基于SVDD及ARIMA融合模型的给水泵退化状态监测方法

给水泵的退化状态监测对相关工业生产的有序运行具有重要意义。文中提出了一种给水泵退化状态监测方法,通过评估设备的健康状况和性能对设备退化趋势进行预测。该方法包括数据采集、特征提取、安全域构建、退化表征、退化过程建模和退化趋势预测6个步骤。该方法使用最易获取的健康数据作为训练集来构建安全域模型,然后利用超空间中更好的特征提取能力对退化过程进行表征和预测,最后使用异常数据测试预测模型的性能。文中使用一组真实的给水泵工业监测数据进行验证,并提出了一种退化趋势预测的评价方法。该方法通过5个量化指标从退化表征和预测性能两个维度对退化状态监测效果进行评估。实验结果表明,该方法不但较好地反映了给水泵的实际退化,而且实现了高精度的退化趋势预测,为给水泵智能运维提供了可靠的决策依据。     

机电装备性能退化建模与健康状态评估方法

机电装备具有结构复杂、样本量少、工况多变的特点,对其进行预防性维修十分困难,因此研究其性能退化规律以及健康状态评估对预防性维修具有重要意义。以机电装备为研究对象,利用维纳过程研究性能退化建模与健康状态评估方法。建立了描述单性能退化的维纳过程模型,并给出融合多性能退化的维纳过程模型,得到了多性能退化轨迹,实现了多性能状况下的性能退化预测。利用逼近理想解法和马氏距离,根据相对贴近度划分出装备健康状态空间,并将性能退化轨迹转换到健康状态空间中,实现了对装备健康状态的评估。在数控机床进给系统试验平台上进行实验,验证了融合多性能退化的维纳过程模型和健康状态评估方法的正确性和有效性。     

机械加工系统运行状态异常检测方法的研究

智能维护技术对实现机械加工系统的预测维护意义重大,其中,对加工系统性能退化程度进行定量评估是实现预测维护的重要环节,但由于设备故障信息难以获取,使预测维护技术的应用受到一定的限制.为此,本文提出了异常检测的概念和基于统计理论的异常检测方法.通过对加工系统当前状态的异常检测,来对其异常偏离程度进行量化,目的是大幅提高加工系统预测维护的易操作性和应用范围.该方法已在精密曲线磨削主轴系统运行状态的监测中取得了良好的效果,并为系统性能退化程度的在线评估奠定了基础.     

基于深度信念网络多参数智能融合的滑靴副性能退化状态评估方法

滑靴副磨损过程的性能退化状态受到表面形貌、摩擦特性等多个方面的影响,单独提取其中任何一个表征参数作为指标,评估其性能退化状态都是不准确的,为提高评估精度,提出基于深度信念网络多参数智能融合的滑靴副性能退化状态评估方法。应用分形理论从滑靴表面形貌特征中提取分形维数、尺度系数和特征粗糙度等分形参数作为表面形貌评估指标,应用摩擦因数作为摩擦特性参数评估指标,构建性能退化状态评估指标体系;计算摩擦因数信号与完全平稳的高斯白噪声序列信号之间的灰色关联度,并根据灰色关联度的大小对性能退化状态进行区域划分;应用深度信念网络理论对多指标参数进行智能融合和特征提取,建立性能退化状态评估模型;开展滑靴副磨损过程模拟试验,分析指标参数和灰色关联度对性能退化状态的影响规律,通过构建出的样本数据集,对评估模型进行训练和测试验证,结果表明评估模型对性能退化状态的评估准确率能够达到97%以上,由此证实该方法对滑靴副性能退化状态评估的有效性,且具有较高的评估精度。     

多变量灰色模型在滚珠丝杠剩余寿命预测中的应用

为研究滚珠丝杠的性能退化趋势,准确预测丝杠寿命,提出了基于多变量灰色模型的丝杠寿命预测系统.在滚珠丝杠副的不同位置安装3个加速度传感器,实时监测丝杠性能在不同加工条件下的变化趋势.通过模态分解方法分解选择对丝杠性能退化最敏感的特征参数,利用多变量灰色模型建立丝杠寿命与切削三要素、信号特征值的非线性映射关系,最终构建了基于多变量灰色模型的丝杠寿命预测模型,实现了对丝杠剩余寿命的有效评估.试验结果表明,所建立的丝杠性能退化模型能够有效预测丝杠的剩余寿命.     

