随机退化应力作用下设备剩余寿命预测方法

许晓东,唐圣金,谢建,于传强,王凤飞,韩洋洋

(火箭军工程大学 兵器发射理论与技术国家重点学科实验室,陕西西安 710025)

0 引言

设备安全、可靠的工作高度依赖于健康性能,然而,设备在运行过程中会逐渐老化,进而导致性能降低甚至失效,进一步引起系统的停机甚至灾难性事故。因此,很有必要采取措施来保证设备的安全性和可靠性。工程实践表明,预测与健康管理(PHM)技术可以减少维护费用、提高设备的可靠性和安全性、降低失效事件发生的风险。PHM包含两层含义,一是预测,通过对设备的故障诊断和健康状态监测,预测设备的有效性和剩余寿命;二是管理,根据预测信息和使用要求等信息,做出最优维护策略。可见,该技术的关键问题是通过状态监测数据预测剩余寿命,进一步评估设备的安全性和可靠性,并确定最佳维护管理策略。综上所述,有效的剩余寿命预测对提高设备使用过程中的可靠性与安全性具有重要意义。

目前,基于数据驱动的设备剩余寿命预测方法已经逐步成为故障预测与健康管理领域的研究热点。该类方法主要包括滤波、机器学习和统计学习。滤波主要包括卡尔曼滤波和粒子滤波等,卡尔曼滤波只适用于线性高斯模型,粒子滤波在重采样过程中存在着样品简并、粒子贫化等问题。机器学习的方法是通过机器模拟人脑学习数据的特征并训练退化模型,然后预测设备的剩余寿命,根据学习的深度可以分为浅层学习和深度学习。……