排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
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。 相似文献
2.
3.
以橡胶球铰几何参数、胶料硬度和球铰预压缩量为设计变量,以球铰刚度为目标函数并基于实验设计方法对整个设计空间进行了采样;根据所采样本的数据库建立了橡胶球铰几何参数-球铰刚度神经网络近似模型;基于该模型并借助Isight软件,编制了橡胶球铰结构快速设计模板;使用该模板可进行球铰刚度快速匹配和结构优化设计。以某型齿轮箱吊杆用橡胶球铰为例,验证了该模板计算精度的可行性。结果表明,使用该模板可大幅缩短橡胶球铰的开发时间并提高其疲劳性能和使用寿命,该模板计算精度的可行性较好,达到工程应用标准。 相似文献
4.
5.
6.
7.
1