機械設備性能退化的流形特徵建模與量化評估預測研究

《機械設備性能退化的流形特徵建模與量化評估預測研究》是依託同濟大學，由余建波擔任項目負責人的面上項目。

基本介紹

• 中文名：機械設備性能退化的流形特徵建模與量化評估預測研究
• 項目類別：面上項目
• 項目負責人：余建波
• 依託單位：同濟大學

中文摘要

本研究以機械設備預診維護為研究對象，系統地將流形與統計學習方法引入到設備性能退化量化評估與預測系統。在分析複雜工況下多感測信號的動態行為與信息複雜性基礎上，在特徵層提出綜合局部與非局部信息融合的流形學習算法，解決表征設備性能的特徵提取與選擇問題；針對機械設備性能狀態動態隨機變化引起的特徵數據分布非線性、多模態和時變性特點，提出基於隱馬爾科夫模型、貝葉斯推論和自適應學習的設備性能退化線上動態建模策略和量化評估指標，以失效風險機率方式度量設備性能劣化狀態；為了提供設備性能退化趨勢預示與預防的共性技術與方法，進行基於狀態空間數學模型的設備性能退化演變的動態建模，通過集成邏輯回歸和高階粒子濾波模型解決設備剩餘壽命線上預測問題。通過本研究，擴展和完善了設備智慧型預診維護的理論與方法體系，實現設備健康信息的融合、不確定信息處理及性能退化的早期預示和預測，為機械設備高效和可靠運行提供有效的理論和技術。

結題摘要

智慧型預診維護系統對設備性能退化狀態（如機械部件的磨損、裂紋、點蝕、不平衡等）進行持續的監測、評估和預測，並按需制定維護計畫，在防止設備失效的同時，可顯著減少設備的全壽命維護成本。本項目系統地研究機械設備性能退化的流形特徵建模和評估預測系統，解決系統預診過程的多感測信息融合、特徵提取、狀態建模、量化評估和剩餘壽命預測等關鍵性科學問題。主要的研究內容與結果包括：（1）提出了基於信號多尺度分析、形態濾波、信號稀疏性保持的設備早期故障特徵提取與預示方法；（2）通過融合多感測信號處理、流形學習與統計學習在數據層建立數據降維和冗餘信息消除的數據分析流程和方法，在保持局部和非局部最優信息條件下提取表征設備性能的有效特徵信息，提高后續系統狀態建模和系統預測能力；（3）研究基於自適應隱馬爾科夫模型的設備性能狀態的實時自適應建模方法，綜合失效機率指標和可視化模型，提取設備性能狀態的量化信息與可視化信息、性能退化決策信息等多種重要的設備健康信息，實現設備性能狀態退化過程的主動性建模和量化評估；（4）通過研究基於狀態空間數學模型、邏輯回歸模型和高階粒子濾波相融合的性能退化預測模型和和結果不確定性分析方法，提供機械設備剩餘壽命預測與預診結果信任度評估的共性技術與方法，確保設備與系統高效率和可靠運行的目的；（5）實施研究成果在關鍵機械設備和其他部件（如引擎、軸承、刀具、鋰電池等）的實際套用，提升了關鍵機械裝備的運作性能和效率，推進研究成果的套用示範效應。課題組共發表(或錄用)學術論文34篇，其中SCI源期刊論文12篇（包括IEEE /ASME Transactions系列及MSSP期刊論文7篇）。通過本研究，擴展和完善了設備智慧型預診維護的理論與方法體系，實現設備健康信息的融合、不確定信息理及性能退化的早期預示和預測，為機械設備高效和可靠運行提供有效的理論和技術。