基于Kolmogrov-Smirnov检验和LS-SVM的机械设备故障预测

提出一种基于Kolmogrov-Smirnov检验和LS-SVM的机械设备故障预测新方法。基于K-S检验计算参考样本与正常状态样本经验分布函数的相似度,确定2个样本是否属于同一分布,即设备是否处于相同的运行状态,实现对设备运行退化状态进行识别,并采用当前退化状态与正常状态的K-S距离作为性能评估量化指标,在此基础上给出基于K-S检验和LS-SVM的设备故障预测系统框架。研究结果表明:该方法可以有效地对设备进行退化评估和故障预测,计算效率高,具有较好的适用性。     

考虑损伤程度的设备运行可靠性研究

为了充分利用运行状态中特征参数的变化信息对设备的使用进行可靠性分析,采用设备运行状态主动监测的方法,提出了集成设备失效的先验分布,以及与设备状态的振动信号特征提取相结合的可靠性模型.通过监测设备运行过程中的动态性能退化信号,引入特征评估技术对设备退化信号进行分析,提取具有准确定义和明显趋势性变化的退化指标,将退化指标引入比例故障率模型,实现了不同损伤程度振动信号的设备运行可靠度的有效评估.通过滚动轴承实验装置的运行数据,运用比例故障率模型可靠性参数的极大似然估计方法,分析了在不同的运行状态和损伤程度时可靠度的大小及变化趋势,保障了设备在服役寿命周期内的可靠性和安全性.     

基于支持向量机的几何距离方法在设备性能退化评估中的应用

为了掌握设备的性能退化状态,提出了一种基于支持向量机的评估方法.基于C-SVM算法,研究了设备特征向量与支持向量机最优分类面之间的几何距离与设备性能退化程度的关系.仿真结果表明,随着设备性能退化程度的恶化,数据向量的几何距离逐渐增大,因此,该方法可以有效地对设备性能退化进行评估.     

基于数据自组织挖掘的机械设备状态退化预警方法

在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法。采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型。案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中。结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1%。新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警信息,有效地制定预知维修计划,及时采取预防措施,防止因设备突发失效引起非计划停机造成生产和经济损失。     

基于电流的主轴性能退化评估方法

为提高精密机床主轴检测的准确性,提出了一种基于电流的主轴性能退化评估方法.建立了主轴性能退化模型,使主轴状态便于监测和评估.首先采用小波包阈值对电流信号进行去噪处理,对去噪后的电流信号提取时频域特征量,构造多域特征空间.然后利用主成分分析法（PCA）进行数据降维,用降维后的样本进行支持向量机回归建模.采用粒子群算法（PSO）对支持向量机模型进行参数优化,以获得最优性能退化模型.将该模型应用于主轴实验台主轴性能退化评估,实验结果表明该方法原理正确,可以准确评价主轴性能.      

考虑性能退化及变工况的多状态系统可靠性分析方法

工作状况频繁变化(变工况)的复杂系统,由于其组成单元在复杂的工作环境下呈现出不同的性能退化规律,使得多状态系统的可靠性评估十分困难。考虑性能退化的多状态可靠性分析基本理论,定义了退化单元及复杂系统的多状态可靠性函数;给出了相应的计算方法。结合船舶复杂动力系统的应用实例,得到了其性能退化规律及变工况工作时的可靠度变化规律,所提出的考虑性能退化及变工况的多状态系统可靠性分析方法对复杂系统的可靠性评估有一定借鉴价值。     

基于长短期记忆网络的齿轮剩余寿命预测研究

设备运行数据蕴含了大量的状态退化信息,利用状态退化信息对设备进行剩余寿命预测,可以为预测性维修提供重要的依据。针对监测过程中接收到表征设备退化的大量数据,提出一种改进的基于记忆机理循环神经网络实时剩余寿命预测模型。该模型利用随机搜索选择模型超参数,采用加入动量考虑的随机梯度下降算法优化模型参数,防止陷入局部最优,从而提高剩余寿命预测模型的预测精度。通过齿轮弯曲疲劳试验,验证了该模型剩余寿命预测的准确性。     

