孪生数据与特征增强融合驱动的装备小样本诊断方法

近年来,得益于新一代信息技术的快速发展,智能故障诊断技术在航空航天、海洋工程、汽车工业等领域得到了广泛的关注与应用.然而,一方面,智能故障诊断模型在实际应用部署时,面临着故障样本不足的难题,导致所构建的模型诊断可靠性较低;另一方面,现有面向小样本问题的智能诊断方法往往需要相关性较强的实测数据作为支撑,这极大限制了该方法的实用性.基于此,本文提出了一种孪生数据与特征增强融合驱动的机械装备小样本故障诊断方法.首先,构建机械装备的虚拟模型,并结合装备的运行机理知识和健康状态的实测数据对模型进行优化修正,以获取高保真模型,进而基于该模型获取高质量的孪生故障数据;其次,以孪生故障数据为输入,利用生成对抗网络进行装备孪生故障数据的特征增强,并将增强后的数据用于卷积神经网络模型的训练,从而实现装备的智能故障诊断;最后,以某汽车用变速器为研究对象,验证所提方法的可行性.该方法丰富了新一代工业人工智能与大数据分析理论,为现代装备的小样本智能故障诊断提供了一种新的解决思路.     

机械故障数值模拟驱动的生成式对抗网络及智能诊断原理

预测性维护是智能制造领域潜在爆发点.人工智能诊断作为其关键一环,成为近年来工程领域研究的热点,发展出一系列极具应用前景的诊断方法.众所周知,完备故障样本是激活智能诊断模型的关键,然而,在工程实践中,机械系统实际发生的故障远多于我们能预先从运行状态下获得的故障样本.因此,基于机械故障数值模拟驱动的生成式对抗网络,获得完备故障样本,架设人工智能模型与实际运行的机械系统故障诊断之间的桥梁,提出新型智能诊断原理意义重大.首先,采用有限元仿真得到机械系统缺失故障样本,与预先获得的故障样本一起,组成相对完备故障样本.其次,为进一步提高故障样本质量,利用生成式对抗网络生成大量与相对完备故障样本相似的新样本,与相对完备故障样本一起,构成完备故障样本(合成故障样本).最后,以完备故障样本作为训练样本,以待检测未知故障样本作为测试样本,基于人工智能模型进行故障分类.以故障轴承公共数据集、故障齿轮实验台、故障转子实验台为例,通过与常用的人工智能诊断模型比较研究,验证了所提出的智能诊断原理有效性,为推广智能诊断模型至实际运行的机械系统带来了新希望.     

基于人工免疫和证据理论的机组并发故障诊断

针对并发故障诊断的复杂性和不确定性,本文提出由人工免疫系统和证据理论相结合得到的旋转机组智能故障诊断系统。利用免疫系统自己-非己识别机理衍生而来的阴性选择算法进行数据的分析处理,再结合证据理论的信息融合规则,得到最终的诊断结果。仿真结果表明,该方法具有较高的诊断准确率。     

内对抗指导无监督多域适配网络的轴承协同故障诊断

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.针对上述问题,本文提出了一种内对抗指导的无监督多域适配网络;构造了一个内对抗模块以计算多源域对抗损失,并联合多组源域-目标域自适应子网指导提取多源域和目标域间的共性特征,增强知识覆盖能力;设计了一个多子网协同决策模块,利用多组源域-目标域的对抗损失和分布差异损失计算置信分数,以辅助多子网分类器做出更佳的融合决策,提升协同故障诊断的准确率.基于恒转速和变转速工况的轴承故障数据构造了多个无监督多源域迁移诊断任务,对比实验结果表明所提方法的优越性和鲁棒性.     

基于多任务学习的装备智能诊断与寿命预测方法

智能故障诊断与预测性维护技术是推动我国制造业向数字化、网络化、智能化方向发展的关键切入点和实现"弯道超车"的创新动力.得益于人工智能和机器学习技术的快速发展,智能故障诊断与寿命预测方法在航空航天、石油化工、船舶等领域得到了广泛的研究与应用.然而,传统智能方法为实现机械装备的初始异常检测、故障诊断与寿命预测等多种任务时,...     

