不同环境下基于退化的剩余寿命预测
应用统计
2014-12-04 v1
摘要
退化建模传统上依赖历史信号来估计底层退化过程的行为。许多模型假设这些历史信号是在相同环境条件下获取的，并且可以在部件的整个寿命期间连续观测到。在本文中，我们放宽这些假设，提出了一个更通用的统计框架，用于建模可能在不同类型环境条件下收集的退化信号。此外，我们考虑历史信号不一定连续观测的应用场景，即历史信号稀疏或碎片化。我们考虑了两种情况：历史退化信号在已知环境状态下收集，以及在这些历史数据获取期间环境条件未知。对于第一种情况，我们使用分类算法来识别现场运行单元的环境状态。在第二种情况下，需要对历史退化信号进行聚类步骤。所提出的模型可以为仍在现场运行的工程部件提供准确的寿命或剩余寿命分布预测。通过使用模拟退化信号以及从旋转机械装置获取的基于振动的退化信号，验证了该模型的有效性。
引用
@article{arxiv.1412.1315,
title = {Degradation-based residual life prediction under different environments},
author = {Rensheng Zhou and Nicoleta Serban and Nagi Gebraeel},
journal= {arXiv preprint arXiv:1412.1315},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS749 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)