复杂工况下综合传动装置状态监测数据异常检测方法

针对综合传动装置运行过程中,工况变化及装置故障状态引起的数据异常、难以有效区分这一问题,提出了一种适用于复杂工况下综合传动装置状态监测数据异常检测的方法。首先,采用基于密度的聚类方法(DBSCAN)对状态监测数据进行了关联变量聚类,以排除非关联数据对数据重构准确度的干扰;然后,利用深度降噪自编码网络构建了状态监测数据重构模型,获取了对异常数据敏感的偏差特征;最后,利用支持向量数据描述(SVDD)算法构建了正常状态监测数据偏差特征的超球体,完成了复杂工况下对综合传动装置状态监测数据异常的检测;为了验证该方法对综合传动装置状态监测数据异常检测的有效性,以某型综合传动装置为研究对象,在多组综合传动装置漏油实验数据上进行异常检测验证分析。实验结果表明：该方法实现了在综合传动装置不同程度漏油故障条件下对状态监测数据异常进行检测的目的,且其准确度整体高于92%。研究结果表明：该方法可以有效检测出综合传动装置早期异常运行状态,为综合传动装置健康管理与劣化评估奠定基础。     

复杂系统模糊概率故障图模型研究

建立了一种描述复杂系统故障关联关系的模型，即模糊概率故障图模型。该模型利用图论理论和面向对象建模思想，将复杂系统故障关联关系抽象为一个由三元组描述的有向图，引入故障模糊状态和故障概率信息，体现了故障关系随系统或部件工作状态而变化的特性。给出了模糊概率故障图模型的对象类定义、层次分解方法及模型特性。通过模型在复杂机电设备系统故障诊断中的实际应用说明了它的适用性。     

基于层次聚类的状态监测数据衰退模式挖掘

故障预测与健康管理(prognostics and health management,简称PHM)技术,是在现代复杂设备的高可靠性和高安全性要求下,实现视情维修的一种新的技术理念。PHM技术的研究方向之一就是利用系统状态监测数据中包含的信息,对设备的健康情况和发展趋势进行评估、分析和预测。针对基于状态监测数据的衰退模式挖掘问题,提出了一种P-D-H聚类方法,以实现衰退模式的挖掘。首先,通过分段聚合近似(piecewise aggregate approximation,简称PAA)方法对由状态监测数据形成的退化轨迹时间序列进行模式表示;其次,采用动态时间弯曲距离(dynamic time warping,简称DTW)作为模式序列的相似性度量;最后,采用层次聚类的方法实现衰退模式聚类。用此方法对滚动轴承磨损状态监测数据进行了衰退模式挖掘,验证了方法的有效性。基于复杂系统状态监测数据的模式聚类方法能够有效实现系统健康衰退模式的挖掘,模式挖掘的结果可以为应用状态监测数据进行系统健康的预测奠定良好的基础。     

基于LSTM-RNN的滚动轴承故障多标签分类方法

为实时监测砂带磨损状态,采用基于磨削声信号与电流信号的监测方案。首先,利用时域分析方法与小波包分析方法提取砂带磨损信号特征,通过朴素贝叶斯方法融合两种信号,从而识别砂带磨损状态;其次,为提高砂带磨损状态识别准确率,针对朴素贝叶斯方法的分类特性,改进了一种基于Fisher判别率与互信息的信号特征选择方法。实验结果表明,利用基于Fisher判别率与互信息方法能够挑选出可分性好同时特征间相关性弱的信号特征,基于朴素贝叶斯的砂带磨损状态识别方法能够准确地识别砂带磨损状态。     

基于磨削声与电流的砂带磨损状态识别

为实时监测砂带磨损状态,采用基于磨削声信号与电流信号的监测方案。首先,利用时域分析方法与小波包分析方法提取砂带磨损信号特征,通过朴素贝叶斯方法融合两种信号,从而识别砂带磨损状态;其次,为提高砂带磨损状态识别准确率,针对朴素贝叶斯方法的分类特性,改进了一种基于Fisher判别率与互信息的信号特征选择方法。实验结果表明,利用基于Fisher判别率与互信息方法能够挑选出可分性好同时特征间相关性弱的信号特征,基于朴素贝叶斯的砂带磨损状态识别方法能够准确地识别砂带磨损状态。     

