工业设备非平稳非独立增量退化过程建模及剩余寿命预测研究

Remaining useful life prediction is a key technology to ensure the safety and reliability of equipment, and reduce the risk of equipment failure. To obtain accurate remaining useful life prediction results, the degradation model is usually required to describe the true degradation process as accurately as possible. Most of the existing degradation models assume that the diffusion term of the degradation process has stationary and independent increments, but many practical equipment degradation processes do not satisfy this assumption. Therefore, it is necessary to weaken the assumptions of existing degradation models and study more generalized degradation modeling and remaining useful life prediction methods. This project intends to refine the key scientific problems that are difficult to be solved by the existing methods from the degradation process of practical industrial equipment, and establish a degradation model with non-stationary and dependent increments under single and multiple operation conditions. By constructing the weak convergence form and a time-space transformation of the two-fractional Brownian motion, the first passage time of the non-stationary and dependent incremental stochastic process will be obtained. The theoretical research results of the project will be verified and applied based on the quasi-physical experimental verification platform of the blast furnace system. The research results of this project not only have important theoretical significance, but also have potential engineering application value for improving the safety and reliability of industrial equipment.

剩余寿命预测是保障工业设备安全可靠运行、降低设备失效风险的关键技术。为了获得精确的剩余寿命预测结果，通常要求退化模型能够尽可能准确地描述真实的退化过程。现有的退化模型大多假设设备退化过程的扩散项具有平稳且独立的增量，然而很多实际设备的退化过程并不满足这一假设。因此有必要弱化现有退化模型的假设，研究更加一般化的退化建模及剩余寿命预测方法。本项目拟从实际工业设备的退化过程出发，提炼现有方法难以解决的关键科学问题，分别在单工况和多工况两种情况下，建立具有非平稳且非独立增量的退化模型，并通过构造双分数布朗运动的弱收敛形式和时间-空间变换，解决非平稳非独立增量随机过程首达时间难以求解的问题。基于大型高炉系统准实物实验验证平台对本项目的理论研究结果进行验证和应用。本项目的研究成果不仅具有重要的理论意义，而且对提高工业设备的安全性和可靠性具有潜在的工程应用价值。

工业设备安全稳定的运行是保障经济效益和社会效益的关键问题之一。工业设备的失效不仅会带来经济上的重大损失，并且有可能引发灾难性事故，甚至造成人员伤亡等严重后果。利用过程监测和剩余寿命预测技术尽早发现异常，并预测设备的剩余使用寿命对于保障设备的安全运行具有重要意义。然而工业数据存在非平稳、非高斯、多工况、非独立增量等特点，给过程监测和剩余寿命预测带来了较大的难度，本项目围绕工业数据的以上的特点，开展了工业过程监测和设备剩余寿命预测方法的研究。.针对工业过程的非平稳特性，提出了一致趋势特征分析、基于混合高斯模型的滑窗PCA、Wasserstein平稳子空间分析、混合高斯动态平稳子空间分析的过程监测方法；针对工业过程普遍存在的多工况和随机扰动问题，提出了基于条件随机场的对数条件概率比分析方法；针对工业设备退化数据的非平稳非独立增量特点，提出了基于双分数布朗运动的随机退化建模和剩余寿命预测方法；针对具有多重失效模式的设备，提出了竞争失效的多元退化模型和剩余寿命预测方法；针对退化过程中的多工况（运行与维护阶段）问题，提出了周期性维护设备的退化建模及剩余寿命预测方法；针对具有混合退化过程的备用系统，提出了的预测性维护和库存策略联合优化方法。.在项目执行期内，发表论文12篇，其中SCI期刊论文7篇（1篇在线发表），EI期刊论文2篇，EI会议论文3篇;申请/授权发明专利2项。基于项目研究成果，项目负责人获中国博士后基金资助2项，浙江省博士后择优资助项目1项等多项科研项目，并于2022年入选北京市青年人才托举工程，2023年入选中国科协青年人才托举工程，完成了预期的研究目标。此外，项目部分成果在柳州钢铁集团进行了应用验证。