基于多域空间状态特征的高端装备运行可靠性评价

机械设备运行可靠性对设备状态监测及故障诊断具有重要意义。传统可靠性评估方法依赖于大量故障样本,运用在单台设备可靠性评估上的实际意义有限。本文提出一种基于设备状态特征空间的运行可靠性评价方法。采集设备运行过程中的振动信号,获取时频域信息特征;采用小波包分解提取能量分布特征,构建高维特征空间。应用流形学习优化算法进行降维,获得其低维敏感特征空间,计算当前状态与正常状态的特征子空间的夹角,建立其映射关系,表征设备的当前运行可靠性。将该方法应用于不同状态下的转子实验台和滚动轴承实验台振动数据,实验结果表明:该方法对设备进行运行可靠性评价合理有效,具有很好的工程应用价值。     

基于子空间LQG的高速列车预测控制器性能监控

针对高速列车在复杂多变环境运行时子空间预测控制器出现性能下降的问题,提出一种基于子空间线性二次高斯（linear quadratic Gaussian, 简称LQG）基准的列车预测控制器性能监控算法。首先,使用子空间辨识算法处理列车历史运行数据获得子空间矩阵,设计基于子空间LQG的高速列车预测控制器性能评价基准;其次,通过在线求解列车实时性能指标并与已建立的性能基准进行比较得到评价指标后,对列车预测控制器进行在线评估;最后,对评估结果为列车控制性能下降进行诊断,即建立控制器性能下降模式库,设计基于支持向量机的分类器,对噪声方差变化、过程模型失配、输出约束饱和及控制参数设置不当这4类性能下降源进行训练学习。将测试集输入分类器进行仿真,得到的准确率分别为95.63%,92.49%,90. 52%和97.56%,表明该分类器可靠性强,准确率高。     

基于数字孪生与k-近邻算法的车间设备运行状态预测研究

由于传统车间设备运行状态预测不能有效利用历史数据进行学习,实时响应能力有限,难以在复杂调度环境中取得良好效果,因此文章提出一种数字孪生与k-近邻算法相结合的车间设备运行状态预测模型。构建车间设备实体在信息空间的数字孪生模型,并建立设备实体与模型之间的映射关系,从而获取实时特征数据,即设备的运行状态特征数据。运用k-近邻算法计算实时特征数据与历史数据之间的欧几里得距离,即计算设备当前运行状态与历史已知状态的相似度,最终通过前k个距离所对应的设备历史运行状态数据,预测设备的当前运行状态。该模型的本质是通过数字孪生的实时数据采集,获取指定设备运行状态特征数据,运用k-近邻算法预测设备的实时运行状态。相较以往研究,本研究贡献在于提高设备实时运行状态预测的准确率。如果将数字孪生、k-近邻算法与具备自我学习能力的相关算法相结合,模型的预测效果会更好。     

基于贝叶斯更新的机电作动器健康因子构建方法

机电作动器(EMA)由于重量轻、体积小、可靠性高等优势成为多电/全电飞机的核心部件,逐步广泛应用于各类多电/全电飞机中。然而,EMA动态变化的运行模式和载荷工况给其退化建模和健康因子(HI)估计带来较大挑战。因此,提出一种基于贝叶斯更新的EMA HI构建方法。首先基于历史监测数据构建HI先验模型,在此基础上,结合贝叶斯更新理论和实时监测数据对EMA HI先验模型参数分布进行迭代更新,最终实现不同运行模式和载荷工况下EMA退化状态的准确表征。为解决变工况条件下EMA HI构建模型失配问题提供了一种新颖的思路,并基于NASA公开数据集进行了实验验证。结果表明,与基于模型辨识的EMA HI构建方法相比,基于贝叶斯更新的EMA HI构建方法具有更强的工况适应能力,能够在变工况条件下有效地构建出EMA HI。     

