了解剩余使用寿命 (RUL)
剩余使用寿命 (RUL) 是对设备部件或系统在达到预定故障阈值或需要维护干预之前，还能继续运行多长时间的估计。RUL 是根据当前状态指标计算得出的—— 振动 级别，, 趋势 进展速度以及断层类型的特征——这是该研究的主要成果 预后分析. 通常以运行小时数、日历天数或工作周期为单位表示，直至需要进行干预。
RUL 估算是一项工作的最终目标 预测性维护 节目：它变得原始 状态监测 将数据转化为具有前瞻性且可付诸行动的洞察。一个合理的剩余使用寿命（RUL）数值有助于确定最佳维护时机，最大限度地提高设备利用率，并同时减少过早干预（这会白白浪费设备的使用寿命）和延误维修（其造成的损失远高于维修本身）。
1. RUL在预后评估中的定位
RUL 最好理解为量化的 答话 该预后所产生的。这一链条始于 故障检测 （存在一个问题）通过 诊断 （问题是什么）到预后（将如何发展）——而RUL正是预后给出的数值。因此，它的可靠性完全取决于其基础诊断的准确性：如果基于错误识别的故障所做的剩余寿命估算，无论数学计算多么严谨，都会导致误判。在国际上，用于计算RUL的预后流程在ISO 13381等标准中有所描述，而更广泛的数据处理框架则见于 ISO 13374.
2. RUL 计算方法
基于趋势的剩余使用寿命
最常见的方法，也是常规方法的直接扩展 趋势分析:
- 例子： 一个轴承 信封 振动加速度为5 g，每月增加1 g，当达到10 g时触发警报 → RUL = 5个月。
这正是其背后的考量， 基于振动趋势的剩余寿命估算器，它会自动拟合斜率并将其外推至极限。
基于模型的剩余使用寿命
- 采用基于物理的损耗模型。
- 示例：裂纹扩展模型和 轴承 疲劳寿命方程。
- 需要具备关于应力、循环和材料特性的详细知识
- 虽然更准确，但构建和维护起来更为复杂。
数据驱动的剩余使用寿命
- 基于历史故障数据训练的机器学习模型。
- 与先前类似的发展模式进行模式匹配。
- 生存分析统计。
- 需要大量关于运行至失效案例的数据集。
混合方法
- 将趋势外推与专家判断相结合。
- 利用对特定机器的工程知识来调整统计预测。
- 最适合日常工业应用的实用方案。
3. RUL 表达式与不确定度
时间基准
- 日历时间 天、周、月——最常见的。
- 营业时间： 导致间歇性运行。
- 循环次数或启动次数： 适用于循环运行的机械和频繁启停的设备。
- 生产单位： 加工吨数，零部件产量。
信心与不确定性
- RUL本身就存在不确定性——这些只是预测，而非事实。
- 用置信区间来表达：“30–90天，90%置信度。”
- 或者作为完整的概率分布。
- 随着失败临近，不确定性逐渐减小，因为此时数据更多，趋势也更加明朗。
区间与点估计
- 点估算： “45天RUL”——这种表述看似精确，实则具有误导性。
- 范围： “30–60天 RUL”——更诚实。
- 最佳实践： 始终给出一个能体现不确定性的范围。
4. 利用RUL进行决策
维护时间
- 当RUL显示最佳时间窗口时，安排工作。
- 请考虑采购周期。
- 与生产计划协调。
- 请务必在RUL到期前做好规划，并预留安全余量。
安全裕度
- 非关键： 计划将容量设定在预测剩余使用寿命（RUL）的50%至75%之间。
- 重要： 计划设定在最大允许载荷（RUL）的25%至50%之间。
- 批判的： 计划设定为RUL的10%至25%——这是有意采取的保守做法。
- 理由： 吸收预测的不确定性，并避免 关键机械.
资源规划
- 根据RUL订购备件。
- 根据预测需求安排劳动力。
- 请提前规划停机时间。
- 应尽早与承包商签订长期采购项目的合同。
5. 更新RUL估算值
持续修订
- 每次进行新测量时，都应重新计算 RUL。
- 随着更多数据的到来，重新拟合趋势线。
- 每当进度变化时，请进行调整。
- 请将最新的估算值视为最准确的。
进展监测
- 线性递增： RUL 相对稳定，呈稳步下降趋势。
- 加速： RUL的缩短速度快于日历时间——断层活动正在加速。
- 稳定的： RUL 并未下降——该故障已停止发展，不过为了确认这一点，有必要缩短监测间隔。
6. 按故障类型划分的RUL
轴承缺陷
- 典型RUL：自包络检测之日起3至12个月。
- 指数级增长很常见——在接近尾声时，RUL会迅速骤降。
- 使用包络线具有良好的可预测性 热门.
不平衡
裂缝
- 一旦被发现，病情可能会迅速恶化。
- RUL：通常为数周至数月。
- 不确定性很高，因为 开裂 增长是非线性的。
- 采取审慎的做法是必要的。
7. 文档编制与系统集成
RUL报告
- 当前的RUL估计值及其置信度。
- 支持该估计的趋势数据。
- 用于计算该值的计算方法。
- 涉及的假设和不确定性。
- 建议的干预时机——能够自然地引导用户关注 诊断报告.
跟踪和更新
- 为每个缺陷维护一份RUL历史记录。
- 将每项预估与实际结果进行对比。
- 通过比较来改进预后模型。
- 记录哪些预测是准确的，哪些是不准确的。
与维护和生产系统的集成
- RUL 数据会直接导入 CMMS 中的维护计划。
- 当达到RUL阈值时，可自动触发工单和备件订购。
- 生产计划部门会掌握预计的停机需求，从而将维护工作安排在需求较低的时段进行。
- 这在生产目标与可靠性需求之间取得了平衡。
收集可信的RUL所依赖的一致且可重复的读数需要实地工作，而这正是性能卓越的便携式仪器大显身手之处。例如，双通道分析仪 平衡仪-1a 允许技术人员在每个位置记录可比的振动测量数据 定期监测 进行现场检查——如果发现故障是由于不平衡引起的，应当场校正转子，而不是仅仅预测其性能衰退。剩余使用寿命估算（RUL）是使预测性维护真正实现优化的预测能力：通过根据设备状态趋势预测何时需要干预，RUL 有助于制定既能平衡设备利用率、故障风险和维护成本的计划，从而从资产及其维护人员中获取最大价值。
