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。     

基于深度学习的智能设备故障诊断研究综述

智能设备故障诊断技术(Intelligent Fault Diagnosis, IFD)将深度学习理论应用于设备故障诊断,能自动识别设备的健康状态和故障类型,在设备故障诊断领域引起了广泛关注。智能设备故障诊断通过构建端到端的AI模型和算法将设备监测数据与机器健康状态关联以实现设备故障诊断,但设备故障诊断的模型和算法较多且相互之间并不通用,采用与监测数据不相符的模型进行故障诊断会导致诊断准确率大幅度下滑。为解决这一问题,在全面调查设备故障诊断相关文献的基础上,首先简述深度设备故障诊断的模型框架,再根据具体应用场景和设备监测数据类型对模型算法进行分类介绍、列表对比及总结,最后针对存在的问题分析了未来的发展方向。本综述有望为智能设备故障诊断的研究提供有益的参考。     

基于灰色EM-SHSMM的缺失数据下设备健康预测研究*

目前,设备健康预测问题的研究大都在全样本数据下进行,而在缺失样本数据下的研究却很少。因此,针对缺失样本数据下设备健康预测问题,提出了集成分段隐半马尔可夫模型(SHSMM)与GM(1,1, λ)的联合优化模型。首先,基于SHSMM的模型架构,利用EM算法推导出SHSMM中的参数估计公式。其次,基于GM(1,1, λ),提出灰色启发式算法填补样本中的缺失数据,利用预测过程进行设备健康预测。最后,通过案例分析对模型进行评价和验证。结果表明,提出的设备健康预测方法能有效解决缺失数据的问题。     

基于Erlang-HSMM的设备剩余寿命预测研究

对于关键复杂设备进行健康诊断和设备剩余寿命预测,提出了一种基于爱尔朗分布和隐半马尔可夫模型的联合剩余寿命预测模型(Erlang-HSMM,E-HSMM)。首先,提出了改进的前后向算法、维特比算法和BaumWelch算法,有效地降低了模型的计算复杂度;其次,基于爱尔朗分布改进设备的健康状态逗留时间,将状态逗留时间分为已遍历和未遍历两个部分,提出新的健康状态逗留时间的概率分布;最后,针对状态监测数据,利用失效率理论构建设备剩余寿命预测模型。通过美国Caterpillar公司液压泵的状态监测实际数据进行评价与验证,实验结果表明,E-HSMM模型对设备的状态诊断和剩余寿命预测更加符合实际状况,比传统的隐半马尔可夫模型(HSMM)更有效。     

基于SPC的直升机液压系统健康监测的应用研究

机载设备健康维护对直升机的安全运行至关重要,随着数字信息技术的发展,机载设备数字化健康管理技术日趋进步,尤其是基于数据驱动的设备健康监测方法成为了故障诊断的主流研究方向,通过分析、挖掘数据背后的设备健康信息并构建设备健康评估模型,从而实现设备故障的早期发现和提前预防。本文通过对某型直升机起落架放下过程中液压系统等飞参数据进行深度分析构建了健康表征参数,然后基于SPC理论构建了液压设备的健康监测模型,并利用实际飞参数据对模型进行了评估。     

复杂设备故障预测可拓聚类分析模型

针对大型复杂设备运行状态的复杂性和健康状态诊断的不确定性,研究了复杂设备故障预测问题,给出了一种基于可拓聚类方法的智能化复杂设备故障预测分析模型。该模型利用可拓理论进行被诊断设备诊断状态的物元建模,并基于物元模型进行诊断数据的形式化和模型化描述,利用可拓理论关联函数对复杂设备故障预测进行定性和定量相融合的分析,从而达到对复杂设备故障状态的快速预测,为设备维修的计算机辅助设计顺利实施提供支持。将模型与方法应用于某动力系统装备的实例中,验证了模型的有效性。     

电力通信网络在运设备的多维健康评估模型研究

电力通信网络设备对于保证电网的安全和稳定运行具有重要作用.为此本文建立了电力通信设备的多维健康度评价模型,通过组合不同的评价指标对设备的运行状况进行评价,并通过对历史数据的分析得出各个评价指标的权重.结果表明本文提出的评估模型可以得出不同设备运行指标对设备健康状态评估结果的影响,同时得到不同种类设备的健康状态排序;算例...     

