多维非平稳时间序列在机床主轴故障诊断中的应用

采用ARIMA模型将数控机床主轴故障初期的非平稳时间序列转化成标准平稳时间序列,然后利用多维自回归(AR)模型进行数据处理与趋势预测,并分析了基于多维自回归序列参数估计的Yule-Walker算法以及FPE阶次判定准则.实测数据的计算结果表明:经稳态处理后的多维AR时序模型能够很好地拟合数控机床主轴故障模型,预测的精度符合要求.     

基于AR模型的铣刀磨损诊断

传统的铣刀磨损故障诊断大多采用小波分析结合神经网络的方法,该方法的缺点是算法复杂,计算量大,很难实现铣刀磨损的在线识别并对其进行反馈控制。本文引入自回归（AR）模型来表征刀具切削过程的正常工作状态,用Levinson-Durbin递归算法求解Yule—Waker方程获得AR模型的系数。将建立的AR模型作为线性滤波器处理其它各种状态铣刀振动信号,获得预测误差信号,之后对预测误差信号进行各种统计特征分析。试验结果表明,预测误差信号的方差是有效的与刀具磨损相关的指标,可以用来在线识别加工过程铣刀磨损状态。     

ARMA模型和Holt-Winters指数平滑模型在企业用电量预测中的应用与分析

本文通过对时间序列的研究分析,提出基于ARMA模型和基于Holt-Winters指数平滑模型进行企业用电量预测的方法.对采集的中山市某企业用电量数据样本分别用上述两种模型建模和后续30天的用电量数据预测,分析样本数量对预测准确度的影响、用累计短期高频数据预测中长期数据的效果,比较两种模型的预测准确度.结果显示:基于AR...     

Kalman滤波在机械故障信号预处理中的应用

简要介绍了Kalman滤波的基本原理及其递推算法，给出利用时间序列自回归（AR）模型建立信号状态方程和观测方程的方法，并依托这两个方程结合Kalman递推算法形成一种信号滤波处理方法，最后通过仿真和实测信号对这一方法进行验证。研究结果表明：利用Levinson-Durbin算法获得AR系数建立信号模型，再通过Kalman递推能够有效地剔除振动信号噪声。     

基于非线性自回归模型的丝杆驱动系统运动误差预测

提出一种基于非线性自回归(GNAR)模型的丝杆驱动系统运动误差预测方法。将样本数据分成训练集和测试集,在训练集上建立GNAR模型,在测试集上进行预测评估。结果表明:该模型具有良好的跟踪性能,预测预报精度优于AR模型,基于GNAR模型的预测预报是一种行之有效的方法。     

复杂机械系统监测诊断中的时间序列模式识别技术

随着系统设备和功能的日益复杂化,复杂机械系统和过程的监测诊断问题是一个广泛的研究课题,该文针对复杂机械系统故障现象的特点,分析了自回归(AR)模型分析技术在复杂机械系统监测诊断中的应用.研究了AR模型的建模过程及其参数估计,讨论了典型模型的定阶准则,建立了模型识别信息距离判别函数,并就非平稳时间序列异常值分析、非平稳残差修正方法等问题进行了探讨.     

基于ARIMA 和SVR 的滚动轴承状态预测方法研究

滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明：该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。     

基于STL分解的平均故障间隔时间组合预测

由于影响数控机床刀架系统平均故障间隔时间的因素较多,采用单一的模型作预测无法充分提取已知数据中的隐含信息,导致预测困难。应用基于STL进行时间序列分解的组合模型预测算法,将原始故障数据分解为趋势项、季节项和随机项,应用指数平滑法和支持向量机回归分别对前两项数据进行预测,根据时序分解的加法模型将其结合,得到组合模型预测结果,并将组合模型与单一的预测模型进行对比分析。实例证明:组合模型预测优于单一模型预测。此方法应用于MTBF的预测,有助于工作人员针对故障发生时间点提前采取措施,同时为数控机床可靠性评估提供了新的研究方法。     

基于AR模型的齿轮故障诊断

为了诊断出强噪声干扰下的齿轮故障,提出时域同步平均技术与AR模型相结合的齿轮故障诊断方法。用TSA技术提取强噪声干扰下的齿轮特征信号,用FPE准则确定AR模型的阶次,利用AR模型参数算法确定齿轮正常状态下参数向量及参数容差范围,然后在模型阶次不变的情况下分析齿轮故障信号的AR模型参数,对比建立的参数容差范围,从而诊断齿轮故障。将该方法对实际试验信号进行分析,对提取到的8组正常齿轮特征信号数据建立AR模型,优化AR模型的最佳阶次为5阶,由AR模型参数算法得到了正常齿轮的AR模型参数向量及参数容差范围,再用同样阶数为5阶的AR模型分析了故障状态下的几组模型参数,对比建立的正常AR模型参数容差范围,从而诊断出齿轮故障。     

