针对煤矿机械的低速重载工作特点,采用单因素齿轮台架试验方法,基于对试验曲线和结果的分析,揭示了润滑油品和冷却方式对齿轮传动效率和使用寿命的影响规律.提出在恒转速轻载和恒载荷低转速的工况下,主要功率损失为搅油功率损耗,应选用黏度低的润滑油和自然散热冷却的方法;在恒转速重载和恒载荷高转速的工况下,主要功率损失为啮合功率损耗,应选用黏度高的润滑油和循环水冷却的措施.指出抗极压的合成齿轮油能满足各种工况的要求,可优先选用.

由于新能源发电和负荷有不确定性，为保证微电网的安全可靠运行，蓄电池作为储能装置发挥了重要作用。为充分利用蓄电池，提高微电网的经济性，建立考虑蓄电池使用寿命的微电网经济调度模型，并应用混合整数线性规划算法进行求解。以一个包含风、光、储、微型燃气轮机、柴油发电机和燃料电池的微电网为算例，对微电网并网运行方式进行经济调度优化，计算结果验证了所提模型的有效性。

C-MAPSS数据集是涡轮风扇发动机退化的模拟数据。这些数据是由美国宇航局使用商用模块化航空推进系统模拟(C-MAPSS)生成的。数据集包含21个传感器的多变量时间数据。有4个数据子集，FD00l、FD002、FD003和FD004，每个子集都有特定的运行条件和故障形式。每个数据子集都有一个训练集和一个测试集，训练集中记录的测量值是一直记录到发动机发生故障为止(run-tofailure实例)。而在测试集中，传感器记录值在故障前的某时刻终止，这样做的目的是为了预测该时刻的RUL。另外，还提供了测试数据集的真实剩余使用寿命（RUL）值。

适合硬件工程师，计算电解电容等寿命，电感选型标准等。

RUL来自振动信号 问题：要预测轴承在工业资产（如泵，压缩机，变速箱等）中的剩余寿命，请查看支持文件。 参考研究论文：ANN泵寿命预测.pdf 有关数据，请联系： 可交付成果： •显示RMS和峰度的图形•Weibull危险率和参数估计（形状和比例参数） 培训和验证集的结果 •测试仪的输出性能 •建议模型的训练和验证错误（如参考研究论文所示） •多传感器融合的想法，可以实际预测整个旋转设备的剩余用途

离子交换树脂的使用寿命参考.pdf

表10-5 两个厂家生产的灯泡使用寿命数据 灯泡寿命（h） 厂 家 编 号 675 1 682 1 691 1 670 1 650 1 693 1 650 1 649 2 680 2 630 2 650 2 646 2 651 2 620 2

水对沥青混凝土路面使用寿命的影响.pdf

非线性回归方法的锂离子卫星动力系统的RUL和SOH估计 链接到数据集可以在找到

剩余使用寿命（RUL）预测在预测和健康管理（PHM）中起着至关重要的作用，以提高可靠性并降低众多机械系统的周期成本。 深度学习（DL）模型，尤其是深度卷积神经网络（DCNN），在RUL预测中正变得越来越流行，从而在最近的研究中取得了最新的成果。 大多数DL模型仅提供目标RUL的点估计，但是非常需要为任何RUL估计具有关联的置信区间。 为了改进现有方法，我们构建了一个概率RUL预测框架，以基于参数和非参数方法来估计目标输出的概率密度。 模型输出是对目标RUL的概率密度的估计，而不仅仅是单点估计。 所提出的方法的主要优点是该方法自然可以提供目标预测的置信区间（不确定性）。 我们通过一个简单的DCNN模型，在公开可用的涡轮发动机退化模拟数据集上验证了我们构建的框架的有效性。 源代码将在https://github.com/ZhaoZhibin/Probabilistic_RUL_Prediction中发布。