基于SOA的工程机械远程智能预诊维护系统研究

针对工程机械结构复杂、分布式作业和维护管理困难等问题,提出了基于面向服务架构(SOA)的工程机械远程健康智能预诊维护系统。该系统以一套设备智能预诊算法模型库SmartAgent为核心模块,通过SOA的异构资源共享等功能来系统地实现工程机械的分布式远程预诊维护。以一个关键机械部件(轴承)的性能衰退预诊为例,采用SmartAgent算法库中基于自组织映射的性能衰退评估模型和基于威布尔失效概率的剩余寿命预测模型,系统地阐述了提出的设备健康远程预诊系统的应用流程,通过基于SOA的服务建立、发布与调用,实现了设备性能衰退的远程监控与预测,并进一步验证了该系统的有效性和工程实用性。     

基于多智能体的过程企业智能管理模型研究

在过程企业现有的软硬件资源基础上,以过程企业智能管理结构模型为基础,提出了基于多智能体的过程企业智能管理系统模型,建立了相应的管理智能体、通讯智能体、功能智能体,每个智能体可单独实现一定的系统功能,并通过通讯智能体实现系统内及系统与环境之间的信息交换,讨论了过程企业智能管理多智能体系统的运行方式、优化策略。该模型是实现已有软、硬件系统与人的综合集成的有效途径。     

制造信息系统的多智能分析与建模研究

为解决先进制造模式下制造信息系统的分析与建模问题，提出了一种基于智能体的信息系统分析与建模方法。在该方法中，信息系统的功能和性能需求用目标层次模型进行描述，模型的构成子目标由对应角色实现，角色间任务、资源和职责的依赖构成了角色关系模型；为获得描述能力更强的系统建模元素，将角色与关系抽象和组合为智能体，并结合相应智能体协作机制设计和结构设计完成信息系统到多智能体系统模型的映射。该方法已成功应用于石化企业设备监测系统的开发。     

基于性能退化的智能脱扣器电源模块健康状态预测

一般情况下电子产品在失效前性能已经发生退化，而传统的寿命预测方法没有利用退化信息。以智能脱扣器电源模块为研究对象，分析MOSFET开关周期和电路薄弱环节储能电容退化之间的关联关系，提出将MOSFET开关周期作为电源模块性能退化的特征量，建立以MOSFET开关周期为特征参量的智能脱扣器电源模块性能退化模型；将电源模块划分为健康、注意和危险3种健康状态，确定健康状态转移图和转移时间的计算方法，建立其健康状态评估模型；对电源模块进行温度应力下的加速退化实验，验证性能退化模型和健康状态评估模型，并预测电源模块在40℃工作环境下由健康状态转移至注意状态的平均转移时间为3 906天，转移至危险状态的平均转移时间为9 296天。     

基于 IGA-BP 神经网络的智能电能计量 设备退化趋势研究

电能计量设备可靠运行与否影响着电网边缘测量与电量计量准确性,为此本文提出一种基于参数优化 BP 神经网络的 设备退化趋势分析方法。 结合国网新疆高干热试验基地,及其智能电能计量设备实时运行基本误差数据,利用 Spearman 相关 性分析方法,提取影响智能电能计量设备基本误差值的主要环境应力;采用函数拟合插值(FFI)方法消除原始数据中缺失值对 退化分析的影响,建立基于 BP 神经网络的智能电能计量设备退化研究模型;最后,引入改进遗传算法( IGA)优化 BP 神经网络 参数,实现智能电能计量设备退化趋势的向后预测与更新。 选取基地中不同型号的若干个智能电能计量设备进行多项实验,结 果表明本文模型具有较高的预测能力,预测结果的平均均方根误差为 0. 012 3,预测准确度最高可达 90. 2% 。     

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。     

滚动轴承性能退化趋势预测综述

滚动轴承作为旋转机械的重要零部件之一,其在工业中占有重要的地位,其可靠性直接影响设备能否安全、稳定运行.文章首先阐述了滚动轴承性能退化趋势预测的研究意义;接着梳理了滚动轴承性能退化趋势预测中关键难点性能退化指标构建对故障特征提取、降维和融合方法,然后进行了有效的性能退化趋势预测模型分类.最后,对滚动轴承性能退化趋势预测...     

基于模糊信息粒化与小波支持向量机的滚动轴承性能退化趋势预测

针对滚动轴承的性能退化指标及其波动范围难以有效预测的问题,提出了一种基于模糊信息粒化与小波支持向量机的滚动轴承性能退化趋势预测方法。首先以一定的时间间隔采集滚动轴承运行过程中的振动信号序列,提取各个振动信号序列的特征指标,对特征指标序列进行模糊信息粒化,进而提取各个粒化窗口的有效分量信息;随后通过构建小波支持向量机对各个指标分量分别建立预测模型,实现对滚动轴承性能退化指标的退化趋势及波动范围的预测。实验结果表明,该预测方法可以有效跟踪滚动轴承性能衰退指标的变化趋势,并对其指标的波动范围进行有效预测。     

