基于神经网络应用的机器与部件剩余寿命估计
计算工程、金融与科学
2007-05-23 v1
摘要
本文关注利用神经网络预测机器和部件的剩余寿命。此外，还研究了使用状态监测数据以增强这些神经网络预测能力的优势。利用两个不同的可靠性相关数据集对多种神经网络变体进行了训练和测试。第一个数据集代表更新情形，即故障单元经修复后恢复至如新状态。数据是在实验室中通过对一系列相似试件施加液压致动器的疲劳载荷收集的。在此数据集上，所比较的各种神经网络的平均预测误差在 431 至 841 秒之间变化，而试件的特征寿命为 8,971 秒。第二个数据集收集自工厂内用于循环水和磁铁矿溶液的一组泵。因此，该数据源自受可靠性退化影响的修复系统。优化后，采用 Levenberg-Marquardt 算法训练的多层感知机神经网络与广义回归神经网络产生的平方和误差相差在 11.1% 以内。两个实例均证明了利用神经网络进行剩余寿命预测的潜力，以及将基于状态的数据纳入模型的优势。
引用
@article{arxiv.0705.1390,
title = {Machine and Component Residual Life Estimation through the Application of Neural Networks},
author = {M. A. Herzog and T. Marwala and P. S. Heyns},
journal= {arXiv preprint arXiv:0705.1390},
year = {2007}
}
备注
22 pages