件下, 无法应用于加速退化试验场景的问题, 本文基于比例关系模型提出了一种加速退化场景下适用于单个试验样本的自适应RUL预测方法。首先, 依据加速退化环境下Wiener过程存在的漂移/扩散系数比例关系, 构建考虑设备个体差异与测量误差的非线性随机退化模型; 其次, 针对加速退化试验存在单一受试样本的情况, 提出了基于期望最大和卡尔曼滤波联合算法的参数自适应估计方法; 然后, 基于卡尔曼滤波原理在线更新目标设备的退化状态, 并推导出设备剩余寿命的概率密度函数; 最后, 通过对单台行波管加速退化实测数据进行分析, 验证了方法的正确性和优势。     

基于RCNN-ABiLSTM的机械设备剩余寿命预测方法

针对机械设备的关键退化信息易淹没在非线性、多维度、长时间、大规模监测数据中的问题,提出了一种基于残差卷积神经网络和注意力双向长短时记忆网络融合(residual convolutional neural network-attentional bidirectional long short-term memory network, RCNN-ABiLSTM)的机械设备剩余寿命预测方法。首先通过训练RCNN提取监测数据的深度空间特征;然后通过引入注意力机制,优化双向长短时记忆网络提取时间相关特征的权重参数,加强关键退化信息对剩余寿命预测的表达;最后通过航空发动机数据集验证了方法的有效性。分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够准确寻找退化时间点,有效提高长时间运行设备的剩余寿命预测准确度。     

基于比例关系加速退化建模的设备剩余寿命在线预测

针对传统基于加速退化建模的剩余寿命在线预测方法需在特定共轭分布条件下才能实现漂移系数和扩散系数同步更新的问题,提出一种基于比例关系加速退化建模的设备剩余寿命在线预测方法.首先,在传统Wiener退化模型中引入扩散系数与漂移系数的比例关系,从建模角度保证了扩散系数与漂移系数同步更新的可能性.其次,提出一种基于两步极大似然...     

考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。     

基于随机滤波模型的老年人剩余寿命预测

自理能力是老年人健康状况的重要指标,但其与剩余寿命之间的关系一直缺乏严格的量化研究.本文根据中国营养健康调查中不小于55岁人群的自理能力面板数据,构建随机滤波模型预测其剩余寿命概率分布,并采用拟合优度检验测试模型的准确度.研究结果表明,自理能力和健康状况有着密切的关系,是老年人剩余寿命的重要指征;在生化指标难以得到时,构建的模型可以通过观察老年人的自理能力有效地预测其寿命分布.这为人群健康管理所倡导的关注老年人自理能力提供了科学依据,并对人寿保险公司根据老年人自理能力来确定寿险的费率提供了重要参考.     

基于LSTM-DBN的航空发动机剩余寿命预测

针对航空发动机剩余寿命(remaining useful life, RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory, LSTM)网络和深度置信网络(deep belief network, DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。     

Degradation data-driven approach for remaining useful life estimation

Remaining useful life (RUL) estimation is termed as one of the key issues in prognostics and health management (PHM). To achieve RUL estimation for individual equipment, we present a degradation data-driven RUL estimation approach under the collaboration between Bayesian updating and expectation maximization (EM) algorithm. Firstly, we utilize an exponential-like degradation model to describe equipment degradation process and update stochastic parameters in the model via Bayesian approach. Based on the Bayesian updating results, both probability distribution of the RUL and its point estimation can be derived. Secondly, based on the monitored degradation data to date, we give a parameter estimation approach for non-stochastic parameters in the degradation model and prove that the obtained estimation is unique and optimal in each iteration. Finally, a numerical example and a practical case study for global positioning system (GPS) receiver are provided to show that the presented approach can model degradation process and achieve RUL estimation effectively and generate better results than a previously reported approach in literature.     

基于磨耗数据驱动模型的轮对镟修策略优化和剩余寿命预报

基于广州地铁车辆轮对的磨耗实测数据, 首先针对踏面直径和轮缘厚度两个型面参数以及镟修比例系数, 给出了一种轮对磨耗的数据驱动模型. 根据轮对应用要求, 提出一种轮对镟修的控制限策略. 在前述轮对磨耗模型的基础上, 给出了该镟修策略的蒙特卡罗仿真步骤. 然后应用蒙特卡罗仿真方法, 实现以期望费用率最小为目标的轮对镟修策略优化, 并给出轮对剩余寿命仿真预报. 研究结果表明: 当轮缘厚度减少到27 mm至27.5 mm时, 通过镟修将轮缘厚度恢复到29mm至30mm, 这样的镟修策略能降低轮对镟修期望费用率, 并延长轮对期望使用寿命; 提出的轮对剩余寿命仿真预报法能够给出某时刻轮对剩余寿命的概率密度分布.     

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。     

基于多源信息融合与HMM的剩余寿命预测

针对设备剩余使用寿命预测问题, 提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先, 针对发动机结构复杂、监控数据参数多等问题, 提出一种基于传感器信噪比和主成分分析(principal component analysis, PCA)降维的多源传感器数据融合方法。在此基础上, 利用样本数据训练高斯混合隐马尔可夫模型, 同时为降低模型偏差并避免过拟合风险, 提出一种“定制”策略训练方法, 训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后, 通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证, 并与几种具有代表性且预测精度较高的文献方法进行了比较分析, 验证了方法的有效性。     

考虑随机失效阈值的设备剩余寿命在线预测

退化失效阈值是影响设备剩余寿命预测的重要因素。针对现有剩余寿命预测方法忽略失效阈值随机性影响的问题,提出考虑随机失效阈值的设备剩余寿命在线预测方法。首先,基于带测量误差与随机效应的非线性Wiener过程构建设备退化模型;其次,采用极大似然估计(maximum likelihood estimation, MLE)算法估计退化模型参数与随机失效阈值分布系数;然后,在考虑随机失效阈值的基础上推导出设备剩余寿命的概率密度函数(probability density function, PDF),并基于Bayesian原理实时更新退化模型参数,实现对剩余寿命的在线预测。最后,将该方法应用于陀螺仪剩余寿命在线预测分析,结果表明该方法能够有效提高剩余寿命预测的精度与准确性。     

Remaining useful lifetime prediction for equipment based on nonlinear implicit degradation modeling

Nonlinearity and implicitness are common degradation features of the stochastic degradation equipment for prognostics.These features have an uncertain effect on the remaining useful life(RUL) prediction of the equipment. The current data-driven RUL prediction method has not systematically studied the nonlinear hidden degradation modeling and the RUL distribution function. This paper uses the nonlinear Wiener process to build a dual nonlinear implicit degradation model. Based on the historical me...