基于不完美先验信息的随机系数回归模型剩余寿命预测方法

剩余寿命预测是设备预测与健康管理的核心问题，准确的剩余寿命预测可以在故障发生前进行有效的维护保养，以减小设备故障发生的概率。针对实际剩余寿命预测中先验信息不足或缺乏的问题，提出一种克服不完美先验信息影响的启发式剩余寿命预测方法。首先，利用非线性随机系数回归模型进行退化建模。其次，证明了基于单个设备现场退化数据，期望最大化（EM）算法的参数估计结果收敛于极大似然估计（MLE）算法的参数估计结果，并提出一种合理融合先验信息和现场信息的启发式剩余寿命预测方法。最后，通过数值仿真数据和实际锂电池退化数据对提出的结论和方法进行了验证，结果表明:启发式剩余寿命预测方法相比传统贝叶斯方法能够较好地克服不完美先验信息的影响，更为准确的预测设备地实际剩余寿命。      

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

未知载荷条件下机械系统剩余寿命预测方法

针对无法确定复杂机械系统的随机工作载荷的问题,提出了一种基于隐半马尔可夫模型(HSMM)的寿命预测方法。在完成基于隐半马尔可夫模型的载荷空间构建后,引入前向-后向过渡参数,并结合Viterbi算法对模型参数进行求解,通过估计参数预测随机未来载荷的转移走向及对应的概率。将载荷预测的结果结合基于多传感器信息的寿命预测模型预测系统的剩余寿命。使用NASA的商用模块化航空推进系统仿真数据验证所提方法的有效性和正确性。      

基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.     

双时间尺度下基于Transformer的锂电池剩余寿命预测

准确预测锂离子电池剩余使用寿命对于掌握其健康状况和管理备件资源具有重要作用.现有锂电池剩余寿命预测方法大多局限于以循环次数为主的预测结果,本质上属于面向单一时间尺度的方法,忽略了锂电池健康状态受循环次数与工作时长双重时间尺度下的退化综合影响的现实问题.提出一种双时间尺度下基于Transformer的锂电池RUL预测模型.该方法选取容量作为表征其性能退化的关键指标,通过Kalman滤波和滑动时间窗对电池容量数据进行处理获取训练集和测试集,有效提取双时间尺度中蕴含的寿命信息,并充分考虑不同时间尺度寿命信息间的相互关系,建立容量与双重时间尺度的映射关系,实现了锂电池在双时间尺度下的RUL准确预测.通过锂电池实例验证了所提方法的有效性和潜在应用价值.     

星载原子钟在轨剩余寿命预测方法研究

原子钟是导航卫星最关键载荷之一, 开展原子钟健康状态评估与寿命预测相关工作, 对于及时掌握原子钟性能和运行状况, 确保卫星导航系统提供高可用性连续性完好性的服务, 具有重要意义。结合星载原子钟在轨失效特性分析, 提出了一种综合考虑原子钟随机失效与耗损失效的剩余寿命预测方法。该方法融合利用原子钟寿命周期内产生的多源多维数据, 通过概率统计和机器学习的途径实现原子钟的剩余寿命预测。经案例验证, 所提方法合理有效, 具有一定的工程应用价值。      

基于测量确定性或诊断性参数对剩余使用寿命的判定

在测量确定性或诊断性参数基础上,介绍了发生故障前在使用寿命的扩散分布过程中对剩余寿命评估的方法。在使用中当不能测量寿命(确定性)参数,但能测量某些诊断性参数(一个或几个),而这些参数能间接的反映了项目寿命的消耗时,那么必须进行预先研究适应于寿命(确定性)参数极限值的诊断性参数极限值,然后就能按照使用中测量的诊断性参数来预测该项目的剩余使用寿命。在这种情况下提出了剩余使用寿命预测的数学模型。     

