基于双自适应滑动时间窗滚动轴承故障预测模型

针对传统方法和基于神经网络方法在滚动轴承故障预测中存在的问题,提出一种双自适应滑动时间窗故障预测模型。首先,通过设置能够去除相关性的状态估计非线性算子,将滚动轴承振动信号映射为能够表征其退化状态的故障特征—故障程度指标DR。其次,以损失函数为判据,设置模型参数自适应更新机制,以及建立能够自适应选取数据长度的滑动时间窗口。最后,通过西安交通大学发布的滚动轴承全寿命周期数据,模拟实际中突发性故障和渐发性故障综合作用下的故障发生情况,验证了所提出的故障预测模型的有效性。实验结果表明,提出的预测模型能够准确判断滚动轴承退化阶段的开始时刻和故障时刻,真实反映滚动轴承性能退化的趋势,预测误差仅为0.068%,预测时间仅占2次故障间隔时间的1.385%,满足复杂工况下滚动轴承故障预测的需求。     

复杂装备故障预测方法研究综述

【目的】阐明复杂装备故障预测内涵,指导装备主动性维修。【方法】对复杂装备故障预测研究内容、国内外研究现状以及方法体系进行调研、归纳和分析,划分并评述现有方法的适用条件和优缺点。【结果】基于知识的故障预测方法可充分利用来自相关领域专家的经验知识,但知识的获取是瓶颈问题;基于模型的故障预测方法可深入理解对象系统本质,但实际复杂装备的精确模型很难构建;数据驱动的故障预测方法依赖于大量数据,而实际应用中一些复杂装备的典型数据的获取代价很大;混合方法能克服单个预测方法的局限性,但有效的模型设计是一个难点。【结论】混合方法能更好地提高预测系统的智能性和预测性能,是复杂装备故障预测的重要发展趋势。     

基于粒子群最小二乘支持向量机的瓦斯含量预测

针对经验模型与确定性模型在应用中受到限制问题,采用基于统计学习理论的支持向量机对经验数据进行学习,建立瓦斯含量与其影响因素之间的映射模型,从而实现煤层瓦斯含量预测.支持向量机的惩罚因子和核参数取值不同将会明显影响其预测的精度,支持向量机本身也没给出解决的办法,引入粒子群算法自动搜索支持向量机参数.该方法克服了神经网络过学习问题和支持向量机人为选取参数的盲目性问题.通过对某矿区样本的学习预测研究,表明该方法可取得良好的预测效果,具有较好的适应性.     

基于MSPM的故障诊断技术研究现状与展望

首先,阐述基于主元分析(PCA)模型、偏最小二乘法(PLS)模型和独立分量分析(ICA)模型的统计过程监控方法的基本思想及应用情况,并综述各种方法的研究现状及发展趋势.其次,介绍将传统统计过程监控技术与故障预测技术相结合,并实现基于多元统计过程监控(MSPM)的故障预测的方法及其研究成果.最后,分别就多元故障预测技术中出现的非高斯、非线性、多模态、概率分布、间歇过程的故障预测和应用验证等6个难点问题进行讨论.     

含有积分测量和时滞的T-S模糊系统的H∞故障诊断

针对含有积分测量和时滞的T-S模糊系统,设计了一种对系统中存在的执行器故障和传感器故障进行估计的方法.首先,将传感器故障与状态合并为扩维状态向量,在构建H∞观测器估计扩维状态的同时估计执行器故障,其中传感器故障通过对状态的估计来得到;然后,通过设置李雅普诺夫函数并求解线性矩阵不等式,求得 H∞观测器的相关参数矩阵,最终...     

面向一类混合退化装备RUL预测的平行仿真技术

针对一类带离散冲击的混合退化装备剩余寿命预测问题,研究了面向混合退化装备剩余寿命预测的平行仿真技术.提出以混合Wiener状态空间模型为基础仿真模型,以泊松冲击到达为模型选择判据,在实时退化数据驱动下,实现仿真模型在线选择,利用强跟踪滤波和期望最大化算法进行仿真模型数据同化和未知参数在线估计,从而实现仿真模型演化,提高仿真模型逼真度.在此基础上,实现了基于平行仿真的剩余寿命实时预测.利用某轴承性能退化数据对平行仿真方法进行了实例验证,仿真结果表明平行仿真方法能有效仿真轴承的性能退化过程,剩余寿命预测的不确定性小、精度高.      

