ارائه مدل داده محور براي تخمين عمر مفيد باقيمانده با استفاده از تركيب داده‌هاي حسگرهاي توربوفن

A Data-Driven method for estimation Remaining Useful Life (RUL) of turbofan based on multi-sensor information integrations

تعيين وضعيت زوال و تخمين عمر مفيد باقيمانده، دو فعاليت اصلي در مديريت سلامت و پيش‌بيني عيوب است. اين دو فعاليت اصلي را مي‌توان به عنوان مساله اي از تركيب اطلاعات حسگرها در نظر گرفت. اين حسگرها شامل اطلاعاتي نظير سرعت، فشار و دماي اجزاي مختلف سيستم مي باشند. از منظر تئوري شواهد، اطلاعات بدست آمده از هر يك از اين حسگرها را مي توان به عنوان بخشي از شواهد محسوب نمود و مساله تعيين زوال و تخمين عمر مفيد باقيمانده بر اساس اين اطلاعات را به عنوان مساله تركيب شواهد در نظر گرفت. در اين مقاله از تئوري دمپستر-شفر به عنوان يك ابزار براي مدلسازي و تركيب اطلاعات حسگرها كه نمايانگر وضعيت سلامتي توربوفن مي باشند، استفاده شده است. براي اين منظور توضيح داده شده كه چگونه مي توان مساله تخمين عمر مفيد باقيمانده با استفاده از تركيب داده هاي حسگرها را در چارچوب مفاهيم اين تئوري از جمله تابع جرم، عناصر كانوني و قوانين تركيب شواهد، مدلسازي نمود. اين مقاله يك روش جديد براي تركيب نتايج تخمين هاي متفاوت عمر مفيد باقيمانده از طريق تعيين وزن ها پيشنهاد داده است. همچنين دو سناريوي مختلف براي تعيين ميزان شباهت سيستم تحت مطالعه با شواهد موجود ارائه نموده است. سرانجام به منظور ارزيابي روش پيشنهادي، از مجموعه داده‌هاي توربوفن (C-MAPSS) استفاده شده كه در ادبيات موضوع بطور گسترده مورد توجه محققان قرار گرفته است. نتايج پياده سازي نشان مي‌دهد كه روش پيشنهادي از منظر دو معيار امتياز و عملكرد كارايي بهتري نسبت به روش هاي موجود در ادبيات موضوع دارد.

Determination of degradation status and estimating remaining useful life are two main activities in prognostics and health management. These two main activities can be perceived as the problem of multi-sensor data fusion. These sensors contain information including speed, pressure, and temperature. In terms of evidence theory, the information obtained from each of these sensors can be regarded as a part of the evidence and determination of degradation status and estimating remaining useful life based upon this information can be considered as the problem of multi-sensor data fusion. In this article, the Dempster-Shafer theory has been employed as a tool for modeling and multi-sensor data fusion as an indicator of the health status of the turbofan. In this regard, initially, the theory of evidence has been reviewed and then how to model the remaining useful life estimation problem by multi-sensor data fusion within the framework of the concepts of this theory including mass function, focal elements and rules of evidence composition is explained. This paper has introduced a new approach for combining the results of different estimates of remaining useful life through determining the weighs. Furthermore, it has offered two different scenarios to specify the similarity between the system under study and the available evidence. Finally, to appraise the proposed method, the turbofan engines data set (C-MAPSS) has been used as it has been extensively addressed in literature by researchers. According to the results, the proposed method revealed better score and performance compared with other available methods in the literature.