一种基于数据驱动和贝叶斯理论的机械系统剩余寿命预测方法

针对复杂机械系统剩余寿命预测问题,提出一种基于数据驱动方法和贝叶斯理论的机械系统剩余寿命预测方法。该方法基于数据驱动方法,对相同或相似系统的历史状态监测数据进行融合,并建立表征系统退化程度的健康指示量和预测剩余寿命的状态模型;基于贝叶斯理论,建立状态模型参数的贝叶斯模型;在此基础上,基于待估系统的实时状态监测数据和贝叶斯模型,利用马尔科夫链蒙特卡洛方法来更新模型参数并预测待估系统的剩余寿命;通过一个航空发动机的预测问题,来说明该方法的有效性。     

基于特征相关性和冗余性分析的机械故障特征选择研究

从特征相关性和冗余性的定义出发，利用特征与类别间的互信息对特征相关性和冗余性进行了度量，提出了一种基于特征相关性和冗余性分析的特征选择方法。数值仿真和柴油机故障特征选择实验结果表明，新方法可以快速、有效地求得优化特征集，是求解特征选择问题的一个较好方案。     

基于长短时记忆—自编码神经网络的风电机组性能评估及异常检测

性能评估及异常检测是风电机组健康状态监测的重要手段。以往风电机组性能评估较少考虑性能监测数据的时序性及多变的运行工况,导致模型评估的准确度低,且未根据整机性能确定与异常相关的功能模块,使得检修成本高。针对上述问题,提出了一种基于长短时记忆—自编码(LSTM-AE)神经网络的风电机组性能评估及异常检测方法。该方法首先采用长短时记忆神经单元与自编码网络构建性能评估模型,以计算用于评估风电机组性能状态异常程度的指标,通过与基于支持向量回归计算的自适应阈值对比,识别性能异常点。然后,利用高斯Copula熵估计不同性能监测参数与该指标的互信息值,来确定关键性能监测参数,并映射至风电机组功能模块。实验结果表明,所提方法能有效处理具有时序特征的性能监测数据,并提高异常检测的准确性。     

基于核密度估计和随机滤波理论的齿轮箱剩余寿命预测方法

针对风电机组齿轮箱的剩余寿命预测过程中需要进行状态退化模型结构假设的问题,提出一种由核密度估计和随机滤波理论结合的实时剩余寿命预测方法。该方法利用从数据本身出发的核密度估计方法对齿轮箱连续退化状态的概率密度函数进行非参数估计,得到齿轮箱实时状态监测数据的退化状态概率密度函数;利用实时状态监测数据来更新随机滤波递推模型参数,从而预测齿轮箱的实时剩余寿命。通过齿轮箱的试验验证了该方法的有效性。     

基于MSET的一次风机故障预警

一次风机是保证火电厂运作的重要的辅机设备,工作环境复杂,故障诊断难度较高。本文使用多变量状态估计(Multivariate State Estimation Technique,MSET)建模方法,实现一次风机的故障预警。在对数据实施降维处理时,同时使用了相关性分析和主元分析两种方式,并使用MSET分别对两种降维方法处理后的数据进行仿真建模,然后通过减法聚类分析得到两种降维方法建模结果的相似度曲线,经过比较分析发现主元分析法结合MSET故障预警效果更好。     

基于MI-LSSVM的水泥生料细度软测量建模

针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。     

基于最大互信息的激光雷达与相机的配准

针对智能车中激光雷达与相机的配准问题,提出了一种基于点云反射值与图像灰度值最大互信息的自动配准方法。该配准方法以刚体变换作为两传感器间坐标变换模型,首先利用点云反射值和图像灰度值计算互信息,将互信息值作为相似性度量,然后分别采用Barzilai-Borwein算法和改进Powell算法搜索互信息最大值,从而求得最优配准参数,最后通过实验对两种优化算法进行了分析比较。实验结果表明,基于最大互信息的配准方法可以实现智能车激光雷达与相机配准参数的自动、准确求解,并且改进Powell算法比Barzilai-Borwein算法具有更高的准确性和鲁棒性。     

基于模糊关联的复杂产品模块化设计方法及其应用

复杂产品的模块化设计在很大程度上依赖于其零件间关联关系的确定。但是依赖知识与经验的零件间关联评价信息往往存在诸多不确定性,在以往的模块化设计方法中很少被涉及。为了解决这一问题,提出了基于模糊关联分析与求解的复杂产品模块化设计方法。发展了一种模糊证据推理算法用于对零件间的异构多准则关联关系进行融合,从而有效处理了零件间关联关系确定过程中准则多、信息存在模糊与缺失的问题,实现了零件间综合关联关系的量化。以此为基础,构建了以模块内平均模糊聚合度高、模块间平均模糊耦合度低为驱动目标的数学规划模型。将模糊非支配机制引入粒子群算法,发展了一种基于模糊非支配解的多目标离散粒子群算法,对构建的复杂产品模块化数学规划模型进行求解。采用模糊逼近理想解排序法对所求得的模糊非支配解进行优选,从而获得最优的模块化设计方案。结果表明,所提出的方法能够有效处理复杂产品模块化设计过程中不确定信息的转化与传递。以柱塞泵的模块化设计为例进行数值仿真,验证了该方法的可行性与有效性。     

