来自系列:预测性维护
Mathworks Melda Ulusoy
预测性维护可让您估计机器的剩余使用寿命(RUL)。RUL预测可让您了解机器何时会出现故障,以便提前安排维护。
您将了解最常见的RUL估计模型:相似性、生存和退化。当您拥有相似机器的完整历史记录时,可以使用相似模型来估计RUL。然而,如果只有故障时的数据,则可以使用生存模型。如果故障数据不可用,但您知道安全阈值,则可以使用降级模型。该视频概述了所有这些模型,然后以飞机发动机为例更详细地讨论了其中一种技术——相似性模型。
查看以下示例,了解本视频中提到的数据缩减技术:
预测性维护的目标之一是估算剩余使用寿命,简称RUL。在本视频中,我们将了解什么是RUL,并讨论估算RUL的三种常用方法。在这里,我们看到机器随着时间的推移而退化。如果这是机器的当前健康状况,则剩余使用寿命计算为t在此点和故障之间的ime。根据您的系统,此时间段可以用天、英里、周期或任何其他数量表示。
有三种常见方法来估算RUL:相似性,生存和退化模型。你怎么知道要使用哪种模型?这真的取决于你知道多少。您的数据是否会捕获从健康状态到失败的劣化,或者您只有失败时间的数据,或者您之间只能在介于两者之间进行一些东西,但知道不应超过的安全阈值?
现在我们将使用一个飞机发动机的例子来更好地理解这些估计器模型是如何工作的。然后,使用相同的示例,我们将更详细地讨论相似性模型,并查看RUL预测的模拟结果。
假设这是我们的发动机,它已经运行了20次航班。我们想知道的是,在其部件需要维修或更换之前,发动机还能运行多少次航班。这是来自具有相同类型发动机的车队的数据。如果我们没有车队的完整历史记录,但只有故障数据,那么我们可以可以使用生存模型来估计RUL。我们知道多少次飞行后有多少发动机出现故障,我们也知道发动机已经运行了多少次。生存模型使用这些数据的概率分布来估计剩余的使用寿命。
在某些情况下,类似机器没有使用故障数据。但是我们可能知道安全门槛,不应该越过这可能导致失败。我们可以使用以下信息如下。我们可以将劣化模型符合条件指示器,该指示符使用我们的发动机的过去信息来预测条件指示符将来会改变。这样,我们可以在统计上估算有多少周期,直到条件指示交叉阈值,这有助于我们估计剩余的使用寿命。
估算RUL的第三种常用方法是使用相似模型。当我们运行到故障数据时,使用这些模型。这意味着我们拥有来自具有相同类型发动机的车队的完整历史记录。这包括来自健康状态、降级和故障的数据。
让我们围绕到目前为止讨论的内容:这些是估算RUL的三种常见方法。如果您只有失败时只有数据,那么您可以使用生存模型。如果不可用的故障数据,但您具有安全阈值的知识,则可以使用劣化模型。如果您有来自类似机器的完整历史,那么您可以使用相似性模型来估算RUL。
接下来,我们将更详细地讨论这些技术中的一种,即相似性模型,让您直观地了解RUL预测是如何执行的。正如您从以前的视频中所记得的,预测性维护工作流程的第一步是收集数据。在这里的例子中,我们将使用NASA数据存储库中公开的预测和健康管理挑战数据集。该数据集包括218个不同发动机的完整历史记录,其中每个发动机数据包含21个传感器的测量值。这些传感器(如燃油流量、温度和压力)安装在发动机的不同位置,用于向控制系统提供测量值并监测发动机的健康状况。以下是所有发动机的一个传感器测量结果。在图上,x轴显示循环或飞行的数量,而y值表示每个飞行的平均传感器值。每台发动机在正常状态下起动,并以故障结束。
这些数据来自其中一个传感器,但请记住,我们还有20个传感器。所以,这是一个大数据集。如果我们仔细观察其他传感器读数,我们会发现其中一些测量值并没有显示健康状态和故障之间的显著变化趋势。因此,它们不会有助于选择用于训练相似性模型的有用特征。因此,在预处理步骤中,通过仅选择最具趋势的传感器并将它们组合在一起以计算条件指标来执行数据缩减。在本视频中,我们将不讨论在这些步骤中执行的计算,但您可以查看视频描述中给出的链接,以了解有关不同数据缩减技术的更多信息。
现在我们有了所有发动机的退化曲线,下一步是使用这些轨迹训练相似模型,并估计发动机的剩余使用寿命。此动画向我们展示了如何执行此培训。让我们暂停一下,讨论一下不同颜色的含义。黄色轮廓表示我们希望估算剩余使用寿命的发动机。在当前时间,发动机处于60个循环。相似性模型首先找到最接近当前循环发动机的发动机外形。由于我们的发动机退化与这些发动机相似,它们可以让我们了解发动机的预期故障时间,因为我们已经知道它们的故障时间,我们可以使用这些数据拟合概率分布,如图所示。此分布的中位数为我们提供了发动机的剩余使用寿命估计值。请注意,原始数据集分为两部分,我们使用其中较大的一部分来训练相似性模型,其余部分来测试训练后的模型。这意味着我们已经知道发动机的实际RUL,这将帮助我们评估训练模型的准确性。
让我们播放动画的其余部分。正如我们刚才所讨论的,在每次迭代中,相似性模型都会找到以绿色显示的最近路径,并使用概率分布图计算RUL。在这个图上,橙色线表示预测的RUL,黑色线表示实际的RUL。我们注意到的是预测的RUL随着时间的推移,相似性模型从我们的引擎中获取越来越多的飞行数据,它越来越接近实际RUL。如果我们回溯到动画的开头,我们会看到从我们的引擎输入到模型中的数据只有这么多,预测与真值相差40个周期。在上面的图中,我们看到最近的路径是wi然而,当我们从引擎中得到新的数据时,我们用更大的数据集来训练相似性模型,因此,预测精度随着时间的推移而改善,我们观察到最接近的路径变得更加集中,并且预测的RUL开始收敛到实际的RUL。这台发动机大约在这个时候,因为我们正在接近其他发动机的预期故障时间。
在这个视频中,我们已经谈到了三种常见的方法来估计剩余的使用寿命并使用了用于训练相似性模型的飞机发动机示例。查看视频描述中给出的链接,了解有关如何使用MATLAB和Simulink开发预测维护算法的更多信息。金宝app
您还可以从以下列表中选择网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。