机械工程学报

作者：蒋翔宇, 冯毅雄, 张志峰, 宋秀菊, 洪兆溪, 胡炳涛, 谭建荣

单位：1. 浙江大学流体动力基础件与机电系统全国重点实验室 杭州 310027;2. 贵州大学省部共建公共大数据国家重点实验室 贵阳 550025;3. 浙江大学宁波科创中心 宁波 315100

关键词：人-信息-物理协同,剩余寿命,同步预测,核最小方均；

基金：国家重点研发计划(2022YFB3402000)、浙江省重点研发计划(2024C01207)和国家自然科学基金(52105281，52205288)资助项目。

在工业5.0新时代，将设备物理实体与人类认知、信息技术融合，是推动故障预测与健康管理(Prognostics and health management, PHM)智能增强的重要途径，剩余寿命估计作为PHM中的关键环节，为设备预测性维护提供时间裕量依据。受人的记忆和遗忘机制启发，提出一种人-信息-物理协同的剩余寿命估计可演进式模型框架，能够同时预测设备的连续状态和离散状态。模型采用基于实例的学习策略从时序数据中汲取并保留知识，无须事先假设固定的失效阈值和退化阶段，旨在随着样本的加入而逐渐调整趋于稳定，适合于设备小样本和先验知识不足的情况，或设备处于变化的运行环境中。模型底层采用核最小均方算法，使模型结构和参数可以在线更新；基于最近实例质心估计方法改进算法，将输入空间拓展为特征空间，随着输入数据的学习将空间自动划分为不同子区域，以实现在预测未来信号的同时获取健康状态信息，进而推导剩余寿命。为了使模型网络规模更加紧凑，引入在线矢量量化方法，通过消除模型冗余的基函数降低计算复杂度。将所提模型框架运用于某压水堆给水泵剩余寿命估计，验证了方法的有效性。

来源：2025年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第4期