样本不均衡条件下设备健康度评估方法

为了保障设备稳定可靠运行,减少设备故障,针对大多数设备采集样本不均衡的现状,提出了利用动态权重的支持向量数据描述(SVDD)方法对设备健康度进行评估。该方法首先利用设备正常健康数据进行SVDD单类学习;然后利用少量各种健康状态的数据样本计算SVDD模型超球面距离,结合其评估的健康度,使用二项式回归算法得到健康度拟合曲线,实现了健康度准确评估模型。在计算过程中,所有样本进行了指数变权的动态权重处理以提高准确性。最后以某型雷达发射机为例进行了测试验证。结果表明,该方法可实现设备健康状态准确评估,具有不错的实用价值。     

深度学习在航天测控设备健康管理中的应用

深度学习的应用在各个领域得到了快速发展,主要驱动力在于丰富的数据量、算法的突破性以及计算机硬件的发展.航天测控设备长时间运行累积了大量的数据,基于深度学习的航天测控设备健康管理具有实现故障的快速诊断和检测,以及准确的故障预测等优势.研究了目前航天测控设备健康管理的现状及深度学习的基本理论,讨论了不同深度学习模型在测控设备健康管理上的应用,分析了传统算法与深度学习算法的区别,提出了测控设备健康管理的未来发展趋势.     

基于卷积神经网络的柴油发电机健康评估

柴油发电机是水面无人艇(USV)的核心设备之一,其健康状态直接影响USV的航行状态。为了保证USV的健康航行,提出了一种基于卷积神经网络的健康评估方法。该方法以发电机基本参数作为特征参数,建立健康评估模型,得出发电机健康评估状态。以百吨级电力推进USV柴油发电机为实例进行模型验证,得出发电机的健康状态转换关系及健康阈值为0.03。与常用的BP神经网络进行对比,该模型的收敛速度、识别速度、评估准确率都有明显提升。     

三星Gear2携“大姨吗”APP健康管理潜力大

三星新一代智能佩戴设备Gear2于4月11日在中国全面上市。女性健康应用大姨吗表示,已与三星达成战略合作,成为三星在中国首家合作的女性经期健康类应用,双方将携手共同为用户提供更优质精确的健康管理服务。携手三星,大姨吗再推商业化进程作为国内第一家女性生理周期类APP软件,大姨吗拥有4000万注册用户。这款动静态结合的经期记录APP,凭借其精准专业的数据分析，已经得到了众多用户的喜爱和认可。此次与三星Gear2的合作，是大姨吗全力进军智能可穿戴领域的重要一步．通过软硬结合的服务模式，为更多用户提供科学方便的数据服务功能。     

融合Cox回归与维纳过程的设备状态评估方法

针对机场自助行李托运设备运行状态评估存在数据利用率低和预测精度不高的问题,提出一种融合Cox回归与维纳过程的设备状态评估方法;首先基于事件型数据构建多风险因素影响下的设备状态突变模型,又基于关键子系统的状态型数据构建设备状态渐变模型,提出了复合退化指标并基于维纳过程建立设备性能退化模型,得到设备整体的健康状态值并提出相应维修决策;利用商用模块化航空推进系统仿真数据集和自助行李托运设备运行监测数据对所提方法进行实验验证,结果表明融合Cox回归与维纳过程的设备状态评估方法提高了设备数据利用率和预测精度.     

一个基于多代理系统的CSCL中间件

移动设备(如手机)由于屏幕小、带宽有限等因素一直在CSCL领域难有作为。该文利用代理的智能、协作等特性,结合一个已有的CSCL应用平台,设计了一种基于多代理系统的CSCL中间什模型。该模型能够根据用户移动设备的显示性能,个性化处理已有的HTML文档,基本满足学习者对课件的访问,并协助移动用户使用CSCL应用平台,与其它协同学习者交流与合作。     

第三届中国国际互联网展会强力驱动网络应用

不断发展的网络新技术、新设备推动着全球互联网应用的快速发展和日趋成熟。为了加强交流与合作,全面展示国内外最先进的网络技术、设备和应用平台,促进我国信息化建设的健康发展,国内规模最大、专业性最强的第三届中国国际互联网展会暨应用论坛将于7月在深圳隆重     

