问题背景

离心泵在工业操作中输送流体有广泛的应用。离心泵性能可靠，机械简单。许多化工厂和炼油厂有数百个不同尺寸的离心泵，用于输送不同的液体和泥浆。每一种材质的离心泵的用途都不一样，要根据实际输送介质来决定。由于离心泵输送的介质往往有毒、有害、有腐蚀性，具有高温或低温，因此要求离心泵能满足化工工艺需求，无泄漏或少泄漏，耐腐蚀、耐磨损，耐高温或低温，能输送临界状态的液体，运行可靠。所以对提高离心泵运转的可靠性和剩余使用寿命预测十分重要。

解决方案

智能剩余使用寿命预测系统的构建与实现如下图所示，整个评价框架由三部分组成。首先，利用流固耦合数值模拟和剩余使用寿命预测模型作为(A)部分，构建离心泵剩余使用寿命离线数据集。其次，将标记数据和未标记数据训练为(B)部分，预测离心泵的剩余使用寿命。第三，将实时监测到的应力幅值代入模型中，剩余使用寿命预测作为(C)部分执行。在框架中，(A)和(B)部分为离线阶段，(C)部分为在线阶段。操作人员通过(C)部分的历史信息判断计算的正确性，并修正错误的预测，并添加到标注的数据中。

总结说明

将所提出的智能评估方法应用于离心泵剩余使用寿命预测，该预测模型基于智能评价模型，实时跟踪离心泵剩余使用寿命特性，比基于稳态模型的预测方法更适用于制造工业。在标注数据集的构建中，采用流固耦合数值模拟和剩余使用寿命预测模型计算离心泵的剩余使用寿命。此外，测试数据集和未标记数据集是通过对上述样本进行随机化和添加不同的噪声来构建的。从梯形网络中获得的剩余使用寿命预测性能可以为智能评估系统的构建提供支持和教育参考。与多层感知器和器等监督学习方法相比，基于梯形网络的半监督学习方法对于剩余使用寿命预测具有良好的性能，最大准确率达到 0.977。