高速列车智能诊断与故障预测技术研究

综合运用列车运维产生的实时数据和历史数据,提取智能诊断模型,对车载设备运行状态进行监控和预测,是建立高速列车智能诊断和故障预测系统的思路和方法.以转向架关键轴承的可靠性监测和故障预警作为案例,系统阐述了该方法在轨道交通装备故障预测方面的应用.通过对比轴承监测系统记录的原始数据和诊断模型的预测结果,验证了该研究对于提高高速列车运行安全的重要意义和有效性.高速列车运维的长期实践表明,整体框架和建模方法对于现阶段建立系统的、分层次的高速列车智能诊断和故障预测系统具有现实的指导意义,在提高列车检修效率方面起到重要作用.     

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.     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

一种电力电子电路参数性故障的辨识方法

为准确辨识电力电子电路参数性故障,研究了电力电子关键器件的故障模型,并将其纳入了电力电子电路的混合自动机模型中进行了参数辨识的仿真和实验研究,结果证明了本文方法的有效性.     

基于mcODM-STA的风电机组变桨系统故障诊断

针对风力发电机组变桨系统故障诊断模型参数难以优化问题,提出了基于状态转移算法优化多类最优间隔分布机(multi-class Optimal Margin Distribution Machine optimized by the State Transition Algorithm,mcODM-STA)的风电机组变桨系统故障诊断方法.该方法选择风电机组功率输出作为主要状态参数,利用Pearson相关系数对风电数据采集与监视控制系统中风电机组历史运行数据进行相关性分析,剔除与功率输出状态参数相关性较低的特征,对余下特征进行二次分析,减少样本特征.将数据集分为训练集和测试集,训练集用来训练所提故障诊断模型,测试集用来进行测试.利用国内风电场实际运行数据进行实验验证.实验结果表明,与其他多种参数优化方法相比,所提方法故障诊断准确率和Kappa系数更高.     

机械故障稀疏特征相似性度量优化研究

针对当前机械故障诊断研究忽略了对其参数的选取与优化,导致准确性较差等问题,提出基于量子遗传 算法优化的机械故障稀疏特征相似性度量方法。基于先进行信号非线性混合,再进行去混合。将峭度作为目 标函数,利用量子遗传算法,对盲源分离过程的分离矩阵参数与非线性去混合参数进行优化,实现机械故障盲 源分离。基于故障信号处理,利用量子遗传算法与最小二乘支持向量机(LSSVM: Least Squares Support Vector Machine)相结合实现机械故障稀疏特征相似性度量。当LSSVM在机械故障诊断时对模型参数选取,利用量子遗 传算法针对 LSSVM 模型参数进行优化。将 LSSVM 参数选取问题转换为优化问题,利用优化后的 LSSVM 分类 模型实现机械故障稀疏特征相似模式分类。实验结果表明,该方法可以实现高效盲源分离,机械故障诊断准确 率高,运行性能良好。     

多变量统计过程控制技术在火电厂设备故障检测中的应用

为了更好的对火电厂发电机组设备故障进行检测,运用多变量统计过程控制技术获得更为精确的机组设备参数模型.[过程和方法]采用线性分组、穷举搜索法找到每一个设备参数的最佳线性模型,利用多个模型实现对同一个设备参数进行故障检测.[结果与结论]对每一个设备参数都采用最佳线性模型可以最大限度的减少模型误差对故障检测精度的影响,运用此方法建立的模型具有更高的检测精度和灵敏度.     

