基于动态长短期记忆网络的设备性能退化预测方法

卫炳坤 王庆锋* 刘家赫 张田雨

(1.北京化工大学 机电工程学院，北京 100029；2.北京化工大学 高端机械装备健康监控及自愈化北京市重点实验室，北京 100029；3.中国航天标准化与产品保证研究院，北京 100166)

引 言

国内炼油与化工生产装置规模大型化发展趋势明显，与其配套的旋转机械设备也向大型化、高速化、自动化和智能化方向发展，而设备故障导致的非计划停机不仅会造成巨大的经济损失，而且可能会带来灾难性的火灾、爆炸等安全事故，因此实现预测性维修对于确保设备安全、可靠运行具有重要作用。故障类型按故障发生、发展的过程分为突发性故障和渐变性故障，一般渐变性故障具有可检测性与可预测性。研究设备性能退化预测技术并开展预测性维修，可使运行维护人员来预防故障或为故障的发生做好充足准备，并最大限度地减少计划外维修带来的损失[1]，具有重要的工程应用价值和实践意义。

设备性能退化预测技术是剩余使用寿命预测技术的间接表达，通过预设报警阈值也可以达到寿命预测目的。Pecht等[2]和Lei等[3]将剩余寿命预测方法总体上分为3类：基于机理模型的方法、数据驱动的方法和两者相融合的方法。基于机理模型的方法是在深入分析设备失效机理的基础上建立退化模型，但由于实际运行设备机理模型几乎难以实现导致其应用并不广泛[4]。随着传感技术的发展以及预测和健康管理理念的深入人心，基于数据驱动的退化预测方法引起国内外学者的重视。……