近年來,隨著工業(yè)化程度的不斷提高,眾多工業(yè)設備投入到工業(yè)過程中,這些工業(yè)設備的運行環(huán)境十分復雜多樣,設備的性能會隨著使用而發(fā)生退化,最終將會發(fā)生失效。如果設備發(fā)生失效,將會引發(fā)一系列嚴重的事故,造成重大的人員財產(chǎn)損失以及嚴重的環(huán)境破壞。因此,出現(xiàn)了在工業(yè)、國防、航天等領(lǐng)域有著廣泛應用前景的預測與健康管理（Prognostics and Health Management,PHM）技術(shù)。PHM技術(shù)由故障預測和健康管理兩部分組成,要確定故障的發(fā)生關(guān)鍵步驟是對設備的剩余壽命進行預測。為此,本文以現(xiàn)有數(shù)據(jù)驅(qū)動的剩余壽命（Remaining Useful Life,RUL）預測方法為基礎,對工業(yè)過程中的關(guān)鍵設備RUL預測方法進行研究。具體研究內(nèi)容包括:（1）為了更準確的預測鋰離子電池的剩余壽命,提出基于粒子濾波——誤差補償算法的電池RUL預測方法。該方法以粒子濾波算法為基礎,引入基于相關(guān)向量機的誤差補償算法構(gòu)建誤差模型進行補償。通過比較該方法與粒子濾波算法的預測結(jié)果,該方法的預測誤差更小,表明該方法能夠提高預測精度。（2）針對粒子退化問題導致的預測精度下降問題,采用一種改進粒子濾波算法對鋰離子電... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

剩余壽命預測方法分類Fig.1-1ClassificationofRemainingUsefulLifePredictionMethods

本章方法整體流程

本章方法流程圖

【參考文獻】：
期刊論文
[1]基于多參數(shù)融合相似的民航發(fā)動機壽命預測[J]. 曹惠玲,崔科璐,梁佳旺.  中國機械工程. 2020(07)
[2]融合多傳感器數(shù)據(jù)的發(fā)動機剩余壽命預測方法[J]. 任子強,司小勝,胡昌華,王璽.  航空學報. 2019(12)
[3]基于深度學習理論的刀具狀態(tài)監(jiān)測及剩余壽命預測方法[J]. 安華,王國鋒,王喆,馬凱樂,鐘才川.  電子測量與儀器學報. 2019(09)
[4]深度學習在設備故障預測與健康管理中的應用[J]. 陳志強,陳旭東,José Valente de Olivira,李川.  儀器儀表學報. 2019(09)
[5]電磁脈沖環(huán)境下HVDC換流閥晶閘管的失效機理及壽命模型分析[J]. 梁寧,張志剛,劉翠翠,王豐,卓放.  電力電容器與無功補償. 2019(02)
[6]基于改進差分時域特征和深度學習優(yōu)化的航空發(fā)動機剩余壽命預測算法[J]. 高峰,曲建嶺,袁濤,高峰娟.  電子測量與儀器學報. 2019(03)
[7]基于Gamma過程的交流接觸器剩余電壽命仿真預測[J]. 李奎,李正廣,段宇,鄭淑梅,劉政君,高志成.  電測與儀表. 2018(16)
[8]基于二元維納過程的軸承剩余壽命預測[J]. 金曉航,李建華,孫毅.  儀器儀表學報. 2018(06)
[9]電動汽車供電系統(tǒng)鋰電池剩余壽命預測[J]. 張吉宣,賈建芳,曾建潮.  電子測量與儀器學報. 2018(03)
[10]基于Wiener過程的航空燃油泵壽命預測[J]. 張先航,李曙林,常飛,杜旭,尹俊杰,肖堯.  航空科學技術(shù). 2017(11)

博士論文
[1]小批量隨機梯度下降算法在地震成像中的應用[D]. 潘磊.中國科學技術(shù)大學 2018

碩士論文
[1]基于粒子濾波的鋰離子電池剩余壽命預測研究[D]. 趙小將.北京工業(yè)大學 2018
[2]間歇狀態(tài)監(jiān)測下緩慢退化系統(tǒng)的剩余壽命預測與維修策略優(yōu)化研究[D]. 李丹丹.北京交通大學 2017



本文編號：3459064