多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。     

基于信息融合的航空发动机剩余寿命预测

利用航空发动机状态监测信息,考虑到信息本身具有的误差性和随机性等特点,采用贝叶斯线性模型融合了监测信息,实现了综合利用多源信息的进行航空发动机性能衰退评估;以性能衰退评估结果为输入变量,建立基于Gamma随机过程的可靠性评估模型,预测在指定性能可靠性水平下的剩余寿命.通过算例,分析了不同监测参数对剩余寿命预测的影响.该方法能将性能监测与可靠性分析集成到一个框架中,充分利用了多种状态监测信息,结果更加准确,更符合控制航空发动机维修决策风险的实际.      

潜在故障期内航空发动机的剩余寿命预测

在航空发动机的潜在故障期内,状态参数的变化规律可以间接地预测发动机的剩余寿命。针对潜在故障期内的特点,利用随机滤波理论建立了航空发动机的剩余寿命预测模型,并采用K-M法检验发动机性能参数的退化数据服从威布尔分布,按照最优线性无偏估计的点估计方法和极大似然函数法对相关参数进行点估计,举例对某型航空发动机在潜在故障期内的剩余寿命进行了预测。模型有效地预测了航空发动机的剩余寿命,为航空发动机的视情维修提供了决策依据。     

基于故障机理和伪失效寿命的 电子产品剩余寿命预测

针对传统电子产品可靠性评估中存在的不足,提出了一种基于故障机理和伪失效寿命的电子产品剩余寿命预测方法。首先,基于电子产品的故障模式、故障机理分析,确定产品敏感性能参数;然后,对敏感参数退化量进行监测,建立电子产品退化轨迹模型,利用最大似然法估计其参数;最后,根据电子产品退化轨迹,设定故障阈值,得到电子产品寿命分布。通过仿真表明,该方法评估精度较高,对电子产品的可靠性评估有一定的参考价值。     

计算缺口局部应力应变的能量法和低周疲劳寿命预测

局部应力应变法已成为预测结构零、部件疲劳寿命的有效方法。 在工程上,常常用近似的方法来计算应力应变。其中最常用的一种近似方法就是Neuber法,其优点是计算比较简单,但是,所得的局部应变往往偏大,用此应变预测疲劳寿命则偏于保守。因此,有人提出用疲劳缺口系数来代替Neuber法中的应力集中系数。     

SEP数值法在寿命预测中的应用

 为了预测精密构件如涡轮盘材料的蠕变-疲劳寿命,经实践证明应变能区分法（SEP）优于应变范围区分法（SRP）,特别是对高强度低延性材料,SEP的优越性更明显。     

燃气涡轮发动机的状态监控与故障诊断

 为了提高燃气涡轮发动机的可靠性,耐久性并降低直接使用成本,近年来发展了发动机状态监控与故障诊断系统。大量试验和使用经验证明了这个系统的有效性。目前,该系统已在航空燃气轮机,工业燃气轮机和车辆用燃气轮机上广泛应用。 本文介绍了这个系统的功能,技术要求,并着重介绍了用气动热力参数,振动和滑油分析进行状态监控及故障诊断的原理及其应用。最后,文章讨论了今后发展中的问题。     

基于BP神经网络的多应力加速寿命试验预测方法

 针对多应力加速寿命试验(ALT)中传统的寿命预测方法存在建立加速模型及求解多元似然方程组困难的缺点,基于反向传播(BP)人工神经网络(ANN),利用BP神经网络良好的预测特性,建立了多应力恒定加速寿命试验寿命预测模型。首先,以加速寿命试验中的加速应力水平和通过经验分布得到的可靠度作为网络训练输入向量;以非线性最小二乘法对原始失效数据进行拟合并得到回归方程,利用回归方程生成大量的仿真数据作为训练目标向量;然后,建立3层BP神经网络并对网络进行训练。最后,把正常应力水平和设定的可靠度输入训练好的网络,得到预测的失效时间,进而给出可靠度函数的预测曲线。通过仿真算例对本方法进行验证,预测值和仿真值相比较表明,所建立的网络能反映应力水平、可靠度与寿命的关系,为多应力加速寿命试验的寿命预测提供了新的思路。     

拉-拉应力条件下蠕变-疲劳寿命预测

 本文讨论了应变能区分法(SEP),应变范围区分法(SRP),Ostergre M(OM)和频率修改法(FM)在拉-拉应力条件下应用的可行性。分析了滞后环为半开环状态下通过实验测量获得寿命预测所需的应变分量。叙述了应变能区分法(SEP)的数值计算方法(SEP-NCM)应用的有效性和预测能力。     

