聂国健 ， 李泉洲 ， 胡宁 ， 蒋诗新 ， 陈冰泉

（1.工业和信息化部电子第五研究所， 广东 广州 510610；2.工业装备质量大数据工业和信息化部重点实验室， 广东 广州 510610；3.西安赛宝工业技术研究院有限公司， 陕西 西安 710300）

0 引言

联合收割机是我国农业机械中的关键设备，每年需要通过联合收割机完成大量的耕地作物的收割工作， 这些设备在使用过程中往往会因为连续高负荷的运转工作不可避免地发生故障， 给收割工作造成较大的麻烦[1]。 例如： 柴油发动机作为联合收割机的重要组成部分， 其可靠性直接影响到任务的完成情况[2]。 在第四次工业革命中，农业机械正在向智能设备的方向发展， 不同的设备通过物联网（IoT） 实现良好的连接， 从而服务于设备信息的有效传递。 智能设备的重要特征之一是自我意识和自我预测能力， 其中剩余寿命（RUL） 预测起着重要的作用[3]。 RUL 对于故障预测与健康管理（PHM） 和基于状态的维护（CBM）至关重要， 得到了广泛的关注。

随着数据采集技术的发展， 可以观测到设备上大量的状态监测数据， 通过分析可以得到与系统工作或健康状态高度相关的系统退化信号。 根据已有的数据， 可以对设备状态特征进行分析。数据驱动的模型以较低的分析成本和门槛优势，被大量地运用在RUL 的预测工作中。 Zhou 等人[4]提出了一种联合建模框架， 通过对设备退化信号使用混合效应模型， 对故障时间的时间序列使用Cox 比例危害模型， 有效地预测出汽车电池的剩余可用寿命。……