退化曲线相似性：关键设备剩余寿命预测的新方法

本文主要探讨了一种创新的基于退化曲线相似性的剩余使用寿命（Remaining Useful Life, RUL）估计方法，针对预测与健康管理领域的关键设备维护问题。该研究论文由李劲松、张惠娟等人在南京航空航天大学自动化学院和航空机电综合航空科技重点实验室电子工程部共同完成，发表于2017年。 在离线训练阶段，作者首先采用多维度传感器数据，并利用线性回归技术将其整合为单一的一维健康度（Health Indicator, HI）指标。通过这种方法，复杂的传感器数据被简化为便于分析的单个时间序列。然后，通过对HI数据进行步进处理，提取出大量的固定长度HI曲线。这个过程有助于识别不同设备的退化趋势，因为每个曲线都反映了设备在不同阶段的健康状态。 为了进一步减少曲线数量并提高效率，论文提出了使用K-Means++聚类算法，它是一种有效的无监督学习方法，能够将相似的HI曲线归为一类。这样，每组曲线都对应着特定的设备退化模式，隐藏着潜在的剩余使用寿命信息。聚类后的曲线库成为后续在线估计环节的重要资源。 在线估计环节中，新的设备样本与已有的HI曲线库进行比对，找到最相似的曲线。这种相似性可以通过欧式距离等度量方法来计算。通过匹配到的曲线，研究人员可以推算出设备的剩余使用寿命，为维护决策提供依据。 为了验证这种方法的有效性，作者选取了航空涡扇发动机失效数据进行了实验。实验结果表明，基于退化曲线相似性的剩余使用寿命估计方法在实际应用中具有较高的准确性和可靠性，为预测和健康管理提供了科学的支持。 论文的关键词包括预测与健康管理、剩余使用寿命、健康度、退化曲线、线性回归、多项式拟合、K-Means++聚类以及欧式距离，这些都是本文核心理论和技术的体现。这篇文章为复杂设备的健康管理和寿命预测提供了一种新颖且实用的解决方案，具有很高的学术价值和工程实用性。