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。     

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。     

基于灰色时序组合模型的油液光谱分析预测

以某型发动机油液光谱分析数据为基础,分别利用GM模型、AR模型和灰色时序组合模型,对实测数据进行动态建模,并对发动机润滑油中Fe元素的变化进行预测,结果对比表明,灰色模型能够模拟数据的宏观变化趋势,时序模型能够描述数据的细微随机变化,灰色时序组合模型综合两种模型的优点,达到更高的预测精度。     

冲压机模垫液压系统研究

设计了大惯量冲压机模垫液压控制系统,建立了系统数学模型并仿真分析了模垫液压系统闭环位置控制系统的稳定性和动态特性。模垫液压系统采用液压泵和蓄能器组合动力源、高响应伺服比例阀作为液压控制元件,具有响应快、节能等特点。结果表明,利用前馈及加速度反馈的PID复合控制提高了系统的控制精度,液压模垫顶出阶段的平均上升速度为67.1 mm/s,顶出行程位置控制误差为0.0064 mm,压边力的波动范围250.12～250.35 kN,达到了液压系统的控制要求,降低冲压机坏件率,提高生产效率。     

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。     

航空发动机磨损趋势预测的GM(1,1)模型方法

将灰色预测模型应用于航空发动机滑油光谱分析技术中，对滑油中铁元素浓度值进行了拟合和预测，并且针对及时地进行故障预测的需要，提出了缩短预测期后的一步预测值的确定方法。应用结果表明，本方法是可靠的。     

油液污染度优化组合预测研究

油液污染是引起液压系统故障的主要原因。该文建立了基于灰色残差的修正模型、时间序列和神经网络的优化组合预测模型，并将该模型应用于液压油液污染度的预测，实验结果表明，该模型在油液污染度预测中取得良好的效果，对实际油液污染监测具有一定的价值。     

某型坦克液压助力装置油液监测研究

随着液压助力系统在新装备中的应用,液压油的污染问题逐步成为装备油液监测与分析的重要内容。通过液压油的污染监测可以反映液压系统的磨损状态和污染情况,论文采集了7辆使用了不同摩托小时的某型坦克液压助力系统的油液,应用光谱仪和便携式油质分析仪(portable oil diagnostic system,PODS)进行了颗粒浓度的分析与比较。结果发现Fe元素(来自油缸-活塞摩擦副)的含量基本随着使用时间的增加而逐渐增加,外来污染如硅元素的含量则与装备本身的日常维护好坏关系密切。总体看来光谱分析和污染度分析可以反映该系统的磨损程度和污染程度,可为装备在用油的使用维护与更换提供数据和技术支持。     

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。     

一种新型的适用于小型零件加工的冲压机原理研究

介绍一种新型的利用液压和气动技术、适合用于小型零件加工的冲压机工作原理。该冲压机的关键部件是气液增压机构，控制过程简单，操作容易，可以根据实际需要选取增力比值。     

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。     

基于油液光谱数据的船机电设备磨损元素相关性分析

随着机械设备监测维修的发展,油料光谱技术被广泛应用于检测滑油中磨损金属含量、污染物种类、添加剂衰变等。在光谱数据的分析中,界限值方法已经成为数据分析的主要方法。为准确反映设备运行中的磨损情况,基于油液光谱数据,对设备磨损元素进行相关性分析。通过对某型船舶长期跟踪监测,分离设备摩擦副在稳定磨损下油液中所含主成分相似信息,得到船舶正常运行中摩擦副的组成结构并初步得到设备磨损元素的相关性结果。在设备故障监测诊断中,结合光谱界限值,通过光谱分析结果与其磨损元素相关性的比较,能够更准确地判断设备异常磨损信息。     

改进背景值的非等间距阶跃灰色模型及其在油液光谱分析中的应用

针对非等间距、具有阶跃跳变的原始数据序列建立Simpson求积公式构造背景值的非等间距阶跃灰色模型。将该模型用于某型军用挖掘机液压系统油液光谱分析数据的拟合与预测,得到较高的拟合预测精度。利用阶跃参数对预测数据进行修正,根据修正数据结合线性回归理论制定的阈值,可以有效判断液压系统的运行状态,在一定程度上消除了换油对光谱分析数据的影响。     

基于润滑油光谱数据的发动机磨损部位识别

在分析发射光谱原始数据的基础上,提出了基于模糊聚类分析方法和灰色关联分析理论的发动机磨损部位识别方法,并通过一实例阐述了磨损部位识别的具体应用步骤。结果表明,用模糊聚类和灰色关联度分析方法进行基于润滑油光谱数据的故障部位识别能达到较高的准确率。     

灰色预测及其在金属切削理论研究中的应用

介绍了灰色系统理论的基本预测方法，并将该方法引入到金属切削的研究中.结果表明，该方法预测精度很高，在工程技术领域有广泛的应用前景。     

复杂机械设备运行状态趋势的灰色预测

重点介绍了灰色预测的有关理论及拓扑预测在复杂机械设备运行状态趋势分析中的应用，实践证明，该方法计算简便，短期预测精度高，预测结果可检验。     

金属材料腐蚀系数的灰色预测

本文将灰色理论用于金属材料腐蚀系数随材料强度极限变化规律的研究 ,得到了金属材料腐蚀系数的灰色预测模型。这种方法可以节省一部分腐蚀疲劳试验产生的消耗 ,有一定工程实用价值。     

基于组合预测模型的某型导弹电子设备故障预测方法研究

本文论述了改进的灰色DGM(1,1)模型与时间序列AR模型的组合模型的预测问题。针对传统GM(1,1)的对纯指数序列预测的局限性,本文引出了改进的离散灰色GM(1,1)模型。最后应用具体实例对组合预测模型的预测精度进行验证分析。     

基于QUEST的灰色质量预测仿真系统

给出了基于DENEB-QUEST的灰色质量预测系统的设计方案,对其实现途径作了明确的分析说明.最后给出一个基于QUEST的灰色质量预测系统,此系统无缝集成了多个模块,兼顾了方便性和执行的效率.