基于PCA-BP神经网络的装甲车辆柴油机状态评估

针对装甲车辆柴油机摩托小时不能真实反映实际技术状况的问题,通过提取气缸压缩压力、加速时间、减速时间、供油提前角、振动能量和平均燃油流量等状态参数,运用主成分分析和BP神经网络相结合的方法构建了一种柴油机状态评估模型;该模型首先利用主成分分析方法将多个参数简化为两个综合参数,并根据综合参数的散点图对柴油机的状态进行初步划分,得到BP神经网络的训练数据;最后通过建立BP神经网络进行状态评估;评估结果表明,该模型准确度高,具有较好的应用和推广价值。     

健康状态评估方法及应用研究

随着设备越来越复杂、经济可承受性要求越来越高,评估设备的健康状态就显得尤为重要;健康状态评估技术是实现状态维修的重要手段之一;论述了健康状态评估在状态维修中的地位和作用;分析了国内外健康状态评估的主要方法,主要包括模型法、层次分析法、模糊评判法、人工神经网络法、基于贝叶斯网络的方法等;接着介绍了健康状态评估技术的工程应用情况;最后,详细分析了我国在健康状态评估研究中存在的问题,并指出了进一步研究的重点方向。     

大型机电设备健康状态评估方法研究

根据大型机电设备健康状态评估的复杂性和影响因素的非线性、模糊性及灰度性特点,从设备的产品质量、运行工况、历史数据3个主要方面构建设备健康状态评判指标体系,并设计了基于模糊-灰度-变权求和的分层设备健康状态综合评估模型。选用矿用带式输送机对综合评估模型进行验证,结果表明,运用该模型得出的评估结果与设备实际运行情况相吻合,该模型对于大型机电设备的健康状态评估及安全生产具有一定的实际意义。     

基于遗传神经网络的伺服机构健康状态预测

为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型;用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解;该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较;结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性.     

民用飞机健康状态评估方法 

飞机健康状态评估技术能够为飞机的健康状态提供量化评价的方法和手段,通过给出量化的飞机健康指数值,可以为后续的飞机维修提决策提供必要的技术基础;在分析了健康状态评估的技术现状的基础上,对飞机整机级的健康状态评估方法进行了研究,提出了健康状态评估技术方案,并对波音AHM系统健康指数模型进行了研究;提出的民用飞机健康状态评估方法,实现了从传统的对故障的状态识别转移至对性能退化程度的检测和量化描述,其应用可以为航空公司安排飞机运营提供参考,并为合理安排计划维修提供决策支持。     

基于支持向量机的健康状态评估方法

随着高速铁路动车组的快速发展和应用, 其安全性和可靠性引起了广泛关注. 为了准确判别高速铁路动车组轴箱轴承(以下简称轴箱轴承)的健康状态情况, 提出通过采集轴箱轴承温度及在相同和不同转向架驱动侧、非驱动侧各个部件的温度数据, 利用主成分分析法(PCA)进行特征降维, 将基于决策树的支持向量机(DT-SVM)多分类算法作为判别算法, 同时结合层次分析法(AHP)确定向量值权重, 从而进一步提高分类精度. 大量实验表明该方法可使分类准确率提升5%左右, 此外通过建立健康状态评估模型,将轴箱轴承健康状态分为健康、温升、强温和激温四类, 有助于提高轴箱轴承健康状态的判别力和运维决策的准确性.     

基于降噪自编码器与改进卷积神经网络的采煤机健康状态识别

针对采煤机监测参数间关联性强、冗余信息多且受强噪声干扰导致其健康状态识别困难及传统的采煤机状态识别方法在健康状态指标构建中人工参与过多导致识别准确率不高的问题,提出一种基于降噪自编码器（denoising autoencoder,DAE）与改进卷积神经网络（improved convolutional neural network,ICNN）的采煤机健康状态识别方法。首先,对原始监测数据作滑动平均降噪处理并进行归一化;其次,通过无监督训练降噪自编码器实现数据降维、特征提取,进而构建健康状态指标;然后,根据降噪后的监测数据与健康状态指标训练改进卷积神经网络模型,实现采煤机健康状态的自动识别;最后,利用采煤机仿真数据完成模型验证并与其他多种健康状态识别方法进行对比。结果表明：该方法识别准确率达98.38%,明显高于其他方法,可为后期的预知维护提供理论支持。     

