随机冲击影响的多部件退化设备寿命预测方法

针对随机冲击影响下的多部件串联退化设备,该文提出一种基于竞争失效的可靠性评估与寿命预测方法。首先,分别用线性随机过程描述设备各部件的连续退化过程,并使用复合泊松过程刻画因随机冲击导致部件退化水平累积的影响;其次,鉴于冲击导致的软、硬竞争失效过程,通过构建冲击造成的硬失效影响之间的相关性,得到设备的可靠度函数进而得到其寿命分布曲线;最后,数值仿真说明不同冲击参数对设备可靠性及寿命分布结果的影响。实例验证结果表明:该文所提方法能够提高多部件退化设备可靠性评估及寿命预测精度,具有一定的工程应用价值。     

时延系统中T-LSSVR动态软测量建模方法研究

针对工业过程中由于系统存在延时导致软测量模型难以建立、模型精度偏低等问题,提出将系统延时(T)与最小二乘支持向量回归机(LSSVR)相结合,构建一种基于T-LSSVR的动态软测量建模方法;该方法在建模过程中利用互相关函数与一阶广义差分算法辨识得到“静态响应延时”和“动态响应延时”,通过软测量手段对变量进行预测以实现辅助变量对主导变量的最佳估计。对某化工企业具有此类双延时性质的系统进行实验,实验结果表明该建模方法在动态和稳态数据预测方面都有良好的预测效果。     

基于动态加权卷积长短时记忆网络的滚动轴承剩余寿命预测方法EI北大核心CSCD

现有数据驱动方法在滚动轴承剩余使用寿命预测中,因不能有效提取对轴承退化过程敏感的特征信息而导致预测精度不足。为此提出一种基于动态加权卷积长短时记忆网络(DW-CNN-LSTM)的滚动轴承剩余寿命预测方法。对滚动轴承振动信号进行小波包分解,将获得的小波包系数矩阵通过可训练参数动态加权层进行动态加权,来实现对轴承退化的表征信息进行有效筛选,以增强轴承振动特征学习能力;利用卷积神经网络的自适应挖掘数据深层特征能力,从动态加权后的小波包系数矩阵中提取对轴承退化过程敏感的特征集;借助长短时记忆网络(LSTM)预测时间信息序列的优势,由双层LSTM进一步提取其高维退化特征,来提高滚动轴承剩余寿命预测精度。对XJTU-SY轴承数据和IMS轴承数据的试验结果表明,所提DW-CNN-LSTM方法相比于经典的长短时记忆网络方法,其均方根误差指标平均降低了61.08%,预测准确度平均提高了9.95%,模型训练时间平均减少了44.14%,获得了较满意的寿命预测精度和鲁棒性。     

基于GaAs激光器性能退化的可靠性度量方法

针对传统可靠性度量方法对高可靠性及长寿命的激光产品进行可靠性度量存在因模型假设不准确而出现可靠性度量错误风险的问题,基于性能退化轨迹提出了利用非参数局部线性回归估计对实际的退化模型进行直接估计的方法.该方法在确定实际模型后,利用失效阈值外推获得伪失效寿命时间,进而采用完全寿命时间数据进行可靠性度量.最后通过对GaAs激光器的退化数据进行可靠性验证分析,结果表明此方法提高了可靠性的预测精度,拟合程度高,稳健性好.采用非参数局部线性回归估计方法得到的结果合理、准确.     

基于深度学习的RC梁集中塑性铰模型参数研究

集中塑性铰模型常被用于基于构件的结构弹塑性分析,计算精度依赖于模型参数的选取,但经验公式难以表征构件受力特性与模型参数的复杂非线性关系。该研究收集低周往复加载RC梁试验数据。建立构件试验数据库,采用捏拢型(pinch Ibarra-Medina-Krawinkler,Pinch-IMK)本构建立基于深度学习的RC梁构件集中塑性铰模型参数预测模型。基于试验数据对三折线骨架特征点参数、本构滞回参数进行参数辨识,得到182组骨架特征点参数数据和91组滞回参数数据;以构件特征参数为输入,以骨架特征点参数、滞回参数为输出,建立Pinch-IMK集中塑性铰RC梁构件参数深度学习预测模型HDLM。将HDLM预测骨架特征点参数与截面分析及现有经验公式等方法的计算结果作对比,可见HDLM预测结果有更高的精度;将基于HDLM预测参数计算的滞回曲线与基于经验公式的IMK模型计算结果进行对比,可见HDLM预测滞回曲线更为准确,能够较好地表现RC梁的强度退化、刚度退化和捏拢效应。     

