基于遗传算法的组合预测在油液光谱分析中的应用

基于目前的一元线性回归预测模型、灰色预测模型和时间序列预测模型3种预测模型的优缺点,综合上述3种预测模型,提出了一种基于遗传算法的组合预测模型,并应用遗传算法确定了组合预测的权重系数。实例分析计算表明,该方法具有更好的预测效果。     

BP神经网络修正灰色残差组合模型方法在油液光谱分析中应用的研究

提出了采用神经网络修正灰色残差组合模型对设备的磨损状态进行预测和诊断分析的方法。通过比较GM(1,1)模型、神经网络模型的预测结果,融合GM(GreyModel)模型与神经网络模型并构建组合模型进行油液光谱分析参数预测,可以克服单个模型所存在的不足。结果证明,该组合模型方法在预测中是可行的,预测的误差最小。     

基于GM(0,N)模型的油液光谱分析界限值制定

针对传统油液光谱分析界限值制定方法中以磨粒含量服从正态分布假设为前提的局限,提出应用GM(0,N)模型制定油液光谱元素数据分析界限值的方法,该模型不仅能正确拟合光谱数据,还能够体现各元素间相关关系。应用GM(0,N)模型对船舶柴油机实际光谱数据进行处理,结果验证了该方法的有效性。     

基于LS-SVM和AR模型的油液光谱数据预处理研究

油液光谱分析技术可以检测出机械设备润滑油中各种元素的成分和浓度,但光谱分析数据受噪声、补油和换油的影响严重,不能很好地反映出机械设备的磨损情况。对光谱数据进行提升小波分解,通过分析细节信号,检测出野点;用LS-SVM对趋势项建模,对各层细节信息建立AR模型,分别预测出补、换油后及野点处的值并进行叠加;为提高预测精度,用QPSO对LS-SVM的参数进行了优化。结果表明:该方法能有效修正原始数据,从而提高对机械设备磨损状态监测和故障诊断的精度。     

灰色时序组合模型在发动机状态监测中应用的研究

分析了时序AR（n）模型和灰色GM（1,1）模型2种故障预报模型的优点和缺点,将2种模型有机地结合起来,提出了一种新的灰色时序组合预报模型。通过对一组发动机铁谱数据进行检验以及比较,表明提出的组合模型比2种原始模型具有更好的预报结果。证明了灰色时序组合模型在发动机油液铁谱分析与状态监测中的优越性。     

油液监测中金属元素光谱分析数据预处理

在分析发射光谱分析原始数据存在的误差原因的基础之上,运用遍历性假设进行分析,给出了例外点的判断方法,最终论证了数据预处理的方法,并给出相关实例。     

基于稳健回归的油液光谱分析界限值制定

利用原子发射光谱监测柴油机磨损状态时必须首先制定各磨损元素的浓度界限值。针对传统最小二乘法在制定界限值时受异常数据影响较大的局限性,引入稳健回归方法提高其抗异常点干扰的能力;通过对实际柴油机监测获得的数据进行界限值制定,结果表明,该方法避免了因异常数据干扰而导致结果偏离实际过大的问题,从而能真实准确地监测柴油机的运行状态。     

基于光谱分析趋势值的机械设备油液监测方法研究

光谱监测是现代机械设备油液监测技术的重要手段,对于磨损元素界限值的制定有着重要意义.该文介绍了国内外光谱数据界限值的常用方法,考虑到机械设备不同的磨损阶段有不同的磨损情况,本文提出了一种基于趋势值的光谱数据浓度界限值的动态分析方法.     

基于灰色预测的冲压机油液铁谱定量分析的研究

采用灰色模型GM(1,1)对冲压机液压油的铁谱定量分析的基本参数大磨粒读数DL和小磨粒读数DS进行了预测,并以此计算出其他定量参数(磨损烈度指数、累积总磨损Σ(DL DS)、累积磨损烈度Σ(DL-DS)和大磨粒百分数PLP),为冲压机油液监控提供了有力的分析依据,解决了一个换油周期内数据信息量少、预测不确定性的问题。经后验差法检验,该模型的预测精度高。     