多退化变量下基于Copula函数的陀螺仪剩余寿命预测方法

针对惯性导航系统中陀螺仪多退化变量条件下的剩余寿命（RUL）预测问题,提出了一种基于Copula函数的多退化变量剩余寿命预测方法。首先,针对退化变量间不同的退化轨迹,采用不同的方法进行退化建模,并对于陀螺漂移系数样本标准差数据波动性随时间递增的特性,提出了一种方差时变的正态随机过程退化建模方法,得到了陀螺仪剩余寿命的边缘分布函数。然后,通过Copula函数来描述退化变量之间的相关性,将得到的剩余寿命的边缘分布进行融合,得到了陀螺仪剩余寿命的联合分布函数。最后,通过陀螺仪实例分析验证了方法的适用性和可行性。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素.准确预测发动机的退化过程,对于飞机安全飞行具有重要意义.针对航空发动机剩余寿命预测问题,提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型.与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期...     

机场柔性跑道剩余使用寿命预估方法改进

提高机场柔性跑道的剩余使用寿命预估精度,对于机场道面安全性和维护大修决策具有重要意义。基于FAA最近研究得出的机场柔性道面CBR等式,对机场柔性跑道剩余使用寿命计算方法进行了改进,给出了计算模型和计算步骤。然后针对包括A380在内的机型组合,进行了柔性跑道剩余寿命年限的示例计算。同时与没有改进的计算结果进行了比较。     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

基于隐马尔可夫的航空发动机视情维修研究

针对传统航空发动机维修方式存在的＂维修过剩＂或＂维修不足＂的弊端,研究了航空发动机的视情维修决策模型。采用隐马尔可夫过程对航空发动机劣化过程建模,解决了传统马尔可夫过程中故障率均假定服从指数分布的局限,同时考虑了检测过程中的不完全信息情况,更贴近实际工程,相关结果可为视情维修提供辅助决策支持。通过具体示例,验证了方法的有效性和合理性。     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

装备自主维修保障的维修与库存联合优化

装备自主维修保障系统(ALS)的核心是在网络化维修保障体系内由装备剩余使用寿命评估(RULE)信息驱动维修保障决策,其能有效降低装备寿命周期成本、提高装备使用可用度.在分析RULE特性与ALS运行机制的基础上研究了ALS中装备维修和备件供应等各类成本的产生机理,以单位时间成本最小为目标提出了基于RULE的维修与库存联合优化模型,应用Monte Carlo仿真方法设计了求解最优维修保障成本的算法,并分析了RULE的漏检率与虚警率对维修保障效能的影响.     

Remaining useful life estimation for deteriorating systems with time-varying operational conditions and condition-specific failure zones

Dynamic time-varying operational conditions pose great challenge to the estimation of system remaining useful life (RUL) for the deteriorating systems. This paper presents a method based on probabilistic and stochastic approaches to estimate system RUL for periodically moni-tored degradation processes with dynamic time-varying operational conditions and condition-specific failure zones. The method assumes that the degradation rate is influenced by specific oper-ational condition and moreover, the transition between different operational conditions plays the most important role in affecting the degradation process. These operational conditions are assumed to evolve as a discrete-time Markov chain (DTMC). The failure thresholds are also determined by specific operational conditions and described as different failure zones. The 2008 PHM Conference Challenge Data is utilized to illustrate our method, which contains mass sensory signals related to the degradation process of a commercial turbofan engine. The RUL estimation method using the sensor measurements of a single sensor was first developed, and then multiple vital sensors were selected through a particular optimization procedure in order to increase the prediction accuracy. The effectiveness and advantages of the proposed method are presented in a comparison with exist-ing methods for the same dataset.     

基于退化失效与突发失效竞争的导弹剩余寿命预测

为了提高导弹剩余寿命预测结果的准确性,本文综合利用导弹的性能退化数据和突发失效时间数据,提出了基于退化失效和突发失效竞争的剩余寿命预测方法。在引入状态空间模型评估出整弹退化程度的基础上,采用Gamma过程建立退化失效模型;在假定突发失效概率与整弹性能退化程度相关的前提下,采用Weibull分布建立突发失效模型;进而建立退化失效与突发失效竞争模式下的导弹可靠度模型。案例应用证明了所提方法的有效性,对准确预测导弹剩余寿命,有效开展视情维修具有一定的工程价值。