基于改进偏最小二乘的CMM动态误差混合建模分析

三坐标测量机(CMM)动态误差源错综复杂,并且相互影响,因此很难建立一个通过误差源分析误差的准确预测模型.本文以空间测量位置的三维坐标值和测量机测量时的计算机直接控制(DCC)参数,包括移动速度、逼近距离和触测速度作为CMM动态测量误差模型的原始自变量,并通过3B样条变换获得各原始自变量与动态测量误差的非线性关系函数,再利用正交投影法把解释矩阵中与因变量无关的成分扣除掉,得到新的解释矩阵后再用偏最小二乘(PLS)回归进行降维和参数估计,从而得到CMM动态测量误差模型,即基于3B样条-正交投影偏最小二乘(3BS-OPPLS)模型.这样既避免了分析错综复杂的误差源及其相互影响,又能够捕捉各自变量对动态测量误差的非线性影响,并能克服因解释变量过多而产生的多重共线性问题.实验结果表明建立的3BS-OPPLS模型的预测效果优于未经正交投影的3B样条-偏最小二乘(3BS-PLS)模型,模型的预测精度得到显著提高.     

基于量子加权门限重复单元神经网络的性态退化趋势预测

提出基于量子加权门限重复单元神经网络(Quantum Weight Gated Recurrent Unit Neural Network,QWGRUNN)的旋转机械性态退化趋势预测方法。采用小波降噪-排列熵法构建性态退化指标集,将该指标集输入QWGRUNN完成旋转机械性态退化趋势预测。QWGRUNN在门限重复单元(Gated Recurrent Unit,GRU)基础上引入量子位来表示网络权值和活性值并构造量子相移门以实现权值量子位和活性值量子位的更新,改善了网络泛化能力,进而提高了所提出的性态退化趋势预测方法的预测精度;采用与自身结构相适应的动态学习参数,改善了网络收敛速度,进而提高了所提出的预测方法的计算效率。滚动轴承性态退化趋势预测实例验证了该方法的有效性。     

基于改进PF算法的锈蚀RC结构抗弯承载力预测方法

为提高锈蚀钢筋混凝土(RC)结构抗弯承载力评估精度，该文综合考虑锈蚀RC结构几何尺寸、钢筋截面积及力学性能、混凝土强度、粘结性能等因素，提出了基于改进粒子滤波(PF)算法的抗弯承载力模型参数更新及预测方法。通过生成大量的粒子以表征承载力退化过程中模型参数的不确定性，从选择不同建议密度函数的角度改进PF算法以解决传统PF算法中粒子退化的问题，分别采用PF、扩展粒子滤波(EPF)、无迹粒子滤波(UPF)算法对模型参数进行估计与更新，实现了锈蚀RC结构抗弯承载力的有效预测。结果表明：随着钢筋锈蚀率的增加，RC结构的抗弯承载力逐渐降低。基于改进PF算法的锈蚀RC结构抗弯承载力预测方法因考虑了模型参数更新使得预测结果更接近试验数据。基于EKF和UKF的改进PF算法可有效抑制粒子退化，其预测精度较PF算法更高；锈蚀RC结构抗弯承载力预测精度随着训练数据及粒子数的增加而提高。     

融合多源数据的非线性退化建模与剩余寿命预测

针对目前基于单个传感器剩余寿命预测方法存在预测精度不高的问题,该文提出一种融合多源传感器数据的非线性退化建模与剩余寿命预测方法。该方法包括复合健康指标的构建、模型参数的估计和传感器融合系数的确定,在确定融合系数后,结合设备历史寿命数据与实时监测数据,利用Bayesian参数更新公式推导出设备的剩余寿命概率分布,实现设备的剩余寿命在线预测。最后通过由商用模块化航空推进系统仿真生成的发动机退化数据集进行仿真实验,结果表明该文所提方法能够有效提高设备剩余寿命预测的准确性。     

线性FBM过程随机退化设备剩余寿命自适应预测

现有文献主要通过马尔科夫过程来描述设备的退化轨迹,鲜有考虑历史状态对未来退化轨迹的影响。鉴于此,为了反映退化轨迹的记忆效应对剩余寿命预测的影响,首先基于分数布朗运动建立一种线性随机退化模型,并通过引入随机效应来反映不同样本间的退化差异性;其次,基于弱收敛性理论与分数布朗运动的特性推导剩余寿命分布的近似解析解;再次,基于极大似然算法和贝叶斯理论完成模型参数的离线估计与在线更新,进而实现剩余寿命的在线自适应预测;最后,通过数值仿真与某惯性导航系统中陀螺仪的实测数据对本模型进行实验。结果表明:相比于传统线性随机退化模型,该模型能有效地刻画退化轨迹的记忆效应,提高剩余寿命的预测精度。     

