添加链接
link管理
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接

剩余使用寿命 (RUL) 是机器在需要维修或更换之前的运行时长。通过估计 RUL,工程师可以安排维护时间,优化运行效率,并避免计划外停机。因此,估计 RUL 是预测性维护计划的重中之重。

RUL 估计模型可用于置信区间 RUL 预测。模型的输入是从传感器数据中提取的状态指标(特征),其行为随着系统的退化而改变,这种改变是可预测的。

运行至故障数据

如果您有一个包含运行至故障数据的数据库,而该数据来自于相似组件或行为相似的不同组件,则可以使用相似性方法估计 RUL。这些方法可用于捕获退化曲线,并将它们与来自机器的新数据进行比较,以确定数据最贴合哪条曲线。

在图 2 中,蓝色显示的是来自发动机的历史运行至故障数据集的退化曲线,而红色显示的是来自发动机的当前数据。根据最贴近的历史曲线分布,RUL 估计约为 65 个周期。

在许多情况下,保守的维护计划可确保机器很少会发生故障。这可能就意味着没有运行至故障数据或使用寿命数据。但是,您可能会有规定阈值方面的信息,例如泵中液体的温度不能超出 160 ˚F (71 ˚C),压力必须低于 2200 psi (155 bar)。有了这些阈值信息,您就可以对从传感器数据中提取的状态指标进行退化模型拟合,这些指标随时间的推移呈线性或指数变化。

这些退化模型通过预测状态指标超过阈值的时间来估计 RUL。它们也可以与融合状态指标结合使用,该状态指标使用主成分分析等方法来合并来自多个传感器的信息。

图 3 显示指数退化模型,该模型用于跟踪风力发电机中使用的高速轴承发生的故障。状态指标显示为蓝色。据退化模型预测,轴承将在大约 9.5 天后超过阈值。红色阴影区域表示此预测的置信区间。