牵引与桥梁上拱激励下城轨列车动力学性能研究

城轨列车的实时变速工况是极为普遍的运行状态,若仅以匀速工况替代,无法得到贴近实际的研究结论。为此,提出一种新的考虑内外耦合激励的动力学模型。建立单节车体模型及编组城轨列车模型,综合考虑牵引工况以及城轨列车通过高架线路时的桥梁徐变上拱长波不平顺,研究在该内外耦合激励下的车辆动力学性能。基于微元法思想,计算得到城轨列车牵引工况下的电机转矩及基本阻力转矩与运行时间的关系,得到合理的综合工况下的运行状态。研究结果表明,在变速工况下车辆的轮对磨耗数、垂向平稳性指标及轮重减载率均有所上升;在桥梁长波不平顺激励下,车辆垂向平稳性指标有所下降、轮重减载率升高,而对车辆横向平稳性指标影响较小。     

矿渣粉磨健康状态识别模型及系统设计

提出一种基于数据挖掘的装备健康状态识别模型,实现对矿渣粉磨系统的运行健康预测。首先,利用一种多算法综合的特征筛选方法对工况数据进行挖掘分析,确定影响设备运行健康状态的评估指标参数;其次,以健康运行状态评估指标为对象,开展系统运行工况状态聚类挖掘,分析历史样本运行数据中的健康工况模式分布,以此为依据定义工况的运行状态类别,建立健康工况模式库;然后,将实时运行数据与健康工况模式库比对,利用自回归积分滑动平均算法(auto-regressive integrated moving average,简称ARIMA)训练预测评估模型,对健康评估指标参数的变化趋势进行预测,获取系统健康状态评估结果;最后,基于上述模型开发了矿渣粉磨健康状态识别系统软件,并应用于某生产现场,验证了该模型及系统的有效性和实用性。     

基于部分可观察马尔可夫决策过程的机电装备动态可靠性评价方法

针对机电装备运行维护问题,提出了基于部分可观察马尔可夫决策过程(POMDP)理论的动态可靠性评价方法。该方法将可靠性动态演变看成POMDP问题,通过不完全观测到的设备运行信息（如噪声、温度、压力等）,对可靠性状态进行估计,同时分析不同的维修行为对可靠性水平的影响规律,构建了基于状态转移的动态可靠性评价模型。然后,提出了以最小化维修成本费用和潜在故障危害为目标的维护策略制定方法,并通过案例分析验证了该方法的有效性,实现了机电装备动态可靠性的有效评价与维护策略的科学制订。     

基于贝叶斯推论和自组织映射的轴承性能退化评估方法

为在线识别和评估轴承的动态运行状态,提出一种基于贝叶斯推论和自组织映射的轴承性能退化评估方法。首先运用独立成分分析算法从原始特征集提取表征轴承正常运行的特征集,建立描述轴承健康状态的基准自组织映射模型,进而提出基于负对数似然概率的设备性能量化评估指标和基于贝叶斯推论的失效概率计算方法,在线识别和评估轴承的动态运行状态。通过在轴承全寿命测试床的实验结果表明,与一些传统的特征值指标和基于支持向量数据描述的性能退化评估方法相比,提出的评估指标可有效地量化轴承的全寿命性能退化过程,为进一步制定维护计划提供重要的设备健康信息。     

核主泵静压轴封极限工况下运行可靠性研究

核电厂一回路主泵静压轴封现场运行期间，多次出现超出厂家运行技术要求的工况，由于缺乏主泵静压轴封运行参数影响机理研究，严重制约着轴封极限运行工况下的可靠性分析和评价。依托CPR1000核电机组100型核主泵双锥角静压轴封，提出一种流固耦合分析数值模型，系统阐述了极低压差、极限温度、内外锥角等关键因素对密封泄漏特性的影响机理。通过对极限工况运行可靠性进行研究，提出极限运行工况建议值，即压差不低于0.6 MPa,极限注入温度不高于100℃。可以为现场核主泵静压轴封极限工况下运行可靠性评价提供量化参考和指导。     

基于可靠性的机械臂运动优化控制与仿真研究

针对当前机械臂运行的可靠性要求,从可靠性评价的相关指标入手,选择末端位姿精度、末端速度精度和末端力精度作为评价指标,从多因素的角度对空间机械臂运动优化模型进行构建,通过采用协方差矩阵算法对目标函数进行求解。最后通过仿真试验,得到在不同阈值下空间机械臂运行的可靠性,结果表明经优化后,其运行可靠性可达到73.7%,大大高于优化前的39%,进而验证本文构建的空间机械臂运行模型具有一定的可行性。     

