复杂设备健康度评估方法研究综述

随着装备系统集成化、信息化程度的提高,复杂装备的工作可靠性至关重要,对其进行健康状态评估有着重要意义;健康度是对装备健康状态进行定量评估的方法,相对于分级的健康状态评估,可以更加细致地反映装备退化状况,能为装备视情维修提供准确依据,近年来得到越来越多的关注;通过对近几年国内外涉及装备健康度评估方法的相关文献整理,综述了复杂装备健康度评估研究的发展现状和相关评估方法,并从部件级和系统级两个方面对各种健康度评估方法进行了分类阐述和优缺点分析;着重指出了复杂装备在健康度评估中存在的权重问题、样本不均衡问题和健康度与故障率相关性问题;结合复杂装备特点及该领域最新研究进展,提出了未来研究思路和发展方向.     

基于马尔可夫过程的健康状态评估模型

故障预测与健康管理（PHM）的思想是通过状态监测和诊断技术获取装备状态和故障信息,预测其故障发展趋势,采取更有针对性的维修措施,从而大大提高装备维修管理的精确化。对装备系统的健康状态进行评估是实施PHM的基础,研究了基于马尔可夫过程的健康评估问题,运用马尔可夫模型方法,将部件系统退化过程描述为有限状态转移过程,建立了基于马尔可夫的健康状态评估模型,对PHM系统进行评估并对剩余寿命进行预测,最后进行了案例分析,验证了模型的可行性。     

复杂装备健康状态评估的粗糙核距离度量方法

复杂装备的健康状态评估对于减少定时维修和事后维修的次数以及推动视情维修具有重要的意义.提出了一种基于粗糙核距离度量的复杂装备健康状态评估方法,该方法首先用粗糙集进行健康特征的约简和权重系数确定,以得到优化的联合健康特征向量,然后基于加权核距离度量进行健康状态分类.航空发动机健康状态评估中的应用表明,该方法具有鲁棒性、实时性强、计算简单的特点.     

基于M-DSSE和RVM的复杂装备健康状态预测

针对故障呈现渐发特性的复杂装备健康状态预测问题,提出基于多距离形态相似度评估(M-DSSE)和相关向量机(RVM)的预测方法。在提取装备状态特征信息的基础上,采用M-DSSE方法对装备的健康状态进行评估,计算得到装备的健康指数;运用RVM回归模型对装备的健康指数进行预测,实现对装备健康趋势的预知,为最终的预知维修提供重要技术支撑。在某航空机电设备上的应用结果表明,该方法可以有效解决复杂装备健康状态评估与预测的问题,结果与实际情况相吻合。     

矿井提升装备健康状态监测系统设计

针对现有矿井提升装备健康状态监测系统采取单一的信号进行状态监测,易出现误判的问题,设计了基于信号融合的矿井提升装备健康状态监测系统。该系统分别采集矿井提升装备运行过程中的主轴扭矩信号、轴承座振动信号及钢丝绳张力信号,使用决策级的信号融合方法在主控上位机中进行计算融合,并显示融合判断结果。测试结果表明,该系统能够有效监测矿井提升装备健康状态。     

基于状态监测的装备保障特性评估系统研究

装备保障特性评估,是评定保障性目标的重要监督方法,状态监测是及时获取并掌握装备状态,支撑保障特性评估的重要在线手段。状态监测与保障特性评估可以实时或周期性的对装备运行状态进行监控和评估,预测装备的衰退趋势以及最佳维修时机。基于状态监测的岸防装备保障特性评估系统,通过研究岸防装备状态监测与评估体系,设计状态监测、健康管理与评估系统,支撑岸防装备保障特性评估技术研究与验证,并以某部队岸防装备为对象验证了系统的有效性,可对岸防装备的状态掌控,以及保障特性的及时、准确的评价和判定提供有效支撑。     

基于动态权重的设备健康状态评估方法

设备健康度是对设备健康状态的定量评估,可以更准确地反映设备健康状态.现有健康度评估方法并不能很好地反映设备的真实健康状态.针对某型雷达发射机的健康度评价问题,提出了基于动态权重的健康度精确评估方法.本文利用指数函数对各参数的权重动态变化规律进行建模,然后计算采集向量与最佳向量的加权标准欧式距离,可以更加准确地评价设备的健康度.通过对某型雷达发射机的实际测试表明,本方法计算结果准确可靠,能够更好地反映设备的健康程度.     

基于观测器的液压系统健康状态评估方法研究

为了实时评估液压系统的健康状态,提出了基于观测器的健康状态评估原理,利用解析模型、仿真模型和数据模型及其配合等方法进行液压系统标准模型的建立,联合实际液压系统的监测数据,构建液压系统的状态观测器。将实际系统的相关参数作为输入,实际监测点的输出与标准模型的输出进行特征分析与对比,在数据处理的基础上形成残差及其向量,运用数据分析方法计算系统健康度,并解析各元素及其耦合所映射的故障类型与故障程度,实现液压系统的故障定位与评估。最后,利用某型装备的起竖液压系统进行了应用举例,介绍了模型构建、故障模式与参数选择、残差构成及健康度计算的方法。所研究的状态评估方法对实时评估液压系统,及开展液压系统视情维修具有参考价值。     