盐酸液中钇（Ⅲ）和铕（Ⅲ）的P507溶剂萃取平衡分析

为了精确预测非理想条件下稀土金属溶剂萃取的平衡分配比,研究了溶于ShellsolD70中的P507溶剂对盐酸液中钇（Ⅲ）和铕（Ⅲ）的萃取平衡,建立化学基模型,并通过非线性最小二乘法确定萃取平衡常数。所建模型涉及了在低酸度区的离子交换反应和高酸度区的溶剂化萃取反应;模型还考虑了稀土金属与Cl-的配位反应,并用萃取剂的有效浓度代替[（HR）2],进而分别对水相和有机相（HR）2的非理想性加以修正。对稀土单元体系,在较宽的初始浓度范围内（稀土浓度最高至0.1mol/L,盐酸浓度0.07-3.00mol/L,萃取剂浓度0.25-1.00mol/L）,由模型计算的稀土分配比与实验测得的数据吻合良好,验证了模型的有效性。对于稀土二元体系,该模型能以良好的精度对平衡分配比进行工程预测。     

基于故障预测的备件订购决策优化模型

针对退化状态分布函数未知的关键备件订购问题,考虑故障预测结果和备件订购相结合,提出一种基于故障预测的备件订购决策优化方法。首先,根据由状态检测信息得到的设备剩余寿命的预测结果,以备件订购时的剩余寿命为阈值制定备件订购决策策略;然后,根据更新过程理论,以规定可用度为约束条件,以单位时间内的期望费用最小为优化目标,建立以故障预测间隔期和备件订购阈值为优化变量的优化模型。采用人群搜索算法优化求解,得到系统最佳的故障预测间隔期和备件订购阈值。最后,通过引入算例,对所建模型优化仿真求解,得到设备最优的故障预测间隔期和备件订购阈值,验证了所建模型的可行性和有效性。     

用AR模型预测Ni-TiN复合镀层中纳米TiN粒子复合量

为了掌握不同试样Ni-TiN复合镀层中纳米TiN粒子复合量变化趋势,采用时间序列分析方法对复合镀层中纳米TiN粒子复合量建立AR模型,利用该模型对其复合量变化趋势进行预测分析,并把预测值与实验测试结果进行比较。结果表明,可根据该模型预测Ni-TiN复合镀层中纳米TiN粒子复合量,预测效果较好,平均误差为5.2884%。     

GH3044的低周疲劳行为研究

研究了镍基高温合金GH3044在室温和600℃的低周疲劳行为,对循环应力-应变和应变寿命数据进行了分析,给出了GH3044合金在此温度下的疲劳参数.合金的循环应力响应行为在室温下呈现循环硬化而后软化的特征,而在600℃时呈现循环硬化的特征,原因在于循环变形过程中位错之间以及位错与析出相之间的相互作用.Coffin-Ma...     

装备磨损状态在线评估系统开发研究

针对装备在运行过程中因磨损造成装备失效的问题,进行了基于油液监测技术的装备磨损状态在线评估系统的研究与开发。通过Java技术、Microsoft SQL数据库建立监测装备的磨损健康档案并确立油液分析方法,采用改进的GM（1,1）模型实现了对在线油液数据指标发展趋势的实时预测,对装备异常磨损状态评估及装备健康演化趋势预测具有重要意义。     

电火花线切割5083Al合金的实验研究和参数优化(英文)

通过实验分析,优化电火花线切割5083 Al合金的工艺参数。基于Taguchi优化法,将脉宽、脉间、峰电流和线张力作为输入参数进行了系列实验。将表面粗糙度和切割速度作为响应,基于信噪比,测定了输入参数对响应的影响。通过Taguchi优化方法,得到了最大切割速度和最小表面粗糙度的最佳加工参数。再采用附加的模型预测可能的加工组合。最后,通过使用Pareto优化法,得到一个简明的工艺参数表。     

一种高准确率漏钢预报系统

漏钢预报系统属于高效连铸生产的关键工艺和装备。镭目公司从连铸漏钢预报工程技术实际出发,总结影响漏钢预报系统预报准确率的原因,开发了一种高准确率漏钢预报系统。多家钢厂采用RAMON漏钢预报系统后证明,本系统从判断漏钢到输出拉速信号的响应时间≤0.5 s,漏钢检测的准确率 ≥ 95%,报警输出率 ≥ 99%。