油液光谱分析故障诊断专家系统知识库的设计与实现

油液光谱分析技术现在已经成为设备故障诊断和预测的重要检测手段 ,建立综合油液分析专家系统可以使诊断水平达到专家的水平。在专家系统的设计建立过程中 ,知识库的设计与实现是一个核心的问题。针对军用装备油液分析的特点 ,提出了一种基于混合深浅知识的光谱油液分析专家系统知识库的建立和实现方法 ,在实际使用中有一定的应用价值     

基于灰色残差GM(1,1)模型的汽油机油劣化状况预测

针对汽油机油性能指标测试数据存在离散程度较大,劣化状况难以预测且预测精确度低等问题,基于灰色系统理论,构建灰色残差GM(1,1)模型。以SL15W-40汽油机油为例,对所建立的预测模型的适用性及准确性进行研究。结果表明:灰色残差GM(1,1)模型具有较高的预测精度,应用于汽油机油劣化状况的预测结果与实际测量值基本吻合,为汽油机油劣化状况的预测和合理地确定换油周期提供一种新的有效方法。     

AR模型功率谱估计在金刚石研磨振动信号分析中的应用

在金刚石弹性浮动研磨过程中,研磨装置源自内部和外部的振动将导致金刚石与研磨盘产生多余的相对运动从而影响研磨质量。从加工过程采集的信号中识别出相关振动因素能够为改进研磨过程提供依据。本文针对有限采集数据,为有效识别振动信号,首先对采集的数据进行小波降噪处理,其次采用AR模型进行数据处理,通过功率谱估计提高识别精度,对研磨振动信号进行模型参数估计并识别出主要振动频率。     

基于润滑油光谱分析的柴油机磨损规律研究

基于某型柴油机在寿命考核期内润滑油光谱分析数据的分析，建立了发动机主要金属元素的磨损规律模型，结果表明，利用该模型得出的元素磨损趋势符合正常机械传动系统的磨损规律。     

基于AR模型的转台位置预测方法研究

文中以时栅传感器作为CNC系统的位置检测元件,为了解决时栅数控转台在高精度伺服控制过程中的动态位置反馈误差问题,研究了利用AR模型对转台位置进行预测测量的方法。介绍了预测测量的原理、预测方法及其模型系数的求解方法,并搭建了一套实验装置。经实验表明,基于AR模型的转台位置预测测量方法正确可行,通过修正后预测误差为±2″.     

基于AR模型和谐波小波的扭振固有频率提取

提出用谱估计的方法分析利用激光多普勒扭振测量仪获取的扭振信号。首次采用 AR模型和谐波小波分解相结合处理低信噪比的扭振信号。首先介绍了 AR模型对信号消噪、重构和谐波小波分解的原理 ,然后利用一组模拟信号来验证该方法的实用性。最后用来处理从实验台上获得的扭振信号 ,提取出了该转子实验台的扭振固有频率 ,与利用传递矩阵法计算的理论结果比较吻合。     

基于AR建模理论的汽车行驶姿态预测方法研究

采用AR模型开展了汽车运动参数预测研究,详细分析了其建模预测方法,并以侧倾角速度这一车辆行驶时的关键参数为例,讨论了AR模型在行驶安全运动参数预测中的应用,结果显示该模型取得了一定的效果。此外,AR模型仅利用自身的历史数据进行建模预测,故具有简便易行、通用性好、可操作性强的特点。     

滚动轴承振动分析中的AR模型研究

将现代谱估计中的AR模型应用于包含广泛频率成分的典型的滚动轴承振动信号分析，采用Marple算法，FPE判阶准则，以样本长度的均方根作为定阶上界计算AR模型参数，求得AR谱。通过AR谱与经典谱的实际对比分析，验证了所建AR模型的正确性和对滚动轴承振动信号分析的适用性，为滚动轴承振动物理本质的研究提供了可靠的分析技术。     

基于小波包和AR谱分析的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳性,提出了一种基于小波包和AR谱分析的滚动轴承故障诊断方法.该方法对系统输出信号进行小波包分解,然后进行重构,再对重构信号进行AR谱分析,从而提取出故障特征频率.试验结果表明,这种方法能有效地提取滚动轴承的故障特征,诊断其故障.