基于熵权和灰色理论的继电保护设备状态检修评估

本文针对浙江省电力公司的检修现状,论述了继电保护设备实施状态检修的重要意义。首先介绍了继电保护设备状态评估的侧重点,确立了以继电保护设备组件以及工作环境、外部情况等因素作为评价运行状态的主要指标;最后针对性提出了综合评判值班体系,然后根据灰色推理进行权重拓展,结合各评判指标自身特性,从继电保护设备状态检修的实际出发,对高压断路器运行状态进行了评估。     

基于性能退化的刀具可靠性评估

针对长寿命少失效样本条件下的可靠性评估问题,从性能退化角度分析了退化指标分布已知与未知条件下的性能退化路径的可靠度评估方法.以刀具为例,将其加工过程的刀具磨损量作为退化指标,建立了3种不同的退化路径模型,结合失效阈值,准确地估计出了刀具的伪失效寿命,并通过伪失效寿命数据分布模型进行了刀具的可靠性评估,对比分析了3种分布模型的可靠性指标差异,验证了该方法的有效性,为长寿命少失效样本条件下的设备可靠性评估提供了新的方法和思路.     

基于小波包相关频带谱能量熵的滚动轴承性能退化评估方法

滚动轴承在使用过程中会经历不同的性能退化状态。提出小波包相关频带谱能量熵以评估滚动轴承初始性能退化程度。以滚动轴承全寿命周期数据为支撑,对数据进行小波包分解,并利用相关系数法提取包含主要故障信息的时频分量,然后沿时间轴计算各频带幅值谱,再计算谱能量熵。通过实验与时域典型指标均方根值（RMS）,以及小波包频带幅值谱熵和小波包频带谱能量熵评估指标进行对比,验证了所提方法在滚动轴承性能退化评估中,对初始故障的评估具有一定的优越性。     

基于深度学习的柴油机气门健康状态评估

柴油发动机在运行过程中,其气门间隙会随其性能状态退化发生改变,为了解决传统的健康状态评估方法健康指标确定困难、权重人为经验依赖性大的问题,提出一种基于深度学习的柴油机气门健康状态评估方法.首先通过小波包分解算法对柴油机缸盖振动信号进行分解,对分解得到的节点信号分别提取常见的14个时域特征和小波包分解信号能量比向量,构建...     

基于稀疏自编码神经网络的产品再设计模块识别方法

提出了基于性能时变数据分析的再设计模块识别方法.利用产品在健康状态下的性能时变数据构建无监督学习的稀疏自编码神经网络(SAENN)模型,以用于健康状态下产品性能数据的特征提取以及产品功能退化程度的评估;将产品在健康状态下的性能数据用于训练SAENN模型,使用运行期间的性能时变数据更新产品的状态特征,以反映功能的退化过程;通过对比功能间的退化差异来识别需要再设计模块;同时,以某制造企业水平定向钻产品再设计功能模块的识别为例验证了所提方法的可行性.结果表明,所提出的再设计模块识别方法具有较好的准确性,能够识别需改进的功能模块,识别结果可作为产品再设计的依据.     

智能变电站二次设备状态的灰色层次聚类评估

智能变电站作为智能电网建设的核心部分,其二次设备运行状态关系着电力系统的安全性和稳定性。针对智能变电站二次设备故障原因错综复杂以及运行状态信息不完全的特征,建立智能变电站二次设备状态评估层次模型和指标体系,引入灰色聚类对智能变电站二次设备状态进行灰色分类以及构建灰色白化权函数,并利用层次分析法计算状态指标权重,结合层次分析法与灰色聚类对智能变电站二次设备进行定性和定量的状态评估。实例分析验证了文中方法有效易行,为智能变电站二次设备状态检修工作提供了理论依据。     

考虑多因素影响的装配式梁桥横向联系疲劳损伤评估

为探讨实际运营条件下各因素对装配式混凝土梁桥横向联系结构疲劳损伤的影响,基于线性Miner累积损伤准则提出了该类桥型横隔梁钢板连接构造的疲劳评估方法和框架.依托工程实例,研究了随机交通的动力冲击效应、运行状态和桥面退化等因素对横向联系疲劳损伤的影响规律.结果表明:相对于按照95%保证率考虑随机车载冲击效应的影响,依照规范给定的冲击系数考虑冲击效应会明显低估构件的实际疲劳寿命;车辆运行状态对疲劳损伤影响显著,其他因素相同情况下,密集运行状态造成的疲劳累积损伤值较一般运行状态时小;桥面退化对横隔梁疲劳损伤影响明显,可造成车辆一般和密集运行状态下的结构疲劳寿命降低60.01%和34.88%.对新桥横向联系设计,建议考虑规范冲击系数和车辆一般运行状态进行疲劳验算;对既有桥梁疲劳评估,建议按实际交通状况考虑随机车辆冲击效应、车流运行状态和桥面退化的影响.     

