基于HDP-CHMM的机械设备性能退化评估

针对传统隐马尔可夫模型(hidden Markov model,简称HMM)状态数必须预先设定的不足,提出了一种基于分层狄利克雷过程-连续隐马尔可夫模型(hierarchical Dirichlet process-continuous hidden Markov model,简称HDP-CHMM)的机械设备性能退化评估方法。该方法利用分层狄利克雷模型的分层聚类原理,在狄利克雷过程(Dirichlet process,简称DP)模型的基础上进行扩展,利用多组关联数据实现了模型结构根据观测数据的自适应变化和动态调整,获得设备运行过程中的最优退化状态数,并结合连续隐马尔可夫模型(continuous hidden Markov model,简称CHMM)良好的分析和建模能力,获得设备退化状态转移路径,实现机械设备运行过程中的退化状态识别和性能评估。利用滚动轴承全寿命数据的多组特征值进行了应用研究,并与基于K-S检验算法的机械设备零部件性能退化评估方法进行了比较。结果表明,HDP-CHMM模型可以对轴承实际运行状态转移过程进行建模,有效识别轴承运行中的不同退化状态,为基于状态的设备维修提供了理论指导。     

基于XML的工厂多智能体系统研究

Asent技术由于本质的分散性和开放性受到制造业越来越多的关注。XML作为下一代Web语言，在企业数据集成方面展示了巨大的优势。本文介绍的多智能体系统包括代表生产任务的PA，代表制造资源的RA和实现工厂管理任务的PMA，这些Asent相互通讯、协作，完成生产任务。每个制造资源的性能均以XML的格式在中心数据库中注册，其他Asent能通过查询数据库了解现场的最新动态，找到需要的资源。PA具有以XML文件表示的所有生产信息。任何具有Asent接口和以XML形式表示其性能的制造资源均可在制造网络中即插即用，任何以XML形式表示的生产任务均可通过PA和RA的合作得以完成。     

基于多智能体的舰船装备健康状态仿真评估方法

考虑到海况对舰船安全航行和任务执行有着重大影响,提出了一种基于多智能体技术的装备健康状态仿真评估方法。在分析舰船装备航行任务的基础上,建立了“任务-装备-维保-环境”装备健康状态模型,针对海洋环境因素对装备性能、维保能力的影响,制定了环境智能体的内部规则和通信机制,可实现不同海况条件下舰船装备的健康状态评估。以某舰船动力系统为例,分别在0级、5级和7级海况下对其巡航任务下的健康状态进行分析与评估,仿真结果表明：相比0级海况,动力系统在5级和7级海况下健康度和任务成功率均有所降低,量化评估结果与专家定性评估结果趋势一致。     

基于多智能体的制造系统生产控制建模研究

为提高制造系统生产控制的性能,建立了基于多智能体系统的混合控制模型.该模型把生产控制系统分为管理智能体层、单元智能体层和执行智能体层.管理智能体层负责调度和协调各单元智能体,并对所有智能体进行管理;单元智能体层中的各单元智能体间通过公用数据库相互协作;执行智能体对制造系统内的硬件负责,它们根据局部的本地资源信息及当前状态,接收发布的任务,并对其求解.同一层次的智能体之间是分布式结构.采用基于多智能体的混合控制模式,提高了制造系统生产控制的实时性和灵活性.通过激光拼焊生产系统中的试验,验证了该模型的有效性.     

基于多智能体系统的网络计划与控制模型

大型单件小批生产是大型企业集团的生产模式之一,这类企业中关键设备的能力平衡和利用率是企业生产计划与控制的关键环节。针对这个关键环节,将网络计划与多智能体系技术结合起来,提出了基于多智能体系的网络计划与控制模型,并简要介绍支持该模型的HEC－NPC系统,从而为大型单件小批生产类型企业关键设备的能力平衡问题提供了一种可行的解决方案。     

多智能体系统：一种新型的生产运行模式

介绍分布工式人工智能技术和多智能体系统,详细讨论多智能体系应用于制造业的可行性及关键技术,并给出多智能体系统应用于制造业的几个研究实例。     

基于多智能体机制面向资源的CAPP系统研究

为提高在车间中执行的工艺规划的柔性和适应性,提出一个基于多智能体机制面向资源的CAPP系统的框架。该系统由分布式制定工艺任务的工艺信息代理和对应车间资源的资源代理组成。面向一个工艺任务,资源代理组成多个资源代理联盟,工艺信息代理通过选择资源代理联盟进行任务分配。重点研究了工艺规划和资源分配的并行,多代理之间多级协商的资源冲突消解策略,以及面向资源的工艺决策优化等关键技术。开发了原型系统以评价系统的性能,生成的面向资源的工艺方案输入车间调度系统。     

