设备剩余寿命预测是可靠性领域研究的热点问题,开展基于数据驱动的退化过程建模和剩余寿命预测研究具有十分重要的理论意义和实际应用价值。然而,现有关于退化模型和剩余寿命预测方面的研究很少考虑不完美维护对退化过程的影响。然而,通过实际的工程经验得知,不完美维护活动在工程应用中能够带来可观的经济效益,它能使设备的退化过程在一定程度上得到减缓,从而延长设备的使用时间。鉴于此,本文主要基于数据驱动对设备剩余寿命预测进行以下三方面的工作:1.从直接监测数据和间接监测数据角度对设备剩余寿命预测的研究现状进行综述,探讨每种方法的优劣特点。2.在考虑退化状态时变不确定性的同时,研究不完美维护活动对设备退化过程的影响,基于Wiener过程构建退化模型。并在首达时间的概念下,对剩余寿命概率密度函数进行推导,接着通过设备的退化数据和维修数据利用极大似然估计法对模型的参数进行估计,最后通过模型仿真生成退化数据对本文所提方法的有效性进行验证。3.在前面工作的基础上,考虑对于有些设备获取直接监测数据有较大难度,对基于间接监测数据的不完美维护影响下的设备剩余寿命问题展开研究。首先在Wiener过程的基础上构建退化模型,并在首达时间的概念下,利用卡尔曼滤波算法对隐含退化状态的剩余寿命进行推导,接着利用设备的退化数据和维修数据根据极大似然估计法对模型的参数进行估计,最后通过陀螺仪的漂移系数对本文所提方法的有效性进行验证。