多源传感监测线性退化设备数模联动的剩余寿命预测方法

随着先进传感与监测技术的快速发展,实时获取随机退化设备的多源传感监测数据已成为现实,如何有效融合多源传感监测数据以实现随机退化设备剩余寿命的精准预测成为剩余寿命预测领域的研究前沿。针对多源传感监测的线性随机退化设备,提出了一种考虑随机失效阈值的数模联动剩余寿命预测新方法。该方法在离线训练过程中,基于多源传感历史数据提取的复合健康指标及据此线性随机退化建模预测的寿命,构建综合寿命预测值与设备实际寿命的均方误差及寿命预测方差的优化目标函数,形成复合健康指标提取与随机退化建模的反馈闭环,对多源传感器融合系数和复合健康指标对应的随机失效阈值分布参数进行优化调整,以实现复合健康指标提取与随机退化建模的自动匹配,即数模联动。在线预测时,根据提出的数模联动方法,融合实际运行设备的多源传感监测数据以获取复合健康指标,然后采用随机模型对其演变过程进行建模。同时,为使模型实时反映设备当前状况,提出了一种退化模型参数的贝叶斯更新方法,在此基础上基于首达时间得到了考虑设备失效阈值随机性的剩余寿命概率分布。最后,基于航空发动机的多源传感监测数据,验证了所提方法在改善复合健康指标特性和提高剩余寿命预测准确性方面的...     

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。     

随机环境应力冲击下基于多参数相关退化的导弹部件寿命预测

为了解决某型导弹部件的贮存寿命预测问题,提出了一种随机环境应力冲击下基于多参数相关退化的寿命预测方法。针对产品存在退化失效与突发失效两种失效模式,利用Wiener、Gamma及Inverse Gaussian等随机过程模型拟合各性能参数的退化数据,并采用Copula函数进行相关性退化失效建模;利用随机环境应力冲击解释突发失效的机理,并采用非均匀泊松过程对突发失效建模;进而建立退化失效与突发失效竞争的贮存寿命预测模型。实例应用说明所提方法能够反映出导弹部件的失效规律,比传统预测方法具有更高的预测准确性,具有较好的工程应用价值。     

融合加速退化和现场实测退化数据的剩余寿命预测方法

针对先验信息为加速退化数据的情况,提出了利用非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法。不预先假定Wiener过程参数值的分布类型,利用加速系数将加速应力下的参数值折算到工作应力水平下,进而使用Anderson-Darling方法确定参数值的最优拟合分布类型。在对参数值进行折算时,根据周源泉提出的理论对Wiener过程参数与加速应力之间的关系进行了推导。参数估计时,通过极大似然法得到超参数的估计值,利用WinBUGS软件实现Markov Chain Monte Carlo仿真得到参数的后验均值。通过某型军用电连接器寿命预测实例验证了所提方法的实用价值和研究意义,结果表明本方法可有效解决先验信息为加速退化数据时进行剩余寿命预测的难题。     

基于多尺度自适应注意力网络的剩余寿命预测

剩余寿命预测是复杂设备系统智能维护决策的关键和前提。不同指标数据间的潜在关系给预测的精度带来了挑战,参数的选择也增加了模型预测的困难。采用多尺度自适应注意力网络训练方法,别从纵向和横向两个维度融合数据间的特征关系,给出分段非线性目标函数,提高了预测的精度,降低了预测的均方根误差。使用自适应机制自动选择卷积核大小,提高了网络训练的效率。通过对涡扇发动机数据集进行实证分析验证了该方法在复杂系统剩余寿命预测中的有效性。     

基于性能非线性退化统计模型的发动机剩余寿命预测

针对航空发动机在性能退化过程中普遍存在的非线性和不确定性问题,提出一种基于非线性退化数据的统计模型和剩余寿命预测方法。通过对发动机性能真实退化轨道的分析,采用统计回归的建模方法建立发动机退化轨道模型,利用发动机的历史数据,通过最小二乘估计求解模型中的未知参数;根据贝叶斯准则,以发动机实时监测数据与参数的先验分布对模型中的参数进行实时更新,以发动机性能退化量首次达到红线值作为失效依据,采用蒙特卡洛仿真的方法得到发动机剩余寿命分布,实现了对个体发动机剩余寿命的预测;通过试验数据进行发动机剩余寿命的预测,验证了该方法的准确性。结果表明：根据发动机退化数据结合退化模型得到的个体发动机剩余寿命实时预测值末端均方根误差为0.02588,可以辅助指导维修决策。     

基于CDBN与BiLSTM的多元退化设备剩余寿命预测

基于多传感器对复杂工业设备的多元健康状态进行监测,进而实现设备更全面准确的性能评估、剩余寿命预测与健康管理已逐渐推广应用。针对一类监测数据呈现大规模、非线性、高维化等特点的多元退化设备,提出了一种基于连续深度置信网络(CDBN)与双向长短期记忆(BiLSTM)网络的剩余寿命预测方法。首先,通过CDBN对监测到的性能退化数据进行分析,提取出反映多元退化设备隐含深层次特征的健康指标;然后,根据构造的健康指标,利用BiLSTM网络挖掘其时序信息和退化趋势,预测多元退化设备的剩余寿命;最后,利用蒙特卡洛仿真技术得到剩余寿命的区间估计,并通过商用模块化航空推进系统数据集验证所提方法的有效性和先进性。结果表明：所提方法能够有效提高此类设备的剩余寿命预测准确度,具有潜在的应用价值。     

