Resumen

La simulación paralela de equipos es una tecnología de simulación emergente en los últimos años, y la simulación paralela orientada a la predicción de la vida útil restante de los equipos es una rama importante de la simulación paralela. Un concepto importante en la simulación paralela de equipos es la evolución del modelo impulsada por los datos en tiempo real, incluyendo la selección del modelo y la evolución de los parámetros del mismo. La investigación actual sobre la simulación paralela orientada a la predicción de RUL de equipos se centra principalmente en un único modo de degradación continua, como la degradación lineal y la degradación no lineal. Bajo esta condición de degradación, los métodos de evolución de los parámetros del modelo en la simulación paralela pueden predecir eficazmente la RUL del equipo. Sin embargo, en la práctica, la mayoría de los procesos de degradación de los equipos presentan una mezcla de degradación continua y choque discreto. Por tanto, esto requiere una selección adaptativa de los modelos de simulación basada en los datos de degradación en tiempo real. En este trabajo, se estudia la simulación paralela orientada a la predicción de la degradación híbrida de los equipos considerando el modelo de cambio suave. En primer lugar, bajo el marco de modelado del modelo de espacio de estado (SSM), se establecen dos tipos de modelos de simulación de degradación utilizando el proceso Wiener y el efecto Poisson. En función de los datos de degradación en tiempo real, se calcula la probabilidad del modelo utilizando el algoritmo de filtrado de modelos múltiples interactivo para realizar el cambio suave del modelo y la asimilación de datos. Sobre la base del cambio suave del modelo, se utiliza el algoritmo de maximización de expectativas para lograr la evolución de los parámetros del modelo. A través de la iteración entre el cambio suave del modelo y la evolución de los parámetros del modelo, la fidelidad de la simulación puede ser mejorada efectivamente y el estado de degradación del equipo real se aproxima continuamente. De acuerdo con el teorema de la probabilidad completa y el concepto de tiempo de primer impacto, la distribución del estado de degradación simulado se integra en la distribución gaussiana inversa. A continuación, se obtiene la expresión analítica de la función de densidad de probabilidad RUL para lograr la predicción de RUL en tiempo real. Por último, se realizó un estudio de caso utilizando los datos de degradación de un rodamiento. Los resultados muestran que la simulación paralela puede modelar eficazmente el proceso de degradación híbrido del rodamiento. En comparación con el método de modelo único que sólo considera la evolución de los parámetros del modelo, el RUL obtenido por el método propuesto en este trabajo tiene una mayor precisión de predicción y una menor incertidumbre.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:evolución de los parámetros del modelo, simulación paralela, interruptor suave, predicción de la regla de los equipos, simulación paralela de los equipos, datos de degradación en el tiempo, selección de la simulación, modelo de simulación de la degradación, modo de degradación continua, distribución gaussiana inversa
• Keywords:model parameters evolution, parallel simulation, soft switch, equipment rul prediction, equipment parallel simulation, time degradation data, selection of simulation, degradation simulation model, continuous degradation mode, inverse gaussian distribution