| 1 |
ZHANG K， ZHAO P， SUN C F， et al. Remaining useful life prediction of aircraft lithium-ion batteries based on F-distribution particle filter and kernel smoothing algorithm［J］. Chinese Journal of Aeronautics， 2020， 33（5）： 1517-1531.
|
| 2 |
PANG Z N， SI X S， HU C H， et al. A Bayesian inference for remaining useful life estimation by fusing accelerated degradation data and condition monitoring data［J］. Reliability Engineering & System Safety， 2021， 208： 107341.
|
| 3 |
吕克洪， 程先哲， 李华康， 等. 电子设备故障预测与健康管理技术发展新动态［J］. 航空学报， 2019， 40（11）： 023285.
|
|
LYU K H， CHENG X Z， LI H K， et al. New developments of prognostic and health management technology for electronic equipment［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（11）： 023285 （in Chinese）.
|
| 4 |
曹明， 王鹏， 左洪福， 等. 民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅱ： 地面综合诊断、寿命管理和智能维护维修决策［J］. 航空学报， 2022， 43（9）： 625574-625574.
|
|
CAO M， WANG P， ZUO H F， et al. Current status， challenges and opportunities of civil aero-engine diagnostics & health management Ⅱ： Comprehensive off-board diagnosis， life management and intelligent condition based MRO［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（9）： 625574-625574 （in Chinese）.
|
| 5 |
SI X S， LI T M， ZHANG Q. A general stochastic degradation modeling approach for prognostics of degrading systems with surviving and uncertain measurements［J］. IEEE Transactions on Reliability， 2019， 68（3）： 1080-1100.
|
| 6 |
ZHANG J X， DU D B， SI X S， et al. Joint optimization of preventive maintenance and inventory management for standby systems with hybrid-deteriorating spare parts［J］. Reliability Engineering & System Safety， 2021， 214： 107686.
|
| 7 |
LU C J， MEEKER W O. Using degradation measures to estimate a time-to-failure distribution［J］. Technometrics， 1993， 35（2）： 161-174.
|
| 8 |
ELWANY A， GEBRAEEL N. Real-time estimation of mean remaining life using sensor-based degradation models［J］. Journal of Manufacturing Science and Engineering， 2009， 131（5）： 611-623.
|
| 9 |
GEBRAEEL N. Prognostics-based identification of the top-k units in a fleet［J］. IEEE Transactions on Automation Science and Engineering， 2010， 7（1）： 37-48.
|
| 10 |
WANG W. A model to determine the optimal critical level and the monitoring intervals in condition-based maintenance［J］. International Journal of Production Research， 2000， 38（6）： 1425-1436.
|
| 11 |
FANG X L， ZHOU R S， GEBRAEEL N. An adaptive functional regression-based prognostic model for applications with missing data［J］. Reliability Engineering & System Safety， 2015， 133： 266-274.
|
| 12 |
YAN M M， XIE L Y， MUHAMMAD I， et al. An effective method for remaining useful life estimation of bearings with elbow point detection and adaptive regression models［J］. ISA Transactions， 2022， 128： 290-300.
|
| 13 |
万昌豪， 刘志国， 唐圣金， 等. 基于不完美先验信息的随机系数回归模型剩余寿命预测方法［J］. 北京航空航天大学学报， 2021， 47（12）： 2542-2551.
|
|
WAN C H， LIU Z G， TANG S J， et al. Remaining useful life prediction method based on random coefficient regression model with imperfect prior information［J］. Journal of Beijing University of Aeronautics and Astronautics， 2021， 47（12）： 2542-2551 （in Chinese）.
|
| 14 |
TANG D Y， SHENG W B， YU J S. Dynamic condition-based maintenance policy for degrading systems described by a random-coefficient autoregressive model： A comparative study［J］. Eksploatacja i Niezawodnosc - Maintenance and Reliability， 2018， 20（4）： 590-601.
|
| 15 |
AHSAN S， LEMMA T A. Remaining useful life prediction of gas turbine engine using autoregressive model［C］∥UTP-UMP Symposium on Energy Systems 2017 （SES 2017）. Paris： EDP Sciences， 2017.
|
| 16 |
ZHANG N， YU C J， XIE F S. The time-scaling t-ransformation technique for optimal control problems with time-varying time-delay switched systems［J］. Journal of the Operations Research Society of China， 2020， 8： 581-600.
|
| 17 |
YANG Z L， WANG T， DUAN Z F， et al. Reducing forecast errors by logarithmic transformations for complex time series［C］∥2012 2nd International Conference on Consumer Electronics， Communications and Networks （CECNet）. Piscataway： IEEE Press， 2012： 2761-2764.