基于相对特征的滚动轴承实时健康评估方法研究

旋转机械设备的性能退化状态缺乏量化的评价准则,针对这一问题,构建了一种基于相对特征的滚动轴承实时健康评估模型。首先,基于单调性原则筛选出了相对整流平均值与相对有效值,并将其作为健康指数,再采用模糊C均值聚类方法,构建了一种由数据驱动的滚动轴承实时健康状态评估模型,以及健康状态评价准则的知识库;然后,利用最近邻原则与设计的逻辑判断修正算法,来对待测轴承的健康状态进行实时判别;最后,以辛辛那提大学智能维修系统(IMS)中心第二组轴承实验数据为模型训练数据,选择中国某石化公司加氢裂化装置P3409A离心泵轴承"运转到坏"的振动数据作为待测数据,对构建的健康状态评估模型进行了验证。研究结果表明:该模型能够有效地表征旋转机械设备的实时性能退化状态,实现对其在线实时评估,且仅需要待评定设备正常数据,不依赖外部专家先验知识,因而该模型具有良好的泛化性。     

基于Python的振动监测与故障诊断系统开发

风机、泵和离心机等旋转设备是广泛应用于工业生产和日常生活的重要设备。在“服务型制造”的转变推动下,智能化、自动化以及数字化是这些设备的发展趋势,也是提高设备安全性、可靠性的重要方式。通过现场检测端和远程Web端的软、硬件设计,结合经典故障诊断算法与利用大数据的人工智能诊断方法,开发了低成本、高开放性振动监测与故障诊断系统,实现了旋转设备的运行状态监测与故障在线诊断和远程协同会诊功能,顺应智能制造的趋势,提供了针对风机等旋转设备运维的可行方案。     

基于数据融合的模糊综合评价法在电力设备中的应用研究

以给水泵为例,介绍了一种从设备安全性、经济性、残余寿命3个维度评价设备可靠性的方法,克服了单一评价体系的弊端.设备安全性指标采用神经网络模型,通过数据之间的相关性预测设备参数在不同工况下的应达值,并根据实际值与应答值的差值进行设备预警,将预警数量作为安全性评价指标,综合设备易损件的残余寿命与经济性分析结果采用模糊综合评价法对设备可靠性状态进行评价.引用了设备零部件至整体的层次分析法作为权重选取方法,解决了以往设备可靠性评价过度依赖于专家经验,较为主观且难以量化的问题.     

基于数据融合的模糊综合评价法在电力设备中的应用研究

以给水泵为例,介绍了一种从设备安全性、经济性、残余寿命3个维度评价设备可靠性的方法,克服了单一评价体系的弊端.设备安全性指标采用神经网络模型,通过数据之间的相关性预测设备参数在不同工况下的应达值,并根据实际值与应答值的差值进行设备预警,将预警数量作为安全性评价指标,综合设备易损件的残余寿命与经济性分析结果采用模糊综合评价法对设备可靠性状态进行评价.引用了设备零部件至整体的层次分析法作为权重选取方法,解决了以往设备可靠性评价过度依赖于专家经验,较为主观且难以量化的问题.     

多轴特种混动车辆工况自适应驱动力分配控制

针对多轴电子驱动桥式特种混合动力车辆,提出基于工况自适应识别算法的驱动力协调分配控制策略。基于C-WTVC以及WUVSUB车辆标准行驶循环工况划分运动学片段,利用聚类分析的方法对车辆行驶工况分类,并基于简化的神经网络算法建立车辆行驶工况在线识别机制;基于工况识别结果提出工况自适应驱动力预分配控制策略,包括平均分配、动力性分配及经济性分配,其中经济性分配系数基于系统效率最优进行解算;在驱动力预分配的基础上,基于多轴车辆动力源冗余配置的特点,提出驱动力失效分配控制策略,保障车辆在故障状态下仍具备一定的行驶能力;最后通过仿真测试验证了驱动力协调分配控制策略的有效性。仿真结果表明:所提策略能够有效保证车辆在动力源失效状态下的动力性能,提高了车辆运行可靠性。     

