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。     

基于改进相似性的装备部件剩余寿命预测及经济性储备策略

针对传统基于相似性的剩余寿命(remaining useful lifetime, RUL)预测方法未考虑运行条件差异, 从而影响预测准确性及部件储备策略科学性的问题, 提出一种基于改进相似性的装备部件RUL预测及经济性储备策略。基于提出的改进相似性方法, 区分装备部件的运行条件类别, 通过各类别内服役部件和参考部件的性能状态相似性, 预测服役部件的RUL; 基于RUL预测结果, 以装备部件维修储备总费用最低为目标, 以资源利用率为约束, 建立经济性储备策略决策模型; 采用差分进化算法对模型寻优求解, 得到最优装备部件储备策略。实例分析表明, 所提方法能够有效提升RUL预测的准确性和部件储备策略的科学性, 具备工程应用价值。     

数据驱动与模块化控制模型相结合的生产系统快速建模方法

为了快速建立面向离散型生产系统的仿真模型以及提高模型的可维护性、可扩展性,提出了数据驱动与模块化控制模型相结合的仿真建模方法.该方法将仿真建模过程划分为设计阶段和开发阶段,在设计阶段,利用IDEF0和IDEF1X建模方法构建模型的底层数据结构;在开发阶段,建立各种模块化模型模板,并构建模型生成器,模型生成器利用底层数据结构提供的属性信息,自动对模型化模型模板进行实例化,快速构建面向具体应用对象的仿真模型.最后以某研究所的机加车间为例,验证了该方法的有效性.     

基于数据驱动的攻击时间和攻击角度控制导引律

为了提高导弹突防能力并有效打击目标,对同时实现攻击时间和攻击角度控制的导引律进行了研究。基于一种以数据驱动为核心的方法,将导引过程分为第一阶段攻击时间控制和第二阶段攻击角度控制。根据攻击角度控制导引律生成驱动数据,采用人工神经网络技术建立了剩余飞行时间映射网络,据此求得攻击时间控制阶段的攻击时间误差。基于比例导引法,利用攻击时间误差设计出攻击时间控制导引律,从而使导弹同时实现攻击时间和攻击角度控制。仿真结果表明,所提出的导引律在不同条件下均能有效实现攻击时间和攻击角度控制,与现有文献相比,最大过载减少约43%,需用控制总能量减少约46%。     

基于EMD的数据驱动模型在径流预测中的应用

为提高径流预测的准确性,提出一种经验模态分解EMD(Empirical Mode Decomposition)与数据驱动模型相结合的径流预测方法。该方法运用EMD将汾河上游兰村、汾河水库和上静游三个水文站年径流序列分解为随机分量和趋势分量,分别选择合适模型对各分量进行合理预测,再拟合各分量预测结果得到最终的年径流预测值。结果表明,通过EMD分解,预测效果有明显提高,满足规范要求,计算方法可行。预测结果可为汾河上游防洪抗旱规划,水资源管理提供科学的依据。     

一种基于领域本体和模型驱动的装备保障信息化策略

提出了一种在DODAF框架下,建立装备保障领域本体模型,基于本体模型实施战略咨询得到业务模型作为PIM,通过特定建模语言将PIM改写为PSM,驱动信息系统的装备保障信息化策略.     

CVaR下基于Ф-散度的单周期库存鲁棒优化模型

在离散随机需求情景及概率不确定条件下,针对风险厌恶的库存管理者,建立了基于条件风险值(CVaR)的单周期库存鲁棒优化模型.在仅知离散需求情景条件下,结合统计学理论,采用Ф-散度构建了一定置信水平下的不确定需求概率的置信域;运用拉格朗日对偶理论,将单周期库存鲁棒优化模型转化为易于求解的数学规划问题.特别地,给出了仅知需求情景数据下,基于数据驱动的单周期库存策略.最后,进行了数值计算,分析了不同风险厌恶程度、Ф-函数形式和抽样规模对库存策略和库存管理者绩效的影响.结果表明,基于Ф-散度的鲁棒库存策略具有良好的鲁棒性,能够有效抑制需求概率不确定性对库存绩效的影响.进一步,与数据驱动结果对比,发现基于Ф-散度的鲁棒库存策略能够保证库存管理者获得更为理想的绩效,表明对需求数据所蕴含的统计信息的挖掘能够有效改进库存管理者的运作绩效.     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

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.     

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。     

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...     

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。     

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。     

基于油液中金属浓度梯度特征的滤波剩余寿命预测模型

基于随机滤波理论的剩余寿命预测模型是基于状态的维修的重要组成部分. 首先根据设备磨损过程,建立了磨损、金属粒子浓度和剩余寿命三者的函数关系. 进而针对滤波模型基于油液信息进行预测时的局限性,建立了基于油液浓度梯度特征的滤波模型. 此模型无需对监测信息中的换油影响进行线性回归处理,从而减少了误差,并以金属浓度梯度特征建模,完善了状态信息与剩余寿命之间的负相关关系. 然后设计了极大似然参数估计方法,在参数估计过程中考虑了截尾数据对估计值的影响. 最后以某型自行火炮发动机的油液光谱分析数据为例,实现了发动机的剩余寿命预测,结果表明了该模型的可行性和有效性.     

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...     

基于贝叶斯融合与仿真的系统剩余寿命预测

针对复杂设备的系统级剩余寿命预测问题,提出一种将贝叶斯理论与仿真相结合的融合预测方法.首先,采用仿真方法将单机级的多源失效信息折合到系统级,并转化为验前分布.然后,结合系统级的现场试验数据,获得多源信息的验后分布,并通过加权融合确定联合验后分布,从而预测系统的剩余寿命.最后,以某系统作为实例进行方法验证.结果 表明,所...