Cálculo de la vida útil remanente mediante trayectorias móviles entre hiperplanos de máquinas de soporte vectorial

Abstract

[EN] A novel remaining useful life (RUL) prediction method inspired by support vector machines (SVM) classifiers is proposed. The historical instances of a system with life-time condition data are used to create a classification by SVM hyper planes. For a test instance of the system whose RUL is to be estimated, degradation speed is evaluated by computing the minimal distance defined based on the degradation trajectories, i.e. the system approach to the hyperplane that segregates good and bad conditions data at different time horizons. Therefore, the final RUL of a specific component can be estimated and global RUL information can then be obtained by aggregating the multiple RUL estimates using a density estimation method. The degradation process of a system may be affected by many unknown factors that complicate the degradation behavior and also make it difficult to collect quality data. Due to lack of knowledge and incomplete measurements, certain important context information of the collected data might be missing. Therefore, historical data of the system with a large variety of degradation patterns is mixed together. With such data, learning a global model for RUL prediction becomes extremely hard. This has led to look for advanced RUL prediction techniques beyond the traditional prediction models. The proposed model develops an effective RUL prediction method that addresses multiple challenges in complex system prognostics. Similarities between degradation trajectories can be checked in order to enrich existing methodologies in prognostics applications. Existing condition monitoring data for bearings is used to validate the model.

[ES] Se propone un nuevo método de predicción de vida útil remanente (RUL) inspirado en clasificadores de máquinas de soporte vectorial (SVM). Los datos históricos de condición de un sistema durante su tiempo de vida se utilizan para crear una clasificación mediante hiperplanos en SVM. Para estimar la RUL de un sistema, la velocidad de degradación se evalúa calculando la distancia mínima definida con base en las trayectorias de degradación; es decir, el acercamiento del sistema al hiperplano que segrega información de las condiciones buenas y malas en diferentes horizontes de tiempo. Se puede estimar la vida final de un componente específico, o la información de la RUL de una población ser calculada, mediante la agregación de múltiples estimaciones RUL usando un método de estimación de densidad. La degradación de un sistema se ve afectado por muchos factores desconocidos que, además de complicar los comportamientos de degradación, dificultan la recolección de datos con calidad. Debido a falta de conocimiento y medidas incompletas, normalmente se carece de información importante del contexto de los datos recogidos. Por ello se agrupan datos históricos del sistema con gran variedad de patrones de degradación, con los que la búsqueda de un modelo global de predicción RUL es extremadamente difícil. Esto lleva a buscar técnicas avanzadas de predicción más allá de los modelos tradicionales. El modelo propuesto desarrolla un método eficaz de predicción RUL que aborda múltiples retos en pronósticos de sistemas complejos. Las similitudes entre trayectorias de degradación pueden contrastarse para enriquecer las metodologías actuales de prognosis. Para verificar el modelo se emplean datos del monitorizado de condición en rodamientos