机器剩余使用寿命的预测方法与流程

技术特征：
1.一种基于时间——特征值的数据记录对机器的剩余使用寿命进行预测的方法，包含以下步骤：步骤1、采用回归分析法拟合出反映时间与特征值之间变量关系的机器寿命曲线的数学模型，并根据所述模型计算出寿命曲线到达预设的失效阈值所需的时间，即预期剩余使用寿命；和步骤2、以随机缺省部分数据的方式重复执行上述步骤1，并根据重复执行的结果统计出预期剩余使用寿命的概率分布，其中最大概率分布所对应的剩余使用寿命被确定为机器最有可能的预期剩余使用寿命。2.如权利要求1所述的方法，其特征在于：所述缺省数据占数据总量的比例不超过50％。3.如权利要求2所述的方法，其特征在于：所述缺省数据占数据总量的比例介于20
±
10％之间。4.如权利要求3所述的方法，其特征在于：缺省数据的占数据总量的比例介于15
±
5％之间。5.如权利要求1-4中任意一项所述的方法，其特征在于：所述寿命曲线的数学模型为至少包含稳定运行(状态1)、线性失效(状态2)和加速失效(状态3)三种运行状态的函数模型(公式
①-④
)，其中相邻状态之间的数据点被定义为状态拐点(t0和t1)，通过比较所有可能的或者指定的拐点组合对应的寿命曲线的累计损失函数值来寻找机器寿命曲线的最佳拟合方案。6.如权利要求5所述的方法，其特征在于：所述加速失效状态(状态3)的函数模型为二次多项式函数(公式
③
)或者指数函数(公式
④
)。7.如权利要求5所述的方法，其特征在于：所述状态拐点(t0和/或t1)若出现在寿命曲线末段的一定时间范围内，则不对其后的状态进行拟合，或者其后拟合出的状态函数模型(公式
①-④
)不能用于预测机器的剩余使用寿命。8.如权利要求6所述的方法，其特征在于：所述寿命曲线末段的一定时间范围不超过数据记录时间范围的30％。9.如权利要求1-4中任意一项所述的方法，其特征在于：采用相对阈值来滤除停机数据。10.如权利要求1-4中任意一项所述的方法，其特征在于：所述机器为转动机器、轴承或者两者的组合体，所述特征值为基于振动信号的特征值。

技术总结
一种基于时间——特征值的数据记录对机器的剩余使用寿命进行预测的方法，包含以下步骤：步骤1)采用回归分析法拟合出反映时间与特征值之间变量关系的机器寿命曲线的数学模型，并根据所述模型计算出寿命曲线到达预设的失效阈值所需的时间，即预期剩余使用寿命；以及步骤2)、以随机缺省部分数据的方式重复执行上述步骤1，并根据重复执行的结果统计出预期剩余使用寿命的概率分布，其中最大概率分布处所对应的剩余使用寿命被确定为机器最有可能的预期剩余使用寿命。上述方法避免了以单一寿命曲线模型预测机器剩余使用寿命的偏执性，能够显著提高机器预测的可靠性和准确性。显著提高机器预测的可靠性和准确性。显著提高机器预测的可靠性和准确性。


技术研发人员：卡里姆
受保护的技术使用者：斯凯孚公司
技术研发日：2020.04.15
技术公布日：2021/10/22