消除噪声干扰的动态测量方法研究

由于测量噪声和补偿器的频率特性,使得传感器的动态补偿器存在严重的噪声干扰,影响到补偿器的参数辨识和补偿后的测量精度。研究了一种消除噪声干扰的动态测量方法,先通过小波变换估计噪声的方差,再由估计得到的方差,通过偏差消除的递推最小二乘法,对补偿器的参数进行无偏辨识;同时,采用多项式实时滤波器,消除高频噪声对测量精度的影响。最后,通过实验验证了该方法的有效性。     

基于WLS-SVM的加速度计动态模型参数辩识

提高加速度计动态模型参数辨识精度,对研究和改善加速度计动态特性有重要作用。针对加速度计的非线性影响其动态模型参数辨识精度的问题,提出了一种基于加权最小二乘(WLS)和支持向量机(SVM)的加速度计动态模型参数辩识方法,该方法针对包含线性部分和非线性项的加速度计二阶非线性动态模型,利用WLS辩识加速度计动态模型的线性部分参数,并采用SVM估计加速度计动态模型的非线性特性,通过迭代和最小化所构建的误差准则函数,实现加速度计动态模型参数最优辨识。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够减小加速度计非线性对动态模型参数辩识精度的影响,所得加速度计动态模型参数辨识结果具有较高的精度。     

基于行为模型的电机动态扭矩测试研究

电机动态扭矩一般使用扭矩传感器测量,但扭矩传感器应变片粘贴的角度容易发生改变,且长期使用容易变形,造成测量结果误差较大,无法实现对电机动态扭矩的长期测量。为此,提出一种扭矩传感器行为模型测量扭矩的方案,以直流无刷电机为负载电机,利用标准扭矩传感器测量负载电机的电流和扭矩,通过采用线性回归的方法得到扭矩传感器的行为模型,再利用该模型替代扭矩传感器来测量电机扭矩。该方法克服因扭矩传感器的安装、应变片变形等对扭矩测量精度的影响。基于该方法设计行为模型测量动态扭矩的系统,以750 W永磁同步电机为被测对象,分别使用该系统与使用扭矩传感器方法测试比较,该方法测量动态扭矩时相对扭矩传感器测量的动态扭矩最大相对误差为1.90%,非线性误差为1.84%,重复性误差为0.084%。结果表明:使用行为模型可代替扭矩传感器测量电机动态扭矩,有利于对电机动态扭矩的长期稳定测量,且系统在体积、成本、结构以及操作维护方面都更具优势。     

基于维纳退化过程的烟草水分仪核查周期确定方法

为解决烟草红外水分仪核查周期难以确定的问题,提出一种基于维纳（Wiener）退化过程的水分仪核查周期确定方法。在对烟草生产过程中采集到的大量水分仪历史退化数据和在线测量数据进行分析的基础上,采用带自适应漂移项的Wiener过程模型对历史退化数据进行建模,以获取水分仪未来退化状况的信息,从而确定水分仪的核查周期。在新的数据到来之后,引入卡尔曼滤波对自适应漂移参数进行更新,对红外水分仪剩余寿命进行重新估计,以实现红外水分仪核查周期的动态调整。研究结果表明,与传统方法相比,该方法更符合实际情况且能够实现在线预测,在该案例下的烟草红外水分仪的核查周期应当设置在6～7 d之间。     

双指数粒子滤波模型的硅泡沫材料剩余寿命预测

针对传统基于模型的硅泡沫材料长时使用寿命评估方法存在的物理模型解释性差、预测精度不高等问题,本文提出了一种双指数粒子滤波模型的剩余寿命预测方法。选取硅泡沫结构的载荷保持率作为特征量,基于硅泡沫材料的应力松弛失效机制,建立了更具解释性的双指数应力退化模型。首先利用最小二乘法对观测数据进行拟合,初始化模型参数和健康状态,然后通过贝叶斯理论对历史样本进行状态跟踪建模,更新状态传递函数,实现载荷保持率退化趋势预测和剩余寿命评估。通过仿真和实验验证了双指数粒子滤波模型预测硅泡沫材料剩余寿命的泛化适用性和准确性,同时与传统指数模型预测结果进行了对比,结果表明本文所提方法预测精度和稳定性更优。     

