在役液压支架部件剩余寿命估算

针对现有液压支架寿命估算方法很少考虑液压支架使用过程中技术性能不断下降而导致误差较大的问题,提出了在役液压支架部件剩余寿命估算方法。通过引入表面系数、结构尺寸系数和焊缝影响系数等来修正材料疲劳曲线,获得部件疲劳曲线;再根据累积损伤理论、剩余损伤容量和应力谱,利用部件的疲劳曲线进行寿命估算;采用多级模糊评定方法对在役液压支架顶梁进行状态评估,使用总体状态系数对寿命估算结果进行折合计算,获得在役液压支架部件的剩余寿命。试验结果表明,该方法的估算误差为3.52%,精度较高。     

基于数字疲劳传感器的疲劳监测系统及寿命评估

疲劳寿命计是电阻-疲劳响应记忆元件,其电阻值随疲劳而增加,栽荷卸除后电阻变化值保留.通过设计适用于桥梁疲劳栽荷检测的数字式传感器和监测系统,对大桥实施长期实时监测和定期技术状态评估,考察大桥在服役期内完成设计预定功能的能力,提高桥梁的安全性.为解决疲劳损伤及寿命评估问题,通过编制的疲劳评估系统,对东海大桥48个危险截面测点进行疲劳分析,得到实际损伤及损伤度,并进行寿命评估.成功地建立了东海大桥疲劳损伤及寿命评估系统,并可推广应用于其他桥梁.     

退化数据驱动的设备剩余寿命在线预测

为在线预测单台服役设备的可用剩余寿命,提出一种融合先验退化数据和设备自身现场退化数据的剩余寿命预测方法。建立符合非线性Wiener过程描述的设备退化模型,利用先验数据采用极大似然法估计模型中的未知参数,使用贝叶斯方法融合新增的现场退化数据实时更新模型参数,进一步实现对设备实时剩余寿命评估。数值仿真和实例计算的结果表明,与固定参数法相比,该方法能够根据现场退化数据不断更新设备剩余寿命分布,进而更好地体现设备的个体差异,显著降低剩余寿命分布的不确定性。     

SBPD算法在行程开关故障预测中的研究

针对行程开关弹簧片的弹力寿命有限的故障,提出了基于状态驻留信息(SBPD)模型的故障预测方法。首先,应用均值与聚类评估指标对行程开关劣化状态进行评估和优化。其次,在对行程开关劣化状态识别的基础上,提出了基于状态驻留信息模型的剩余使用寿命计算方法。最后,在对行程开关进行加速疲劳实验的基础上,应用实验数据将SBPD模型与马尔可夫链蒙特卡罗仿真(MCMC)方法进行验证比较。结果表明,在行程开关弹簧片的弹力寿命有限的故障预测中,SBPD模型优于MCMC仿真方法,可有效预测行程开关剩余使用寿命。     

基于级联长短期记忆神经网络的轴承复合故障预测

当前对轴承进行健康度评估和剩余寿命预测时通常采用共振解调、包络分析等方法,但仍存在健康度提取困难、故障预测种类单一、缺乏可靠模型等问题.针对这些不足,文章提出一种基于级联长短期记忆(LSTM)神经网络轴承复合故障预测的方法,其通过两级级联LSTM神经网络实现轴承的健康度评估和剩余寿命预测.文中采用西安交通大学的轴承数据...     

一种基于性能退化建模的设备最优监测时机确定方法

为了克服长寿命、高成本、高可靠性设备失效数据获取困难和监测维护策略不合理的缺点,基于漂移布朗运动,利用设备的周期性能监测数据,对设备的退化失效过程进行建模,评估设备服役期内的可靠性、剩余有效寿命,并综合考虑设备的监测维护成本和可靠性的要求,以单位时间期望监测维护成本最小为目标,提出了确定最优监测间隔的方法。使用某型号惯性平台存储时月监测数据及提出的方法,得到了其关键部件陀螺仪的可靠性和剩余有效寿命的评估结果,以及最新监测点之后的最优监测间隔,从而验证了所提方法的有效性。     

加速冲击损伤退化系统剩余寿命预测及预测维修决策

随着检测传感技术的发展,诸如风力发电机叶片等可对其状态进行检测,并依据检测结果进行剩余寿命预测.但此类系统在运行中受环境冲击影响较大,如何对冲击影响下的系统剩余寿命进行预测,并结合预测结果进行经济可靠的维修决策是一个值得研究的问题.对此,针对状态可检测的连续退化系统,研究考虑加速冲击损伤特性下的系统剩余寿命预测及基于预测的维修决策.首先,考虑自然退化和与退化相关的冲击损伤,构建加速冲击损伤退化模型和剩余寿命预测模型;其次,制定基于周期检测的状态维修与预测维修相结合的混合维修策略,并推导不同维修活动的发生概率;然后,构建以长期平均费用率最小为目标,以检测间隔和故障率阈值为决策变量的决策模型,并给出了优化解法;最后,以风力发电机叶片为案例验证模型的适用性和有效性,对系统的参数进行灵敏度分析,并与未考虑加速冲击损伤和未考虑预测的维修决策结果进行对比分析.     