基于虚拟仪器的旋转机械主轴故障在线监测系统研究

针对机床主轴状态直接影响加工产品精度及刀具寿命的问题,对加工过程中的主轴故障状态监测技术进行了研究,提出了一种基于虚拟仪器的旋转机械主轴故障在线监测系统。该系统以主轴振动、转速及温度为监测信号,采用了时域分析、频域分析和小波包分析相结合的信号处理技术,提取了能反映主轴运行状态的特征参数,建立了基于模糊C均值聚类算法的主轴故障识别模型,通过计算当前故障特征参数与模型中已知状态的隶属度来判断主轴状态;最后,采用了基于虚拟仪器技术的Lab VIEW软件作为编程工具,设计了一套旋转机械主轴故障在线监测与诊断系统软件,并在实际机床中进行了理论验证和实例验证。研究结果表明,该系统可在线实时识别主轴的冲击、摩擦、松动、不平衡等故障,具有速度快、效率高的特点,平均准确率达99%。     

数据驱动的旋转设备性能退化趋势预测方法

为解决在役状态监测系统采用常规固定阈值报警方法难以追踪旋转机械性能退化发生和发展的问题,应用振动监测原始数据和实时监测原始数据构建了数据驱动的旋转设备性能退化趋势预测模型,提出一种基于谱距离指标运行可靠性曲线l1趋势滤波的旋转设备性能退化趋势预测方法.应用美国辛辛那提智能维修信息系统(I M S)中心轴承实验数据和中国...     

航天发射场供气系统健康管理技术

针对新一代航天发射场采用全新的在线供气模式,难以有效评估单样本设备健康状态的问题,提出一种基于隐马尔可夫的设备健康状态管理与预测方法。首先,利用设备监测数据构建隐马尔可夫健康状态评估模型,通过对不同观测序列与不同观测次数下的预测准确率进行仿真,确定出最优的模型参数;其次,把实时数据代入模型,根据模型的计算结果取最小值,从而判断出设备的健康状态;最后,将当前数据与历史数据进行拟合,预测出系统的安全可靠寿命。经实际检验,该方法有效解决了单样本多状态设备的健康评估。     

基于用户大数据的电动汽车驱动系统可靠性试验循环工况构建方法

为构建与用户载荷关联的电动汽车驱动系统可靠性试验循环工况,基于300个实际用户累计3540000 km载荷数据,提取工况片段并关联电驱动系统失效主导载荷构造工况特征参数,运用主成分分析与K-Means聚类分析法将用户使用条件下电驱动系统运行片段分成五种典型工况;基于损伤累积模型,分析不同工况载荷对电驱动系统部件造成的损伤,并确定各工况最优单位损伤强度分布模型,并以损伤分布连续性转折点,筛选单位损伤强度较高的片段作为可靠性试验循环工况;基于马尔科夫状态转移概率矩阵,采用马尔科夫链蒙特卡洛法产生伪随机数对工况拼接,构建电动汽车驱动系统可靠性试验加载谱.通过构造的可靠性试验载荷谱与标准循环工况及用户损伤对比,表明构建的电驱动系统可靠性试验加载谱具有较高的损伤强度,能够有效涵盖90％以上的用户使用强度,从而为电动汽车驱/传动系可靠性设计与验证提供参考和依据.     

基于历史数据聚类的火电机组工况划分

针对调峰背景下火电机组非稳态工况增多,以及常见运行工况偏离设计工况等问题,提出了基于历史运行数据聚类的工况划分模型。首先,考虑到运行数据中非稳态工况与稳态工况并存的情况,以功率作为特征变量,提出基于功率差值期望区间估计的稳态判别算法,筛选出历史数据中的非稳态工况;其次,由于稳态工况下外部边界条件变量的分布差异性,提出改进的多步K-均值聚类算法进行稳态工况的划分,并利用silhouette评价准则确定每步条件下的最佳聚类数;最后,采用某实际发电用重型燃气轮机的历史运行数据进行模型验证。通过与传统K-均值聚类算法比较,所提出的模型能够有效解决工况分类数目较少以及样本分布不均的问题。