基于改进退化隐马尔可夫模型的设备健康诊断与寿命预测研究

针对隐马尔可夫模型在进行设备健康诊断时与实际存在较大偏差的问题,提出了一种以似幂关系加速退化为核心的改进退化隐马尔可夫模型(DGHMM).首先,引入退化因子描述设备衰退过程,提出的似幂关系加速退化较常规指数式加速退化而言,能更好地描述设备服役期间随着役龄增加性能的逐步下降.其次,以全局搜索能力相对较强的改进遗传算法代替常规EM算法进行参数估计,克服了EM算法易陷入局部最优的局限性.同时,针对隐马尔可夫模型时间上须服从指数分布而不能直接用于寿命预测的局限性问题,提出了一种以近似算法与Viterbi算法为基础的贪婪近似法,以寻求最大概率剩余观测为目的,动态地寻求最大概率剩余状态路径,对设备剩余寿命进行预测.最后,通过美国卡特彼勒公司液压泵数据集对所提出的方法进行验证评价.结果表明,基于改进退化隐马尔可夫模型的设备健康诊断与寿命预测方法在描绘设备退化、设备状态诊断准确率方面更加有效,在剩余寿命预测上亦为可行.     

基于模糊神经网络的电力调度自动化设备健康评估

针对电力调度自动化设备健康评估过程中存在的评估方式简单、评估方式可解释性弱以及评估效果不精确的问题,本文提出了一种基于模糊神经网络的电力自动化设备健康评估模型.用模糊理论进行分析,用模糊集合描述评价指标,用数据指标的隶属度描述设备运行情况,结合神经网络的自适应功能,针对个体设备提供更加准确的、更具个性化的健康评估.     

基于可穿戴式设备的大学生体质健康监测系统设计

针对传统体质健康监测系统对人体活动能耗检测准确率低，导致监测效果不佳的问题，提出设计一个基于可穿戴式设备的大学生体质健康监测系统。其中，采用可穿戴式设备获取加速度信息和大学生运动身体生理指标，将其作为自变量数据，从而构建大学生活动能耗检测模型，以达到体质健康监测的目的。实验结果表明，在男性和女性的能耗检测中，本模型的RMSE值分别为0.12±0.03和0.12±0.04;相较于日常活动检测模型，本模型的检测准确率更高，检测效果更好。将此模型应用到监测系统中后可实现大学生体质健康准确监测，满足系统设计需求。     

生产设备合作关系网络的建模与分析

区域产业集群中的生产资源能形成多样复杂的合作关系。探讨如何挖掘和利用这些关系来规划和控制集群内部元素的合作,以提供高效的云制造生产服务。采用广义社会合作网络模型描述集群中的制造合作关系,提出构建设备合作网络(FCN)的方法;面向不同的设备选择策略(随机、均衡、带偏好随机及带偏好均衡)设计FCN动态增长过程;基于网络规模、节点度分布、项目度分布和平均最短距离等指标对一个FCN实例的统计特性展开分析,指出均衡策略具有比随机策略更大的网络规模,而随机策略具有较明显的无标度和小世界特性;进而提出基于设备动态加权和子任务集中处理的设备选择优化策略。     

基于动态EM-SHSMM的异常数据下设备健康预测研究*

针对设备退化过程中异常数据下的剩余有效寿命预测问题,提出了一种基于动态的期望最大化算法(EM)-分段隐半马尔可夫模型(SHSMM)预测方法。首先,基于SHSMM的理论框架,采用期望最大化参数自适应估计算法估计模型中的未知参数。其次,基于WGM(1,1)模型,提出动态前向后向灰色填充算法处理样本中的异常数据,并利用健康预测过程预测设备的剩余有效寿命。最后,通过实例分析对模型进行评价和验证。结果表明,提出的设备健康预测方法能有效解决异常数据的问题。     

基于层次分析法的电力通信传输设备在线监测

基于状态感知综合考虑通信设备各动、静态数据,结合运维管理经验,利用历史缺陷和检修、当前性能值和状态值等历史和实时数据,重点开展运行环境和设备状态关键参数对传输设备寿命影响的研究。构建传输设备健康状态评价模型及算法,感知通信传输设备当前状态,实现通信传输设备健康状态评价及各参数对寿命影响研究。研究成果能指导设备运行、检修和技改工作,合理建设和调整通信网络,为电力通信传输设备全寿命周期管理提供支撑,提升通信运行管理水平。