基于测试数据的装备健康状态评估方法

针对当前装备健康状态评估方法无法反映健康状态变化过程的问题,提出了一种基于测试数据的装备健康状态评估方法。该方法通过对待测部件进行测试,观察测试数据变化规律并对比测试数据的正常范围,分别计算测试部件的基本健康度、健康度变化率和健康度变化幅度,得到了装备动态变化过程中的健康度数学模型,并建立了串联、并联系统的武器装备健康状态评估方法。利用该方法分别对某型潜射导弹发动机、伺服机构液压源的测试数据进行实例分析,结果表明该方法可准确真实反映装备健康状态的变化过程,提供使用者科学有效的故障预测和维修决策依据,更加符合装备基于状态的维修要求,提高了装备完好率和任务完成率,具有较强的可操作性。     

基于观测器的液压系统健康状态评估方法研究

为了实时评估液压系统的健康状态,提出了基于观测器的健康状态评估原理,利用解析模型、仿真模型和数据模型及其配合等方法进行液压系统标准模型的建立,联合实际液压系统的监测数据,构建液压系统的状态观测器。将实际系统的相关参数作为输入,实际监测点的输出与标准模型的输出进行特征分析与对比,在数据处理的基础上形成残差及其向量,运用数据分析方法计算系统健康度,并解析各元素及其耦合所映射的故障类型与故障程度,实现液压系统的故障定位与评估。最后,利用某型装备的起竖液压系统进行了应用举例,介绍了模型构建、故障模式与参数选择、残差构成及健康度计算的方法。所研究的状态评估方法对实时评估液压系统,及开展液压系统视情维修具有参考价值。     

基于LSTM的风洞设备健康状态评估方法研究

针对风洞设备健康状态评估中特征提取困难、量化算法复杂等问题,提出了一种基于深度学习的健康度评估方法,利用正常状态样本数据训练LSTM编解码器网络并构建特征空间,利用测量数据特征向量与特征空间的欧氏距离衡量健康状态的退化程度,从而高效地实现了系统或设备的健康状态量化评估;经风洞试验室轴流风机转子不平衡故障、长轴轴承裂缝故障等两个数据集进行验证,取得了与设备工作状态一致的健康度评估值,具有很强的工程应用价值。     

飞机变压整流器健康管理算法研究

变压整流器是飞机电源系统中的重要设备,可以使飞机供电系统不再配备直流发电机,变压整流器在飞机电源系统中应用非常广泛,将健康管理技术应用于飞机变压整流器对其故障进行提前预警,具有重要现实意义。在对12脉波变压整流器的原理进行分析后,得出变压整流器的绕组绝缘老化和电容老化是导致其系统老化的主要因素,通过变压整流器的模型,借助仿真数据对比分析,确定了与电容和绝缘绕组相关的系统外部老化特征参数;并通过高斯混合模型、马氏距离对数据进行分类,再通过训练BP神经网络实现对变压整流器健康状态的评估。     

复杂设备健康度评估方法研究综述

随着装备系统集成化、信息化程度的提高,复杂装备的工作可靠性至关重要,对其进行健康状态评估有着重要意义;健康度是对装备健康状态进行定量评估的方法,相对于分级的健康状态评估,可以更加细致地反映装备退化状况,能为装备视情维修提供准确依据,近年来得到越来越多的关注;通过对近几年国内外涉及装备健康度评估方法的相关文献整理,综述了复杂装备健康度评估研究的发展现状和相关评估方法,并从部件级和系统级两个方面对各种健康度评估方法进行了分类阐述和优缺点分析;着重指出了复杂装备在健康度评估中存在的权重问题、样本不均衡问题和健康度与故障率相关性问题;结合复杂装备特点及该领域最新研究进展,提出了未来研究思路和发展方向.     

基于大数据分析的潜射武器健康状态评估

针对潜射武器健康状态评估中的大数据分析问题,对大数据概念以及特点进行了论述,重点阐述了神经网络、群体智能、相关分析和粒计算四种大数据分析方法的主要思想、应用范围,提出了潜射武器健康状态评估与大数据分析技术相结合的技术路线;指出了当前大数据分析应用存在的存储问题、弱可用性问题、大数据建模问题;最后指出了大数据分析在潜射武器健康状态评估中应用的可行性。     

基于HMM的机载设备状态健康评估方法研究

针对机载设备的状态健康评估问题,采用隐马尔科夫模型(HMM)对其进行性能退化程度的评估;首先引入状态条件概率矢量对HMM进行不确定性改进,并推导了其表达式;其次以状态条件概率比值为基础,给出了机载设备状态等级量化分值的计算方法,并据此设计了机载设备状态健康评估流程;最后以飞机发动机温控放大器为例进行仿真验证,结果表明上述方法能够给出直观、准确的状态评估结果.     

