剩余使用寿命
剩余使用寿命的相关文献在1992年到2023年内共计561篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业
等领域,其中期刊论文190篇、会议论文12篇、专利文献492811篇;相关期刊148种,包括北京科技大学学报、佳木斯大学学报(自然科学版)、科学技术与工程等;
相关会议12种,包括2012中国制导、导航与控制学术会议、中国公路学会桥梁和结构工程分会2011年全国桥梁学术会议、既有建筑综合改造关键技术研究与示范项目交流会等;剩余使用寿命的相关文献由1606位作者贡献,包括宋艳、李沂滨、张燧等。
剩余使用寿命—发文量
专利文献>
论文:492811篇
占比:99.96%
总计:493013篇
剩余使用寿命
-研究学者
- 宋艳
- 李沂滨
- 张燧
- 高辉
- 冯强
- 尹珅
- 张九思
- 罗浩
- 刘永阔
- 夏庚磊
- 夏虹
- 宋镭
- 庞晓琼
- 康守强
- 彭敏俊
- 杨尉
- 王昊翔
- 王玉静
- 王竹晴
- 王航
- 谢金宝
- 冯帆
- 刘永红
- 刘贵杰
- 史元浩
- 孔宪光
- 曾谁飞
- 李小翔
- 温杰
- 王代超
- 王青天
- 蒋宇辰
- 蔡宝平
- 贾建芳
- 陈沐新
- A.A.库尔卡尼
- A·潘
- B·R·考德威尔
- E·戈里舍瓦
- J·K·考尔塔特
- L·李
- M·A·赖因斯
- 丁恩松
- 何志刚
- 侯恩广
- 刘增凯
- 刘强
- 刘斌
- 刘杰
- 史永胜
-
-
江旭耀;
林群煦;
侯至丞;
张弓;
张金越;
杨根
-
-
摘要:
当前对轴承进行健康度评估和剩余寿命预测时通常采用共振解调、包络分析等方法,但仍存在健康度提取困难、故障预测种类单一、缺乏可靠模型等问题。针对这些不足,文章提出一种基于级联长短期记忆(LSTM)神经网络轴承复合故障预测的方法,其通过两级级联LSTM神经网络实现轴承的健康度评估和剩余寿命预测。文中采用西安交通大学的轴承数据集进行实验对比,结果表明,相比共振解调法,采用本方法在单一故障数据的健康度评估中,健康度曲线的单调性、鲁棒性和趋势性综合评价指标分别提升了12%、24.8%和5%;在复合故障数据的健康度评估中,综合评价指标提升了15.1%;并根据健康度评估曲线实现了剩余使用寿命预测,证明了该方法在健康度评估和剩余寿命预测方面的有效性。
-
-
黄林;
龚立;
姜伟;
王康勃
-
-
摘要:
针对设备剩余使用寿命预测问题,提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先,针对发动机结构复杂、监控数据参数多等问题,提出一种基于传感器信噪比和主成分分析(principal component analysis,PCA)降维的多源传感器数据融合方法。在此基础上,利用样本数据训练高斯混合隐马尔可夫模型,同时为降低模型偏差并避免过拟合风险,提出一种“定制”策略训练方法,训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后,通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证,并与几种具有代表性且预测精度较高的文献方法进行了比较分析,验证了方法的有效性。
-
-
舒俊清;
许昱晖;
夏唐斌;
潘尔顺;
奚立峰
-
-
摘要:
针对传统相似性方法忽略设备故障模式、退化速度以及监测数据长度间差异性的问题,提出多故障模式下多尺度相似性集成(MFM-MSEN)方法,以提高寿命预测精度并表征预测不确定性.通过训练故障分类模型,设计时序加权预测策略,识别设备故障模式,实现训练与测试设备间的分类匹配并降低匹配复杂度.在此基础上提出多尺度集成策略,可克服单尺度方法的数据利用率限制,并增强预测泛化性能,在多个尺度上匹配健康指标间的相似性,进一步采用核密度估计集成多尺度预测结果,以高精度拟合剩余寿命概率分布.实验结果证明,MFM-MSEN方法具有应对设备退化差异的优越性.