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。     

一种基于高斯混合模型粒子滤波的故障预测算法

针对一类故障预测问题提出了一种基于粒子滤波的故障预测算法。在算法的状态估计阶段,采用联合估计和粒子滤波同时估计对象系统故障演化模型状态和未知参数的后验分布。在算法的状态预测阶段,采用了两种不同的计算方法：一种方法是对状态变量当前时刻的后验分布进行迭代采样,从而获得未来时刻的状态变量的先验分布;另一种方法是采用数据驱动的方法预测未来一段时间内对象系统的量测信息,从而将未来时刻状态变量的先验分布的预测问题转化为一个求解后验分布的估计问题。采用高斯混合模型近似随机变量分布密度,从而将两种方法的计算结果在一个统一的预测框架之下进行有效交互,进一步提高了预测的准确性和可靠性。在算法的决策阶段,在获取的故障演化模型状态变量分布基础上,结合一定的故障判据近似计算出对象系统剩余寿命分布。故障预测仿真实验结果证明了所提算法的有效性。     

基于EM-KF算法的直升机主减速器剩余寿命预测方法

为解决间接状态监测数据下直升机主减速器剩余寿命预测难以估算的难题,提出了一种卡尔曼滤波和期望最大化算法相结合的剩余寿命预测方法.该方法可以根据不断更新振动信号特征值迅速且有效地估计出模型参数,进而预测不同运行时间主减速器的剩余寿命分布,最后对主减速器试验数据进行了案例分析.结果表明:该方法能够有效估计主减速器的剩余寿命分布,通过与主减速器剩余寿命准确值对比发现,剩余寿命准确值绝大多数落于剩余寿命预测值的95%置信区间内,表明该方法具有好的准确性,进而避免故障的发生.      

多特征注意力的航空发动机剩余寿命预测模型

航空发动机性能退化趋势复杂,适时地对其进行剩余寿命预测和检修维护十分重要。提出一种基于多特征注意力的膨胀卷积网络模型来预测航空发动机剩余使用寿命,利用膨胀卷积增强提取序列数据时序信息的能力,同时建立残差连接以改善传统卷积网络中的梯度消失问题。首先采用定长滑动时间窗沿时间维度截取数据,对数据进行重构;再对每个特征对应的时间序列单独应用膨胀卷积提取时序信息;引入特征注意力机制计算各特征之间的相对重要性;在公开的航空发动机数据集上进行验证,并对比现有的主流预测方法。结果表明：该模型在时间序列数据预测方面有着更高的精度。     

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.      

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

部分可观测信息条件下装备剩余寿命预测

 针对部分可观测信息条件下退化系统的剩余寿命(RUL)预测问题,综合利用装备的历史寿命信息和性能退化信息,采用隐马尔可夫模型(HMM)对系统进行状态评估,得到系统的转移概率矩阵和观测概率矩阵;采用Bayes方法不断更新系统状态空间的条件概率分布;利用比例故障率模型(PHM)对系统进行可靠性分析,得到系统的故障率和可靠度函数,进而得到装备的剩余寿命分布。研究表明,该方法可较准确地预测装备的剩余寿命,为保障人员提供科学的维修决策依据。     

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.     

考虑随机冲击影响的自适应Wiener过程剩余寿命预测方法

现有针对存在随机冲击影响的退化设备剩余寿命预测(RUL)方法, 不适用于退化设备测量间隔分布不均匀、监测数据的测量频率与历史数据频率不一致的情况, 并且未考虑将来退化过程中自适应漂移的可变性。鉴于此, 基于自适应Wiener过程, 提出了一种考虑随机冲击影响的非线性退化设备剩余寿命预测方法。首先, 利用正态分布描述随机冲击对设备退化量的影响, 建立融合随机冲击影响的自适应Wiener过程退化模型, 推导出首达时间意义下剩余寿命的解析表达式。然后, 通过考虑退化漂移可变性和随机冲击对退化率的影响, 构建出状态空间模型实现设备剩余寿命在线更新, 并应用期望最大化方法实现模型参数估计。最后, 通过数值仿真以及惯性导航系统陀螺仪、锂电池2个实例, 从不同角度验证了所提方法的有效性和实用性。     

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。     

基于长短期记忆网络与轻梯度提升机的航空发动机大修期内剩余寿命预测

针对航空发动机大修期内由性能主导的剩余使用寿命预测中复杂设备具有状态变量多、非线性特征严重的特点以及单一模型面临特征提取不充分、预测精度不足等问题,提出一种长短期记忆网络(LSTM)与轻梯度提升机(LightGBM)的组合新模型方法进行大修期内剩余使用寿命(RUL)预测.通过LSTM对原始数据进行特征提取,将LSTM的输出门中特征提取后的数据作为LightGBM模型的输入进行RUL预测.利用NASA提供的发动机实测数据集进行了仿真试验,实现了对单个发动机的RUL预测,并与其他6种模型预测结果进行对比,对其预测剩余使用寿命的有效性进行验证.结果表明:LSTM和LightGBM组合模型比其他模型的预测误差显著减小,其4组数据集均方根误差仅为12.45、20.23、12.58、21.75.