Resumen

El método de predicción de la vida útil restante (RUL) basado en la trayectoria de degradación ha sido una de las partes más importantes en el pronóstico y la gestión de la salud (PHM). En el modelo convencional, los datos de degradación suelen utilizarse directamente para el modelado de la degradación. En la práctica de la ingeniería, la degradación de muchos sistemas presenta una situación volátil, es decir, de fluctuación. De hecho, la volatilidad de los datos de degradación muestra la estabilidad del sistema, por lo que podría utilizarse para reflejar el rendimiento del sistema. Por ello, este artículo propone un nuevo modelo de degradación para la estimación de RUL basado en la volatilidad de los datos de degradación. En primer lugar, los datos de degradación se descomponen en elementos de tendencia y elementos aleatorios, que se definen como un proceso estocástico. A continuación, la desviación estándar del proceso estocástico se define como otra variable de rendimiento, ya que la desviación estándar refleja el rendimiento del sistema. Por último, el proceso de Wiener y el proceso estocástico normal se utilizan para modelar los elementos de tendencia y los elementos aleatorios por separado y, a continuación, la función de densidad de probabilidad (PDF) de la RUL se obtiene mediante una función de umbral de fallo redefinida que combina los elementos de tendencia y la desviación estándar de los elementos aleatorios. Dos estudios de casos prácticos demuestran que, en comparación con los enfoques tradicionales, el modelo propuesto puede tratar mejor los datos de degradación con muchas fluctuaciones y obtener un resultado más razonable y conveniente para la toma de decisiones de mantenimiento.

• Materias:Control del proceso Regulación automática Diagnóstico de fallos Instrumentación automática Optimización de procesos
• Subjects: Automatic regulation Fault diagnosis Automatic instrumentation Process optimization
• Palabras claves:datos de degradación, elementos aleatorios, desviación típica, elementos de tendencia, proceso estocástico, función de umbral de fallo, nuevo modelo de degradación, proceso estocástico normal, casos prácticos, función de densidad de probabilidad
• Keywords:degradation data, random items, standard deviation, trend items, stochastic process, failure threshold function, new degradation model, normal stochastic process, practical case studies, probability density function