基于灰色卡尔曼的排水离心泵剩余寿命预测

洪恩雨，鲍裕光，刘 明

(中国医科大学附属盛京医院，辽宁 沈阳 110000)

0 引言

现阶段，云计算与大数据处理技术呈现快速发展的趋势，促进了工业技术工程应用领域的各项技术进步[1-2]。在排水系统的设备寿命管理过程中，大数据处理技术也开始发挥越来越大的作用；采用多元化的指标来评价寿命的衰退指标，当排水设备各项指标达到正常状态后，才可以判断设备处于实现正常运行。通过引入多变量进行综合分析，可以提高预测的准确性。进行寿命预测时，需要对上述信息进行综合分析，从而获得更优的效果[3-7]。

到目前为止，已有很多学者开展了寿命管理方面的研究工作。贺国等[8]对排水离心泵工作阶段的出口压力变化与振动特征信号进行了采集，同时设置了相应的特征集，以达到识别故障的目的；通过测试发现，采用上述方法获得了良好分类效果，可以识别出振动过程中94.1%的故障信号，以及99.2%的压力波动信号。何庆飞等[9]则选择M型发射光谱仪，检测油液在CB-KP63齿轮泵内的流动情况；根据油液内的Fe含量变化，评价液压泵寿命；建立Grey-SVM模型，根据测定的80组铁元素光谱数据预测泵寿命，可以获得99.4%的预测精度。段礼祥等[10]则综合运用模糊评价和层次分析的方法，构建评价模型，并在此基础上评价了排水离心泵运行稳定性与安全性。综合考虑管理、水力等因素，总共设置了优、良、中、差、劣共五个安全等级，以此评价排水离心泵的安全等级。

考虑到对排水离心泵进行寿命老化测试期间只能获得有限数据，同时也无法根据设计寿命预测指标对排水离心泵各项状态特征进行全面分析，因此本文选择灰色卡尔曼模型预测排水离心泵剩余寿命。……