-
-
张康;
丁卫;
赵东方;
陈卓;
袁朗溪
-
-
摘要:
提出了一种基于自注意力思想长短时记忆神经网络(Self-Attention Mechanism Long Short-Term Memory Networks,SAM-LSTM)的寿命趋势指标构建方法。首先对原始信号进行滤波降噪处理;其次利用自注意力思想提取信号内部的退化趋势信息构建特征矩阵;接着采用双层长短时记忆神经网络在保留信号外部之间的时序关系的同时,映射特征得到寿命趋势指标;最后提出一种基于历史预测使用寿命指标动态选择拟合数据集的拟合方法,预测滚动轴承的剩余有效寿命。结合公开数据集对模型进行了验证,与另外两种方法对比表明,该方法能有效提升滚动轴承的剩余寿命预测的准确率,并且在不同工况下具有一定的泛化能力。
-
-
莫仁鹏;
李天梅;
司小胜;
朱旭
-
-
摘要:
针对以往剩余使用寿命(RUL)预测方法均等对待深层特征中具有不同重要性的空间域和通道域特征,导致大量的计算资源浪费在不重要的特征上,进而造成RUL预测值偏差过大、不能对失效设备进行及时的维护以避免潜在的安全隐患的问题,提出一种采用残差网络与卷积注意力机制的端到端的RUL预测方法。该方法以卷积层和池化层对原始监测信号进行浅层特征提取与压缩;利用堆叠残差模块在学习深层特征的同时,缓解梯度弥散以及网络退化现象的发生;由卷积注意力模块对设备的深层退化特征进行加权赋值,分别在其空间维度上和通道维度上强化更重要的特征并抑制相对不重要的特征,使网络的注意力集中在对RUL预测任务更关键的信息上;将加权后的特征输入到全连接网络中映射得到RUL预测值。通过PHM2012轴承数据集进行了实验验证,实验结果表明,卷积注意力和残差结构皆对改善模型的预测性能有着积极的作用,所提方法在测试轴承上的均方根误差和平均绝对误差分别为0.1079和0.0831,远低于其他对比方法。
-
-
欧阳名三;
屈琪
-
-
摘要:
针对传统方法下锂离子电池剩余寿命预测精度低,提出一种基于堆叠自编码器(stacked autoencoder,SAE)下集合经验模态分解(ensembleempiricalmode decomposition,EEMD)和门控循环单元神经网络(gated recurrent unit neural network,GRU)组合而成的SAEEEMD-GRU(SEG)预测方法。应用SAE深层特征表达能力,对六个电池参数进行去噪、降维,重构出一个集中包含电池退化特性的融合健康因子,并利用EEMD不平稳信号分析算法将融合健康因子进行分解,获得若干个子序列。根据GRU网络时间序列分析能力,对子序列分别建立GRU模型并叠加重构,进一步提高锂离子电池剩余寿命的预测精度。最后采用PCoE(NASA ames prognostics center of excellence)电池数据集,与SAE-GRU方法及GRU方法进行对比实验,实验结果表明了SAE-EEMD-GRU(SEG)预测方法可以有效提高锂电池剩余寿命预测精度,并使预测误差RMSE,MAE控制在2%以下。
-
-
苗青林;
张晓丰;
高杨军;
刘显光;
秦丕胜
-
-
摘要:
提出了一种基于双通道的深度卷积神经网络方法,用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上,应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪;通过数据切片,将数据片标签设置为最后一个循环的剩余使用寿命,实现数据重构;引入分段和线性剩余使用寿命衰减模型,并给出了寿命衰减起始点判断方法;将寿命衰减前、寿命衰减中2种特征作为双通道网络模型的输入。在NASA涡轮风扇发动机仿真数据集(C-MAPSS)上测试结果显示,在测试数据范围较大时,该方法相关指标明显优于其他方法,在航空发动机剩余寿命预测上具有显著优势。
-
-
焦瑞华;
马欣;
李晓猛;
董智超
-
-
摘要:
通常情况下剩余使用寿命(Remaining Useful Life, RUL)预测的实现都是基于各种传感器监测得来的数据,如何从具有过程噪声的连续采集的大量数据中提取退化特征来监测系统的性能退化趋势,从而准确地预测出RUL是一项挑战。因此,提出了一个基于支持向量数据描述(Support Vector Data Description, SVDD)和粒子滤波(Particle Filter, PF)的RUL预测方法。首先,利用SVDD从大量历史数据中提取一个可以反映系统性能退化趋势的健康指标;其次,针对健康指标的退化趋势构建一个退化模型,同时可以相应地确定一个故障阈值;然后,基于PF算法和自动确定的故障阈值来实现RUL的准确预测;最后,利用航空发动机退化数据集验证了所提出方法的有效性和优越性。
-
-
赵沁峰;
蔡艳平;
王新军
-
-
摘要:
针对锂离子电池在循环过程中由于充电策略变化引起电池衰退趋势变化从而导致难以追踪的问题,提出了一种适用于不同充电策略的锂电池剩余寿命预测方法。基于NASA与斯坦福-MIT的电池数据提取电池电压平均变化率构建为电池衰减健康因子;将健康因子与电池容量载入基于樽海鞘群算法优化的极限学习机模型之中训练,获取电池在不同充电策略状态下的衰减模型。使用其他充电策略的电池数据对剩余寿命模型进行验证并评估。结果表明:提出的方法能够在确认充电策略情况下准确预测电池寿命,并且在电池运行过程中能够追踪电池容量变化趋势。
-
-
-
吴丕;
邓晖;
张秀亮
- 《第十七届全国现代结构工程学术研讨会》
| 2017年
-
摘要:
针对岭南清代古建筑所处环境和受力状态进行剩余使用寿命预测,研究并建立适合于该地理环境下的木结构损伤时变模型,修正了砌体构件的剩余使用寿命预测模型:设定随机变量使用蒙特卡洛算法进行剩余使用寿命的概率计算,从而进行了砖木混合结构的综合寿命预测,为岭南清代园林古建筑的评估鉴定工作提供分析案例.
