第33卷，第9期 2013年9月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.33,Na.9,pp2478-2482 September, 2013
基于油液光谱分析和粒子滤波的发动机剩余寿命预测研究
孙磊"，贾云献"，蔡丽影”，林国语"，赵劲松}.3
050003
1，军械工程学院装备指挥与管理系，河北石家庄 2.石家庄军械技术研究所，河北石家庄050003 3，军事交通学院装备保障系，天津300161
摘要油液光谱分析是机械腾损状态监测、故障诊断与故障预测的重要技术，基于光谱数据的机板状态剩余寿命预测有利于实现机械系统的最优维修决策，由于机械设备越来越复杂，其健康状态的退化过程很难用线性模型来表示，而粒子滤波（particlefilter，PF)对非线性非高斯系统的处理能力，与经典Kalman滤波相比具有明显的优势，文章将PF预测方法运用于光谱分析，提出了基于PF和油液光谱分析技术的设备剩余寿命预测方法。在预测模型中实现了根据设备后验分布的估计值预测其先验分布概率，建立了基于PF 的多步向前长期预测模型。最后，对某发动机实际的光谱分析数据进行了预测和分析，并与传统Kalman滤波方法的预测结果进行了比较，结果充分表明了本方法的有效性和优越性。
油液光谱分析；粒子滤波；发动机；剩余寿命预测
关键词
中图分类号：TH165.3
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2013)09-2478-05
备早期、中期磨损监测，比较适合寿命预测模型对设备运转的长期状态监测需求。
对机械设备剩余寿命预测问题进行研究，一种解决方案
随着科学技术的发展，通过先进传感技术获取机械设备的运行状态日益为人们所重视，准确的剩余寿命预测（RUL）对维修决策的优化起着重要的指导作用。而且现代维修策略的制定越来感依赖于设备当前状态而不是按照维修计划按部就班，这就需要准确预测出设备未来退化过程的发展趋势。因此，对设备开展基于状态的维修(CBM)，通过状态监测、故障诊断和预测等技术对设备进行早期故障识别并预测其利余寿命显得尤为重要。在各种CBM技术中，油液光谱分析技术是近年来最为常用和经实践验证最有效的手段。
油液光谱技术（spectrometricoil analysis，SOA）是一种利用原子吸收或原子发射光谱来分析润滑油中金属的成分和含量，从面判断磨损的零件和磨损的严重程度的方法)。油液光谐分析不但可以定性的判断磨损的零件，而且可以从润脊油中金属成分含量的多少，定量的判断机器的垂损程度，但由于其本身工作原理的限制，在一-定精度下光谱分析只能分析小于10m的粒子，只可测得油样中磨粒的群体特征，不能获得磨粒的形态特征，因此适用于较为清洁的油样。在现场分析中，光谱更多的被用于对油液的快速定量分析和设
是采用基于设备性能退化模型的状态预测方法，基本恩想是：假设设备的性能退化过程可以由一个状态空间模型描述，即包含设备性能退化信息的状态变量与其性能退化过程之间存在某种对应关系，通过对状态变量未来一段时间内发展情况的预测，并结合一定的判别准则，就可以预测设备的性能退化状态和剩余寿命，此时剩余筹命预测问题就转化为：已知当前设备状态信息，对改备未来某一时刻状态变量的估计间题，目前常用的Bayesian估计方法从理论上给出了求解方案，但实际应用中很难求得Bayesian估计的解析解，进而出现了以Kalman滤波、扩展Kalman滤波和无迹滤波为代表的具体实现算法[35]，但是上述预测则算法均假设设备系统状态变量必须满足高斯分布，而设备系统在实际运行中普遍呈现非线性非高斯性，其适用性存在很大限制。近几年新发展的粒子滤波（particlefiltering，PF)算法，从理论上解决了对系统描述的线性高斯假设限制，因此本文建立基于 PF算法的设备剩余寿命预测模型。
以本课题组研制的某型自行火炮发动机为研究对象，结合油液光谱分析技术和粒子滤波，对其剩余寿命进行预测研
收稿日期：2013-01-03，修订日期：2013-03-26
基金项目：国家*十二五"武器装备预研项目(51327020101)，总装预研基金项目(9140A27020308JB34)资助
作者简介：孙磊，1985年生，军械工程学院装备指挥与管理系博士研究生万方数据
e-msil;waterprison@163,com