摘要
如今，各类设备不断朝着智能化、高性能方向发展，对系统的可靠性和安全性要求进一步提高。在系统内部因素和外部环境因素的影响下，设备发生故障的概率也会增加。大型设备故障将导致无法弥补的财产亏损和资源浪费。设备故障发生之前的剩余寿命预测可以及时、主动地采取预防性维护措施，避免事故的发生。本文利用系统运行过程中监测到的表征系统退化状态特征的信息，构建相应的剩余寿命预测模型。主要研究工作如下： （1）基于相对密度核估计的实时剩余寿命预测模型。为更加准确评估系统运行过程中的实时剩余寿命，提出了相对密度核估计的剩余寿命预测方法。首先，建立非参数核密度估计剩余寿命预测模型，引入样本点k近邻思想计算样本点的相对密度自适应选择窗宽来提高在稀疏和密集区域选择窗宽的准确性和合理性；其次，在剩余寿命预测模型的建立上利用空间映射的方法建立相对密度核微分同胚变换方法来解决核估计在预测中的边界偏移问题，从而提高预测准确度。随着监测数据的实时变化，根据已知模型递推实现预测模型的实时更新。最后通过齿轮磨损数据来验证该方法的有效性。 （2）基于自适应核窗宽密度的实时剩余寿命预测模型。针对现有核估计窗宽方法对局部样本点分布不均的选取不准确，致使核估计不准确的问题，提出了自适应核窗宽密度的实时剩余寿命预测方法。该方法通过计算样本点的核窗宽密度来自适应选择样本点分布不均匀区域的窗宽，提高核密度估计窗宽选择的可靠性和准确度。最后通过齿轮磨损试验和滚动轴承试验数据来验证模型的可行性。 （3）基于高维相对密度核估计的实时剩余寿命预测模型。随着传感器技术的发展，多传感器信号已经可以用于健康状况监测和剩余使用寿命预测。为了更好地利用这些信号使设备的剩余寿命预测更加准确，构建了高维相对密度核估计的实时剩余寿命预测模型。首先，建立高维核密度估计的剩余寿命预测模型，在窗宽的选择上引入用样本点k近邻思想计算样本点相对密度的方法建立自适应高维相对密度窗宽模型来选择合理的窗宽；其次，在剩余寿命预测模型建立上利用空间映射的方法建立高维相对密度核微分同胚变换方法来解决核估计在预测中的边界偏移问题，从而提高预测准确度。最后，通过齿轮磨损数据和航空涡轮发动机数据来验证该方法的准确性和可靠性。
NETL