基于AR-FCM的滚动轴承的性能退化评估

滚动轴承是旋转机械中最重要也是最容易出现故障的零部件之一,如果能对滚动轴承的性能进行实时监测评估就能及时做出维修策略,建立自回归(AR)模型,提取早期无故障信号和同型号同位置失效滚动轴承(简称同类轴承)失效信号的AR模型的自回归系数和残差,用早期无故障特征和同类轴承的失效特征建立模糊C均值(FCM),得到FCM模型的正常和失效聚类中心,将待测数据通过保持模型不变连续迭代的方式输入到FCM模型中,得到性能退化指标,再用经验模态分解和希尔伯特包络解调对结论进行验证。实验表明,提出的性能退化方法得到的结论与轴承加速疲劳试验得到的结果是一致的。     

实现多智能体系统的关键技术与应用

对害病网智能体系统的关键技术进行了深入研究,从开发人员的角度,讨论了开发运行环境的选择、开发方法的选择、多进程与多线程方式的实现、通讯可靠性和分层结构等实现智能体系统的关键技术,在比较了多种多智能体开发平台的基础上,扩充了JAFMAS作为应用系统的底层,采用Java语言实现了将CAPP与调度集成多智能体原型系统作为应用层,来说明以上方法。     

制造领域多智能体系统的技术研究

首先讨论了多智能体、计算机支持在协同共和和公共对象请求代理体系,综述了全能制造系统、供应链管理、虚拟企业、机器人、工艺规划、调度和装配等多智能体技术。在综合大量文献和已有研究的基础上,讨人了这些方向的主要研究方法、技术和现状,并指出基于多智能体的制造系统中的方法学研究、学习机制、集成化研究、合作机制和冲突消解等拟进一步研究的领域。     

基于性能劣化的可靠性预测与系统开发

为了给数控装备可靠性预测提供更丰富、更精确、更及时的信息源,探讨了运用数控装备使用过程中的性能劣化数据对数控装备可靠性进行预测的方法与工具。给出基于性能状态监测的性能劣化建模与可靠性预测原理,并提出一种基于非平稳自回归积分滑动平均模型的数控装备性能劣化建模方法,以监测与分析数控装备关键性能参数的时变特性;提出基于隐马尔科夫链模型的数控装备可靠性预测方法,以揭示数控装备使用过程中的性能状态变化特征及其可靠性变动情况。在此基础上,开发了数控装备可靠性预测原型软件系统。该系统对于提高数控装备利用率、减少数控装备维修费用以及延长数控装备使用寿命等具有重要的意义。     

基于Agent技术的继电保护的研究现状及发展趋势

概述了传统继电保护存在的典型问题,介绍了Agent及多Agent系统的特点,重点介绍了基于多Agent系统的输电线路继电保护的国内外研究的发展状况,指出了基于多Agent的输电线路继电保护的发展趋势。     

基于MAS的海洋工程装备项目钢板可追溯系统

为解决海洋工程装备项目对钢板进行追溯管理时物料流与信息流不同步、追溯数据处理效率低等问题,采用无线射频识别标签标志钢板,并提出一种基于多代理系统的海洋工程装备项目钢板可追溯模式.通过研究钢板可追溯系统中追溯批次清单模型的建立、追溯流程的分析以及追溯数据流的梳理,给出MOEPTS系统的实体模型;分析了基于多代理系统的钢板追溯机理,构建了钢板追溯协作模型与MOEPTS系统的总体架构,开发了MOEPTS系统原型,并通过在某海工企业的应用验证了系统的有效性.     