航空电子设备故障预测框架与方法

针对环境应力对电子产品造成的累积损伤,提出了覆盖电子设备全寿命周期的故障预测框架与方法。首先提出了可预测性的概念,在设备设计阶段采用辅助软件eXpress进行可预测性设计,跟踪实际环境中设备的工作数据,采用3种改进神经网络进行特征参数的趋势预测。基于信息熵理论,采用多指标评价准则融合单项预测方法,实现了对某型电子设备的故障组合预测。预测框架在某型电子设备上的实践验证了框架的可行性,预测结果表明了组合预测方法较单项预测方法具有更强的鲁棒性和稳定性。     

基于信息熵的系统诊断参数交互推理选择方法

介绍了一种多输入，多输出系统的故障诊断参数选择方法，该方法经可观参数集的信息熵为标准，进行启发性诊断参数集的划分，先以系统状态决定的启发性诊断参数子集作为驱动数据，实施正向推理，缩小目标集合，再以故障目标集合为对象，进行反向推理以确定最终故障集合；最后将故障集合的元素所对应的可测诊断参数作为系统的诊断参数进行测量，该方法构成了诊断型专家系统的一子部分。     

基于生物遗传模型的微电网电流保护整定方法

传统微电网电流保护整定方法存在失效率高的问题,因此,提出一种基于生物遗传模型的微电网电流保护整定方法,介绍了微电网电流保护装置硬件结构,分析了测频电路和A/D转换电路。通过演化算法对微电网电流保护进行整定,依据"自然选择"构建"生物遗传"模型对微电网电流进行整定优化,在微电网电流短路故障中,利用电力系统的模型反馈设定初始值,经"自然选择"将初始值进化成最优值。给出演化计算在电流短路故障中的参数优化模型。实验结果表明,采用本文方法对微电网电流保护整定优化后,微电网失效率降低,可靠性增强。     

基于混杂系统及多元线性回归的电液伺服系统参数性故障建模

为了有效地诊断电液伺服系统参数性故障,提出一种基于混杂系统及多元线性回归模型的电液伺服系统参数性故障模型.其过程为:将电液伺服系统的工况抽象为多个离散状态,建立压力-流量的观测模型;以结构参数为回归系数,基于样本数据的线性回归分析辨识模型参数;结合故障参数建立电液伺服系统的故障模型.利用参数辨识实验验证方法的参数拟合精度.研究结果表明:该模型能有效地应用于早期参数性故障的诊断,并能解决并发故障诊断困难的问题.     

一种基于故障参数与状态联合估计的多故障诊断方法

当需要诊断的故障数目较多、扩展故障参数后状态空间不可观测时 ,用一个故障诊断模型无法实现多故障诊断。为此 ,在分析了基于故障参数与状态联合估计的故障诊断方法原理的基础上 ,根据多个故障诊断模型之间存在的内在关系 ,提出了一种新的多故障检测和诊断方法 ,认为在某一段时间内 ,如有 n- 1(n为总故障数目 )个不同的两故障参数模型发出同一故障报警 ,则该故障报警有效。该故障诊断方法综合多个故障诊断模型的诊断结果 ,从而使一类复杂系统的多故障诊断成为可能。理论分析和仿真实验的结果证明该文所提出的方法是可行的 ,并且在工程上是易于实现的。     

基于差分进化和核主元分析的燃气轮机故障检测

燃气轮机气路部件的状态检测参数具有极强的非线性,其故障特征难以提取,而利用传统核主成分分析(KPCA)进行故障检测难以对核参数进行科学取值,从而降低故障检测的准确性.针对该问题,论文提出了基于优化混合核的核主元分析故障检测算法(DE-KPCA).首先建立动态权值混合核函数,通过调节核函数的权重比实现全局映射和局部映射优化组合.以样本检测精度作为优化目标,对混合核参数进行逐次优化.最后构造了基于优化混合核函数的主元异常状态检测方法,实现对燃气轮机气路故障的在线检测.本文通过对双轴涡喷发动机气路故障仿真的验证,证明了该方法相较传统KPCA检测,能够实现核参数的科学取值且对燃气轮机气路故障检测具有更高的准确性和实用性.     

基于贝叶斯推理的LS-SVM矿产资源定量预测

针对矿产资源定量预测过程中最小二乘支持向量机(LS-SVM)的参数选择具有主观性和随意性,提出了一种与贝叶斯推理相结合的LS-SVM资源定量预测方法,并将其与证据权法(Wof E)进行了对比.在训练过程中采用贝叶斯推理方法对LS-SVM的参数选择进行优化,进而构建矿产资源定量预测优化模型.研究表明,该方法不但克服了参数选择的局限性,而且以后验概率形式输出预测结果,从而可提高预测精度.