剩余使用寿命（RUL）是机器在需要维修或更换之前可能运行的时间长度。考虑RUL，工程师可以安排维护，优化运行效率，避免计划外停机。因此，在预测性维护计划中，估算RUL是重中之重。
RUL估计模型不仅可以预测RUL，还可以提供预测的置信区间。模型输入为状态指示器，从传感器数据或日志数据中提取的特征，当系统降级或以不同模式运行时，其行为会以可预测的方式发生变化。
用于计算RUL的方法取决于可用数据的类型：
- 指示类似机器达到故障所需时间的寿命数据
- 运行到与要诊断的机器相似的机器故障历史记录
- 检测故障的条件指示器的已知阈值
预测性维护工具箱™ 提供用于根据每种数据类型估算RUL的模型。
生命周期数据
比例风险模型和部件失效时间的概率分布用于根据寿命数据估算RUL。一个简单的例子是根据过去的放电时间和时间估算电池的放电时间协变量，变量，如电池工作的环境（如温度）和施加在其上的负载。
图1中的生存函数图显示了基于电池运行时间的电池故障概率。例如，该图显示，如果电池运行了75个周期，则有90%的几率在其寿命结束时。
图1。生存函数图。在75个循环结束时，蓄电池继续运行的概率为0.1或10%。
运行到故障数据
如果您有一个数据库，其中包含来自类似组件或显示类似行为的不同组件的运行到故障数据，则可以使用相似性方法估计RUL降解曲线并将其与来自机器的新数据进行比较，以确定数据最匹配的配置文件。
在图2中，来自引擎的历史运行到故障数据集的降级配置文件以蓝色显示，来自引擎的当前数据以红色显示。根据发动机最匹配的外形，RUL估计约为65个循环。
图2.基于运行至失效数据的退化曲线（蓝色）。最近蓝色曲线的星形（或端点）分布给出了65个循环的RUL。
阈值数据
在许多情况下，未记录运行至故障数据或寿命数据，但您有关于规定阈值的信息，例如，泵中液体的温度不能超过160℃oF（71）oC） 压力必须低于2200磅/平方英寸（155巴）。有了这类信息，您可以将时间序列模型拟合到从传感器数据（如温度和压力）中提取的条件指示器，这些数据随时间而升高或降低。
这些退化模型通过预测条件指示器何时超过阈值来估计RUL。它们也可以与熔断状态指示器它利用主成分分析等技术，综合了来自多个条件指标的信息。
图3显示了跟踪风力涡轮机中使用的高速轴承故障的指数退化模型。状态指示灯以蓝色显示。退化模型预测轴承将在大约9.5天内超过阈值。红色阴影区域表示此预测的置信区间。
图3。高速轴承的退化模型。根据轴承的当前状况数据（蓝色）和符合该数据的指数退化模型（红色），轴承的RUL估计为9.5天。
一旦获得可靠的RUL估计值，您可以将其集成到操作员使用的仪表板中，或将其集成到维护团队监控的报警系统中。然后，团队可以在不影响操作的情况下尽快响应设备健康的变化。