状态划分下基于Bi-LSTM-Att的轴承剩余寿命预测

准确预测滚动轴承剩余使用寿命(remaining useful life, RUL),对于保证工程设备安全稳定可靠运行具有极其重要的作用.现有深度学习预测方法往往直接建立振动监测数据与剩余寿命之间的映射关系,通常忽略滚动轴承性能退化的不同状态差异性,且并未考虑深度学习模型所提取各类特征的差异性,给剩余寿命预测结果带来了极大的偏差.鉴于此,提出一种新型滚动轴承退化状态划分方法和RUL预测方法.提取轴承振动信号的特征,利用Mann-Kendall检验法进行趋势判断,确定出退化期的起始点;通过归一化奇异值相关系数走势确定出慢速退化期的终点;构建基于融合注意力机制的双向长短时记忆网络(bidirectional long short-term memory with attention, Bi-LSTM-Att)的滚动轴承RUL预测模型,利用所截取的慢速退化期数据与对应RUL标签训练预测模型实现RUL预测.通过轴承公开数据集验证所提方法对轴承RUL预测的准确性和有效性.     

面向装备RUL预测的平行仿真技术

装备平行仿真是系统建模与仿真领域的新兴仿真技术,已经成为研究热点。在装备维修保障领域中,分析了装备剩余寿命（RUL）预测存在的突出问题,即模型参数固定、不具备自适应演化能力,成为阻碍实现装备剩余寿命自适应预测的首要因素。结合装备平行仿真理论,在建模分析的基础上提出了面向装备剩余寿命预测的平行仿真框架,该框架以Wiener状态空间模型为基础仿真模型,在动态注入的装备退化观测数据驱动下,利用期望最大化（EM）算法在线更新模型参数,并利用卡尔曼滤波（KF）算法实现仿真输出数据与观测数据的同化（DA）,从而实现仿真模型动态演化,使得仿真输出不断逼近装备真实退化状态,为准确预测剩余寿命提供高逼真度仿真模型和数据输出。以某轴承性能退化数据为数据驱动源,对该框架进行了验证,仿真结果表明平行仿真方法能准确仿真装备性能退化过程,在提高预测精度的基础上实现了装备剩余寿命的自适应预测,有力证明了平行仿真方法的可行性和有效性。      

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

航电设备故障诊断中的决策算法

设计了故障诊断专家系统中的多属性决策算法.分析了诊断决策算法对诊断效率的影响.根据各属性对诊断决策的影响,对属性值进行规范化.采用线性加权函数来评价各故障的优先级,利用对故障发生概率的偏好性求解各属性权值.设计修正向量对评价函数进行修正以满足它在属性边界点上跳变特性.通过实验分析了该多属性决策算法在不同情况下对诊断效率的提高程度.      

一种基于多虚拟观测量的组合导航自主完好性监测方法

完好性用于导航系统出现故障的情况下提供及时的告警,是生命安全类用户需要考虑的重要性能指标.基于惯性导航系统(INS)辅助的卫星导航自主完好性监测算法,提出了一种利用INS构造3颗虚拟卫星观测量的组合导航系统自主完好性监测方法,通过构造视线方向相互垂直的3颗卫星,最大限度利用组合导航中INS的导航信息,在2颗可见星条件下...     

大虚警率下的多故障诊断算法

主要研究不可靠测试下多信号模型的多故障诊断问题。最优的多故障诊断是计算复杂度完全类(NP-Complete)问题,因此大型系统的诊断一般只能用次优的随机搜索算法。次梯度优化算法能够在虚警概率较小时给出较好的结果,但如果测试个数很多且虚警概率较大时,该算法就不能消除虚警的影响,会使估计的故障覆盖所有失败的测试,而不是找到系统真实的故障。针对这一问题,提出了能够同时考虑虚警和误警的目标函数,使算法能排除虚警的测试准确定位故障,并用改进的遗传算法搜索故障部件提高诊断速度。仿真诊断结果表明,同时发生故障的部件个数较少时,遗传算法的诊断速度明显优于次梯度优化算法,而且能够更有效地抑制虚警的影响。     