基于动态权重的设备健康状态评估方法

设备健康度是对设备健康状态的定量评估,可以更准确地反映设备健康状态.现有健康度评估方法并不能很好地反映设备的真实健康状态.针对某型雷达发射机的健康度评价问题,提出了基于动态权重的健康度精确评估方法.本文利用指数函数对各参数的权重动态变化规律进行建模,然后计算采集向量与最佳向量的加权标准欧式距离,可以更加准确地评价设备的健康度.通过对某型雷达发射机的实际测试表明,本方法计算结果准确可靠,能够更好地反映设备的健康程度.     

基于数据挖掘的智能配电站房运行状态评估方法

为解决智能配电站房的在线监测与预警评估问题,提出了一种基于数据挖掘的智能配电站房运行状态评估方法。首先建立配电站房多源数据信息阵列,对当前时刻之前一段时间内配电站房内部的温度信息、湿度信息、水侵信息、烟雾信息、开关遥测信息、开关遥控信息进行描述;其次通过配电站房多源数据评估阵对智能配电站房多源数据信息阵进行了量化评估;然后对配电站房多源数据评估阵进行每列量化综合以生成配电站房多源数据单项评估阵;最后基于加权平均方法对配电站房多源数据单项评估阵进行综合,生成智能配电站房运行状态评估指标。实例分析验证了本文所提方法的可行性,可满足现场工程实际需求。     

基于自适应多尺度注意力机制的CNN-GRU矿用电动机健康状态评估

利用多传感器信息融合技术进行电动机健康状态评估时,矿用电动机监测数据中存在异常值和缺失值,而卷积神经网络和循环神经网络等深度学习模型在数据质量下降严重的情况下难以有效提取数据特征和更新网络权重,导致梯度消失或爆炸等问题。针对上述问题,提出了一种基于自适应多尺度注意力机制的CNN-GRU(CNN-GRU-AMSA)模型,用于评估矿用电动机健康状态。首先,对传感器采集的电动机运行数据进行填补、剔除和标准化处理,并以环境温度变化作为依据对矿用电动机运行数据进行工况划分。然后,根据马氏距离计算出电动机电流、电动机三相绕组温度、电动机前端轴承温度和电动机后端轴承温度等健康评估指标的健康指数（HI）,采用Savitzky–Golay滤波器对指标HI进行降噪、平滑、归一化处理,并结合主成分分析法计算的不同指标对矿用电动机的贡献度,对指标HI进行加权融合得到矿用电动机HI。最后,将矿用电动机HI输入CNN-GRU-AMSA模型中,该模型通过动态调整注意力权重,实现对不同尺度特征的信息融合,从而准确输出电动机健康状态评估结果。实验结果表明,与其他常见的深度学习模型CNN, CNN-GRU, CNN-LS...     

一种状态监测与健康评估方法及其在模拟电路中的应用

针对模拟电路的健康性能退化状况,提出一种特征选择与降维提取法(B&B+LDA)和隐马尔可夫模型(HMM)相结合、以KL距离为衡量标准的状态监测和健康评估方法.首先设置元件的参数提取幅频特征;其次针对特征存在的冗余性及高维性,采用B&B+LDA对原始特征进行提取,从而获得有效的特征集;再根据获得的特征监测出早期故障类型;最后利用正常态下的特征来训练HMM,并用其计算各状态对应的KL距离,得出故障程度,即实现电路健康退化的评估.将该方法应用于某模拟电路中,通过实验验证了其具有良好的模拟电路早期故障监测性能,与B&B,LDA,PCA及原始特征相比具有最好的状态监测与健康评估能力.     

基于BP神经网络的教学质量分析评估模型研究

教学质量分析评估是一个比较复杂的,多因素、多变量、模糊的非线性过程,BP神经网络的原理可用于教学质量分析评估.文章中给出基于BP神经网络的教学质量分析评估模型结构,以及学习算法,并在Matlah中得以实现.结果表明,BP神经网络用于教学质量分析评估,既克服了在评估过程中的主观因素,又得到了满意的评估结果,具有广泛的适用性.     

基于主成分分析的股票指数预测研究

预测中输入变量的选取影响预测的速度和精度，传统方法选取输入变量主观性强，预测效果欠佳。本文使用主成分分析法选取输入变量，计算量小，预测效果更好。以沪市综合指数预测为例进行仿真计算，仿真结果表明了使用主成分分析法选取输入变量的有效性，它明显减少了预测时间，改善了预测精度。