基于退化数据与marker数据综合的产品可靠性建模分析

基于性能退化数据的可靠性建模分析方法,为现代工业中长寿命、高可靠产品的可靠性研究提供了重要途径,但在破坏性测量中无法获得足够的产品性能退化数据.对此,综合利用产品性能退化数据和marker数据对产品可靠性进行建模,不仅能够提高可靠性评估的精度,还可以在产品运行过程中通过对marker的测量来预测产品剩余寿命,从而为产品维修、更换以及备件决策提供依据.采用二元Wiener过程对产品的性能参数和marker进行建模,给出模型参数的估计方法和基于marker测量数据的剩余寿命预测方法,并通过仿真示例验证所提出方法的有效性.     

基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究

航空发动机是飞行器的核心动力系统,工作环境恶劣,对其进行状态监测和寿命预测是保障飞行器安全可靠运行的重要技术手段。本文研究一种基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法,首先将多个自编码网络连接构成深度堆叠自编码网络,选取发动机的状态数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发动机退化的堆叠自编码学习模型。通过采用BP神经网络对发动机剩余寿命区间进行分类,作为发动机剩余寿命预测的结果。通过使用PHM2008挑战赛中发动机退化数据对本文研究方法进行了验证,结果验证了堆叠自编码网络深度学习方法对航空发动机剩余寿命预测的有效性。     

基于BA-WPHM的滚动轴承两阶段剩余寿命预测方法

为了提高滚动轴承剩余寿命预测的准确性,根据滚动轴承运行过程的两阶段性特点,提出了一种基于蝙蝠算法(BA)和威布尔比例风险模型(WPHM)的滚动轴承两阶段剩余寿命预测方法。首先,构建基于WPHM的剩余寿命预测模型;其次,提出了两阶段极大似然估计法,建立新的似然函数,并利用BA算法进行求解,以提高参数估计的准确性;最后,建立BA-WPHM模型对滚动轴承进行剩余寿命预测。案例分析表明,相比于Newton-Raphson算法、自组织分层猴群算法(SHMA)和独特的自适应粒子群算法(UAPSO),提出的方法参数估计的准确性更高,剩余寿命的预测精度优于支持向量回归(SVR)方法,验证了所提方法的有效性,为滚动轴承维修决策的可行性提供了依据。     

加热炉先进控制系统经济性能评估

先进控制系统通过减少关键过程变量的方差,将过程操作区域推向最佳效益点,从而挖掘出潜在的经济效益。有效评估先进控制所能够带来的经济效益是评估先进控制项目可行性的重要依据,也是检验先进控制项目实施效果的重要方法。文章研究和探讨以最小方差作为性能评估基准的加热炉先进控制经济性能评估方法。加热炉是石化生产过程中的主要设备之一,加热炉操作状况决定了整个生产装置的处理能力、能耗和操作周期等。通过对加热炉先进控制系统进行经济性能评估,可为进一步挖掘加热炉的潜在经济效益提供参考,并保持加热炉先进控制系统的安全稳定、长周期、高性能的运转,这对企业提高效益具有十分重要的意义。     

考虑不确定测量和个体差异的非线性随机退化系统剩余寿命估计

剩余寿命估计是预测与健康管理的基础,是降低系统运行风险、提高系统安全性与可靠性的有效途径.针对工程实际中大量存在的非线性随机性退化系统,现有方法仅单独考虑了不确定测量或系统间个体差异对剩余寿命的影响,尚未实现同时考虑不确定测量和个体差异的剩余寿命估计.因此,本文首先建立了一种基于扩散过程的非线性退化模型,进一步通过建立的状态空间模型和Kalman滤波实现了同时考虑不确定测量和个体差异下的随机退化系统剩余寿命自适应估计,同时对漂移系数进行自适应估计,以获取非线性退化系统更加精确的剩余寿命估计.最后,将所提方法应用于疲劳裂纹和陀螺仪的监测数据,结果表明本文方法显著优于仅考虑不确定测量或仅考虑个体差异的寿命估计方法,具有潜在的工程应用价值.     

融合专家经验和寿命试验数据的产品可靠性评估

专家经验是可靠性工程中常见的一类可靠性数据,通过将其与产品的寿命试验数据融合,可以扩充可靠性信息,为产品可靠性的评估提供新的思路.对此,利用Bayes理论,考虑不同类型和不同形式的专家经验,通过验前矩拟合的方法将其转化为产品寿命分布参数的验前分布.进一步,根据寿命试验数据确定似然函数,推断分布参数的验后分布,可求得数据融合后产品的可靠度和剩余寿命等可靠性评估结果.通过蓄电池算例分析,表明所提出方法的应用及其有效性.     