考虑系统不确定性的高超声速飞行器容错控制

针对一类含有执行器失效故障和范数有界不确定性的系统,提出了一种鲁棒容错跟踪控制设计方法。该方法利用有界实引理,给出了保证闭环系统稳定且满足鲁棒性能要求的线性矩阵不等式（LMI）的表达式;为了削弱控制器的保守性,使用不同的Lyapunov变量对应不同的系统状态;由此带来的非凸优化问题,发展了一种迭代线性矩阵不等式算法。考虑到该迭代算法的收敛性取决于初值的选择,经过推导给出了一种求解合适初值的算法。将该算法应用于高超声速飞行器X-33跟踪控制器的设计,仿真结果表明本文算法是可行和有效的。      

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

总线互连故障的一种快速诊断算法

数字总线的互连测试与故障诊断对于电子产品的生产和维护具有重要的意义.针对现有算法存在冗余测试以及测试时间长等问题,通过对总线互连故障的特征分析,提出了一种自适应快速诊断算法.该算法将测试过程分成两个阶段:第1阶段,诊断各个超网络上的短路和呆滞故障,按照短路关系将超网络分成若干集合;第2阶段,根据第1阶段的分组结果,对各集合中的超网络加载"并行走步1"向量,以诊断其开路故障.仿真结果表明,该算法可在保证故障诊断最大化的前提下,减少冗余测试,有效压缩测试向量长度,实现故障的快速诊断.      

基于键合图模型的传感器布局方法

为研究传感器布局对于故障诊断性能的影响,使用键合图方法对系统建模。通过在键合图模型中设置虚拟传感器模拟测点,利用键合图的结构信息和因果关系约束推导出一组解析冗余关系式,即系统残差,通过分析残差、故障及传感器配置的关系,提出了一种基于满足故障检测性和隔离性要求的传感器布局方法,在最大限度满足系统诊断性能前提下选择数量最少的传感器配置方案。最后,以同步发电机为例建立键合图传感器布局模型,通过残差推导其结构故障特征矩阵以及传感器特征矩阵,并对所提出的传感器优化布局方法进行验证,得出在参数性故障检测和隔离性能最高前提下的传感器配置方案。      

导弹增量式自适应容错控制系统设计

导弹在实际飞行中存在气动参数不确定、执行机构故障等问题,从而对导弹飞行控制系统稳定性与操控能力造成严重影响。为此,设计一种增量式自适应容错控制方法,在实现导弹安全控制的同时,兼顾姿态控制算法时效性与可靠性。建立面向控制的三通道耦合姿态动力学模型;考虑系统不确定性和执行机构故障,基于增量式动态逆方法设计导弹被动容错控制律;基于自适应滑模控制与增量式动态逆方法,设计增量式动态逆自适应容错控制律,并对系统残差进行分析比较;通过某典型全弹道姿态跟踪任务,验证舵面故障下的姿态跟踪特性。仿真结果表明:所提方法在故障未知的情况下,能够保证飞行控制系统的鲁棒性与容错能力,实现导弹的安全可靠控制。      

直升机行星架疲劳裂纹扩展寿命预测

直升机行星齿轮保持架（简称行星架）是传动系统的重要部件,其可靠性对于直升机的飞行安全至关重要。行星架疲劳裂纹故障的发生、发展受多种因素影响,其故障诊断和寿命预测都有难度。为准确预测行星架疲劳裂纹寿命,研究了其裂纹故障发生、发展规律,提出了基于对数线性的方法,将裂纹扩展过程离散化处理,采用Paris公式,定量描述裂纹扩展速率,结合Miner准则,累积其疲劳损伤过程,最终得到随裂纹长度变化的行星架剩余使用寿命数值。利用有限元软件ANSYS Workbench的疲劳寿命模块对计算得到的数值结果进行了仿真对比,验证了方法的精确性和有效性。