转动设备运行状态监测及控制措施

设备运行状态的评估是极其重要的，特别是当设备运行参数发生改变时，如何控制监洲设备的运行状态，采取有效的措施进行对存在的问题进行预防至关重要，本文主要介绍了控制设备故障的几种基本途径，最大限度的限制设备事故的发生。     

高速列车牵引传动系统运行状态监测技术综述

高速列车牵引传动系统是典型的机电耦合闭环系统,牵引变压器、牵引变流器、牵引电机等关键部件之间密切关联,存在复杂的能量与信息变换、传递。牵引传动系统运行状态监测是保障高速列车安全运行的关键核心技术。受复杂服役工况、多物理场耦合作用、强环境干扰等不确定因素影响,闭环结构下的牵引传动系统运行状态监测存在性能退化/失效机理复杂、数据样本不充分等挑战性难题,已成为制约高速列车智能化发展的技术瓶颈。本研究针对高速列车牵引传动系统运行状态建模、异常状态监测、性能退化趋势分析及剩余寿命预测等相关方法进行了调研,分析了牵引传动系统运行状态监测技术现状和尚待解决的问题。     

基于混沌理论的临修设备预测技术

对机械设备的运行状态、维修周期的正确预测有助于避免恶性事故的发生,并能节约维修费用。针对临修设备具有混沌特征及用一般方法难以预测其维修时间的问题,将振动数据作为设备运行状态评判指标,以相空间重构理论为基础,利用相空间近邻等距法和相空间线性模式回归两种算法,对混沌吸引子数据和临修设备振动数据进行了预测。结果表明,用混沌方法预测的混沌吸引子数据与临修设备振动数据可以进行良好的拟合,从而可对临修设备的运行状态做出正确的评估。混沌方法为预测临修设备的维修时间提供了一种有效的手段,与其他预测方法相结合,可实现设备运行状态的全过程预知,从而全面提高设备管理水平。     

小波包变换和隐马尔科夫模型(HMM)在液压系统故障预测中的应用

针对液压系统性能参数的退化特点,提出了一种小波包变换和隐马尔科夫模型(HMM)相结合的液压系统故障预测方法.该方法对采集的振动信号进行小波包变换,提取能量特征,分别使用正常状态,经过轻度退化状态、中度退化态和高度退化态,最终达到故障状态的全过程数据训练HMM,建立性能评估模型,然后进行模式识别,实现液压系统的故障预测.最后,通过试验研究,验证了所提出的方法的可行性和有效性.     

油浸式电力变压器运行状态评估

电力变压器是电网最重要的设备之一,其可靠运行对电网维持安全稳定意义重大。如何有效、准确地评估电力变压器当前运行状态,追踪其状态劣化过程,是有效实现基于设备状态维修管理的重要条件。基于此,总结了与变压器运行状态密切相关的各项状态量指标参数,提出了追踪变压器运行状态的分析评估方法。     

利用设备响应状态信息的运行可靠性评估

为了保障关键设备的运行安全可靠,以克服经典的可靠性分析方法难以评估单台运行设备可靠性的不足,提出了一种利用设备响应状态信息的运行可靠性评估方法.该方法利用设备响应状态信息,应用小波包分析和距离评估技术,提取并优选反映设备运行状态的敏感特征指标,然后结合比例协变量模型,给出基本响应协变量函数的定量计算方法,从而建立了设备的可靠性评估模型,实现了设备的运行可靠性评估.该方法通过特征优选将敏感响应协变量特征指标引入到设备可靠性评估中,实现了基本响应协变量函数的准确定量计算及设备运行可靠性的有效评估.将该方法应用到数控机床刀具的可靠性分析中,有效地评估了数控机床刀具的运行可靠性,并验证了提出方法的合理性和有效性.