对于随机降解设备的剩余有用寿命预测方法,考虑到预测性维护

科学领域:

• 工程 工程师 工程师 工程师
• 可靠性工程可靠性工程
• 数据科学数据科学数据科学

背景情况:

• 预测性维护对于设备的寿命至关重要,但经常忽视维护对传感器数据和可维修系统的RUL的影响.
• 由于预防性维护对降解的影响未得到解决,现有的RUL预测方法可能缺乏准确性.
• 由于维护干预,可维修的降解设备在RUL估计中存在独特的挑战.

研究的目的:

• 开发适应性剩余使用寿命 (RUL) 预测方法,用于可修复的降解设备.
• 通过考虑维护不完美的影响来提高RUL预测的准确性和适应性.
• 为恶化系统的健康管理提供一个强大的框架.

主要方法:

• 建立了一个阶段性降解模型,使用自适应的维纳工艺来结合不完美的维护效应.
• 根据第一次撞击时间 (FHT) 概念推导出RUL的概率分布,整合了维护对降解的影响.
• 开发了一种模型参数识别和更新方法,使用最大概率估计和贝叶斯推理,考虑设备变化.

主要成果:

• 拟议的自适应式RUL预测方法有效考虑了维护对降解的影响.
• 该模型在预测可修复设备的RUL方面表现出更好的准确性和适应性.
• 通过数值模拟和现实世界陀螺仪退化数据的验证证实了该方法的有效性.

结论:

• 适应式RUL预测方法在管理可修复的降解装置方面取得了重大进展.
• 对维护影响的核算对于在这些系统中准确预测RUL至关重要.
• 开发的方法提高了设备寿命管理和操作可靠性.