一种用于非线性随机退化设备剩余使用寿命预测的反向建模直接方法

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：A reverse modeling direct method for remaining useful life prediction of nonlinear stochastic degrading device

　　

田美丽|蔡振宇|张格若|司晓生|高雷

摘要

本文针对现有数据驱动方法难以准确高效地估计复杂非线性随机退化设备剩余使用寿命（RUL）的概率密度函数（PDF）这一挑战进行了研究。为克服这一限制，提出了一种基于逆向建模的直接RUL预测方法，该方法通过包含离线训练和在线更新的两阶段框架来实施。在离线训练阶段，建立了一个结合确定性和随机因素的逆向退化模型：确定性因素通过深度神经网络（DNN）进行建模，而随机因素则采用截断正态分布来描述。随后，利用历史设备的逆向退化数据对DNN进行训练，以确定网络结构和相应参数。接着，基于确定性成分的预测残差，通过最大似然估计（MLE）方法估算随机因素的方差。在在线更新阶段，计算在役设备的监测数据与历史相似设备数据之间的动态时间弯曲距离（DTWD），并选择DTWD最小的历史设备对预训练的DNN进行微调。最终，通过将故障阈值直接代入经过训练和更新的逆向退化模型中，无需复杂转换即可得到RUL的PDF。最后，分别利用铣刀刃口磨损数据和锂离子电池容量退化数据，验证了基于逆向建模的直接RUL预测方法在非线性随机退化设备应用中的可行性、便捷性和有效性。