基于灰色神经网络的设备剩余寿命在线预测

史华洁，薛颂东

（太原科技大学工业与系统工程研究所，太原　030024）

基于灰色神经网络的设备剩余寿命在线预测

史华洁，薛颂东

（太原科技大学工业与系统工程研究所，太原030024）

为解决高可靠复杂设备的剩余寿命通常与多个性能参数共同退化相关的实际问题，提出一种多变量灰色误差神经网络预测方法。首先，建立经过背景值优化的多变量灰色预测模型MGM（1，n），并得到原始数据序列的初始预测值。然后，利用神经网络建立残差序列与原始数据序列之间的映射关系，训练RBF神经网络。最后，将改进的MGM（1，n）模型和RBF神经网络集成，建立多变量灰色误差神经网络预测模型。实例计算结果表明，与单一预测模型相比，该方法能够有效提高预测精度。

剩余寿命；多变量灰色模型；优化；径向基神经网络

进入21世纪以来，预测与健康管理（PHM）技术在国内外得到了迅速的发展。当建立一个完整的PHM系统时，估计系统目前状态以及预测系统未来状态的能力，对视情维修决策定量化、精细化有很大影响。针对某个设备来说，预测设备的未来状态，即对该设备剩余寿命的预测。因此，对于设备健康管理的关键就是有效的预测其剩余寿命［1］。

在工程实际中，随着科学技术和工业制造水平的发展提高，众多设备表现出高可靠、长寿命的特点，传统的利用寿命数据的数据驱动预测方法对于这类设备不再适用，而通过有效利用设备的状态监测数据实现其剩余寿命预测的方法更为现实。……