2.6　基于失效样本的故障预测方法选择

根据机械设备的失效样本和退化历史数据，故障预测可总结为图2.28所示的方法。

图2.28　一个复杂设备的故障预测方法

在有足够失效样本的情况下，韦布尔分布、杜安模型以及贝叶斯统计等基于失效的可靠性模型是常用的剩余寿命和故障预测方法；在有一定量同类设备的退化样本时，可以考虑基于各种随机过程模型、经验模型、统计滤波、马尔可夫链、灰色模型等退化过程模型，或基于神经网络（Artificial Neural Network，ANN）、支持向量机（Support Vector Machine，SVM）等机器学习方法；对于长寿命受工况影响较大的复杂机械设备，可能无法获得足量的失效和退化样本，可以尝试自回归滑动平均模型（Auto-Regressive Moving Average Model，ARMA）、指数平滑（Exponential Smoothing，ES）、相关向量机（Relevance Vector Machine，RVM）和深度学习等小样本建模工具。也就是说，可以根据所能获得的失效和退化样本，选择适当的建模分析方法，就可以预测产品的剩余使用寿命或寿命分布情况。