大数据下数模联动的随机退化设备剩余寿命预测技术
Data-model Interactive Remaining Useful Life Prediction Technologies for Stochastic Degrading Devices With Big Data作者机构:火箭军工程大学智剑实验室西安710025
出 版 物:《自动化学报》 (Acta Automatica Sinica)
年 卷 期:2022年第48卷第9期
页 面:2119-2141页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学]
基 金:国家自然科学基金(62073336 61922089 61773386)资助。
主 题:大数据 剩余寿命预测 数模联动 深度学习 随机退化建模
摘 要:面向大数据背景下随机退化设备剩余寿命(Remaining useful life,RUL)预测的现实需求,结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题,深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态,剖析了当前研究存在的局限性和共性难题.针对存在的局限性和共性难题,以多源传感监测大数据下剩余寿命预测问题为例,提出了一种数模联动的大数据下随机退化设备剩余寿命预测解决思路,并通过航空发动机多源监测数据初步验证了该思路的可行性和有效性.最后,借鉴数模联动思路,综合考虑机器学习方法和统计数据驱动方法的优势,紧紧扭住大数据背景下随机退化设备剩余寿命预测不确定性量化问题,提出了大数据背景下深度学习与随机退化建模交互联动、监测大数据与剩余寿命及其预测不确定性映射机制、非理想大数据下的剩余寿命预测等亟待解决的关键科学问题.