基于SVDD及ARIMA融合模型的给水泵退化状态监测方法

给水泵的退化状态监测对相关工业生产的有序运行具有重要意义。文中提出了一种给水泵退化状态监测方法,通过评估设备的健康状况和性能对设备退化趋势进行预测。该方法包括数据采集、特征提取、安全域构建、退化表征、退化过程建模和退化趋势预测6个步骤。该方法使用最易获取的健康数据作为训练集来构建安全域模型,然后利用超空间中更好的特征提取能力对退化过程进行表征和预测,最后使用异常数据测试预测模型的性能。文中使用一组真实的给水泵工业监测数据进行验证,并提出了一种退化趋势预测的评价方法。该方法通过5个量化指标从退化表征和预测性能两个维度对退化状态监测效果进行评估。实验结果表明,该方法不但较好地反映了给水泵的实际退化,而且实现了高精度的退化趋势预测,为给水泵智能运维提供了可靠的决策依据。     

基于多视图的快速扩散制造任务关联网络构建方法研究

研究了面向复杂武器装备快速扩散制造中的子任务间关联关系构建方法,提出了扩散制造任务关联网络模型的构建方法,定义了基于结构域、功能域、工艺域和管理域的扩散制造任务多视图模型,给出了基于多视图的扩散制造任务关联关系分析原理,实现了对不同粒度的扩散制造子任务间关联关系的定性、定量的分析,最后,通过实例验证了该方法的有效性。     

基于互信息和博弈论的复杂机械产品装配质量控制阈在线优化方法及应用

为提高复杂机械产品的装配精度和装配稳定性,提出一种基于互信息和博弈论的复杂机械产品装配过程质量控制阈在线优化方法。在分析复杂机械产品装配特点的基础上,基于互信息表征了装配质量控制点之间的耦合关系,建立了装配质量稳定性测度模型。为保证装配精度,以装配成本(质量损失成本和装配调整成本)最小化为目标,阐述了装配成本与控制阈的关系。将装配稳定性、装配成本要素之间的冲突问题转化为数学模型,基于博弈论方法进行冲突消解,获得最优装配质量控制阈。以模型发动机缸盖螺栓拧紧为例,设计开发了装配质量控制阈优化系统,验证了该方法的可行性和有效性。     

数控机床热误差预测模型的评估方法

数控机床热误差产生机理复杂,通常使用温度场监测数据数学建模对热误差进行预测,加工工况和所处环境的复杂使得数据驱动建模方法的优劣难以全面评价,因此建立了一套热误差预测模型的评价指标体系,并提出了相应的评估方法,从热误差预测模型的鲁棒性、准确性、有效性、稳定性与相关性方面对预测模型的性能进行了综合评价。以ZK5540A型重型数控机床在空转工况下所监测的温度场数据为例,采用所提评价指标和评估方法分别对3种不同的数据驱动建模方法的性能指标进行了计算与分析,验证了评估指标和方法的有效性。     

基于平均剩余寿命和Birnbaum重要度的复杂系统静态分组维护策略

多部件系统存在复杂的相关性,制定最优的维修策略使得系统的维修成本最低是科学管理设备的关键之一。提出了一种多部件复杂系统静态分组维修策略。在考虑部件间的经济相关性和结构相关性的基础上,引入平均剩余寿命和结构重要度求得预防性维修阈值。对于事后维修,引入了考虑部件Birnbaum结构重要度的自适应事后维修决策规则。为了找到最优维修策略,采用遗传算法对部件维修费用进行优化。案例分析表明,该方法能够有效降低维修成本。     

状态机原理在控制程序设计中的应用

计算机控制系统的控制程序具有有限状态自动机(FA)的特征,可以用有限状态机理论来描述。利用状态转移图和条件编码,可以更直观和清晰地描述程序的转移与条件的关系。由于使用二进制编码描述程序的转移条件,使得复杂的程序结构都变成了一种规则的结构,因此基于该方法的程序结构更简单,编写程序更容易,程序的调试、修改与功能扩展更方便。该方法已经成功应用于电火花多维数控系统的程序设计过程。