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,...     

基于模型突变检测的管道泄漏检测定位方法

为了改进负压波法在管道微弱泄漏的检测和定位中的效果,提出了基于模型突变检测的特征提取和泄漏定位算法。首先运用广义似然比检测理论,建立压力信号变化的统计检验模型,计算广义似然比比率r和下降幅度d作为压力信号突变发生的敏感特征,并通过求得的压力变化时间点进行泄漏定位。针对缓慢泄漏时压力信号变化的特点,提出了相应的改进模型,更精确的求出缓慢泄漏压力信号的下降拐点。实验证明,参数r和d对不同变化类型的压力信号有较好的区分度,利用管道内压力和流量信号的特征值作为神经网络的特征向量可以实现管道的微弱泄漏识别,且基于改进模型的定位算法在缓慢泄漏定位中有较好的定位结果和稳定度。     

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.     

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.     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.