基于不确定性的故障预测方法综述.docxVIP

基于不确定性的故障预测方法综述孙强,岳继光(同济大学电子与信息工程学院，上海201804)摘要:故障预测是实现视情维修策略的基础.不确定性问题在故障预测中普遍存在,对此,总结了基于不确定性的 故障预测方法的关键问题,并以不确定性属性的特点将现有故障预测方法分为基于随机性、模糊性、灰性及混合不 确定性等4类.综述了各类方法的研究现状与不足,并展望了基于不确定性的故障预测方法的发展趋势,探讨了基于 区间不确定性的故障预测方法的可行性.关键词:故障预测；不确定性；随机性；模糊性；灰性；区间不确定性中图分类号:TP206.3文献标志码:AReviewonfaultprognosticmethodsbasedonuncertaintySUNQiang,YUEJi-guang(CollegeofElectronicandInformationEngineering，TongjiUniversity，Shanghai201804，China.Correspondent：SUN Qiang，E-mail：10qsun@)Abstract:Faultprognosisisthefundamentalofrealizingconditionbasedmaintenance.Uncertainproblemsexistinthe generalprocessoffaultprognosis.Therefore,thekeyissuesoffaultprognosisbasedonuncertaintyaresummarized.Thenexistingfaultprognosticmethodsarecategorizedintofourtypes,i.e.methodsbasedonrandomness,fuzziness,greyproperty andintegratedproperty.Areviewismadeonthecurrentresearchstatusandshortcomingsofthemainmethods.The developmenttrendsoffaultprognosticmethodsbasedonuncertaintyareindicated,andthefeasibilityofpossiblefault prognosticmethodsbasedonintervaluncertaintyisdiscussed.Keywords:faultprognosis；uncertainty；randomness；fuzziness；greyproperty；intervaluncertainty0引言设备维护与保障理论和技术经历了事后维修、预防维修和视情维修3个发展阶段[1-2].其中视情维 修(CBM)[3]的基本思想是仅在监测或推理发现设备需要维护时采取维修措施,可大幅压缩维护费用,显 著提高生产效率.为全面监控大型复杂关键设备的运行情况,保证效率与安全性,实现视情维修,需将维护策略由传统异常状态监控转变为健康管理.在这种需求下,故障预测与健康管理(PHM)技术应运而生. PHM以实现视情维修为目的,涵盖故障检测与诊断隔离、故障预测、性能预测、健康管理和部件寿命追 踪等关键技术[4].故障预测是PHM的基础,结合所有可获取信息可以实现对系统或部件早期故障征兆的识别与提取、退化状态的识别以及故障发生时间(或剩余可用寿命,RUL)的估计[5-6].故障与失效率密切相关.按照统计规律,一般系统全寿命周期中失效率变化为“浴 盆曲线”[7],经历早期失效期、偶然失效期和损耗失效期等3个阶段.系统故障可分为突变型和渐变型:突 变型故障多在系统稳定工作的偶然失效期随机出现, 预测较为困难;渐变型故障多在损耗失效期出现,因 部件疲劳损耗渐变产生,可通过模型知识、测量信号 等信息提取征兆,预测发生规律.故障预测是在系统或部件仍能正常工作的情况 下,利用所有可获取的信息来预测退化趋势及未来故障的可能性.大型设备系统运行机理复杂,参数和结构存在不确定性,且恶劣工况和干扰对系统的影响相互耦合,故障预测过程存在大量不确定性问题.本文从处理系统不确定性的角度,将近年典型故障预测方法分类综述,比较了各类方法的优缺点,并展望了基于不确定性的故障预测方法的发展趋势,探讨了基于收稿日期:2013-08-20；修回日期:2014-01-23.基金项目:上海科委科研项目(11JC1413000).作者简介:孙强(1986?),男,博士生,从事不确定性理论、复杂系统可靠性与故障预测的研究；岳继光(1961?),男,教 授,博士生导师,从事过程控制、计算机控制、复杂系统可靠性与故障预测等研究.区间不确定性的故障预测方法的可行性.1基基于于于不不不确确确