摘要：航空航天、工业制造、电力能源和冶金等重要生产领域的任何设备、器件从正常运行状态到发生微弱故障，再到完全失效是一个缓慢的性能退化过程，具有时间依存性和可预知性，即现在的状态取决于过去的历史状态。科学有效的寿命预测往往能揭示退化过程的发展趋势，实现关键设备早期故障

航空航天、工业制造、电力能源和冶金等重要生产领域的任何设备、器件从正常运行状态到发生微弱故障，再到完全失效是一个缓慢的性能退化过程，具有时间依存性和可预知性，即现在的状态取决于过去的历史状态。科学有效的寿命预测往往能揭示退化过程的发展趋势，实现关键设备早期故障预示，避免发生设备恶性、继发性事故。

现有预测方法没有专门针对随机性和长相关性来建模和预测，预测的精度随着时间的增加而迅速减小，导致各种研究算法停留在短时剩余寿命预测，无法实现中长期剩余寿命概率预测。如何根据设备运行的历史数据建立一种有效的、中远期发生故障概率预测理论，通过设定可靠性概率阈值预测寿命时间，实现关键设备早期故障预警，同时根据设备恶化程度制定维修计划，具有重要的理论和工程应用价值。

本期『科创新视界』成果直播专栏邀请到闽南理工学院特聘教授、闽江学者讲座教授、桐江学者特聘教授宋万清，为我们深入解读时间序列统计模型及其在设备寿命预测中的研究。宋教授提出了长相关理论和非平稳随机过程的分数阶预测模型，针对不同工程问题，退化过程序列分布不同，构建了不同概率分布的分数阶长相关预测模型，可应用于不同的工程问题，并通过实验数据误差分析，达到良好的效果。

直播中，宋教授介绍了时间序列的三种基本统计特征：概率密度函数（PDF）、自相关函数（ACF）和功率谱密度函数（PSD）。这些模型是理解和预测设备状态变化的基础。并强调了PDF的尾巴轻重对于随机现象的分类，轻尾和重尾随机函数的不同特性，以及它们在工程实践中的不同应用。

在自然界和工业界中，如何面对不完全具备PDF、ACF、PSD、均值、方差等特征的随机现象。宋教授提出了长相关时间序列、Hurst参数、分形维数等概念，并表示这些是分析复杂随机现象的重要工具。

在技术细节上，宋教授分享了如何应用伊藤公式开发分数阶布朗运动（fBm）预测模型、分数阶Lévy稳定运动（fLsm）预测模型等长相关随机预测模型。这些模型能够根据历史数据序列确定参数，生成与实际预测序列高度相似的序列，实现预测目的。

在实际应用方面，宋教授详细介绍了轴承退化过程的寿命预测、锂电池寿命预测、电力负荷预测和电网可靠性预测等应用场景。展示了如何通过提取退化过程特征参数，如频域方法FFT，以及基于时域因子的变分模式分解结果，来验证退化特征提取方法的有效性。

互动问答环节，宋教授耐心解答了观众对技术细节、模型准确性、实际应用挑战、操作人员技术要求以及合作方式等方面的提问。他强调了模型在不同工业环境和设备中的适应性，以及对操作人员进行适当培训的重要性。

除了宋教授分享的知识外，小编通过科易网“产业图谱智成系统”、“技术图谱智成系统”、“技术应用智成系统”等数智系统get到了该预测模型的更多信息：

欢迎感兴趣的伙伴联系我们，一起探索技术的创新应用~

来源：科易网