基于逻辑框图的卫星健康评估方法

针对目前无法准确量化反映在轨卫星健康状态的问题,提出一种基于卫星部组件逻辑连接关系的健康状态分层评估模型,用任务健康度和任务风险度定量表示卫星状态。在部件层,选取关键遥测参数指标,通过统计历史健康数据及查阅设计资料建立部件级非线性无量纲评估模型;在组件层,通过各部件的逻辑连接关系分别建立评估模型;在分系统层,利用组件层得到的结果及各组件的逻辑连接关系,结合模糊层次分析（fuzzy analytic hierarchy process,FAHP）和变权理论,建立分系统健康状态评估模型。最后,通过某卫星正常运行时期和异常运行时期的在轨遥测数据验证,结果表明,该评估模型具有正确性。     

基于BP神经网络的复杂装备核心配件健康评估

复杂装备核心配件的健康状况决定着复杂装备工作情况,因此复杂装备核心配件的健康状态评估在工业活动中具有极其迫切的需求。笔者提出了基于BP神经网络的复杂装备核心配件健康评估方法,能够快速、准确地对复杂装备核心配件的健康状况进行评估,协助工作人员根据复杂装备的核心配件健康状况做出合适的维修决策,保证了复杂装备的可靠性。     

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.     

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。     

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。     

Equipment PHM using non-stationary segmental hidden semi-Markov model

Health monitoring and prognostics of equipment is a basic requirement for condition-based maintenance (CBM) in many application domains where safety, reliability, and availability of the systems are considered mission critical. As a key complement to CBM, prognostics and health management (PHM) is an approach to system life-cycle support that seeks to reduce/eliminate inspections and time-based maintenance through accurate monitoring, incipient faults. Conducting successful prognosis, however, is more difficult than conducting fault diagnosis. A much broader range of asset health related data, especially those related to the failures, shall be collected. The asset health progression can then be possibly extracted from the congregated data, which has proved to be very challenging. This paper presents a non-stationary segmental hidden semi-Markov model (NSHSMM) based prognosis method to predict equipment health. Unlike previous HSMMs, the proposed NSHSMM no longer assumes that the state-dependent transition probabilities keep the same value all the time. That is, the probability of transiting to a less healthy state does not increase with the age. “Non-stationary” means the transition probabilities will change with time. In the proposed method, in order to characterize a deteriorating equipment, three kinds of aging factor that discount the probabilities of staying at current state while increasing the probabilities of transitions to less healthy states are introduced. The performances of these aging factors are compared by using historical data colleted from three hydraulic pumps. The hazard function (h.f.) has been introduced to analyze the distribution of lifetime with a combination of historical failure data and on-line condition monitoring data. Using h.f., PHM is based on a failure rate that is a function of both the equipment age and the equipment conditions. The state values of the equipment condition considered in PHM, however, are limited to those stochastically increasing over time and those having non-decreasing effect on the hazard rate. The estimated state duration probability distributions can be used to predict the remaining useful life of the systems. With the equipment PHM, the behavior of the equipment condition can be predicted.     

基于决策树和层次分析的地铁车辆健康评估

随着地下轨道交通在各大城市规模的持续增长，地铁车辆逐步进入高密度、大负荷的运行状态，地铁车辆的安全性、稳定性也随之降低，地铁事故慢慢增多，地铁检修时间和检修成本与日俱增，传统的计划修与故障修已无法适应目前的检修现状。本文提出一种基于决策树和层次分析的地铁车辆健康评估方法，利用神经网络蒸馏的软决策树定性地判断地铁车辆是否为健康状态，然后利用层次分析法在专家打分和权重计算的基础上定量地评估地铁车辆健康状态的具体分数。实验表明，在定性算法最优的情况下，定量地对地铁车辆健康状态进行宏观评估与把控，可以有效地预测地铁车辆的健康状态，并且该方法具有较好的鲁棒性。     

手机内置加速度传感器数据的空间坐标转换算法

手机内置加速度传感器坐标系固定于设备自身,其采集的数据因手机姿态的改变而不断发生漂移,受此影响即使同一运动过程,加速度数据也难以同前一个时刻保持一致。为解决该问题,提出利用空间坐标转换算法将加速度数据从手机坐标系映射至惯性坐标系,从而确保数据在手机任意姿态下均能准确反映实际的运动状态。为验证该方法的有效性,设计一种手机传感器数据在线采集与实时处理新方法,实现Matlab中数据动态特征的实时观测及算法性能的在线评估。利用此方法,在旋转实验中分别测试方向余弦与四元数两种算法的可行性,并在计步器实验中进一步测试四元数算法性能。实验结果表明,基于方向传感器数据的方向余弦算法因测量范围限制,不能实现全方位空间坐标转换;而基于旋转矢量传感器数据的四元数算法则能够实现全方位转换,且转换后的加速度对步态识别率达到95%以上,较准确地反映了实际运动状态。     

Multitask learning for health condition identification and remaining useful life prediction: deep convolutional neural network approach

Predicting remaining useful life (RUL) is crucial for system maintenance. Condition monitoring makes not only degradation data available for RUL estimation but also categorized health status data for health state identification. However, RUL prediction has been treated as an independent process in most cases even though potential relevance exists with health status detection process. In this paper, we propose a convolution neural network based multi-task learning method to reflect the relatedness of RUL estimation with health status detection process. The proposed method applied to the C-MAPSS dataset for aero-engine unit prognostics supported superior performances to existing baseline models.

     

基于大数据的变压器油中溶解气体关键状态量动态预警研究

针对传统方法难以解决变压器故障诊断中精确度不高、无法实现故障预警的问题,本文利用大数据分析方法,提出一种变压器油中溶解气体关键状态量动态预警方法.该方法采用了高斯混合聚类模型对设备的正常、亚健康和异常状态进行评价,并利用了隐马尔科夫转移矩阵提取色谱演化过程的动态特征参量,实现了亚健康状态下变压器设备状态的短期预测,实现...