统计数据驱动的剩余寿命预测若干关键问题研究

剩余寿命预测是故障预测与健康管理的核心问题。考虑到实际工程对象的机理模型难以精确给出，且人工智能方法难以预测剩余寿命的概率分布，统计数据驱动的剩余寿命预测已成为学科前沿问题。目前统计数据驱动的剩余寿命预测研究中对非线性随机退化过程的建模及剩余寿命预测、减少预测不确定性、随机冲击下隐含退化状态的估计、剩余寿命预测不确定性对预测维护的影响等关键问题，在文献中鲜有解决方法的报道。本项目拟主要研究：1)基于一类非线性随机过程的退化建模及剩余寿命预测方法；2)基于一类非线性随机退化过程的剩余寿命自适应预测方法；3)随机冲击下非线性隐含退化状态估计与剩余寿命预测方法；4)期望代价-方差敏感的预测维护决策目标函数建模及最优维护时机的确定方法；5)依托导弹武器核心部件惯性平台，利用部队真实的监测数据，进行应用验证。本课题的研究成果不仅具有重要的理论意义，对提高设备的安全性和可靠性还具有潜在的应用价值。

考虑到实际工程对象的机理模型难以精确给出，且人工智能方法难以预测剩余寿命的概率分布，统计数据驱动的剩余寿命预测已成为学科前沿问题。本项目主要研究：1)随机退化建模及剩余寿命预测方法；2)剩余寿命自适应预测方法；3)隐含退化状态估计与剩余寿命预测方法；4)预测维护决策目标函数建模及最优维护时机的确定方法；5)依托导弹武器核心部件惯性平台监测数据的应用验证。.项目组针对若干前沿科学问题，从数据到模型、线性到非线性、固定模式到切换模式，利用数据驱动的建模与分析方法，揭示了传统寿命测试方法应用于随机退化系统的局限性，建立了寿命预测性能约束下的数据可用性判别准则，提出了若干新的监测数据随机退化模型用以刻画时变不确定性、测量不确定性、个体差异性等问题，并基于这些模型提出了解决随机退化系统剩余寿命预测问题的新思路、新方法；针对线性/非线性/切换随机退化系统，分别建立了剩余寿命预测理论，解决了退化建模与健康状态估计、剩余寿命自适应预测、剩余寿命概率分布求解等问题，探讨了预测信息下的健康管理决策问题；实现了随机退化系统剩余储存寿命预测、多阶段任务系统可靠性预测。部分研究成果应用于战略导弹惯性导航系统中。.本项目实施过程中，已发表（含录用）学术论文54篇，其中SCI国际期刊论文27篇、EI论文41篇。在国际权威期刊EJOR、IEEE系列汇刊、RESS、MSSP上发表（含录用）论文19篇，2篇论文入选ESI数据库高被引论文。WoS他引150次，Google Scholar被引300次。已申请并已公开国家发明专利3项，获出版学术专著1部。负责人司小胜2015年获中国自动化学会优秀博士学位论文奖，2014年获陕西省科学技术二等奖1项。.项目组研究成果得到了国内外学者的广泛关注，包括美国工程院院士、中国科学院院士、中国工程院院士、加拿大国家工程研究院院士、多位ASA Fellow、ASME Fellow、IIE Fellow、INFORMS Fellow以及十多位IEEE Fellow对项目组的工作进行了实质性拓展、引用及正面评述。