基于性能退化的机械设备寿命预测

何懿琳

DOI：10.19392/j.cnki.16717341.201722103

摘要：现阶段，机械设备在产品生产过程中各个生产环节之间的联系越来越紧密，一些关键设备结构的功能也越来越复杂，机械设备工作环节不断的变化，机械设备的使用寿命也会逐渐想象，严重的话还会增加一些潜在故障风险。要想从根本上解决这一问题，就应该对机械设备的运行现状进行监测，找出其中的不足，并为其制定有效的解决对策，只有这样才能保证机械设备可以正常的运行下去。基于此，本文对性能退化的机械设备寿命预测进行了简单的分析。

关键词：性能退化；机械设备；寿命预测

随着科技的进步我国工业高速发展，而工业在发展过程中为了提高生产效率与质量，就应该将机械设备向大型化、高速化、系统化的形式发展下去，只有这样才能扩大机械制造行业的生产规模，提高机械产品的质量与性能。然而，机械设备在运行期间常常会出现机械设备退化问题，这一问题会直接影响整个机械设备的正常运行，严重的话还会造成灾难性的人员伤亡。因此，在机械设备运行期间要定期开展机械设备运行状态的监测工作，根据机械设备运行状态对其中等故障进行识别、分析、评估，了解设备的安全性、可靠性，找出其中的不足，及时制定科学、合理的故障维修计划，减少故障事件的发生，保证机械设备的使用安全。

一、性能退化机械设备寿命物理模型的预测

机械设备在使用过程中主要划分成以下几种状态：正常状态、性能退化状态、维护状态、故障状态。如果在机械设备运行处于性能失效退化状态，需要对机械设备进行有针对性、有组织的生产、维护，只有这样才能保证机械设备的使用安全，保证人们的使用安全。在机械设备运行期间要做好性能退化机械设备寿命预测工作，并将其与互联网、非接触式通讯技术、嵌入式智能电子技术相结合，只有这样才能降低在机械设备在运行期间的故障事件发生，保证其的使用安全[1]。

常见的性能退化机械设备寿命预测方法主要通过物理模型的形式进行预测，在预测过程中需要建立一项全新的数据模型，并对机械设备的物理特性进行全方面的分析，找出机械设备在运行时的不足，并为其制定有效的解决对策。而物理模型可以有效的对机械设备的参数进行调整，并对其的寿命进行预测。另外，物理模型的退化性能的机械设备寿命预测技术可以有效的了解机械设备的本质，并对其中复杂机电设备数据进行合理分析，建立一项精准、完整的数学模型。然而，该模型在实际使用期间，机械设备不能生产机械產品，只能小规模的生产，从而保证产品的质量，保证机设备的使用安全[2]。

二、性能退化机械设备寿命数据驱动方法

数据驱动方法可以有效的对一些性能退化机械设备寿命进行预测，收集机械设备中的数据信息，并对这些数据信息进行分析，找出机械设备中的不足，并为其制定有效的解决的对策。

（一）统计理论方法

统计理论方法主要依据机械设备的系统历史数据参数对其模型故障问题进行全方面分析，将对机械设备中的参数概率空间进行比较，只有这样才能了解机械设备的寿命，了解机械设备性能退化趋势。常见的统计理论方法主要有体贝叶斯网络、支持向量机等方法组成，其中的贝叶斯网络可以有效的将机械设备系统中各个参数不确定关系体现出来，并通过变量的形式其中的因果、关系进行全方面分析，判断机械设备可疑信息，判断机械设备的使用寿命；而支持向量机可以有效的对机械设备的运行状态进行监督管理，只有这样才能避免故障意外事件发生。BoSuk是机械设备故障性能预测中重要组成部分，可以有效的对其寿命寿命进行预测，找出其中的不足，并为其制定有效的解决对策[3]。

（二）人工智能方法

人工智能方法的数据驱动技术可以有效的对性能退化机械设备寿命进行预测，并通过神经网络分类、识别的形式判断机械设备的寿命寿命。由于人工神经网络集成方法具有泛化性的特点，导致原有的神经网络集成模型会出现退化的过程中，要想从根本上解决这一问题就需要对是设备通过粒子群的算法对网络神经进行受命预测，只有这样才更好的为机械设备解性能退化的问题[4]。

神经网络主要通过知己异常的形式对机械设备性能退化轨迹进行处理，并根据机械设备的非线性特征建立全系难度机械设备故障类型关系，从而保证机械设备的寿命预测工作可以顺利进行下去[5]。然而，神经网络系统在实际运行期间需求要大量的数据信息，只有这样才能了解机械设备寿命数据，识别机械设备的解释能力，对神经网络使用范围进行控制，从而保证机械设备寿命的预测工作可以顺利进行下去，保证机械设备的使用安全。

三、总结

在开展机械设备寿命预测工作时，可以通过物理模型方法、数据驱动方法对机械设备的寿命进行预测，只有这样才能对机械设备的状态监控和物联网技术进行全方面控制，了解机械设备的在运行时参数，从而保证机械设备寿命预测工作可以顺利进行下去。

参考文献：

[1]王远航，邓超，胡湘洪，高军，黄创绵.基于性能退化的机械设备寿命预测[J/OL].计算机集成制造系统，2015（08）.

[2]王恒，马海波，徐海黎，朱龙彪，贾民平.机械设备性能退化评估与预测研究综述[J].机械强度，2013，06：716723.

[3]彭颖.基于退化隐式半马尔科夫模型的设备健康预测及系统性维护策略研究[D].上海交通大学，2011.

[4]肖文斌.基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D].上海交通大学，2011.

[5]王书锋.机载电子设备在线可靠性评估与剩余寿命预测方法研究[D].南京航空航天大学，2014.