故障预测与健康管理是以工业监测数据为基础,通过高等数学、数学优化、统计概率、信号处理、机器学习和统计学习等技术搭建模型算法,最终实现产品和装备的状态监测、故障诊断及寿命预测,为产品和装备的正常运行保驾护航,从而提高其安全性和可靠性。
01
故障预测与健康管理新方向——可解释物理故障特征
可解释物理故障特征:故障特征是智能运维实现高效状态监测、故障诊断与寿命预测的重要前提和基础。峭度、负熵、基尼指数等稀疏测度以及近似熵、相关维度等复杂性测度是目前较常见的可解释物理故障特征,其结合各种信号处理框架,可提出快速谱峭度算法、盲源去卷积算法、稀疏滤波等先进自适应信号处理算法,最终实现复杂信号的滤波以及提纯,量化故障信号以及描述故障退化趋势。
研究热点:在故障预测与健康管理领域,关于峭度、香农熵、近似熵、基尼指数、平滑指数、Lp比Lq范数等可解释物理故障特征的理论基础研究仍不完善,需深入研究稀疏性测度和复杂性测度的数理基础,以便充分说明这些测度是如何量化故障信号以及描述信号的动态演变过程。这些测度不仅可以作为信号处理以及机器学习的目标函数来大幅度提升算法性能,而且可以为实际状态监测以及趋势分析提供理论指导来充分解释故障动态演变规律。
研究进展:近年来我们提出的标准化平方包络和数学框架以及准算数均值比数学框架指引了稀疏测度构造的新方向,同时发现了大量与基尼指数、峭度、香农熵等具有等价性能的稀疏测度。基于标准化平方包络和数学框架以及凸优化技术,提出了在线更新模型权重可解释的机器学习算法,最终可以利用模型权重来实时确认故障特征频率,解决了状态监测与故障诊断领域传统机器学习只能输出状态,而无法提供故障特征来确认输出状态的难题。
02
故障预测与健康管理新方向——可解释数学优化退化模型
全寿命周期服役性能退化评估:性能退化评估方法旨在通过提取退化特征来描述和量化设备全寿命退化过程,进而识别设备所处的退化阶段和性能退化的严重程度。退化特征通常又称为健康指数(Health index,HI)。基于健康指数,可以在线监测设备的早期故障时刻,继而跟踪设备的退化过程,从而精准地评估设备所处的退化状态,如健康状态、早期故障状态、快速退化状态和失效状态等。与故障诊断技术侧重于判断某一时刻的性能状态和具体故障类别不同的是,性能退化评估技术的目标是跟踪设备从正常状态演化到失效状态的性能退化趋势和走向,为设备剩余寿命预测提供趋势分析。
研究热点:典型的健康指数可分为物理健康指数和虚拟健康指数。物理健康指数是以统计特征,如稀疏测度和复杂性测度为代表的具有明确物理意义的健康指数。这类健康指数虽然有明确的物理意义,但是难以同时实现早期故障监测和单调服役性能退化评估。虚拟健康指数一般指以自编码器等为代表的智能算法所提取的虚拟参数,这类指数一般具有强烈的波动、无可解释性、拓展性差等缺点。
研究进展:近年来我们提出的基于数学优化模型和全局谱线融合的退化建模新方法,通过利用数学优化模型量化健康指数的单调性、可分性、趋势性等固有特性以便自动优化和求解全局谱线的权重,解决了传统方法难以同时实现早期故障监测和单调服役性能退化评估的难题。相较于传统方法,该方法优势显著:1)频谱直接由傅里叶变换得到,无需复杂和先进的信号处理算法,更接近工程需求;2)频谱权重可自动定位信息频率带,无需人为判断信息频谱成分;3)训练后的模型权重具有可解释性,既可以在频谱上揭示信息频率带,也能在包络谱上揭示故障特征频率;4)可以推广至更多基于振动信号或者声发射信号的设备退化建模中。
(End)
【作者简介】
王冬,获国家特聘青年专家,现任职于开云网页登录 机械与动力工程学院工业工程与管理系副教授、博士生导师,担任机械系统与振动国家重点实验室固定成员、中国质量发展研究院固定成员、中国振动工程学会副秘书长、国际权威期刊Mechanical Systems and Signal Processing编委、IEEE Transactions on Instrumentation and Measurement副主编、IEEE Sensors Journal副主编、Journal of Dynamics Monitoring and Diagnostics副主编以及Journal of Low Frequency Noise, Vibration & Active Control副主编。研究兴趣包括:智能运维与大数据分析、稀疏测度、复杂度测度及特征提取的数学基础研究、退化建模数学优化模型、寿命预测统计概率模型、信号处理、机器学习和统计学习。围绕产品和设备健康监测、故障诊断及寿命预测理论及应用基础研究,提出了广义谱峭度理论、广义稀疏测度、稀疏测度敏感性分析理论、广义Hjorth参数理论、物理可解释性神经网络、Box-Cox稀疏测度理论、相关维度和近似熵新理论、准算术平均比值框架、基于布朗运动的广义状态空间寿命预测理论、广义几何布朗运动寿命预测理论、动态贝叶斯小波变换框架、频谱数据融合退化建模框架、可解释状态监测机器学习算法等新理论和新方法,研究成果主要发表在Mechanical Systems and Signal Processing、IEEE/ASEM Transactions等国际权威期刊上,发表SCI收录论文100多篇(第1作者40多篇),论文被引4000多次。
地址:上海市华山路1954号开云网页登录
机动动力楼
招生咨询电话:021-62932251
联系电话:021-62933031/3084/2285
招生咨询邮箱:jidong.mem@sjtu.edu.cn