信息熵与优化LS-SVM的轴承性能退化模糊粒化预测

为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标的一个预测范围,本文提出信息熵与优化最小二乘支持向量机(LS-SVM)的轴承性能退化趋势模糊粒化预测。首先利用信息熵理论提取轴承信号的性能退化指标序列,再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化;然后将粒化后的数据输入给LS-SVM进行回归预测,并采用粒子群算法(PSO)优化LS-SVM的惩罚参数和核函数参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,对于每个时间段内的轴承性能退化指标,该方法均能获得准确的预测结果,具备较强的实用性和工程应用价值。     

Proposal of fault prediction system for underground installations

The absence of intelligent systems for fault prediction in components and equipment in underground installations does not allow a correct structure for maintenance programs to reduce intervening maintenance actions. Thus, it is necessary to devise a computer system that can conjugate potential causes and factors of failure as input data that can correctly inform output data, which represents a component or equipment failure prediction. The aim of this paper is to present a proposal system to support maintenance analyses, where sensors of temperature, water level and vibration, can provide real time data to analyze the isolation condition of transformers and switches within underground chambers. The paper also presents a new use of a neural network to alarm partial discharges (PD) activities. A case is presented where hardware and software are developed and an underground chamber is used as a real test case. In this research, cost, performance, environmental hostility, and the availability of installed equipment in the Brazilian market were considered. After the methodology was verified, the cost was compared with imported equipment, and the result was approximately a 50% cost reduction. Issues of telemetry, hub specification, and sensor installation were also evaluated.     

基于二元维纳过程的小样本齿轮泵可靠寿命预测

提出了一种基于二元维纳过程的小样本齿轮泵可靠寿命预测方法。利用具有随机效应的维纳过程建立齿轮泵容积效率和总效率退化过程模型,表征了齿轮泵退化特征随时间的波动性和个体差异性。基于赤池信息量准则（AIC）筛选了合适的Copula函数来描述两个退化特征之间的相关关系。建立了二元退化模型,采用马尔可夫链蒙特卡罗（MCMC）方法进行了模型未知参数识别。针对齿轮泵性能退化试验通常是小样本的特点,利用Bootstrap抽样方法对表征个体差异的参数进行了再抽样估计。最后通过齿轮泵性能退化试验实现了可靠寿命预测,验证了所提方法的有效性与准确性。试验结果表明,齿轮泵性能退化过程中两个特征存在非线性相关关系,考虑相关关系的可靠寿命预测较单一特征预测结果更保守,且受最先达到失效阈值的性能特征影响更大。     

基于PSO-ELM的液压油性能衰退预测及分析

提出基于粒子群优化（Particle Swarm Optimization,PSO）的极限学习机（Extreme Learning Machine,ELM）的液压油性能衰退预测方法。以L-HM46抗磨液压油为研究对象,设计液压油性能衰退实验,检测油液的黏度、张角、水分含量、衰退度。基于提出的液压油性能衰退预测方法,利用遍历搜索和PSO算法分别对ELM的外部、内部参数进行优化选取,从而建立最优的性能衰退预测模型。将油液的黏度、张角、水分含量作为模型输入特征向量,衰退度作为模型输出,采用PSO-ELM性能衰退预测模型对液压油性能进行仿真分析。结果表明：PSO-ELM算法计算结果与实验数据吻合较好;PSO-ELM算法预测精度达到了98.47%,高于ELM算法的预测精度,表明PSO-ELM算法能更准确地预测液压油的衰退情况,为确定换油时机提供参考。     

Design and realization of a remote monitoring and diagnosis and prediction system for large rotating machinery

Traditional on-site fault diagnosis means cannot meet the needs of large rotating machinery for its performance and complexity. Remote monitoring and diagnosis technology is a new fault diagnosis mode combining computer technology, communication technology, and fault diagnosis technology. The designed remote monitoring and diagnosis and prediction system for large rotating machinery integrates the distributed resources in different places and breaks through shortcomings as the offline and decentralized information. The system can make further implementation of equipment prediction technology research based on condition monitoring and fault diagnosis, provide on-site analysis results, and carry out online actual verification of the results. The system monitors real-time condition of the equipment and achieves early fault prediction with great significance to guarantee safe operation, saves maintenance costs, and improves utilization and management of the equipment.     

小波包熵在设备性能退化评估中的应用

开展设备性能退化评估研究,是制定主动设备维护策略、降低设备维护费用的基础。在设备性能退化过程中,信号成份会逐渐复杂化。本文提出利用小波包熵监测信号的复杂性变化,从而为设备性能退化评估提供可靠的特征向量。为了研究性能退化过程中振动信号的小波包熵的变化规律,使用裂纹转子动力学模型模拟了转子裂纹逐渐增加的过程,并使用仿真数据计算了各个状态下的小波包能量熵和小波包奇异值熵值。分析结果表明,随着转子性能退化程度的加深,小波包熵值逐渐增加,且对于性能恶化的突变较为敏感。