基于LSTM网络的Web软件系统实时剩余寿命预测

Web软件系统剩余使用寿命的预测精度是影响Web软件系统抗衰决策的重要方面, 为此, 提出了一种基于长短期记忆网络的Web软件系统实时剩余寿命预测方法. 首先搭建加速寿命测试实验平台, 收集反映Web软件系统老化趋势的性能指标, 然后根据该指标数据的时序特性, 建立了一种基于长短时记忆网络(LSTM)的Web软件系统实时剩余寿命预测模型, 并对该模型进行了训练. 实验结果表明, 该预测模型能够有效对Web软件系统的剩余寿命进行实时预测, 具有更好的准确性和适用性. 将所提模型应用于Web软件系统寿命预测中, 能够有效完成预测, 该方法为优化系统抗衰决策提供了技术支撑.     

航空发动机的健康指标构建与剩余寿命预测

预测与健康管理技术能够有效的评估系统健康状态、预测系统剩余使用寿命,是提高复杂系统安全性、经济性的重要保障.为全面评估系统健康状态,本文提出了一种基于深度置信网络(DBN)的无监督健康指标构建方法,并结合隐马尔可夫模型(HMM)进行系统剩余寿命预测.首先,通过无监督训练深度置信网络实现历史数据的特征提取,进而构建健康指标;其次,利用健康指标集训练隐马尔可夫模型,实现设备健康状态的自动识别;最后,通过DBN-HMM混合模型来计算系统剩余寿命.采用商用模块化航空推进系统仿真软件(C-MAPSS)给出的航空发动机数据集,验证了上述方法的有效性.     

考虑退化模式动态转移的健康状态自适应预测

为了更加精确地在设备退化过程中对其健康状态进行预测,本文深入研究了设备处于不同健康状态时的数据特点,针对现有单一预测方法的特点与不足,引入了退化模式的划分方法,并对不同的预测模型与退化模式的关系进行分析. 进而建立“模式-模型”关联表,并通过关联表优选预测模型,实现了考虑退化模式动态转移的健康状态自适应预测以及剩余寿命估计.最后,以滚动轴承实验为实例,对该轴承进行了健康状态预测与剩余寿命估计.实验结果表明本方法较精确地预测了轴承的剩余寿命,证明了方法的有效性.     

一种改进的锂离子电池剩余寿命预测算法

锂离子电池故障往往会使系统性能下降甚至瘫痪,故障部件剩余寿命的精确估计对整个系统的寿命预测和健康管理至关重要。粒子滤波是一种有效的序列信号处理方法,然而应用于锂离子电池剩余寿命预测准确性并不高。根据锂离子电池电学特性,提出一种改进的粒子滤波算法,基于锂离子电池容量退化指数模型,结合训练数据对锂离子电池剩余寿命进行预测。仿真及实验结果表明,改进的粒子滤波算法对锂离子电池剩余寿命预测误差小于5%。     

基于马尔可夫过程的健康状态评估模型

故障预测与健康管理（PHM）的思想是通过状态监测和诊断技术获取装备状态和故障信息,预测其故障发展趋势,采取更有针对性的维修措施,从而大大提高装备维修管理的精确化。对装备系统的健康状态进行评估是实施PHM的基础,研究了基于马尔可夫过程的健康评估问题,运用马尔可夫模型方法,将部件系统退化过程描述为有限状态转移过程,建立了基于马尔可夫的健康状态评估模型,对PHM系统进行评估并对剩余寿命进行预测,最后进行了案例分析,验证了模型的可行性。     

双时间尺度下的设备随机退化建模与剩余寿命预测方法

基于退化建模的剩余寿命预测（Remaining useful life,RUL）是当前可靠性领域研究的热点.现有的退化模型都是针对单个时间尺度下的退化设备,缺少对设备性能变化与多个时间尺度相关的退化建模与剩余寿命预测方法.鉴于此,本文基于Wiener过程提出了一种双时间尺度随机退化建模与剩余寿命预测方法,用随机比例系数描述不同时间尺度之间的不确定关系,推导出丫首达时间意义下设备的双时间尺度剩余寿命分布,讨论了其与基于单时间尺度退化模型得到的剩余寿命分布之间的关系,并给出了基于历史退化数据的未知参数极大似然估计方法.最后,将所提方法应用到惯性平台关键器件陀螺仪的退化建模与剩余寿命预测中,验证了方法的有效性.     

基于HMM的设备剩余寿命预测框架及其实现

在设备退化状态识别中剩余寿命预测是设备实施状态维修的一个重要内容,也是实现真正意义上精确维修的前提和基础。隐马尔可夫模型作为一种统计分析算法,具有较强的模式分类能力,能够对设备退化过程进行有效识别。但是传统隐马尔可夫模型状态持续时间分布的不合理性,不能直接用于剩余寿命的预测。考虑状态识别和剩余寿命预测的连续性,应用隐马尔可夫模型的改进算法——隐半马尔可夫模型,构建设备剩余寿命的预测框架,实现了在设备退化状态识别基础上的剩余寿命预测。通过对滚动轴承实测数据的仿真试验,对框架进行了仿真验证。仿真结果表明框架能够有效识别设备退化过程和实现剩余寿命的预测。