基于贝叶斯推论和自组织映射的轴承性能退化评估方法

为在线识别和评估轴承的动态运行状态,提出一种基于贝叶斯推论和自组织映射的轴承性能退化评估方法。首先运用独立成分分析算法从原始特征集提取表征轴承正常运行的特征集,建立描述轴承健康状态的基准自组织映射模型,进而提出基于负对数似然概率的设备性能量化评估指标和基于贝叶斯推论的失效概率计算方法,在线识别和评估轴承的动态运行状态。通过在轴承全寿命测试床的实验结果表明,与一些传统的特征值指标和基于支持向量数据描述的性能退化评估方法相比,提出的评估指标可有效地量化轴承的全寿命性能退化过程,为进一步制定维护计划提供重要的设备健康信息。     

基于支持向量机工具的性能劣化建模方法

针对基于故障数据的数控装备可靠性研究中的小样本问题,提出了建立基于支持向量机的性能劣化模型.在研究支持向量机的建模理论和参数优化方法的基础上,将最小二乘法支持向量机工具LSSVM.M应用于性能退化数据处理,提出一种改进的参数选择方法,以提高拟合和预测准确性.通过实例,验证了该方法的可行性,并建立了数控机床加工精度的性能劣化模型,为可靠性评估奠定了基础.     

设计阶段基于多智能体的降低成本求解系统

研究了产品设计阶段降低成本求解的多智能体系统的关键技术,提出了4条多智能体系统的任务分解规则,详细分析了多个求解智能体的协同求解过程.在此基础上开发了产品设计过程基于多智能体模型的降低成本求解系统,以ZUMD-02V型油压减振器的活塞为例,验证了系统的有效性.     

基于本体与多Agent的可靠供应链网络设计模型

针对供应链环境下的分布性、不确定性和动态性特征,基于本体与多Agent技术,构建了一种集成多种智能算法的可靠供应链网络设计模型。通过服务本体实现成员企业服务发布与发现,通过工作流本体实现订单任务动态分解,综合采用投招标策略和可靠性优化策略,实现可靠供应链网络的最优设计。其中,优化Agent由投标企业可靠性评估机制、目标可靠性预测机制以及基于可靠性的任务分配机制构成。通过一个应用实例验证了系统的可行性与有效性。     

Bearing performance degradation assessment based on lifting wavelet packet decomposition and fuzzy c-means

Bearing performance degradation assessment is crucial to realize condition-based maintenance. In this paper, a new method for it is proposed based on lifting wavelet packet decomposition and fuzzy c-means. Feature vectors are composed of the node energies of lifting wavelet packet decomposition. Normal and final failure data are used as training samples to build assessment model utilizing fuzzy c-means, and the subjection of tested data to normal state is defined as the degradation indicator, which has intuitionistics explanation related to degradation degree. Results of its application to accelerated bearing life test show that this indicator can reflect effectively performance degradation of bearing. And after discussing the influence of outliers in training set, a robust strategy is proposed.     

基于特征的机械设备故障预测系统

在机械设备的使用过程中,如果能准确地提前预测机械设备将要发生的故障并防患于未然,则可为企业节省大量的维修费用,降低企业成本。为此提出了一种依据特征基于神经网络算法的故障预测系统。把机械设备本身的运行特征和环境特征作为输入,把发生故障的概率作为输出,建立映射关系。以历史映射数据训练并建立神经网络,用以预测机械设备在某状态达成后发生故障的概率。通过某厂的机床对系统进行训练和验证,预测故障率与实际故障率的相对误差在15.3%以内。仿真结果表明,该系统可以有效的根据机械设备运行状态特征对其故障率进行准确预测。     

Bearing performance degradation assessment using locality preserving projections and Gaussian mixture models

The sensitivity of various features that are characteristics of machine performance may vary significantly under different working conditions. Thus it is critical to devise a systematic feature extraction (FE) approach that provides a useful and automatic guidance on using the most effective features for machine performance prediction without human intervention. This paper proposes a locality preserving projections (LPP)-based FE approach. Different from principal component analysis (PCA) that aims to discover the global structure of the Euclidean space, LPP is capable to discover local structure of the data manifold. This may enable LPP to find more meaningful low-dimensional information hidden in the high-dimensional observations compared with PCA. The effectiveness of the proposed approach for bearing defect and severity classification is evaluated experimentally on bearing test-beds. Furthermore, a novel health assessment indication, Gaussian mixture model (GMM)-based negative log likelihood probability (NLLP) is developed to provide a comprehensible indication for quantifying bearing performance degradation. The proposed approach has shown to provide better performance than using regular features (e.g., root mean square (RMS)). The experimental results indicate potential applications of LPP-based FE and GMM as effective tools for bearing performance degradation assessment.