滚动轴承寿命预测的相似性匹配优化方法研究

传统相似性寿命预测方法忽视退化过程的局部演变特性,导致预测精度较低;传统时、频域等特征指标难以实现早期故障监测,且退化后期局部波动较大。引入高斯函数趋势拟合策略,提出改进的相似性匹配优化方法。提出基于高斯混合模型的Jensen-Renyi散度健康指标,准确跟踪滚动轴承退化演变趋势。由于实际全生命周期退化信号难以大量获取,因此构建双指数函数模型,模拟退化信号,并验证仿真数据扩充参考字典集的有效性。采用高斯函数拟合退化数据并提出参数相似性原则,实现剩余使用寿命预测。滚动轴承全生命周期退化实验数据分析结果验证了所提方法可以有效提高剩余寿命预测精度。     

基于贝叶斯更新和逆高斯过程的在役钢筋混凝土桥梁构件可靠度动态预测方法

在役钢筋混凝土桥梁在服役环境和车辆荷载的耦合作用下,其服役性能随时间不断退化,采用确定性的性能退化模型无法准确描述退化过程中的不确定性和时间变异性。该文采用逆高斯随机过程描述其抗力退化过程,同时采用复合泊松过程描述车辆荷载效应,建立了基于抗力-车辆荷载效应双随机过程的在役钢筋混凝土桥梁构件时变可靠度分析方法。结合检测数据,采用贝叶斯分析和期望最大化算法,对逆高斯过程抗力退化模型参数进行更新,提出了在役钢筋混凝土桥梁构件可靠度的动态预测方法。以一座钢筋混凝土T梁桥为例,采用其40年服役期的抗力退化数据,分别在四个服役时刻对逆高斯过程抗力退化模型参数进行了更新,演示了提出的可靠度动态预测方法。研究表明:逆高斯随机过程可更合理地描述钢筋混凝土桥梁构件抗力退化过程中的不确定性和时间变异性;融入桥梁服役期间检测的抗力退化信息,采用贝叶斯更新逆高斯过程抗力退化模型参数后,可更准确地预测桥梁未来的可靠度服役状况和估计桥梁的剩余使用寿命。     

基于单轴气浮台的角动量输出测量方法

星载转动部件的角动量输出测量是卫星姿态控制系统设计的必要环节,该文介绍了一种利用单轴气浮平台测量转动部件角动量输出的系统和方法。通过对系统转动惯量和角速度的测量,得到转动部件输出角动量的大小及变化,最后以实例形式给出测试步骤、数据处理方法、测试结果及精度分析。与直接测量法相比,该方法测试设备简单,测量精度高,测量误差小于5%,尤其对具有多转动单元、多自由度转动部件的耦合测量优势明显,具有较高的工程应用价值。     

基于贝叶斯模型的动态误差实时修正方法研究

应用贝叶斯动态模型理论,探讨了非平稳动态测量误差贝叶斯建模原理及实时修正的方法.由多项式模型、季节模型、回归模型和噪声模型等模型分量组合的贝叶斯动态模型,较好地描述了各种系统误差和随机误差的综合特征,客观反映了动态测量误差的变化规律.利用贝叶斯递推算法和标准信号插入,适时对动态误差模型参数进行调整,以适应非平稳动态误差的时变性,有效控制了动态模型预报精度损失,提高了动态误差实时修正的精度.通过长光栅动态测量系统实时误差修正实例,验证了该方法正确可行,误差修正效果显著,具有较高的应用价值.     

基于剩余寿命预测的维修与备件订购联合策略优化

利用设备健康状态信息预测剩余使用寿命,并进行维修和备件订购决策以达到降低设备检修成本和备件成本的目的。针对单部件系统提出基于剩余寿命预测的维修与备件订购联合策略,其中维修决策遵循控制限原则,即根据系统退化量判断是预防性更换还是故障更换,同时基于历史退化信息预测系统剩余寿命,引入订货阈值判断是否订货。通过分析更换时刻备件状态确定所有可能更新事件,推导各事件发生概率进而计算各事件更新成本和更新长度,采用更新报酬理论构建最小化单位时间内期望费用的联合策略模型,设计离散事件仿真算法求解模型。最后,通过实例验证模型和算法,得到最小的单位时间内期望费用14.656 3,最优预防性更换阈值8,最优订货阈值1 000。