混凝土坝裂缝转异监控模型研究

融汇裂缝安全监控理论及其转异诊断方法建立了混凝土坝裂缝转异监控模型,重点研究了裂缝长度对裂缝口张开位移的影响。基于虚拟裂缝模型的基本假定,对混凝土坝裂缝的扩展过程进行了线性假设;通过动力学结构突变和统计学模型突变的检验方法获取混凝土坝裂缝的转异点;把对转异监控模型的求解转化为极值优化问题,并利用粒子群优化算法进行解答,据此完成了对混凝土坝裂缝转异监控模型的建立及求解.文末以某混凝土重力坝105m高程的典型裂缝为例对所提出的转异监控模型进行了验证。     

基于FSDP图像和DCNN的无人机起落架关键件结构损伤智能检测方法

随着无人机的应用越来越广泛,与之相适应的保障手段也需与时俱进.在人工智能快速发展的情况下,故障诊断与人工智能方法相结合为无人机保障关键技术的跨越式发展提供了重要契机,也为无人机的使用安全性与运行可靠性水平的提升提供了重要机遇.本文以结构健康监测中的超声信号分析方法为基础,针对无人机起落架关键结构件的损伤检测问题开展研究,结合深度学习模型,对结构件的损伤进行智能化检测,提高检测效率和检测精度.针对结构健康监测中损伤信号的非线性特点,提出了频谱对称点阵图案(frequency symmetrized dot pattern, FSDP)特征提取方法.在此基础上,提出了基于FSDP特征与深度卷积神经网络的损伤智能检测方法.在起落架T型构件实验环境中开展了结构损伤模拟与检测实验,通过实验数据验证了所提出的智能检测方法的有效性.     

应用于微结构制造自治系统的第Ⅱ类工艺缺陷诊断

集成电路制造过程结束后,对所关心的电特性参数进行测试,测试结果不可避免地存在着或大或小的波动起伏。电学参数方面的过大波动将带来成品率极大下降,造成第II类工艺故障。本文通过一个实例,详细地介绍了一个用于第II类工艺故障诊断的通用性方法。在对诊断实例进行详细分析的基础上,对于诊断方法本身的特点进行了进一步的讨论。基于正交变换的技术,可以将PCM测试参数转化为一组统计不相关的广义参数,作者特别注意到若干广义参数,它们在所有样本点上的测试值保持为常数。本文结束于对不变参数的初步讨论。     

吸气式空空导弹FADS系统设计

分析了吸气式空空导弹FADS系统设计面临的关键技术难点及设计流程.针对吸气式空空导弹大长细比布局、高机动、大攻角和低成本控制等特点,提出了一种高精度、多点故障诊断、容错和可抗大过载的FADS系统设计方法.主要包括基于压力模型、分层诊断和多模型重构容错策略的求解算法设计、系统误差模型设计、高精度和抗大过载压力测量模块设计、以及解算机模块设计等.针对某典型吸气式空空导弹外形设计了9个测压点布局、飞行马赫数2.0~4.5的FADS系统原理样机,在1.2 m×1.2 m超声速风洞完成原理样机的实时解算试验,试验结果表明:静压测量相对误差≤6.9%,马赫数测量误差0.1,攻角和侧滑角的测量误差均1°.重构模型的测量误差接近基准模型的误差;算法诊断故障点数≤3,故障诊断的范围是P1点的偏差≤-20%或≥40%,P2~P9点的偏差≤-30%或≥30%,算法具有≤2故障点的容错能力.系统的测量误差水平、故障诊断和容错能力均能满足工程要求.     

工业大数据驱动的核电装备智能设计-制造-服务技术与应用

针对核电大数据集成管理缺乏适应性和应用价值有限的问题,提出了一种基于工业大数据分析架构的核电装备智能设计制造服务体系.首先,基于核电大数据的领域特性设计了核电装备全生命周期数据空间,通过业务系统数据与主数据两个层次,实现海量多源异构数据分布式存储,并提出模型驱动的核电大数据应用模式.在此基础上,基于数据空间提出了核电装备智能设计制造服务体系框架和关键技术,包括基于模型数据知识联合学习的智能协同设计、多阶段数据融合驱动的质量管控与精准追溯、高维动态边缘数据驱动的运行服务智能诊断预测等技术,为生产决策和运作管理提供依据,促进核电装备安全性、可靠性和经济性指标持续优化.最后通过核电装备典型业务场景来验证所提框架和技术的有效性,并取得了良好的应用效果,为未来核电大数据协同管理和智能应用提供参考.