动态环境下多源多关联退化特征装备的故障预测方法研究

The deterioration process of modern equipment contains multiple stochastic degradation and physical-mechanical processes. These processes are generally unobservable which bring great challenges for equipment fault prediction. This project aims to deal with multi-source, multi-dependent deterioration characteristics for developing fault prediction approach for modern complex equipment from the aspects of theory, methodology and key techniques. The presented work mainly includes four steps. Step 1: The deterioration characteristics and fault mechanisms are investigated to find out main degradation processes and important dependent fault modes. Step 2: The corresponding degradation and physical-mechanical processes under dynamic environments are modeled respectively, and the multi-model fusion technique and corresponding parameter matrix optimization are studied. Step 3: Based on the built model, the equipment health indices under dynamic environments are formulated and the estimation methodology are presented. Afterwards, the estimation error is analyzed, which achieves accurate description and dynamic updating of equipment health condition. Step 4: The fault prediction and prediction optimization method under dynamic environments are studied based on the multi-dependent fault modes to achieve effectively early prediction for equipment potential fault. This project systematically provides a fault prediction theory and corresponding key techniques and approaches for modern complex equipment, and also has significant theoretical guidance and great practical values for maintaining safe, efficient and reliable operation for modern equipment.

现代装备的劣化是集多种随机退化过程和物理力学过程相互关联的动态发展过程，这些过程往往不可直接观测，给装备的故障预测带来了很大的挑战。本项目围绕现代装备的多源多关联退化特征，分别从理论、方法、关键技术等层面开展适用于现代装备的故障预测研究，主要包括：（1）研究现代多源多关联退化特征装备隐状态下的退化特征及故障机理过程，找到主要退化特征群及故障模式关联关系；（2）研究动态环境下基于主要故障模式的多退化过程及多物理力学过程建模方法，多模型融合及参数矩阵优化算法；（3）研究动态环境下多指标健康状态评估方法、实时评估技术及评估不确性，实现装备健康状态的动态跟踪与准确描述；（4）研究动态环境下基于多故障模式的故障预测方法及预测优化技术，实现装备潜在故障的早期预测。本项目系统地提出面向现代多源多关联退化特征装备的故障预测理论及关键技术方法，对保障大型装备高效、安全运行具有重要的理论指导和工程价值。

现代机械装备具有服役环境多变、退化特征多样、劣化过程多源等特征，这些特征导致了装备的真实状态演化过程十分复杂且不可直接观测，给此类系统的故障预测带来了极大挑战。本项目深入研究了动态工作环境下多源多关联退化特征装备的故障预测方法，解决了动态环境下退化特征多变的多源观测信号的建模描述、健康状态估计、故障预测难题。主要工作包括：（1）对多源多关联退化特征装备进行退化分析，分别从不同阶段退化特征入手，研究装备退化机理，建立基于矢量自回归模型的高维度数据拟合序列，建立矢量残差模型获取多维度数据的分布特性，用于多维度退化建模；（2）建立基于动态环境的多源退化模型。根据装备的服役环境变化过程，建立环境变化因子，使用带有环境变化因子的多维度隐马尔可夫模型对多源退化装备进行建模描述，采用最大期望值算法获得退化模型参数；（3）建立随机退化系统健康状态实时预测模型，融合服役环境变化因子，获取装备健康指标，实时更新装备条件可靠度、剩余寿命分布及平均剩余寿命等重要信息，并建立健康状态评估模板在线预测装备实时状态；（4）建立基于贝叶斯更新的故障预测策略方法，使用贝叶斯风险概率表征设备故障，提出自适应性预测机制对装备早期故障进行演化预测与预警，有效降低故障发生率。在理论研究的基础上，通过实际工程平台验证以上技术方法，弥补了动态环境下多源多关联退化特征装备的可靠性研究空白。相关成果有助于促进现代机械装备朝长寿命高可靠方向发展。