针对具有多维状态变量、多种工作模式和故障模式的复杂工程系统,提出一种基于综合健康指数(synthesized health index,SHI)与相关向量机(relevance vector machine,RVM)的系统级失效预测方法。在离线训练阶段,先根据有限失效历史数据建立各工作模式下的健康评估模型,并据此获得各历史退化轨迹的SHI序列;然后再使用RVM对这些序列进行回归处理,进而辨识出与回归曲线最为匹配的函数模型。在线预测阶段,先运用健康评估模型计算当前设备的SHI序列并进行RVM回归,再拟合出离线阶段确定的函数模型并添加时变噪声;最后,外推预测出系统剩余使用寿命的概率密度分布。该方法成功应用到涡轮发动机的失效预测案例。
【英文摘要】
For complicated engineering systems with multiple health indicators,multiple operation and fault modes,a system-level failure prediction method is presented based on the synthesized health index(SHI)and the relevance vector machine(RVM).In the offline training phase,the health assessment models for each operation mode are firstly developed using historical data,which then will be utilized to calculate the corresponding SHI sequences for each degradation path.Moreover,the model that has the best fit to the h...
【基金】
航空科学基金(20100751010);
北京市自然科学基金(4113073)资助课题
【更新日期】
2015-10-19
【分类号】
TK14
【正文快照】
0引言新兴的预测与健康管理(prognostics and health manage-ment,PHM)技术具有降低对象系统的维护成本、提高其安全性与可靠性的显著意义,未来它将在航空航天、武器装备等高可靠性和维护性要求的领域发挥至关重要的作用[1]。故障/失效预测技术是PHM技术的核心,同时也是它的研?
| 
推荐 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
