《健康流形空間中機電部件性能衰退預測的典型問題研究》是依託北京航空航天大學，由呂琛擔任項目負責人的面上項目。
基本介紹
- 中文名：健康流形空間中機電部件性能衰退預測的典型問題研究
- 依託單位：北京航空航天大學
- 項目負責人：呂琛
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
針對當前機電部件性能衰退預測存在的“變工況條件下性能衰退預測的適應性”、“截斷數據下性能衰退預測的有效性”、“中長期性能衰退預測的準確性”三類典型問題，基於“事物客觀演化規律存在”的前提，本申請在現有性能衰退預測理論和方法研究基礎上，結合現代微分幾何、物理學理論與“系統多學科特性能從不同側面反映被監測對象的客觀演化規律、健康流形空間（高維幾何空間）中的多特性參數信息融合可能凸顯系統的客觀演化規律、最佳化和改進傳統的性能衰退預測方法以提高預測精度”思想，在高維流形空間（健康流形空間）中，依次開展：（一）機電部件性能衰退特徵參數提取與表征、（二）機電部件變工況條件下性能衰退預測、（三）機電部件不完全/截斷數據條件下性能衰退預測、（四）機電部件中長期性能衰退預測等研究。從而在已有數據條件下，儘可能客觀全面地揭示性能退化規律，力爭在統一的幾何框架下，綜合解決機電部件性能衰退預測的上述三個典型問題。
結題摘要
機電系統日趨複雜、運行環境多樣，由此帶來了故障的多發性、致命性、隨機性、交聯性等問題，導致了複雜系統維護面臨著更加嚴峻的挑戰。如何根據系統的實際健康狀態合理地制定維護計畫，防止設備和產品因故障而失效，已成為降低運作成本、提高運行安全、生產效率和市場競爭力的重要手段。然而，作為解決上述問題的核心關鍵技術——性能衰退預測，由於機電系統及部件演化規律認識的局限性、運行環境的多變性、預測方法使用條件的依賴性等因素，使得機電系統性能衰退預測仍存在諸多問題亟待解決。本研究針對當前機電部件性能衰退預測存在的“變工況條件下性能衰退預測的適應性”、“截斷數據下性能衰退預測的有效性”、“中長期性能衰退預測的準確性”等三類問題，藉助於流形學習理論、深度學習、隨機深度認知、幾何形態學、集成學習技術，以及其他智慧型化技術方法，深入研究了：1、健康流形空間中，健康狀態及演化過程的描述與幾何度量技術研究；2、變工況條件下健康流形空間中性能衰退預測技術研究；3、完全截斷數據條件下健康流形空間中性能衰退預測技術研究；4、流形空間下剩餘壽命預測技術（中長期預測）研究。本研究結合一系列相關典型機電產品對各項研究內容及關鍵技術進行了測試驗證，結果表明：基於上述研究工作，實現了多維度故障/衰退特徵自提取、特徵參數表征、流形空間的構建、流形空間中衰退規律的隨機深度認知（僅利用50%衰退數據，可實現高於97%的預測精度，且方差控制在0.518%範圍內）、流形空間中截斷數據的有效利用（流形空間中截斷數據的生存機率壽命預測整體精度不低於92%）；結合幾何圖形學和智慧型化算法，實現了流形空間中的中長期預測（性能退化預測精度96%以上），綜合多預測模型的優勢，開展了流形空間中集成學習預測技術研究，實現了壽命預測。
