[发明专利]一种相似证据非完全降解设备剩余稳定使用寿命预测方法

说明书

本发明提供一种相似证据非完全降解设备剩余稳定使用寿命预测方法，该方法能对设备剩余稳定使用寿命进行预测，无需设备从开始使用到当前状态的所有数据，只需设备当前数据即可预测设备未来稳定使用寿命。本发明提出了结合证据相关性分析法，通过设备参数相关性分析计算得到相关参数类型、相关系数及其权重函数，本发明提出了表示设备使用稳定性的稳定因子概念，利用马尔科夫预测链对表示设备使用稳定性的稳定因子进行预测，通过设备证据构建反向传播神经网络得到设备使用寿命稳定性的稳定因子变化曲线，利用神经网络分析当前及未来时刻设备稳定因子的稳定性，从而得出未来非完全降解设备剩余稳定使用寿命。

技术领域

本发明属于设备检测技术领域，涉及一种设备剩余稳定使用寿命检测的方法。

背景技术

随着现代工业技术的快速发展，现代机械设备也逐步实现自动化、智能化、复杂化以及精密化，同时机械设备损坏造成的设备故障带来经济上的损失不可小觑。现代机械设备的可靠性和安全性随着工业技术的发展变得逐步稳定，现如今研究与实践表明，机械设备的大部分故障停运其原因多为性能退化失效，因此，对于机械设备的剩余使用寿命的预测显得尤为重要。就目前为止，国内外先后已经提出了各种数据驱动方法来预测非完全降解设备的剩余使用寿命，即设备从当前到停止完成其设计功能之前的时间。但是目前的数据驱动方法依赖于设备在现场工作期间的数据收集，将收集到的数据拟合聚类分析，将设备的整个使用寿命分为若干个阶段，并通过与设备实时数据做相似性分析，粗略判断设备目前处于某个阶段，进而预测设备的剩余使用寿命。随着一些人工智能算法的推广使用，目前，基于人工神经网络的非线性回归方法对设备的剩余使用寿命预测也是十分有效的，但是该方法需要调整大量的参数，由于神经网络实例训练的稀缺性导致设备退化曲线模型存在一定的偏差。

此外，基于相似性的方法已经成功应用到设备故障预测中，这些方法通过模糊算法构建局部模糊模型，通过这些模型得到设备剩余使用寿命回归预测曲线，来预测未来设备的剩余使用寿命，但是这种预测方法能够预测未来使用时间可能过长，数据不具有特殊性，无法较为准确的估计未来设备使用寿命。此外，一些模型估计预测较为保守，得到的预测使用寿命较短，对未来经济规划造成额外的费用。

本发明提出一种相似证据非完全降解设备剩余稳定使用寿命预测方法，本发明利用证据相似性分析法，通过设备参数相关性分析计算得到相关参数类型、相关系数及其权重函数，本发明提出了表示设备使用稳定性的稳定因子概念，通过设备证据构建反向传播神经网络得到设备使用寿命稳定性的稳定因子变化曲线，将实施参数数据与权重系数相结合，利用马尔科夫预测链完成设备稳定因子的预测，利用神经网络分析当前及未来时刻设备稳定因子的稳定性，从而得出未来非完全降解设备剩余稳定使用寿命。

发明内容

本发明提出一种相似证据非完全降解设备剩余稳定使用寿命预测方法。该方法与目前常见的设备剩余使用寿命预测不同。目前常见的设备剩余使用寿命预测一般通过模糊算法将设备证据聚类分析，将设备的使用寿命分为若干阶段，并将当前设备的实时数据对比分析得出当前设备所处设备使用寿命阶段，进而预测出设备剩余使用寿命，这种预测方法准确性较差，预测结果过于理想化。本发明用于预测非完全降解的设备剩余稳定使用寿命，即为预测在未来若干年内设备是能够稳定投入运行的，预测结果相比较常用预测信息更为精确，当设备在完成上述预测稳定使用年限后，再根据当前设备实时数据进行预测又可预测出设备后续剩余稳定使用寿命。

在进行设备剩余稳定使用寿命预测时，本发明使用了一种基于证据相关性的指标筛选算法来对设备使用寿命相关参数进行筛选。在设备数据量较大且比较复杂的情况下，通过证据相关性分析筛选预测设备剩余稳定使用寿命的参数。其中，相关性分析法能够以数据的方式反映变量之间的关系程度，计算公式如下公式(1)所示：