基于机器学习的产品剩余寿命预测方法研究

《基于机器学习的产品剩余寿命预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博士学位论文基于机器学习的产品剩余寿命预测方法研究作者姓名：施建明指导教师：李绪志研究员中国科学院空间应用工程与技术中心学位类别：工学博士学科专业：信号与信息处理培养单位：中国科学院空间应用工程与技术中心2018年4月ResearchofRemainingUsefulLifePredictionforProductsbasedonMachineLearningADissertation/ThesisSubmittedtoTheUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequiremen

2、tForthedegreeofDoctorofPhilosophyIn[SignalandInformationProcessing]By[SHIJianming]Supervisor:LIXuzhi[TechnologyandEngineeringCenterforSpaceUtilization,CAS]April,2018中国科学院大学研究生学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对论文所涉及的研究工作做出贡

3、献的其他个人和集体，均已在文中以明确方式标明或致谢。作者签名：日期：中国科学院大学学位论文授权使用声明本人完全了解并同意遵守中国科学院有关保存和使用学位论文的规定，即中国科学院有权保留送交学位论文的副本，允许该论文被查阅，可以按照学术研究公开原则和保护知识产权的原则公布该论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存、汇编本学位论文。涉密及延迟公开的学位论文在解密或延迟期后适用本声明。作者签名：导师签名：日期：日期：摘要摘要随着信息技术在工业系统中的融合，通过分布式传感器网络获取的性能和环境数据，与其他信息化数据如物联网数据以及跨界数据等，形成了工业大数

4、据，成为新工业革命的核心动力。对于现代工业系统，对关键设备在运行过程中进行监测、预测与控制非常有必要。基于数据的智能分析，评估并预测目标对象的健康状态，以降低设备和系统的运行风险，支持预测性的维护维修，从而优化使用、维护及保障策略，即所谓的故障预测与健康管理（PrognosticsandHealthManagement,PHM）。剩余寿命（RemainingUsefulLife,RUL）预测是PHM系统的核心技术，但是准确预测RUL面临着很多挑战与困难，包括系统失效机理的复杂性、传感器数据的不确定性、未来运行条件的未知性等，特别是实际的“Run-to-Failure

5、（RtF）”过程数据非常稀缺，导致评估RUL预测方法优劣性难以开展。要解决RUL预测的难题，需要从数据融合和方法融合两个维度开展研究。机器学习作为人工智能领域的关键技术，包含丰富的数据建模算法，具备强大的自学习和融合分析能力，适合用于复杂系统健康诊断和RUL预测。本文系统地研究了基于机器学习的RUL预测方法，涉及到机器学习的分类和回归算法，本文选择分层聚类（HierarchicalClustering,HC）和关联向量机（RelevanceVectorMachine,RVM）作为主要的算法，解决了综合多维监测数据生成一维健康指标（HealthIndex,HI），健康

6、状态分类和诊断，性能和RUL预测等一系列问题，并在提高RUL预测准确度和不确定性表达方面进行了深入研究，以下是本文的主要研究内容：（1）针对如何将多维监测数据转化成一维健康指标的问题，提出了一种基于HC和相似性分析的健康指标合成方法。首先将原始监测数据进行预处理，转化成机器学习分类算法的输入数据。然后，针对完整的RtF过程数据，采用HC算法将数据划分为四大类，分别对应系统健康、亚健康、退化、失效等四种健康状态。利用HC分层聚类的优势，根据数据特点和实际需要，对初步划分的大类进行细分。基于相似性分析，实现对当前监测数据的健康状态诊断。最后，计算当前数据点与失效状态类中

7、心（“失效基线”）的距离值，从而生成一维的综合健康指标（SynthesizedHealthIndex,SHI）。通过实例验证，SHI与原数据的相关性很强，表明所提出的方法在综合各维度信息的同时，保留了系统原本的退化特征。（2）针对有充足RtF训练样本时的RUL预测问题，本文在模型匹配理念的基础上，提出了一种基于多退化模型的改进模型匹配（IMM）方法。首先，基于训练样本的SHI，通过关联向量回归（RelevanceVectorRegression,RVR）建立退化模型库。对某个测试样本，通过其SHI与退化模型进行相似性分析，得到若干匹配模型及相应的RUL值，从而通