基于双自适应漂移系数状态空间模型与自相关预测误差修正的机械系统性能退化评估

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：Performance degradation assessment of mechanical system based on dual adaptive drift coefficient state-space model with autocorrelation prediction error correction

本文提出一种融合自相关预测误差修正与双自适应漂移系数状态空间模型的剩余使用寿命（RUL）预测框架。该框架通过递归自适应高斯稀疏滤波算法实现伪预测RUL的实时修正，并利用基于分数阶Lévy稳定运动（fractional Lévy stable motion）的双非线性漂移系数模型捕捉退化过程的长期依赖性（long-range dependence）与重尾分布特性，有效提升了在复杂工况下机械系统寿命预测的精度与可解释性。

　　

章节亮点

分数阶Lévy稳定运动的特性

分数阶Lévy稳定运动是Lévy稳定运动的扩展，通过引入分数阶导数的概念，能够更好地刻画具有长期依赖性、自相似性以及重尾分布特性的机械设备时间序列。其数学形式由以下随机积分定义：

L_H,α(t) = ∫_-∞^+∞[a((t-u)₊^H-1/α- (-u)₊^H-1/α) + b((t-u)_-^H-1/α- (-u)_-^H-1/α)] M_L(u) du

其中，当 * < 0 时，()_-^H-1/α= ()^H-1/α；当 * > 0 时，()₊^H-1/α= ()^H-1/α。

卡车驱动桥测试台架

为验证所提出的RUL框架的有效性和优越性，我们对卡车驱动桥进行了全寿命疲劳测试。如图3所示，这是一个专用的卡车驱动桥疲劳测试台架。需要指出的是，该全寿命疲劳测试完全由我们研究团队独立完成，从测试台架收集的数据对设备可靠性评估和寿命预测领域具有一定的价值。

结论

本文提出了一种利用带有自相关预测误差修正的双自适应漂移系数状态空间模型的RUL预测框架。通过引入伪预测RUL的概念，并实施所提出的递归自适应高斯稀疏滤波算法，实现了对伪预测RUL中自相关预测误差的实时修正，旨在提高预测结果的准确性。所构建的双自适应漂移...