-
-
LI Xuan;
李旋;
CHEN Haoyuan;
陈颢元;
GUO Yaojie;
郭耀杰
- 《2017“电力土建转型与发展”学术交流会》
| 2017年
-
摘要:
杆塔结构在运行过程中,各种环境因素作用会影响其正常使用,为保证输电线路能够安全运行,对服役杆塔剩余使用寿命的评估显得尤为重要.杆塔结构具有2种失效状态,目前国内外关于杆塔结构剩余使用寿命的研究,主要基于承载能力极限状态进行,而关于杆塔结构基于正常使用极限状态下剩余使用寿命的研究鲜有报道.塔顶位移是影响杆塔结构正常使用的重要因素,本文基于现有塔顶位移变形规律和监测数据,采用最小二乘法分析方法,建立评估杆塔剩余使用寿命的预测模型,以对现有评估方法进行补充和完善.
-
-
张中方;
全权;
蔡开元
- 《2012中国制导、导航与控制学术会议》
| 2012年
-
摘要:
健康管理系统对实现卫星安全性、可靠性和经济适用性具有重要意义.针对卫星系统自身的特点,建立一个马尔科夫模型来描述其运行健康状态的转移情况,通过对历史数据的统计分析,运用最小二乘估计得到系统的状态转移概率矩阵,从而实现对卫星系统剩余使用寿命的估计,最后通过算例分析说明了方法的可行性.
-
-
项贻强;
徐建武;
刘丽思;
李新生
- 《中国公路学会桥梁和结构工程分会2011年全国桥梁学术会议》
| 2011年
-
摘要:
混凝土结构的裂缝对其耐久性及使用寿命具有较大的影响,且有随机性,如何综合考虑结构的裂缝及裂缝的展开宽度,评价结构的耐久性剩余寿命具有较大的理论意义和现实意义.本文借鉴模糊随机分析方法,通过建立裂缝宽度的统计量,研究其对结构剩余使用寿命影响的隶属函数,提出计算开裂混凝土桥梁的剩余使用寿命的方法,并根据背景桥梁的相关数据完成了一个开裂混凝土箱梁的剩余使用寿命预测算例,结果表明混凝土的开裂会导致结构的使用寿命减小约30年.
-
-
-
-
SONG Ya;
宋亚;
XIA Tangbin;
夏唐斌;
ZHENG Yu;
郑宇;
ZHUO Pengcheng;
卓鹏程;
Pan E
- 《第五届全国现代制造集成技术学术会议》
| 2018年
-
摘要:
随着大型装备日趋复杂化、精密化和专业化,工业界对智能服务技术的需求更加迫切.涡扇发动机作为设计结构复杂、可靠性要求高的关键航空部件,其剩余使用寿命(Remaining useful life,RUL)的有效预测,对于科学合理地制定维护策略,降低维护成本具有重要意义.针对发动机状态监测数据样本量大、维度高的特点,提出一种整合自编码神经网络(Autoencoder)和双向长短期记忆(Bidirectional long short-term memory,BLSTM)神经网络优势的混合健康状态预测模型,优化涡扇发动机的剩余使用寿命预测.利用Autoencoder方法作为特征提取工具,对状态监测数据进行压缩,然后利用BLSTM方法能捕捉数据长程依赖的特性,构建剩余使用寿命的混合深度学习预测模型.基于通用数据集开展测试比较,结果表明Autoencoder-BLSTM混合模型的预测精度优于现有的多层感知机、支持向量回归、卷积神经网络和LSTM方法,可有力支撑涡扇发动机的健康管理与运维决策.
-
-
-
ZHAO Shiqiang;
赵世强;
CUN Jin;
崔晋;
SUN Yaqiang;
孙亚强;
任磊
- 《2017中国智能物联系统会议》
| 2017年
-
摘要:
本文提出了一种基于自动编码器和深层神经网络的综合方法,用于预测锂离子电池的剩余使用寿命(RUL).从原始数据提取基本健康指标后,采用自动编码器模型进行特征融合优化.编码的特征可以有效地代表电池健康状况的退化.然后,引入深神经网络模型来预测锂离子电池的RUL.使用均方根误差(root mean square error,RMSE)评估所提出的方法在的性能,并将其与一些经典预测方法进行比较.实验结果表明该方法的有效性和优越性.实验使用数据是由NASA提供的真实数据集.
-
-
谢桂华;
李继祥;
濮中标
- 《2003年全国结构计算理论与工程应用学术会议》
| 2003年
-
摘要:
氯离子对钢筋的腐蚀是影响钢筋混凝土构件安全性和耐久性的主要因素之一.根据国内外最近的试验资料与研究成果,分析氯腐蚀对梁结构的影响,推导出在役钢筋混凝土梁结构的初始腐蚀模型,由此探讨受腐蚀钢筋混凝土梁结构在正常使用状态下的可靠度计算方法,并预测结构的剩余使用寿命.