|
| 18 |
ZHOU S R， TANG Y C， XU A C. A generalized Wiener process with dependent degradation rate and volatility and time-varying mean-to-variance ratio［J］. Reliability Engineering & System Safety， 2021， 216： 107895.
|
| 19 |
YU W N， TU W B， KIM I Y， et al. A nonlinear-drift-driven Wiener process model for remaining useful life estimation considering three sources of variability［J］. Reliability Engineering & System Safety， 2021， 212： 107631.
|
| 20 |
ZHANG H， MO Z L， WANG J Y， et al. Nonlinear-drifted fractional Brownian motion with multiple hidden state variables for remaining useful life prediction of lithium-ion batteries［J］. IEEE Transactions on Reliability， 2020， 69（2）： 768-780.
|
| 21 |
XI X P， ZHOU D H， CHEN M Y， et al. Remaining useful life prediction for fractional degradation processes under varying modes［J］. The Canadian Journal of Chemical Engineering， 2020， 98（6）： 1351-1364.
|
| 22 |
SHAHKAR S， KHORASANI K. A multidimensional Bayesian methodology for diagnosis， prognosis， and health monitoring of electrohydraulic servo valves［J］. IEEE Transactions on Control Systems Technology， 2022， 30（3）： 931-943.
|
| 23 |
TIAN Y Z， WANG L Y， TANG M L， et al. Likelihood-based quantile mixed effects models for longitudinal data with multiple features via MCEM algorithm［J］. Communications in Statistics - Simulation and Computation， 2020， 49（2）： 317-334.
|
| 24 |
BOX G E P， COX D R. An analysis of transformations［J］. Journal of the Royal Statistical Society： Series B （Methodological）， 1964， 26（2）： 211-243.
|
| 25 |
YANG Y M， ZHU H Y. A study of non-normal process capability analysis based on Box-Cox transformation［C］∥2018 3rd International Conference on Computational Intelligence and Applications （ICCIA）. Piscataway： IEEE Press， 2018： 240-243.
|
| 26 |
GEBRAEEL N Z， LAWLEY M A， LI R， et al. Residual-life distributions from component degradation signals： A Bayesian approach［J］. IIE Transactions， 2005， 37（6）： 543-557.
|
| 27 |
李天梅， 司小胜， 张建勋. 多源传感监测线性退化设备数模联动的剩余寿命预测方法［J］. 航空学报， 2023， 44（8）：227190.
|
|
LI T M， SI X S， ZHANG J X. Data-model interactive remaining useful life prediction method for multi-sensor monitored linear stochastic degrading devices［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（8）： 227190 （in Chinese）.
|
| 28 |
WU Y， LI W， WANG Y R， et al. Remaining useful life prediction of lithium-ion batteries using neural network and bat-based particle filter［J］. IEEE Access， 2019， 7： 54843-54854.
|
| 29 |
XIE G， LI X， ZHANG C L， et al. Data-driven approach for the prediction of remaining useful life［C］∥2017 7th IEEE International Symposium on Microwave， Antenna， Propagation， and EMC Technologies （MAPE）. Piscataway： IEEE Press， 2018： 150-155.
|
| 30 |
李天梅， 司小胜， 刘翔， 等. 大数据下数模联动的随机退化设备剩余寿命预测技术［J］. 自动化学报， 2022， 48（9）： 2119-2141.
|
|
LI T M， SI X S， LIU X， et al. Data-model interactive remaining useful life prediction technologies for stochastic degrading devices with big data［J］. Acta Automatica Sinica， 2022， 48（9）： 2119-2141 （in Chinese）.
|
| 31 |
蔡喜洋， 乔都助， 孙烈武， 等. 锂离子电池储能电站火灾事故处置研究［J］. 化工安全与环境， 2022， 35（7）： 10-13， 17.
|
|
CAI X Y， QIAO D Z， SUN L W， et al. Study on fire accident treatment of lithium ion battery energy storage power station［J］. Chemical Safety & Environment， 2022， 35（7）： 10-13， 17 （in Chinese）.
|
| 32 |
SI X S， ZHANG Z X， HU C H. Data-driven remaining useful life prognosis techniques［M］. Berlin， Heidelberg： Springer Berlin Heidelberg， 2017.
|
| 33 |
SI X S， WANG W B， HU C H， et al. A Wiener-process-based degradation model with a recursive filter algorithm for remaining useful life estimation［J］. Mechanical Systems and Signal Processing， 2013， 35（1-2）： 219-237.
|
)
CJA
